CN110298778B - 一种基于栅格数据和面积比修正的交通小区人口统计方法 - Google Patents
一种基于栅格数据和面积比修正的交通小区人口统计方法 Download PDFInfo
- Publication number
- CN110298778B CN110298778B CN201910496037.0A CN201910496037A CN110298778B CN 110298778 B CN110298778 B CN 110298778B CN 201910496037 A CN201910496037 A CN 201910496037A CN 110298778 B CN110298778 B CN 110298778B
- Authority
- CN
- China
- Prior art keywords
- grid
- area
- traffic cell
- vertex
- coordinates
- 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
Links
- 238000012937 correction Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 36
- 229920006068 Minlon® Polymers 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 3
- 101100511466 Caenorhabditis elegans lon-1 gene Proteins 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000007619 statistical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于栅格数据和面积比修正的交通小区人口统计方法，该方法将包含交通小区边界的矩形做出恰当的调整后，在整体栅格数据集中精准地确定完全包含交通小区范围的矩形区域栅格数据集，用方形缓冲区代替点来表示栅格，通过缓冲区与交通小区重叠的面积与缓冲区自身面积的比值，修正栅格自身的人口高程值，并对其进行累加，最终得到交通小区的总人口。本发明技术改变了交通小区人口的统计方法，综合考虑交通小区在栅格数据集区域中的精准定位和面积比法对栅格人口值的修正，较好地提高交通小区人口统计的效率和精度。
Description
技术领域
本发明涉及交通仿真、交通大数据等领域，特别是一种基于栅格数据和面积比修正的交通小区人口统计方法。
背景技术
交通系统具有跨学科、跨领域、规模巨大、实验成本高等复杂特性，随着计算机和网络技术的不断发展，智能交通的概念和方法不断成熟，交通系统也向着信息化、网络化、自动化和智能化不断发展。智能交通系统中一个重要的技术就是交通仿真技术，即运用现代计算机技术建立能够替代现实交通系统的计算机模型的技术方法。进行交通仿真的前提就是获得交通相关的数据，而其中相对重要的便是人口数据。
LandScan数据是由美国能源部橡树岭国家实验室推出，采用地理信息系统与遥感影像相结合的创新方法，在大约1千米的格网分辨率范围内，LandScan是最好的全球人口动态统计分析数据集之一，可以获取24小时内平均人口分布情况。数据集有20880行和43200列，覆盖北纬84°到南纬90°，西经180°到东经180°的范围内，单元数据代表了人口分布数值的平均值或近似值。LandScan数据的出现为区域的人口统计带来极大的便捷。
目前对于LandScan数据的处理很多是通过使用栅格的中心点或顶点来表示栅格，判断点是否在交通小区内部，根据判断结果进行相应的人口加减。其存在的问题有：因为单个点没在交通小区内造成整个栅格的数值没被统计，或者仅与交通小区有小部分重叠的栅格被当作整个栅格统计，因此会造成较大的误差。
发明内容
为了解决上述存在的问题，本发明目的是提供一种基于栅格数据和面积比修正的交通小区人口统计方法，充分利用栅格数据，通过面积比法修正栅格人口，从而提高交通小区人口统计的效率和精度。
本发明所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，包括如下的步骤：
S1：将交通小区的边界坐标转为经纬度坐标，分别确定其中的最小经度值minlon，最大纬度值maxlat，最大经度值maxlon和最小纬度值minlat，由以上4个参数值则可确定包含交通小区的矩形的两个对角顶点坐标；
S2：对交通小区的矩形范围进行调整，将原矩形范围向其任一个角的方向扩展；，得到新矩形的对角顶点坐标；
S3：对于矩形的顶点，将其转换为图像坐标后，确定矩形在整个栅格数据集中包含的栅格数据区域V，利用栅格左上角顶点来代表栅格，建立其信息集合L，包括栅格左上角顶点的图像坐标(px,py)、和栅格对应的人口高程值perPopu；
S4：将矩形范围内的每个栅格顶点偏移Δd得到栅格中心点(px+Δd,py+Δd)，以栅格中心点为中心生成与栅格规格相同的方形缓冲区，将栅格方形缓冲区边界图像坐标转化为UTM坐标后，加入到栅格顶点的信息集合L中；
S5：在区域V中，计算每个缓冲区与交通小区的相交面积记为interArea，同时计算每个缓冲区自身的面积记为rectArea，由interArea与rectArea的比值确定交通小区每个栅格中人口数值的修正系数δ，并将修正系数δ加入到对应栅格顶点的信息集合L中；
S6：在区域V中，将每个栅格顶点信息集合L中的人口高程值perPopu与修正系数δ相乘得到修正人口corrPopu，再将区域V中的所有栅格的修正人口corrPopu累加，则可确定交通小区修正后的总人口sumPopu。
进一步的，步骤S1中交通小区的边界坐标指的是交通小区边界拓扑点的UTM坐标的集合，其中UTM坐标是采用横墨卡托投影的格网坐标。
进一步的，步骤S1中确定包含交通小区的矩形范围，所述两个对角顶点坐标是指：左上角(minlon,maxlat)和右下角坐标(maxlon,minlat)，或者是右上角(maxlon,maxlat)和左下角坐标(minlon,minlat)。
进一步的，所述步骤S2中对交通小区矩形范围的调整方式包括但不仅限于向矩形的左上角方向扩展：若以栅格的左上角或右上角顶点坐标表示栅格位置，则将矩形向左上角或右上角方向扩展；若以栅格的左下角或右下角顶点坐标表示栅格位置，则将矩形向左下角或右下角方向扩展；若向左上角方向扩展，即将原矩形的顶点(minlon,maxlat)向上平移ΔS1后再向左平移ΔS2，得到新矩形的左上角顶点坐标(newlon,newlat)，而其右下角顶点坐标为(maxlon,minlat)；将矩形范围向其任一个角的方向扩展的原理均与前述向矩形左上角方向扩展的原理相同。
进一步的，所述步骤S2中对包含交通小区的矩形范围进行调整，通过原矩形左上角和左下角的经纬度坐标确定两点之间的欧式距离，由此推算出平移ΔS1距离时等效于的增加的纬度值，同理推算出减少的经度值ΔS2，因此确定新的左上角顶点经纬度坐标。
进一步的，步骤S2中得到新矩形的左上角顶点坐标(newlon,newlat)在于计算平移距离ΔS1和ΔS2对应的平移的经纬度Δlat和Δlon，其计算过程如下：
其中：
a＝lat1-lat2,b＝lon1-lon2，
R＝6378.137，表示地球半径，单位为千米，
(lon1,lat1)和(lon2,lat2)表示两点的经纬度坐标，
将(minlon,maxlat)和(minlon,minlat)代入上式得D1,同理将(maxlon,maxlat)和(minlon,maxlat)代入上式得D2，故新矩形左上角顶点坐标为：
newlon＝minlon-(maxlat-minlat)×ΔS1/D1 (2)
newlat＝maxlat+(maxlon-minlon)×ΔS2/D2 (3)
进一步的，所述步骤S3中确定矩形栅格数据集区域，其方式为将矩形的左上角和右下角经纬度坐标转化为图像坐标，由此确定矩形栅格数据集的原点图像坐标和行列数。
进一步的，在所述步骤S3中获取栅格数据的地理变换的逆变换，利用六参数仿射变换将经纬度坐标转化栅格数据中的图像坐标，采用四舍五入的方法对图像坐标取整，平移距离ΔS1和ΔS2设定为栅格边长长度的一半，以此保证新矩形确定的栅格区域V能够完全包含交通小区。
进一步的，在所述步骤S3中图像坐标是一种格网坐标系统，其以格网左上角顶点为原点(0,0)，水平向右为x轴且x值逐渐增大，竖直向下为y轴且y值逐渐增大，其中每一点的坐标(x,y)均为整数。
进一步的，步骤S4中由栅格中心点生成缓冲区过程，包括由栅格边长确定缓冲区的边长，再以栅格中心点的坐标为基础得到缓冲区四个顶点的图像坐标；所述步骤4中图像坐标转UTM坐标，先通过步骤3中的变换将图像坐标转换为经纬度坐标，再将经纬度坐标转至UTM坐标。
进一步的，步骤S5中缓冲区自身的面积总大于0，故修正系数的计算公式为：
δ＝interArea/rectArea (4)
若修正系数δ＝1，则表示交通小区完全包含缓冲区，故重叠面积为缓冲区自身面积，栅格自身的人口高程值即为准确的值，不需要修正；
若修正系数δ∈(0,1)，则表示交通小区与缓冲区有部分区域重叠，重叠面积占缓冲区面积的比值与缓冲区自身的人口高程值的乘积，即为修正后的交通小区人口；
若修正系数δ＝0，则表示交通小区与缓冲区完全没有相交，故重叠面积为0，所以修正系数为0，将栅格自身的人口高程值修正为0。
进一步的，步骤S6中的交通小区修正后的总人口计算公式为：
sumPopu＝∑VperPopu×δ (5)。
本发明公开一种基于栅格数据和面积比修正的交通小区人口统计方法，与现有技术相比，本发明具有以下优点：
1)统计交通小区的数据时没有从整体的栅格数据集中遍历，而是先确定包含交通小区的矩形范围，在整体的栅格数据集中确定此矩形区域后遍历此范围内的栅格数据，避免消耗大量时间遍历整体栅格数据中与交通小区无接触的大量栅格数据。
2)将包含交通小区的矩形范围做出恰当的调整，高效补全与交通小区周围的栅格区域的同时不产生与交通小区无接触的栅格，使其在整体栅格数据集中确定的矩形区域栅格数据集能够精准地完全包含交通小区，保证交通小区相关栅格的完整性。
3)用缓冲区代替单个点来表示栅格，更好的保留了栅格自身存在的面积相关的属性，存储的信息更全面，为更精准的交通小区人口统计做好铺垫。
4)使用缓冲区面积比法修正栅格人口，较好地提高交通小区总人口的统计精度，避免单个点表示栅格时，因为单个点没在交通小区内造成整个栅格的数值没被统计，或者仅与交通小区有小部分重叠的栅格被当作整个栅格统计。
附图说明
图1为本发明的基于栅格数据和面积比修正的交通小区人口统计方法的流程图。
图2为本发明的一个示例的交通小区以及包含其的矩形示意图。
图3为本发明的一个示例的获得包含交通小区的矩形扩展后的矩形的示意图。
图4为本发明的一个示例确定完全包含交通小区的矩形栅格数据集示意图。
图5为本发明的一个示例通过面积比修正栅格数据的三种修正情况示意图。
图6-8为本发明的一个示例的获得包含交通小区的矩形分别向右上角、左下角和右下角扩展后得到的矩形的示意图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步的介绍，本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
本发明所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，包括如下的步骤：
S1：将交通小区的边界坐标转为经纬度坐标，分别确定其中的最小经度值minlon，最大纬度值maxlat，最大经度值maxlon和最小纬度值minlat，由以上4个参数值则可确定包含交通小区的矩形的左上角(minlon,maxlat)和右下角坐标(maxlon,minlat)。
S2：将原矩形范围向左上角方向扩展，即将原矩形的顶点(minlon,maxlat)向上平移ΔS1后再向左平移ΔS2，得到新矩形的左上角顶点坐标(newlon,newlat)，而其右下角顶点坐标为(maxlon,minlat)，后文提及的矩形若没有做特殊说明，则一律指新生成矩形。
S3：对于矩形的顶点(newlon,newlat)和(maxlon,minlat)，将其转换为图像坐标后，确定矩形在整个栅格数据集中包含的栅格数据区域V，利用栅格左上角顶点来代表栅格，建立其信息集合L包括栅格左上角顶点的图像坐标(px,py)、和栅格对应的人口高程值perPopu，后文提及的栅格顶点若没有做特殊说明，则一律指栅格的左上角顶点。
S4：将矩形范围内的每个栅格顶点偏移Δd得到栅格中心点(px+Δd,py+Δd)，以栅格中心点为中心生成与栅格规格相同的方形缓冲区，将栅格方形缓冲区边界图像坐标转化为UTM坐标后，加入到栅格顶点的信息集合L中，后文提及的缓冲区若没有做特殊说明，则一律指栅格顶点生成的方形缓冲区。
S5：在区域V中，计算每个缓冲区与交通小区的相交面积记为interArea，同时计算每个缓冲区自身的面积记为rectArea，由interArea与rectArea的比值确定交通小区每个栅格中人口数值的修正系数δ，并将修正系数δ加入到对应栅格顶点的信息集合L中。
S6：在区域V中，将每个栅格顶点信息集合L中的人口高程值perPopu与修正系数δ相乘得到修正人口corrPopu，再将区域V中的所有栅格的修正人口corrPopu累加，则可确定交通小区修正后的总人口sumPopu。
进一步，步骤S1中交通小区的边界坐标指的是交通小区边界拓扑点的UTM坐标的集合，其中UTM坐标是一种采用横墨卡托投影的格网坐标；
进一步，步骤S2中得到新矩形的左上角顶点坐标(newlon,newlat)在于计算平移距离ΔS1和ΔS2对应的平移的经纬度Δlat和Δlon，其计算过程如下：
其中：
a＝lat1-lat2,b＝lon1-lon2
R＝6378.137，表示地球半径，单位为千米
(lon1,lat1)和(lon2,lat2)表示两点的经纬度坐标
将(minlon,maxlat)和(minlon,minlat)代入上式得D1,同理将(maxlon,maxlat)和(minlon,maxlat)代入上式得D2，故新矩形左上角顶点坐标为：
newlon＝minlon-(maxlat-minlat)×ΔS1/D1 (2)
newlat＝maxlat+(maxlon-minlon)×ΔS2/D2 (3)
进一步，步骤S3中利用栅格左上角顶点来代表栅格，故对包含交通小区边界的原矩形扩展时通常向左上角扩展；在所述步骤3中获取栅格数据的地理变换的逆变换，利用六参数仿射变换将经纬度坐标转化栅格数据中的图像坐标，采用四舍五入的方法对图像坐标取整，故原矩形扩展的平移距离ΔS1和ΔS2通常设定为栅格边长长度的一半，以此保证新矩形确定的栅格区域V能够完全包含交通小区；在所述步骤3中图像坐标是一种格网坐标系统，其以格网左上角顶点为原点(0,0),水平向右为x轴且x值逐渐增大，竖直向下为y轴且y值逐渐增大，其中每一点的坐标(x,y)均为整数。
进一步，步骤S4中由栅格中心点生成缓冲区过程，包括由栅格边长确定缓冲区的边长，再以栅格中心点的坐标为基础得到缓冲区四个顶点的图像坐标；所述步骤4中图像坐标转UTM坐标，先通过步骤3中提及的变换将图像坐标转换为经纬度坐标，再将经纬度坐标转至UTM坐标。
进一步，步骤5中缓冲区自身的面积总大于0，故修正系数的计算公式为：
δ＝interArea/rectArea (4)
若修正系数δ＝1，则表示交通小区完全包含缓冲区，故重叠面积为缓冲区自身面积，栅格自身的人口高程值即为准确的值，不需要修正；
若修正系数δ∈(0,1)，则表示交通小区与缓冲区有部分区域重叠，重叠面积占缓冲区面积的比值与缓冲区自身的人口高程值的乘积，即为修正后的交通小区人口；
若修正系数δ＝0，则表示交通小区与缓冲区完全没有相交，故重叠面积为0，所以修正系数为0，将栅格自身的人口高程值修正为0；
进一步，步骤6中的交通小区修正后的总人口计算公式为：
sumPopu＝∑VperPopu×δ (5)。
具体实施例：以统计南京市2016年各行政区人口为例。该城市共有11个行政区，将面积较大的行政区根据实际情况拆分为多个交通小区，共计16个交通小区，如下表所示，由于篇幅限制，以下只选择性的展示部分数据。
结合图1所示，本发明提供的一种基于栅格数据和面积比修正的交通小区人口统计方法，包括如下的步骤：
S1：图2为本发明的一个示例的交通小区以及包含其的矩形示意图。
将交通小区的边界坐标转为经纬度坐标，分别确定其中的最小经度值minlon，最大纬度值maxlat，最大经度值maxlon和最小纬度值minlat，由以上4个参数值则可确定包含交通小区的矩形的左上角(minlon,maxlat)和右下角坐标(maxlon,minlat)，如下表所示。
| 交通小区编号 | minlon | maxlat | maxlon | minlat |
| 1 | 118.357927 | 32.253209 | 118.771525 | 31.843567 |
| 2 | 118.609416 | 31.876333 | 118.613581 | 31.872698 |
| 3 | 118.588458 | 32.015695 | 118.808042 | 31.868717 |
| 4 | 118.840567 | 31.529282 | 118.866241 | 31.504367 |
| 5 | 119.123966 | 31.438074 | 119.141600 | 31.417048 |
S2：将原矩形范围向左上角方向扩展，即将原矩形的顶点(minlon,maxlat)向上平移ΔS1后再向左平移ΔS2，得到新矩形的左上角顶点坐标(newlon,newlat)，而其右下角顶点坐标为(maxlon,minlat)，后文提及的矩形若没有做特殊说明，则一律指新生成矩形。图3为本发明的一个示例的获得包含交通小区的矩形扩展后的矩形的示意图。图4为本发明的一个示例确定完全包含交通小区的矩形栅格数据集示意图。其中ΔS1和ΔS2均取值为0.5，如下表所示。
| 交通小区编号 | newlon | newlat | maxlon | minlat |
| 1 | 118.352610 | 32.257706 | 118.771525 | 31.843567 |
| 2 | 118.604120 | 31.880830 | 118.613581 | 31.872698 |
| 3 | 118.583154 | 32.020192 | 118.808042 | 31.868717 |
| 4 | 118.835291 | 31.533779 | 118.866241 | 31.504367 |
| 5 | 119.118696 | 31.442571 | 119.141600 | 31.417048 |
S3：对于矩形的顶点(newlon,newlat)和(maxlon,minlat)，将其转换为图像坐标后，确定矩形在整个栅格数据集中包含的栅格数据区域V，利用栅格左上角顶点来代表栅格，建立其信息集合L包括栅格左上角顶点的图像坐标(px,py)、和栅格对应的人口高程值perPopu，后文提及的栅格顶点若没有做特殊说明，则一律指栅格的左上角顶点。
S4：将矩形范围内的每个栅格顶点偏移Δd得到栅格中心点(px+Δd,py+Δd)，以栅格中心点为中心生成与栅格规格相同的方形缓冲区，将栅格方形缓冲区边界图像坐标转化为UTM坐标后，加入到栅格顶点的信息集合L中，后文提及的缓冲区若没有做特殊说明，则一律指栅格顶点生成的方形缓冲区。
S5：在区域V中，计算每个缓冲区与交通小区的相交面积记为interArea，同时计算每个缓冲区自身的面积记为rectArea，由interArea与rectArea的比值确定交通小区每个栅格中人口数值的修正系数δ，并将修正系数δ加入到对应栅格顶点的信息集合L中。
S6：在区域V中，将每个栅格顶点信息集合L中的人口高程值perPopu与修正系数δ相乘得到修正人口corrPopu，再将区域V中的所有栅格的修正人口corrPopu累加，则可确定交通小区修正后的总人口sumPopu。将各个行政区的子区合并，最终由16个交通小区得到南京市11个行政区的人口数据，如下表所示：
其中，统计人口是指使用本方法统计得到的人口数据；年末常住人口为南京市2019年发布的人口统计年鉴中的数据；绝对值平均误差是指各个行政区统计人口与年末常住人口误差绝对值的平均，此处误差为8.33％效果较好。同时，采用点代替栅格的方法进行统计，可得其绝对值平局误差为11.28％，图5为本发明的一个示例通过面积比修正栅格数据的三种修正情况示意图，详细统计数据如下表所示：
图6-8为本发明的一个示例的获得包含交通小区的矩形分别向右上角、左下角和右下角扩展后得到的矩形的示意图。以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。
Claims (10)
1.一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：包括如下的步骤：
S1：将交通小区的边界坐标转为经纬度坐标，分别确定其中的最小经度值minlon，最大纬度值maxlat，最大经度值maxlon和最小纬度值minlat，由以上4个参数值则可确定包含交通小区的矩形的两个对角顶点坐标；
S2：对交通小区的矩形范围进行调整，将原矩形范围向其任一个角的方向扩展，得到新矩形的对角顶点坐标；
S3：对于矩形的顶点，将其转换为图像坐标后，确定矩形在整个栅格数据集中包含的栅格数据区域V，利用栅格左上角顶点来代表栅格，建立其信息集合L，包括栅格左上角顶点的图像坐标(px,py)、和栅格对应的人口高程值perPopu；
S4：将矩形范围内的每个栅格顶点偏移Δd得到栅格中心点(px+Δd,py+Δd)，以栅格中心点为中心生成与栅格规格相同的方形缓冲区，将栅格方形缓冲区边界图像坐标转化为UTM坐标后，加入到栅格顶点的信息集合L中；
S5：在区域V中，计算每个缓冲区与交通小区的相交面积记为interArea，同时计算每个缓冲区自身的面积记为rectArea，由interArea与rectArea的比值确定交通小区每个栅格中人口数值的修正系数δ，并将修正系数δ加入到对应栅格顶点的信息集合L中；
S6：在区域V中，将每个栅格顶点信息集合L中的人口高程值perPopu与修正系数δ相乘得到修正人口corrPopu，再将区域V中的所有栅格的修正人口corrPopu累加，则可确定交通小区修正后的总人口sumPopu。
2.根据权利要求1所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：步骤S1中确定包含交通小区的矩形范围，所述两个对角顶点坐标是指：左上角(minlon,maxlat)和右下角坐标(maxlon,minlat)，或者是右上角(maxlon,maxlat)和左下角坐标(minlon,minlat)。
3.根据权利要求1所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：所述步骤S2中对交通小区矩形范围的调整方式包括但不仅限于向矩形的左上角方向扩展：若以栅格的左上角或右上角顶点坐标表示栅格位置，则将矩形向左上角或右上角方向扩展；若以栅格的左下角或右下角顶点坐标表示栅格位置，则将矩形向左下角或右下角方向扩展；若向左上角方向扩展，即将原矩形的顶点(minlon,maxlat)向上平移ΔS1后再向左平移ΔS2，得到新矩形的左上角顶点坐标(newlon,newlat)，而其右下角顶点坐标为(maxlon,minlat)；将矩形范围向其任一个角的方向扩展的原理均与前述向矩形左上角方向扩展的原理相同。
4.根据权利要求1所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：所述步骤S2中对包含交通小区的矩形范围进行调整，通过原矩形左上角和左下角的经纬度坐标确定两点之间的欧式距离，由此推算出平移ΔS1距离时等效于的增加的纬度值，同理推算出减少的经度值ΔS2，因此确定新的左上角顶点经纬度坐标。
5.根据权利要求4所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：步骤S2中得到新矩形的左上角顶点坐标(newlon,newlat)在于计算平移距离ΔS1和ΔS2对应的平移的经纬度Δlat和Δlon，其计算过程如下：
其中：
a＝lat1-lat2,b＝lon1-lon2，
R＝6378.137，表示地球半径，单位为千米，
(lon1,lat1)和(lon2,lat2)表示两点的经纬度坐标，
将(minlon,maxlat)和(minlon,minlat)代入上式得D1,同理将(maxlon,maxlat)和(minlon,maxlat)代入上式得D2，故新矩形左上角顶点坐标为：
newlon＝minlon-(maxlat-minlat)×ΔS1/D1 (2)
newlat＝maxlat+(maxlon-minlon)×ΔS2/D2 (3)。
6.根据权利要求1所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：所述步骤S3中确定矩形栅格数据集区域，其方式为将矩形的左上角和右下角经纬度坐标转化为图像坐标，由此确定矩形栅格数据集的原点图像坐标和行列数。
7.根据权利要求6所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：在所述步骤S3中获取栅格数据的地理变换的逆变换，利用六参数仿射变换将经纬度坐标转化栅格数据中的图像坐标，采用四舍五入的方法对图像坐标取整，平移距离ΔS1和ΔS2设定为栅格边长长度的一半，以此保证新矩形确定的栅格区域V能够完全包含交通小区。
8.根据权利要求6所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：在所述步骤S3中图像坐标是一种格网坐标系统，其以格网左上角顶点为原点(0,0)，水平向右为x轴且x值逐渐增大，竖直向下为y轴且y值逐渐增大，其中每一点的坐标(x,y)均为整数。
9.根据权利要求6所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：步骤S5中缓冲区自身的面积总大于0，故修正系数的计算公式为：
δ＝interArea/rectArea (4)
若修正系数δ＝1，则表示交通小区完全包含缓冲区，故重叠面积为缓冲区自身面积，栅格自身的人口高程值即为准确的值，不需要修正；
若修正系数δ∈(0,1)，则表示交通小区与缓冲区有部分区域重叠，重叠面积占缓冲区面积的比值与缓冲区自身的人口高程值的乘积，即为修正后的交通小区人口；
若修正系数δ＝0，则表示交通小区与缓冲区完全没有相交，故重叠面积为0，所以修正系数为0，将栅格自身的人口高程值修正为0。
10.根据权利要求6所述的一种基于栅格数据和面积比修正的交通小区人口统计方法，其特征在于：步骤S6中的交通小区修正后的总人口计算公式为：
sumPopu＝∑VperPopu×δ (5)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496037.0A CN110298778B (zh) | 2019-06-10 | 2019-06-10 | 一种基于栅格数据和面积比修正的交通小区人口统计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910496037.0A CN110298778B (zh) | 2019-06-10 | 2019-06-10 | 一种基于栅格数据和面积比修正的交通小区人口统计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110298778A CN110298778A (zh) | 2019-10-01 |
| CN110298778B true CN110298778B (zh) | 2022-12-27 |
Family
ID=68027653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910496037.0A Active CN110298778B (zh) | 2019-06-10 | 2019-06-10 | 一种基于栅格数据和面积比修正的交通小区人口统计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110298778B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111538800B (zh) * | 2020-04-23 | 2022-09-13 | 内蒙古师范大学 | 一种复杂多边形地理数据存储方向的修正方法及系统 |
| CN113423065B (zh) * | 2021-08-25 | 2022-01-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于手机信令数据确定交通小区人口岗位数据的方法 |
| CN116934561B (zh) * | 2023-09-18 | 2023-12-15 | 交通运输部规划研究院 | 一种快速交通服务人口测算方法、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101593210A (zh) * | 2008-12-30 | 2009-12-02 | 中国科学院地理科学与资源研究所 | 一种提高空间分辨率和更新速度的人口统计方法及系统 |
| CN103077204A (zh) * | 2012-12-27 | 2013-05-01 | 北京地拓科技发展有限公司 | 一种栅格数据的统计查询方法和系统 |
| CN106709857A (zh) * | 2016-11-22 | 2017-05-24 | 中国人民解放军理工大学 | 一种基于概率统计的任意多边形相交面积计算方法 |
| CN106910218A (zh) * | 2017-03-09 | 2017-06-30 | 北京市测绘设计研究院 | 基于大区域栅格数字高程模型的地表表面面积计算方法 |
| CN107480306A (zh) * | 2017-09-21 | 2017-12-15 | 东南大学 | 快速提取osm数据中自定义多边形区域内路网的方法 |
-
2019
- 2019-06-10 CN CN201910496037.0A patent/CN110298778B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101593210A (zh) * | 2008-12-30 | 2009-12-02 | 中国科学院地理科学与资源研究所 | 一种提高空间分辨率和更新速度的人口统计方法及系统 |
| CN103077204A (zh) * | 2012-12-27 | 2013-05-01 | 北京地拓科技发展有限公司 | 一种栅格数据的统计查询方法和系统 |
| CN106709857A (zh) * | 2016-11-22 | 2017-05-24 | 中国人民解放军理工大学 | 一种基于概率统计的任意多边形相交面积计算方法 |
| CN106910218A (zh) * | 2017-03-09 | 2017-06-30 | 北京市测绘设计研究院 | 基于大区域栅格数字高程模型的地表表面面积计算方法 |
| CN107480306A (zh) * | 2017-09-21 | 2017-12-15 | 东南大学 | 快速提取osm数据中自定义多边形区域内路网的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110298778A (zh) | 2019-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298778B (zh) | 一种基于栅格数据和面积比修正的交通小区人口统计方法 | |
| Dougenik et al. | An algorithm to construct continuous area cartograms | |
| CN103017653A (zh) | 一种球面全景影像与三维激光扫描点云的配准及测量方法 | |
| CN104732038B (zh) | 一种基于gis的城市通风廊道计算方法及系统 | |
| CN106447774A (zh) | 一种gps地图到三维地图的映射方法 | |
| CN103247033A (zh) | 一种基于影像选取控制点的矢量数据纠正方法 | |
| CN103455709B (zh) | 一种用于数字高程模型的超分辨率方法及其系统 | |
| CN105354832A (zh) | 一种山区卫星影像自动配准到地理底图上的方法 | |
| CN111696156B (zh) | 一种免控制点的遥感影像坐标转换方法 | |
| CN104750938A (zh) | 一种基于gis的城市通风廊道识别方法及系统 | |
| CN104180794B (zh) | 数字正射影像拉花区域的处理方法 | |
| CN103854271B (zh) | 一种平面摄像机标定方法 | |
| CN102147249B (zh) | 基于直线特征的星载光学线阵影像精确纠正处理方法 | |
| CN109241212B (zh) | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 | |
| CN102982552B (zh) | 一种基于里奇流的表面配准方法 | |
| Banasik et al. | Georeferencing the cadastral map of the krakow region | |
| CN110555189B (zh) | 一种基于反向计算思维的空间插值方法 | |
| CN102324096B (zh) | 特征点校正分区拼接方法及装置 | |
| CN117523403A (zh) | 一种宅基地图斑变化检测方法、系统、设备及介质 | |
| CN103577484A (zh) | 一种任意变形地图的空间定位方法 | |
| CN101294799A (zh) | 一种地籍宗地面积数据的处理方法 | |
| Cajthaml | Polynomial georeferencing method for old map series | |
| AU2020100543A4 (en) | Method for calculating surface area of terrain based on aspect constraints | |
| CN113095012B (zh) | 风电场流场分区数值仿真计算结果拼接融合方法 | |
| KR100500541B1 (ko) | 지적도면 접합을 위한 왜곡보정 시스템 및 방법 |
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 |