CN109558978B - 基于出行距离的区域交通方式划分方法 - Google Patents

Abstract

本发明公开了一种基于出行距离的区域交通方式划分方法，包含了区域交通出行数据采集、客运分担率转化、出行距离‑分担率模型训练、出行距离矩阵生成、过渡分担率矩阵生成方式联通矩阵生成、分担率矩阵计算、区域交通方式划分结果生成共计八个步骤，通过采集区域内城市间的不同交通方式的客运量和所需预测城市之间的距离数据，基于支持向量机建立并训练客运距离‑分担率模型，最终得到城市间客运方式分担率结果，进行区域范围内城市间的出行方式预测，整个过程思路清晰，具有很强的实用性及可操作性，为区域范围内的交通出行预测提供了新的思路和方法，对于进行区域范围内的交通方式划分预测和交通规划具有重要意义。

Description

基于出行距离的区域交通方式划分方法

所属领域

本发明属于区域交通规划领域，尤其涉及一种基于出行距离的区域交通方式划分方法。

背景技术

随着社会经济的持续发展，我国城市化进程不断加快，基于城市群的区域一体化协同发展已成为未来我国经济发展的趋势。交通运输作为社会经济发展的基石，区域的发展与综合交通运输系统的规划和建设密切相关，同时也对区域综合交通运输系统提出了更高的要求。交通方式划分作为交通需求预测四阶段中重要的一部分，其实质是预测各种交通方式所分担的客流量，所以通常也被称为交通方式分担率预测。

总体来说，交通方式划分方法可以分为两大类：一类是集计模型，其操作相对简单，但集计方法的局限性在于：为了保证模型的精度，依据大数定理，需要有相当规模的样本容量，同时该方法行为原理假设不明确，预测结果过于粗糙，模型的普遍适用性较差；另一类是以概率论为基础的非集计方法，非集计方法在交通方式分担研究中是以单个出行者作为分析对象，充分利用了每组调查样本数据的内在联系，非集计方法的特点在于：调查的个人数据能够得到充分的挖掘，要求的样本较小，所以相对成本会小很多，但其对于数据的要求较高，模型结构复杂，模型的估计较为困难，工程上的应用并不现实。

实际上，不同方式的选取，其实是其广义出行消耗时间的比较，这其中出行距离的影响越来越重要，出行方式的选择和出行距离直接相关。通常情况下，短距离汽车方式的广义消耗往往小于飞机，因此短距离出行优选汽车。同理，中距离出行优选火车、远距离出行优选飞机。也就是说，基于距离与交通方式间的函数关系，可以得到方式划分的结果，因而充分利用此特点，放大到区域交通规划领域中，将是对区域交通规划方法的一大突破和改进。

发明内容

本发明正是针对现有技术中的问题，提供了一种基于出行距离的区域交通方式划分方法，包含了区域交通出行数据采集、客运分担率转化、出行距离-分担率模型训练、出行距离矩阵生成、过渡分担率矩阵生成方式联通矩阵生成、分担率矩阵计算、区域交通方式划分结果生成共计八个步骤，通过采集区域内城市间的不同交通方式的客运量和所需预测城市之间的距离数据，基于支持向量机建立并训练客运距离-分担率模型，最终得到城市间客运方式分担率结果，进行区域范围内城市间的出行方式预测，基于实际数据为支撑，考虑了区域范围内城市之间各种出行方式的实际分担率，整个过程思路清晰，具有很强的实用性及可操作性，为区域范围内的交通出行预测提供了新的思路和方法，对于进行区域范围内的交通方式划分预测和交通规划具有重要意义。

为了实现上述目的，本发明采用的技术方案是：基于出行距离的区域交通方式划分方法，包含以下步骤：

S1，区域交通出行数据采集：所述数据包括任意两城市间的距离及两个城市间各种交通方式的客运交通量，所述交通方式包括公路、铁路、航空及航道；

S2，客运分担率转化；将步骤S1采集到的交通量数据分别转化为公路、铁路、航空、航道客运分担率；

S3，出行距离-分担率模型训练；采用步骤S1采集到的两城市间距离与步骤S2转化获得的各交通方式的客运分担率，基于支持向量机建立并分别训练公路客运距离-分担率模型f_road(d)、铁路客运的距离-分担率模型f_rail(d)、航空客运的距离-分担率模型f_air(d)、航道客运的距离-分担率模型f_water(d)；

S4，出行距离矩阵D_N生成：所述出行距离矩阵为：

其中：N为需要进行区域交通方式分担率预测的城市数量；M是区域交通出行数据采集步骤覆盖的城市总数；

表示城市p到城市q间的距离；p、q为需要进行区域交通方式分担率预测的城市序号；

S5，过渡分担率矩阵生成；根据步骤S3得到的距离-分担率模型以及步骤S4得到的出行距离矩阵D_N，分别生成公路过渡分担率矩阵A_road、铁路过渡分担率矩阵A_rail、航空过渡分担率矩阵A_air及航道过渡分担率矩阵A_water，

所述公路过渡分担率矩阵A_road为：

所述铁路过渡分担率矩阵A_rail为：

所述航空过渡分担率矩阵A_air为：

所述航道过渡分担率矩阵A_water为：

S6，方式联通矩阵生成；所述公路方式联通矩阵T_road为：

所述铁路方式联通矩阵为T_rail为：

所述航空方式联通矩阵为T_air为：

所述航道方式联通矩阵为T_water为：

其中，

的取值只能等于0或者1；

S7，分担率矩阵计算；所述出行方式的分担率矩阵B_mode为：

其中，mode表示可以选择的出行方式，mode∈{road,rail,air,water}；运算符*表示矩阵的哈达玛积运算，

表示城市p到城市q之间采用mode方式出行的客运方式分担率；

S8，区域交通方式划分结果生成；所述城市p到城市q之间采用mode方式出行的客运方式分担率

为：

作为本发明的一种改进，所述步骤S2中分担率的计算进一步包括：

S21，计算客运总量P_i,j计算；所述客运总量为任意两城市之间所有交通方式的客运量之和，即

其中P^road _i,j、P^rail _i,j、P^air _i,j及P^water _i,j分别指城市i到城市j之间的公路、铁路、航空、航道客运量；

S22，分担率计算；所述分担率为一种交通方式客运量占客运总量的比例，即

其中mode∈{road,rail,air,water}。

作为本发明的另一种改进，所述步骤S1采集的任意两城市间距离为通过公路方式出行的最短距离。

与现有技术相比，本发明提出了一种基于出行距离的区域交通方式划分方法，与传统的非集计模型相比，本发明基于实际调查的出行方式分担率数据应用支持向量机方法建立模型进行交通方式分担率的预测，基于实际数据为支撑，考虑了区域范围内城市之间各种出行方式的实际分担率，其结果相比传统预测方法具有更高的准确度及可信度；同时本方法整个过程思路清晰，具有很强的实用性及可操作性，为区域范围内的交通出行预测提供了新的思路和方法，对于进行区域范围内的交通方式划分预测和交通规划有指导意义；再者本方法的数据收集与统计过程相较于集计模型更加简单，数据获取更加方便，在工程应用方面更具有优势。

附图说明

图1为本发明方法的流程图；

图2为本发明方法实施例2采集数据涉及的城市。

具体实施方式

以下将结合附图和实施例，对本发明进行较为详细的说明。

实施例1

基于出行距离的区域交通方式划分方法，如图1所示，包含以下步骤：

S1，区域交通出行数据采集：所述数据包括任意两城市间的距离及两个城市间各种交通方式的客运交通量，出行数据可以直接从国家或者相关区域/城市的统计部门、交通部门等获取，也可以直接基于大数据技术从互联网直接下载或者抓取，所述交通方式包括公路、铁路、航空及航道，例如：采集我国区域交通出行数据，包含城市i到城市j之间的距离d_i,j，城市i到城市j之间的公路客运交通量P^ro^ad _i,j，城市i到城市j之间的铁路客运交通量P^rail _i,j，城市i到城市j之间的航空客运交通量P^air _i,j，城市i到城市j之间的航道客运交通量P^wat^er _i,j。其中，i,j表示城市的序号，i、j为正整数，且i、j均小于M，M是区域交通出行数据采集步骤覆盖的城市总数；

S2，客运分担率转化；将步骤S1采集到的交通量数据分别转化为公路、铁路、航空、航道客运分担率，该步骤进一步包括；

S21，计算客运总量P_i,j计算；所述客运总量为任意两城市之间所有交通方式的客运量之和，即

其中P^ro^ad _i,j、P^rail _i,j、P^air _i,j及P^wat^er _i,j分别指城市i到城市j之间的公路、铁路、航空、航道客运量；

S22，分担率计算；所述分担率为一种交通方式客运量占客运总量的比例，即

其中mode∈{road,rail,air,water}；

S3，出行距离-分担率模型训练；采用步骤S1采集到的两城市间距离与步骤S2转化获得的各交通方式的客运分担率，基于支持向量机建立并分别训练公路客运距离-分担率模型f_road(d)、铁路客运的距离-分担率模型f_rail(d)、航空客运的距离-分担率模型f_air(d)、航道客运的距离-分担率模型f_water(d)；

S4，出行距离矩阵D_N生成：所述出行距离矩阵为：

其中：N为需要进行区域交通方式分担率预测的城市数量；M是区域交通出行数据采集步骤覆盖的城市总数；

表示城市p到城市q间的距离；p、q为需要进行区域交通方式分担率预测的城市序号，p、q为正整数，且p、q均小于N；

S5，过渡分担率矩阵生成；根据步骤S3得到的距离-分担率模型以及步骤S4得到的出行距离矩阵D_N，分别生成公路过渡分担率矩阵A_road、铁路过渡分担率矩阵A_rail、航空过渡分担率矩阵A_air及航道过渡分担率矩阵A_water，

所述公路过渡分担率矩阵A_road为：

所述铁路过渡分担率矩阵A_rail为：

所述航空过渡分担率矩阵A_air为：

所述航道过渡分担率矩阵A_water为：

S6，方式联通矩阵生成；所述公路方式联通矩阵T_road为：

所述铁路方式联通矩阵为T_rail为：

所述航空方式联通矩阵为T_air为：

所述航道方式联通矩阵为T_water为：

其中，

的取值只能等于0或者1，当

的值等于0时分别表示城市p到城市q之间不存在公路客运方式路径、不存在铁路客运方式路径、不存在航空客运方式路径、不存在航道客运方式路径；当

的值等于1时分别表示城市p到城市q之间存在公路客运方式路径、存在铁路客运方式路径、存在航空客运方式路径、存在航道客运方式路径；

S7，分担率矩阵计算；所述出行方式的分担率矩阵B_mode为：

其中，mode表示可以选择的出行方式，mode∈{road,rail,air,water}；运算符*表示矩阵的哈达玛积运算，

表示城市p到城市q之间采用mode方式出行的客运方式分担率；

S8，区域交通方式划分结果生成；所述城市p到城市q之间采用mode方式出行的客运方式分担率

为：

实施例2

基于出行距离的区域交通方式划分方法，如图2所示，本实施例选择了我国M＝299个城市作为实例的对象，通过百度地图采集得到299个城市间的距离，并通过交通部门获取了299个城市间的公路客运交通量、铁路客运交通量、航空客运交通量、航道客运交通量。

采用步骤S2的方法，获取了299个城市间的公路客运分担率、铁路客运分担率、航空客运分担率、航运客运分担率。

按照步骤S3中所述方法，基于支持向量机建立并训练得到公路客运距离-分担率模型f_road(d)、铁路客运的距离-分担率模型f_rail(d)、航空客运的距离-分担率模型f_air(d)、航道客运的距离-分担率模型f_water(d)。

S4中，选择N＝2个城市，即南京和北京作为本实例中需要进行区域交通方式分担率预测的城市，得到出行距离矩阵D₂生成，

S5，过渡分担率矩阵生成；根据步骤S3得到的距离-分担率模型以及步骤S4得到的出行距离矩阵D_N，生成公路过渡分担率矩阵A_road、铁路过渡分担率矩阵A_rail、航空过渡分担率矩阵A_air、航道过渡分担率矩阵A_water；其中，

S6，方式联通矩阵生成；公路方式联通矩阵T_road表示为

铁路方式联通矩阵为T_rail表示为

航空方式联通矩阵为T_air表示为

航道方式联通矩阵为T_water表示为

S7，分担率矩阵计算；出行方式的分担率矩阵结果如下，

S8，区域交通方式划分结果生成；计算得到南京到北京之间采用公路方式出行的客运方式分担率为9.0％，采用铁路方式出行的客运方式分担率为80.5％，采用航空方式出行的客运方式分担率为10.5％。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (2)

1.基于出行距离的区域交通方式划分方法，其特征在于，包含以下步骤：

S1，区域交通出行数据采集：所述数据包括任意两城市间的距离及两个城市间各种交通方式的客运交通量，所述交通方式包括公路、铁路、航空及航道；

S2，客运分担率转化；将步骤S1采集到的交通量数据分别转化为公路、铁路、航空、航道客运分担率；

S21，计算客运总量P_i,j计算；所述客运总量为任意两城市之间所有交通方式的客运量之和，即

其中P^road _i,j、P^rail _i,j、P^air _i,j及P^water _i,j分别指城市i到城市j之间的公路、铁路、航空、航道客运量；

S22，分担率计算；所述分担率为一种交通方式客运量占客运总量的比例，即

其中mode∈{road,rail,air,water}；

S3，出行距离-分担率模型训练；采用步骤S1采集到的两城市间距离与步骤S2转化获得的各交通方式的客运分担率，基于支持向量机建立并分别训练公路客运距离-分担率模型f_road(d)、铁路客运的距离-分担率模型f_rail(d)、航空客运的距离-分担率模型f_air(d)、航道客运的距离-分担率模型f_water(d)；

S4，出行距离矩阵D_N生成：所述出行距离矩阵为：

其中：N为需要进行区域交通方式分担率预测的城市数量；M是区域交通出行数据采集步骤覆盖的城市总数；

表示城市p到城市q间的距离；p、q为需要进行区域交通方式分担率预测的城市序号；

S5，过渡分担率矩阵生成；根据步骤S3得到的距离-分担率模型以及步骤S4得到的出行距离矩阵D_N，分别生成公路过渡分担率矩阵A_road、铁路过渡分担率矩阵A_rail、航空过渡分担率矩阵A_air及航道过渡分担率矩阵A_water，

所述公路过渡分担率矩阵A_road为：

所述铁路过渡分担率矩阵A_rail为：

所述航空过渡分担率矩阵A_air为：

所述航道过渡分担率矩阵A_water为：

S6，方式联通矩阵生成；所述公路方式联通矩阵T_road为：

所述铁路方式联通矩阵为T_rail为：

所述航空方式联通矩阵为T_air为：

所述航道方式联通矩阵为T_water为：

其中，

的取值只能等于0或者1；

S7，分担率矩阵计算；所述交通方式的分担率矩阵B_mode为：

其中，mode表示可以选择的交通方式，mode∈{road,rail,air,water}；运算符*表示矩阵的哈达玛积运算，

表示城市p到城市q之间采用mode方式出行的客运方式分担率；

S8，区域交通方式划分结果生成；所述城市p到城市q之间采用mode方式出行的客运方式分担率

为：

2.如权利要求1所述的基于出行距离的区域交通方式划分方法，其特征在于所述步骤S2中分担率的计算进一步包括：步骤S1采集的任意两城市间距离为通过公路方式出行的最短距离。

Images