CN110415508A - 一种基于城市引力的区域客运交通模型构建方法 - Google Patents

Abstract

本发明涉及一种基于城市引力的区域客运交通模型构建方法，所述方法创新性地引入了城市引力模型，并基于大数据的精确性，是一种全新的区域客流预测模型构建方法；本发明还以粤港澳大湾区为例进行了应用实践，结合大数据的优势，对区域模型进行了标定，进而开展了大湾区客流发展趋势分析。实践应用结果表明，城市引力模型在区域客流交互研究中具有较强的实操性和精准性，可用于指导目前高速发展中的国内各区域的空间客流分析工作。

Description

一种基于城市引力的区域客运交通模型构建方法

技术领域

本发明属于交通模型研究技术领域，具体涉及一种基于城市引力的区域客运交通模型构建方法。

背景技术

交通模型是指交通现象各要素之间以及交通现象与社会经济活动各因素之间相互关系的定量描述，用于交通分析与交通预测，是城市交通规划定量分析的支撑平台。其表达形式可以是一个或一组数学表达式、图表、或一组数学处理程序，由大量的调查统计数据，通过数理统计等数学方法建立。

按照研究对象和范围不同，交通模型分市域模型和区域模型。市域交通模型目前已形成较为完善的技术体系，北京、上海、广州、深圳等国内主要特大城市均构建了相对较为完善的市域交通模型。区域交通模型方面，美国形成了较为健全的州域交通调查体系，州域交通模型经40余年发展已较为成熟，但其建模方法仍采用了传统四阶段城市交通建模方法。

受制于基础数据获取困难，国内关于区域交通模型研究较少，仅丘建栋,刘恒,金双泉等阐述了在有限基础数据的背景下构建区域交通模型的基本框架、路网设置特点、交通分区方法、出行频次模型、目的地选择模型、区域货运模型等建模的关键技术方法。近几年，随着大数据技术的发展，数据的获取性明显增强，从而为区域交通模型构建奠定了基础，本发明基于大数据支撑探讨了城市引力在区域交通模型中的应用方法。

发明内容

针对区域交通模型构建中存在的基础数据获取困难、模型构架传统落后等不足，本发明的目的在于提供一种基于城市引力的区域客运交通模型构建方法，本发明创新性地引入了城市引力模型，并基于大数据的精确性，提出了一种全新的区域客流预测模型构建方法，并以粤港澳大湾区为例进行了应用实践，结合大数据的优势，对区域模型进行了标定，进而开展了大湾区客流发展趋势分析。实践应用结果表明，城市引力模型在区域客流交互研究中具有较强的实操性和精准性，可用于指导目前高速发展中的国内各区域的空间客流分析工作。

本发明的技术方案如下：

一种基于城市引力的区域客运交通模型构建方法，步骤如下：

第一步，根据如下引力模型计算城市i与城市j的现状引力以及城市i与城市j的规划年引力

式中：T_ij为城市i与城市j的引力；Q_i为城市i的质量；d_ij为城市i与城市j的时间距离；G_i为城市i的地区生产总值；R_i为城市i的常住人口，x₁为通过某种交通方式城市i与城市j的出行时间；

第二步，基于大数据技术获取城市i与城市j的现状客流y_ij；

第三步，利用引力模型构建区域间的客流分布模型如下：

式(4)中，y_ij为城市i与城市j的现状客流，为城市i与城市j的现状引力，k_ij为修正系数；

式(5)中，Y_ij为城市i与城市j的规划年客流，为城市i与城市j的规划年引力；

第四步，利用第一步获取的现状引力第二步获取的现状客流y_ij，带入上式(4)计算得到修正系数k_ij；

第五步，将第四步中获取的修正系数k_ij、第一步获取的规划年引力带入上式(5)，计算得到规划年客流Y_ij；

第六步，获取现状铁路、长途班车、小汽车、航空各方式出行比例π₁、π₂、π₃、π₄；

第七步，利用位置数据，获取不同距离下的不同运输方式客流分布，使用所述不同距离下的不同运输方式客流分布校核第六步中获取的各方式出行比例得到校核后的现状铁路、长途班车、小汽车、航空各方式出行比例π₁、π₂、π₃、π₄，并按下式(6)进行回归，标定得到系数α₁,α₂,α₃,β₁,β₂,β₃取值：

式中，π₁、π₂、π₃、π₄分别表示铁路、长途班车、小汽车、航空各方式出行比例，f₁为出行费用，f₂为出行时间，f₃为出行舒适度，α₁,α₂,α₃,β₁,β₂,β₃为系数；

此步骤中，f₁相应取为现状出行费用，f₂相应取为现状出行时间，f₃相应取为现状出行舒适度；

第八步：将第七步获得的系数α₁,α₂,α₃,β₁,β₂,β₃，以及规划年出行费用f₁，规划年出行时间f₂，规划年出行舒适度f₃带入上式(6)，即可计算出规划年不同距离下的不同运输方式的出行比例π₁、π₂、π₃、π₄。

优选地，第一步中现状常住人口和地区生产总值通过统计数据获取；规划年人口和地区生产总值通过城市总规和经济发展形势进行预判，时间距离根据现状或规划年城市间的交通网络测算。

优选地，第二步中，获取现状客流y_ij的具体步骤为：先采用手机信令数据获取空间分布样本，再根据位置数据获取不同运营商占比情况，然后结合年龄结构进行数据扩样。

优选地，第六步中，铁路方式客流利用铁路票务数据获得，长途班车方式客流利用联网售票数据获得，小汽车方式客流利用省域高公路收费数据结合流量调查扩样后减去长途班车客流获得，航空方式客流利用现状客流与其他方式客流的差获得。

优选地，所述手机信令数据为移动手机信令数据或联通手机信令数据。

优选地，所述位置数据为高德导航数据、百度导航数据、搜狗导航数据、Google导航数据或腾讯导航数据。

本发明与现有技术相比，优点在于：

1)本发明创造性地引入了城市引力模型，构建了一种全新的区域客运交通预测模型，实践应用结果表明，城市引力模型在区域客流交互研究中具有较强的实操性和精准性，可用于指导目前高速发展中的国内各区域的空间客流分析工作。

2)在非信息化时代，K系数的标定以及各方式出行比例的获取存在较大困难，本发明利用互联网信息数据(如现状客流y_ij的获取利用了手机信令数据、现状铁路、长途班车、小汽车、航空各方式出行比例π₁、π₂、π₃、π₄的获取利用了票务数据、不同距离下的不同运输方式客流分布的获取利用了位置数据)进行标定，基于高频率信号触发、具有时空间关联特征的手机信令数据和位置数据使得数据的获取的具备高度的精确性，对区域客流预测模型构建的精准性垫定了数据基础。

附图说明

图1市域模型交通分区颗粒度示意图；

图2区域模型交通分区颗粒度示意；

图3以广州为例城市引力与区域客流拟合示意图；

图4现状不同距离不同方式的客流分布(以广州为例)；

图5未来年走廊需求增长态势示意图；

图6规划年不同运距下出行方式结构。

具体实施方式

下面结合具体实施例来对本发明进行进一步说明，但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到，本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。

下面结合附图对本发明的结构原理和工作原理作具体的描述。

区域模型与市域模型

区域模型和市域模型在研究对象、基础数据及获取方法、交通网络分区、建模方法上均有明显差异性，具体如下：

(1)研究对象：市域模型以城市服务人口为研究对象，分析其在城市内部的出行特征、空间分布及其与交通设施的匹配性；区域模型以城际出行人口为研究对象，分析其在区域综合运输网络中流动。市域模型和区域模型出行距离和出行目的有明显差异，这种差异影响到其出行频次、方式选择行为。

(2)基础数据及获取方法：市域模型关注城市内部人的移动情况，而人的移动与土地开发密切相关，因而其基础数据不仅包含各类人群的出行特征，还包含土地利用、建筑规模、综合交通岗网络、交通流量等数据，但无论是何种数据基本均在城市内部行政管辖范围内，可通过城市内部的抽样调查掌握其特征数据并用于模型构建中。然而，区域交通模型重点为市际间交通联系，数据已突破行政界限，从而很难通过由政府部门组织的传统抽样调查方式获取，大数据是区域模型构建数据获取的最主要来源。

(3)交通网络分区：由于研究内容与深度不一样，交通分区划分的颗粒度存在明显区别。市域模型以精细的交通政策和设施供需分析为主要目的，交通分区颗粒度小，一般为一个街区或邻近几个街区为主，大小约为0.5-1平方公里；区域模型以走廊的总体供需分析为主，交通分析颗粒度相对较大，通常为1个或相邻多个街镇为分区，面积约50-80平方公里，其中，附图1为市域模型交通分区颗粒度示意图，附图2为区域模型交通分区颗粒度示意。

(4)建模方法：市域模型基于传统的交通出行调查，采取较为成熟的四阶段模型或出行链模型等构建，区域模型中由于难以通过调查方式获取区域出行特征，必须依赖大数据技术突破传统OD建模思路。

基于城市引力的区域客流交通模型

引力模型(Gravity Model)是应用广泛的空间相互作用模型，它是用来分析和预测空间相互作用形式的数学方程，已被不断拓展，运用于许多研究领域，包括空间布局、旅游、贸易和人口迁移等方面。引力模型在空间相互作用中的研究最早可追溯到1942年，Zipf首先将万有引力定律引到城市间空间相互作用研究中,之后各国学者分别对城市空间引力模型开展了大量深入细致的研究工作，我国学者也开展了相关讨论，如陈彦光和刘继生、朱道才等从不同角度论述了引力模型在城市体系及城市群评价与规划中的应用。在经济研究方面，Jan Timbergen和Poyhonen将引力模型最早引入到经济学领域，并在其他学者的推动下实现了引力模型在经济学领域的巨大应用。此外，引力模型在人口迁移的分析上运用十分普遍，也取得了较为明显的研究成果。由于区域模型构建的困难，目前引力模型在客流交互分析中的应用较少。

引力模型的基本表达式如下：

式中：T_ij为城市i与城市j的引力；Q_i为城市i的质量；d_ij为城市i与城市j的时间距离；G_i为城市i的地区生产总值；R_i为城市i的常住人口，x₁为通过某种交通方式城市i与城市j的出行时间。

区域客流(城市间客流)与城市间的空间交互活动密切相关，因此受到城市引力的影响且呈现正相关影响。一般而言，城市间的引力越强，其客流交互越密集，客流强度越大，故利用引力模型构建区域间的客流分布模型如下：

式中，y_ij为现状城市i与城市j的现状客流，为城市i与城市j的现状引力，k_ij为修正系数，实际上在非信息化时代，K系数的标定存在较大困难，信息化时代利用互联网数据(如腾讯迁徙数据获取的地级市的联系需求)可进行精确标定。Y_ij为城市i与城市j的规划年客流，为城市i与城市j的规划年引力。

通过式(4)、式(5)确定各城市的规划客流后，实际上获得了区域客流模型的生成与分布。对于区域客流方式选择，采用基于费用、时间和舒适度的有序多分类logistic回归模型。一般而言，区域客流方式选择主要包括四种方式，即铁路、长途班车、小汽车、航空，水运在区域客流中的作用可忽略不计。具体计算公式如下：

式中，π₁、π₂、π₃、π₄分别表示铁路、长途班车、小汽车、航空各方式出行比例，f₁为出行费用，f₂为出行时间，f₃为出行舒适度，α₁,α₂,α₃,β₁,β₂,β₃为系数；

城市引力模型在粤港澳大湾区的应用

1)数据源及模型标定

在引力模型计算中，涉及到现状城市人口和GDP，通过统计数据获取，规划年人口和GPD通过各城市总规和经济发展形势进行预判，时间距离根据城市间的交通网络测算。计算出城市引力后，现状区域客流为模型标定的关键数据，传统交通调查受行政壁垒影响难以获取区域客流数，必须依赖大数据技术获取区域客流特征，具体见下表1所示。

表1区域现状客流数据获取方法一览表

本发明以广州与粤港澳大湾区其它城市间的客运需求分析模型为例，采取上述数据源对区域模型相关参数进行标定。在空间分布中，通过现状需求与城市引力的回归标定，结果显示城市引力与区域客流呈现明显的正相关关系，拟合回归公式如下：

y_ij＝4.970*T_ij+14.722，R²＝0.871 (7)

拟合结果如附图3所示。

利用腾讯迁徙数据，获取不同距离下的不同运输方式客流分布如附图4所示，并按式(6)进行回归，标定得到各参数取值如下：

α₁＝11.467，α₂＝13.045，α₃＝18.870

β₁＝0.001，β₂＝-0.075，β₃＝20.036

2)基于引力模型的粤港澳大湾区客流发展趋势预测

根据标定的参数，利用引力模型计算得到湾区各大城市的联系需求，详细结果参见附图5，具体特征如下：

1、湾区凝聚力进一步增强，出行需求翻番

根据规划年各城市的人口及GDP发展预测结果，按照城市引力模型测算，湾区9市(由于基础数据获取困难，研究未考虑香港和澳门)间联系需求将增加到744万人次/日，相对现状增加112％。从增量分布来看，主要集中在广佛、广中、广莞深、深惠、深中等通道，湾区凝聚力明显提升。

2、广深核心城市对湾区吸引力持平，广州的先发优势不再

广州在相当一段长时间内位于湾区最核心位置，并具有首位优势，但随着区域一体化程度快速发展，深圳在湾区中的作用逐步凸显。根据引力模型测算，2035年广州与湾区其他城市联系需求增长2.3倍，而深圳与湾区其他城市的联系需求同期增长2.5倍，广州、深圳与湾区城市间的联系总量基本持平，广州的先发优势不再。

3、铁路方式逐渐在区域联系中承担主导作用

现状区域客流中，500KM范围内以小汽车出行为主，超过500km后铁路方式才逐渐占据优势地位。至规划年，参见附图6，随着区域城际铁路网的完善与发展，铁路在区域客流中吸引力逐渐增强，根据上述模型测算，公路客流优势范围由现状的500KM前移到200KM，超过200KM后铁路客流占据主导地位。

3)广州应对策略

1、广州在粤港澳大湾区中面临形势分析

①通枢纽地位受到多方位挑战

广州白云国际机场作为全国三大机场之一，航空吞吐量逐年递增，至2018年旅客吞吐量达6974万人次，位于全国第三位。但与湾区其他机场相比，白云机场近五年旅客吞吐量增速放缓，年均5.9％，而深圳和珠海的机场客流增速均在10％以上，白云机场占珠三角五大机场总客流比例从34.4％降到32.7％。此外，随着香港、深圳高铁进中心，广州市铁路枢纽布局面临较大压力，广州南站作为最主要的高铁站远离市中心，不利于旅客的就近集散。

表2珠三角机场旅客吞吐量变化

②理位置决定其承担较多区域过境客流

受地理位置影响，广州交通基础设施承担了较多区域过境客流功能，高速公路网17％为过境广州车流(深圳仅为2％)，白云机场和广州南站两大主要枢纽20％-30％的客流为市外客流。这些特征表明，广州交通基础设施不仅要满足市域出行需求，还需兼顾过境交通功能，从而促进区域的融合发展。

③向东联系通道缺口大，急需扩容提升对珠江东岸的辐射力

现状珠江东岸跨伶仃洋通道仅有虎门大桥、粤港澳大桥和即将通车的南沙大桥，在整个走廊南北跨度100KM范围内过江道路通道间距为33KM/座，远低于与纽约、旧金沙湾区过江道路密度。此外，从广州与珠江西岸城市和东岸城市衔接通道数来看，广州与西岸的佛山、中山两市衔接通道数量达到30条，衔接通道间距约为4KM/条，而与东岸的东莞、深圳衔接通道数为8条，通道间距为10KM/条,通道密度仅为西岸的40％。向东通道严重不足，不利于发挥广州对珠江东岸的辐射力和吸引力。

表3国际主要湾区过江通道现状情况

2、广州的应对策略分析

从粤港澳大湾区现状出行特征、未来发展趋势及广州面临的形势分析，未来广州在粤港澳大湾区快速发展进程中有继续“练内功，强辐射”，以充分应对区域的竞争压力，谋求合作共赢发展，具体应对策略如下：

(1)继续提升枢纽能级，巩固综合交通枢纽地位。白云机场新建高铁站，实现高铁约航空的联运，提升白云机场的腹地范围，并开展第二机场选址研究，通过新建第二机场缓解白云机场压力；推进高铁进中心，将广深港高铁引入广州市中心，并在广州东站等继续引入高铁，实现高铁枢纽的分散布局。

(2)现状广州与湾区间83％的联系依赖道路交通，未来随着出行需求的翻番，道路交通将进一步承压，为此需加快城际轨道交通建设，以城际轨道建设支撑湾区的融合发展，适应未来出行需求。

(3)现状广州与珠江东岸联系通道少，长期运营的虎门大桥偏向城市南部，服务广州车流仅占18％，对广州服务能力偏弱，为强化广州与珠江东岸的交通联系，并尽可能提高广州辐射力，建议在番禺段新建过江通道，以支撑广州与东岸的交通联系需求。

(4)考虑到广州承担过境交通需求多，应进一步构建外围疏解通道，避免过境交通对中心城区的交通干扰。

(5)强化广佛一张网的建设，继续做大做强广佛同城化。广佛都市圈为湾区第一大都市圈，现状出行规模达到163万人次/日，占广州全部对外出行的45％，但现状广佛间90％的联系需求依靠道路交通，轨道交通仅分担10％的广佛出行量，同城化速度明显高于轨道设施的融合程度。未来随着广佛联系需求的进一步增长，广州应强化两市轨道网络的深度融合，建设中心到中心的直通轨道交通设施，促进广佛同城化向深度融合方向发展。

从实施例中可以看到，本发明与现有技术相比，优点在于：

1)本发明创造性地引入了城市引力模型，构建了一种全新的区域客运交通预测模型，实践应用结果表明，城市引力模型在区域客流交互研究中具有较强的实操性和精准性，可用于指导目前高速发展中的国内各区域的空间客流分析工作。

2)在非信息化时代，K系数的标定以及各方式出行比例的获取存在较大困难，本发明利用互联网信息数据(如现状客流y_ij的获取利用了手机信令数据、现状铁路、长途班车、小汽车、航空各方式出行比例π₁、π₂、π₃、π₄的获取利用了票务数据、不同距离下的不同运输方式客流分布的获取利用了位置数据)进行标定，基于高频率信号触发、具有时空间关联特征的手机信令数据和位置数据使得数据的获取的具备高度的精确性，对区域客流预测模型构建的精准性垫定了数据基础。

应当理解的是，本发明描述的方法的步骤仅仅是示例性的描述，对其先后进行的时间顺序没有特殊的要求，除非其本身有必然的先后顺序关系。

如上所示，本发明虽然已参照有限的实施例和附图进行了说明，但在本发明所属领域中具备通常知识的人均可以从此记载中进行各种修改和变形。由此，其他实施例及权利要求书与等同物均属于权利要求的保护范围。

Claims (6)

1.一种基于城市引力的区域客运交通模型构建方法，其特征在于步骤如下：

第一步，根据如下引力模型计算城市i与城市j的现状引力以及城市i与城市j的规划年引力

式中：T_ij为城市i与城市j的引力；Q_i为城市i的质量；d_ij为城市i与城市j的时间距离；G_i为城市i的地区生产总值；R_i为城市i的常住人口，x₁为通过某种交通方式城市i与城市j的出行时间；

第二步，基于大数据技术获取城市i与城市j的现状客流y_ij；

第三步，利用引力模型构建区域间的客流分布模型如下：

式(4)中，y_ij为城市i与城市j的现状客流，为城市i与城市j的现状引力，k_ij为修正系数；

式(5)中，Y_ij为城市i与城市j的规划年客流，为城市i与城市j的规划年引力；

第四步，利用第一步获取的现状引力第二步获取的现状客流y_ij，带入上式(4)计算得到修正系数k_ij；

第五步，将第四步中获取的修正系数k_ij、第一步获取的规划年引力带入上式(5)，计算得到规划年客流Y_ij；

第六步，获取现状铁路、长途班车、小汽车、航空各方式出行比例π₁、π₂、π₃、π₄；

第七步，利用位置数据，获取不同距离下的不同运输方式客流分布，使用所述不同距离下的不同运输方式客流分布校核第六步中获取的各方式出行比例得到校核后的现状铁路、长途班车、小汽车、航空各方式出行比例π₁、π₂、π₃、π₄，并按下式(6)进行回归，标定得到系数α₁,α₂,α₃,β₁,β₂,β₃取值：

式中，π₁、π₂、π₃、π₄分别表示铁路、长途班车、小汽车、航空各方式出行比例，f₁为出行费用，f₂为出行时间，f₃为出行舒适度，α₁,α₂,α₃,β₁,β₂,β₃为系数；

此步骤中，f₁相应取为现状出行费用，f₂相应取为现状出行时间，f₃相应取为现状出行舒适度；

第八步：将第七步获得的系数α₁,α₂,α₃,β₁,β₂,β₃，以及规划年出行费用f₁，规划年出行时间f₂，规划年出行舒适度f₃带入上式(6)，即可计算出规划年不同距离下的不同运输方式的出行比例π₁、π₂、π₃、π₄。

2.根据权利要求1所述的区域客运交通模型构建方法，其特征在于，第一步中现状常住人口和地区生产总值通过统计数据获取；规划年人口和地区生产总值通过城市总规和经济发展形势进行预判，时间距离根据现状或规划年城市间的交通网络测算。

3.根据权利要求1-2任一项所述的区域客运交通模型构建方法，其特征在于，第二步中，获取现状客流y_ij的具体步骤为：先采用手机信令数据获取空间分布样本，再根据位置数据获取不同运营商占比情况，然后结合年龄结构进行数据扩样。

4.根据权利要求1-3任一项所述的区域客运交通模型构建方法，其特征在于，第六步中，铁路方式客流利用铁路票务数据获得，长途班车方式客流利用联网售票数据获得，小汽车方式客流利用省域高公路收费数据结合流量调查扩样后减去长途班车客流获得，航空方式客流利用现状客流与其他方式客流的差获得。

5.根据权利要求3-4任一项所述的区域客运交通模型构建方法，其特征在于，所述手机信令数据为移动手机信令数据或联通手机信令数据。

6.根据权利要求1-5任一项所述的区域客运交通模型构建方法，其特征在于，所述位置数据为高德导航数据、百度导航数据、搜狗导航数据、Google导航数据或腾讯导航数据。