CN110110902B - 一种共享单车接驳轨道交通站点的可达性测算方法 - Google Patents

一种共享单车接驳轨道交通站点的可达性测算方法 Download PDF

Info

Publication number
CN110110902B
CN110110902B CN201910305610.5A CN201910305610A CN110110902B CN 110110902 B CN110110902 B CN 110110902B CN 201910305610 A CN201910305610 A CN 201910305610A CN 110110902 B CN110110902 B CN 110110902B
Authority
CN
China
Prior art keywords
station
data
rail transit
shared
reachability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910305610.5A
Other languages
English (en)
Other versions
CN110110902A (zh
Inventor
陈子怡
杨敏
韦淳义
许邦宇
吴云腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910305610.5A priority Critical patent/CN110110902B/zh
Publication of CN110110902A publication Critical patent/CN110110902A/zh
Application granted granted Critical
Publication of CN110110902B publication Critical patent/CN110110902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种共享单车接驳轨道交通站点的可达性测算方法。首先采用轨道交通站点周边150m范围内共享单车订单数据衡量轨道交通站点可达性范围；其次选取轨道交通站点周边800m范围内影响因素建立不同类型站点的可达性模型。利用本发明可以有效分析站点可达性影响因素，进而以此为依据，测算新开站点的可达性。

Description

一种共享单车接驳轨道交通站点的可达性测算方法
技术领域
本发明属于轨道交通技术领域，特别涉及了一种共享单车接驳轨道交通站点的可达性测算方法。
背景技术
研究轨道交通的出行特征对于指导轨道交通的建设、提供缓解城市拥堵的解决方案、指导城市与交通规划具有重大的意义。轨道交通站点传统的辐射范围定义为步行5min可达圈，约为轨道站点周边800m，共享单车出现后可能扩大到1500m。辐射范围受轨道交通站点类型影响较大，中心、大型换乘车站辐射范围大，普通车站辐射范围小。传统研究对轨道交通站点可达性的分析以定性分析为主，缺乏引入共享单车之后的定量化模型研究。其中，可达性是评价公共服务设施空间布局的重要指标之一，在交通领域，可达性多指利用某种交通工具从特定点到达目标地的便利程度。国内外的大量调查数据表明，影响可达性的一个关键因素是乘客到达站点的距离，因此可以使用共享单车的接驳距离来衡量轨道交通站点的可达性，并且通过行为调查分析，不同类型站点的接驳距离不同。寻找轨道交通站点可达性影响因素，定量化分析轨道交通可达性与影响因素相关关系，可直接测算站点可达性。
发明内容
为了完善现有轨道交通站点可达性测算方法，克服现有技术的不足，本发明提供一种基于共享单车的轨道交通站点可达性测算方法。
为了实现上述技术目的，本发明的技术方案为：
1、一种共享单车接驳轨道交通站点的可达性测算方法，包含以下步骤：
S11、网络爬取POI数据；
通过调用电子地图开放API技术，获取站点附近影响因素数据，主要来源途径有百度开源地图。数据包括住宅数量、商业设施数量、政府部门数量、企业数量、金融机构数量、岗位数量数据等土地利用数据；公交车站数量、公交线路数量等接驳特性数据；轨道交通出口数量、轨道站点坐标等站点属性数据。
S12、用SQL统计缓冲区内影响因素：将步骤S11中获取的数据汇总得到站点800米半径范围内影响因素数量；
S13、分析各轨道站点辐射范围：利用SQL工具处理计算可以得到各轨道站点的辐射范围，具体步骤为：
S131、使用SQL筛选轨迹起点位于站点中心150米半径范围的共享单车订单数据，即为已开通运营轨道站点共享单车接驳出行客流量信息；
S132、删除异常null值；
S133、分离接驳数据与非接驳数据：订单开始经纬度在轨道站点周边150m范围内为从站点离开的共享单车，订单结束经纬度在轨道站点周边150m范围内为从站点到达的共享单车；
S134、计算90%分位共享单车骑行距离：分别计算每个站点接驳轨道交通出行中到达站点和离开站点的90%分位骑行距离作为其辐射范围，并按类别求平均值，即为各类型站点共享单车接驳出行的辐射范围，以此衡量可达性特征；
S14、建立站点可达性与影响因素回归模型；
建立各类型站点可达性影响因素的广义多元线性模型，模型的表达式如下：
Figure DEST_PATH_IMAGE002
其中：R为可达性， x_i为轨道交通站点可达性影响因素，α_i为各自变量系数，
模型的自变量设置有三类自变量：土地利用，包括住宅数量、岗位点数、其次商业餐饮数量；接驳特性，包括公交站点数量和公交线路数量；站点属性，并将站点类型设置成为哑元变量，其中：
Figure DEST_PATH_IMAGE004
得到模型结果如下：
Figure DEST_PATH_IMAGE006
S15、预测新开站点的可达性：
依据步骤S14中所述站点可达性与影响因素回归模型，将新建轨道交通站点共享单车接驳出行的辐射范围以及影响因素带入模型，获取新建站点的可达性。
作为本发明的一种改进，所述共享单车订单数据包括：订单ID，用户ID，车辆ID，骑行开始时间，开始经度，开始纬度，骑行结束时间，结束经度，结束纬度，骑行日期。
作为本发明的一种改进，在步骤S131中，90%分位共享单车骑行距离的计算步骤为：将轨道站点分为居住类、工作类、商业类、服务类、文化类和端头类总共六类，计算共享单车到达和离开每类站点的90%分位平均骑行距离作为出行可达性范围，计算公式如下：
Figure DEST_PATH_IMAGE008
其中D_90表示每个站点的90%分位骑行距离，N为各类别站点数量,category代表站点属性。
作为本发明的一种改进，所述骑行距离的计算公式如下：
Figure DEST_PATH_IMAGE010
其中，R表示地球平均半径，取R=6371km，
Figure DEST_PATH_IMAGE012
表示订单数据中的开始经度，
Figure DEST_PATH_IMAGE014
表示订单数据中的结束经度，
Figure DEST_PATH_IMAGE016
表示订单数据中的开始纬度，
Figure DEST_PATH_IMAGE018
表示订单数据中的结束纬度。
作为本发明的一种改进，步骤S11中采用网络爬取POI数据的方法为：
通过调用电子地图开放API技术，获取站点附近影响因素数据，数据包括住宅数量、商业设施数量、政府部门数量、企业数量、金融机构数量、岗位数量数据构成的土地利用数据；公交车站数量、公交线路数量构成的接驳特性数据；轨道交通出口数量、轨道站点坐标构成的站点属性数据。
作为本发明的一种改进，电子地图来源途径为百度开源地图。
有益效果：
（1）本发明方法可以有效测算轨道交通站点的可达性距离，区别于以往研究中对轨道交通站点的可达性的定性研究，本发明以接驳距离为指标，通过对轨道站点周边可达性影响因素的精细化研究，结合站点800m范围内的共享单车接驳出行客流量和站点自身的性质，有效分析出各类因素对站点可达性的影响，从而更加精确地对站点可达性进行测算。
（2）本发明结合多维角度的因素对站点可达性进行测算，结果更加准确。本发明研究重点虽在探讨共享单车接驳出行客流量与轨道交通站点可达性之间的关系，但也引入了站点自身影响因素的考虑，即站点性质，如“是否为端头站”、站点的主要类型等。同时还考虑了轨道站点周边可达性影响因素，即“住宅数量”、“岗位数量”等。考虑到多个角度的可达性影响因素，并将其引入到测算方法中，能使得结果更加具有代表性和真实性。
（3）本发明巧妙采用数据融合方法，数据获取方便，区别于传统数据来源多为行为数据调查，大数据时代后多以开源数据为主，多源数据的深度挖掘往往不足。一方面开源数据有时效性差和数据冗余等局限性，另一方面问卷调查存在费用高、效率低、数据量小和偶然性大等问题。本发明融合分析了共享单车运营数据、高德兴趣点数据（point ofinterest, POI）等，获取站点可达性范围以及影响站点可达性因素。
（4）模型建立简单快捷，便于理解，精度高，本发明采用广义多元线性模型（GLM 模型），构建轨道站点周边可达性影响因素和轨道交通站点可达性的直接估计模型，计算方法简单快捷，易操作，模型结果准确，适用性广。
附图说明
图1为本发明方法流程图；
图2 为共享单车订单数据处理流程图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
一种共享单车接驳轨道交通站点的可达性测算方法。以某城市为例，方法如图1所示，具体实施步骤如下。
S11、网络爬取POI数据
通过调用电子地图开放API技术，获取站点附近影响因素数据，主要来源途径有百度开源地图。数据包括住宅数量、商业设施数量、政府部门数量、企业数量、金融机构数量、岗位数量数据等土地利用数据；公交车站数量、公交线路数量等接驳特性数据；轨道交通出口数量、轨道站点坐标等站点属性数据。
S12、用SQL统计缓冲区内影响因素
将步骤S11中获取的数据汇总得到站点800米半径范围内影响因素数量。
S13、分析各轨道站点辐射范围
利用SQL工具处理计算可以得到各轨道站点的辐射范围，具体步骤如图2所示。
S131、共享单车订单数据
使用SQL筛选轨迹起点位于站点中心150米半径范围的订单，即为已开通运营轨道站点共享单车接驳出行客流量信息。
S132、删除异常null值
原始数据中涉及到时间处理，而原始数据的时间格式是无法被SQL直接处理的，且数据中存在部分null数据，在处理的时候要相应把这部分数据删除。
S133、分离接驳数据与非接驳数据
订单开始经纬度在轨道站点周边150m范围内为从站点离开的共享单车，订单结束经纬度在轨道站点周边150m范围内为从站点到达的共享单车。
S134、计算90%分位共享单车骑行距离
分别计算每个站点接驳轨道交通出行中到达站点和离开站点的90%分位骑行距离作为其辐射范围，并按类别求平均值，即为各类型站点共享单车接驳出行的辐射范围，以此衡量可达性特征。
S14、建立站点可达性与影响因素回归模型
建立各类型站点可达性影响因素的广义多元线性模型（GLM模型），模型的表达式如下：
Figure DEST_PATH_IMAGE020
其中：
Figure DEST_PATH_IMAGE022
为可达性，
Figure DEST_PATH_IMAGE024
为轨道交通站点可达性影响因素，
Figure DEST_PATH_IMAGE026
为各自变量系数。
模型的自变量设置如下：设置下列三类自变量：土地利用，包括住宅数量、岗位点数（政府机构、公司企业和金融机构数量的总和）、其次商业餐饮数量；接驳特性，包括公交站点数量和公交线路数量；站点属性，并将站点类型设置成为哑元变量，其中：
Figure DEST_PATH_IMAGE028
得到模型结果如下：
Figure DEST_PATH_IMAGE030
Figure DEST_PATH_IMAGE032
S15、预测新开站点的可达性
依据步骤S14中所述站点可达性与影响因素回归模型，将新建轨道交通站点共享单车接驳出行的辐射范围以及影响因素带入模型，获取新建站点的可达性。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (4)

1.一种共享单车接驳轨道交通站点的可达性测算方法，其特征在于，包含以下步骤：
S11、网络爬取POI数据；
通过调用电子地图开放API技术，获取站点附近影响因素数据，主要来源途径为百度开源地图，数据包括住宅数量、商业设施数量、政府部门数量、企业数量、金融机构数量、岗位数量数据构成的土地利用数据；公交车站数量、公交线路数量构成的接驳特性数据；轨道交通出口数量、轨道站点坐标构成的站点属性数据；
S12、用SQL统计缓冲区内影响因素：将步骤S11中获取的数据汇总得到站点800米半径范围内影响因素数量；
S13、分析各轨道站点辐射范围：利用SQL工具处理计算可以得到各轨道站点的辐射范围，具体步骤为：
S131、使用SQL筛选轨迹起点位于站点中心150米半径范围的共享单车订单数据，即为已开通运营轨道站点共享单车接驳出行客流量信息；
S132、删除异常null值；
S133、分离接驳数据与非接驳数据：订单开始经纬度在轨道站点周边150m范围内为从站点离开的共享单车，订单结束经纬度在轨道站点周边150m范围内为从站点到达的共享单车；
S134、计算90％分位共享单车骑行距离：分别计算每个站点接驳轨道交通出行中到达站点和离开站点的90％分位骑行距离作为其辐射范围，并按类别求平均值，即为各类型站点共享单车接驳出行的辐射范围，以此衡量可达性特征；
S14、建立站点可达性与影响因素回归模型；
建立各类型站点可达性影响因素的广义多元线性模型，模型的表达式如下：
R＝ln(α0+α1x1+α2x2+...+αixi+...+αnxn)
其中：R为可达性，xi为轨道交通站点可达性影响因素，αi为各自变量系数，
模型的自变量设置有三类自变量：土地利用，包括住宅数量、岗位点数、商业餐饮数量；接驳特性，包括公交站点数量和公交线路数量；站点属性，并将站点类型设置成为哑元变量，其中：
Figure FDA0002883572150000021
得到模型结果如下：
Figure FDA0002883572150000022
S15、预测新开站点的可达性：
依据步骤S14中所述站点可达性与影响因素回归模型，将新建轨道交通站点共享单车接驳出行的辐射范围以及影响因素带入模型，获取新建站点的可达性。
2.根据权利要求1所述的一种共享单车接驳轨道交通站点的可达性测算方法，其特征在于，在步骤S131中，所述共享单车订单数据包括：订单ID，用户ID，车辆ID，骑行开始时间，开始经度，开始纬度，骑行结束时间，结束经度，结束纬度，骑行日期。
3.根据权利要求1所述的一种共享单车接驳轨道交通站点的可达性测算方法，其特征在于，在步骤S134中，90％分位共享单车骑行距离的计算步骤为：将轨道站点分为居住类、工作类、商业类、服务类、文化类和端头类总共六类，计算共享单车到达和离开每类站点的90％分位平均骑行距离作为出行可达性范围，计算公式如下：
Figure FDA0002883572150000031
其中D90表示每个站点的90％分位骑行距离，N为各类别站点数量,category代表站点属性。
4.根据权利要求3所述的一种共享单车接驳轨道交通站点的可达性测算方法，其特征在于：所述骑行距离的计算公式如下：
D＝R′·arccos(cos(latO)cos(latD)cos(longD-LongO)+sin(lato)sin(latD))
其中，R′表示地球平均半径，取R′＝6371km，longO表示订单数据中的开始经度，longD表示订单数据中的结束经度，latO表示订单数据中的开始纬度，latD表示订单数据中的结束纬度。
CN201910305610.5A 2019-04-16 2019-04-16 一种共享单车接驳轨道交通站点的可达性测算方法 Active CN110110902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910305610.5A CN110110902B (zh) 2019-04-16 2019-04-16 一种共享单车接驳轨道交通站点的可达性测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910305610.5A CN110110902B (zh) 2019-04-16 2019-04-16 一种共享单车接驳轨道交通站点的可达性测算方法

Publications (2)

Publication Number Publication Date
CN110110902A CN110110902A (zh) 2019-08-09
CN110110902B true CN110110902B (zh) 2021-03-23

Family

ID=67485524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910305610.5A Active CN110110902B (zh) 2019-04-16 2019-04-16 一种共享单车接驳轨道交通站点的可达性测算方法

Country Status (1)

Country Link
CN (1) CN110110902B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553761A (zh) * 2020-04-23 2020-08-18 天津市城市规划设计研究院 一种提取共享单车接驳轨道骑行的方法
CN112597402B (zh) * 2020-12-17 2022-11-18 东南大学 基于多源数据的轨道交通换乘共享单车影响区界定方法
CN112665596A (zh) * 2020-12-29 2021-04-16 哈尔滨理工大学 一种基于自行车位置数据下的人群移动轨迹算法
CN113409570B (zh) * 2021-04-27 2022-11-18 上海同济城市规划设计研究院有限公司 体力交通可达性的评估方法
CN113139030B (zh) * 2021-04-27 2022-01-25 北京交通发展研究院 公交微循环线路确定方法、装置、计算机设备及存储介质
CN113779398B (zh) * 2021-09-14 2024-02-02 成都市规划设计研究院 一种共享单车接驳轨道交通骑行行为识别方法及系统
CN113947719A (zh) * 2021-10-26 2022-01-18 北京工业大学 基于多源数据的轨道站点骑行接驳综合活力评估方法
CN114331058B (zh) * 2021-12-15 2023-04-21 东南大学 建成环境对交通运行状况影响的评估方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107918804A (zh) * 2017-11-06 2018-04-17 上海博泰悦臻网络技术服务有限公司 交通工具间接驳路线的规划方法、系统、存储介质及终端
CN108694463B (zh) * 2018-04-25 2021-01-05 东南大学 一种城市轨道交通站点进出站客流预测方法

Also Published As

Publication number Publication date
CN110110902A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
CN110110902B (zh) 一种共享单车接驳轨道交通站点的可达性测算方法
CN111581315B (zh) 一种公共服务设施可达性计算方法及装置
CN112133090A (zh) 一种基于手机信令数据的多方式交通分布模型构建方法
CN110753307B (zh) 一种基于居民调查数据获取带有标签的手机信令轨迹数据方法
CN110796337B (zh) 一种评价城市公交站点服务可达性的系统
CN108694463B (zh) 一种城市轨道交通站点进出站客流预测方法
Yang et al. Guidelines for using StreetLight data for planning tasks
CN112036757A (zh) 基于手机信令和浮动车数据的停车换乘停车场的选址方法
CN110362640B (zh) 一种基于电子地图数据的任务分配方法及装置
Zhao et al. Development and validation of improved impedance functions for roads with mixed traffic using taxi GPS trajectory data and simulation
CN110675631A (zh) 一种交通流溯源分析方法及系统
Faghri et al. Application of GPS in traffic management systems
Vander Laan et al. Scalable framework for enhancing raw GPS trajectory data: application to trip analytics for transportation planning
Guillermo et al. Graph Database-modelled Public Transportation Data for Geographic Insight Web Application
CN116233759B (zh) 一种居民出行轨迹调查方法及系统
Wang et al. Verification and Analysis of Traffic Evaluation Indicators in Urban Transportation System Planning Based on Multi-Source Data–A Case Study of Qingdao City, China
CN109508815B (zh) 基于地铁ic卡数据的通学活动空间测度分析方法
Wu et al. Evaluation of arterial and freeway interaction for determining the feasibility of traffic diversion
Li et al. Research on urban resident activity patterns and hotspot area based on GPS floating car data
Racca et al. Study and calculation of travel time reliability measures
Chandrasiri et al. Application of GPS/GIS based travel mode detection method for energy efficient transportation sector
CN115062192B (zh) 基于空间分析的燃气管道检测数据自动对齐方法
Yu et al. Passenger flow estimation based on smart card data in public transit
Llorca et al. Validation of an agent-based travel demand model with floating car data
Thilakshan et al. An Approach to Identify Bottlenecks in Road Networks using Travel Time Variations: A Case Study in the City of Colombo and Suburbs

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant