CN110738373A - 一种土地交通生成和分布预测方法及系统 - Google Patents
一种土地交通生成和分布预测方法及系统 Download PDFInfo
- Publication number
- CN110738373A CN110738373A CN201910979879.1A CN201910979879A CN110738373A CN 110738373 A CN110738373 A CN 110738373A CN 201910979879 A CN201910979879 A CN 201910979879A CN 110738373 A CN110738373 A CN 110738373A
- Authority
- CN
- China
- Prior art keywords
- traffic
- background
- target cell
- cell
- area
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000011664 signaling Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 2
- 229910001316 Ag alloy Inorganic materials 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种土地交通生成和分布预测方法及系统，涉及交通规划、交通模型、城市规划、城市管理技术领域，包括获取背景区域OD交通数据；确定目标小区的用地性质和建筑面积；根据距离相似性指标和用地性质相似性指标，在背景区域OD交通数据中筛选与目标小区相似的背景交通小区，并确定每个背景交通小区与目标小区的相似值；根据每个背景交通小区与目标小区的相似值、每个背景交通小区的单位面积交通生成量、每个背景交通小区的交通分布、目标小区的建筑面积，预测目标小区的交通生成量和的交通分布。本发明在保障精准度的前提下，克服了在交通生成和分布预测过程中建模难、标定复杂、效率低的缺陷。
Description
技术领域
本发明涉及交通规划、交通模型、城市规划、城市管理技术领域，特别是涉及一种土地交通生成和分布预测方法及系统。
背景技术
交通预测是借助计算机技术模拟城市空间布局与交通出行的变化规律，为城市的建设者提供决策依据。
现有技术中，传统的交通预测模型有增长率法、重力模型法、机会模型法等，虽然这些方法的精确度比较高，但需要的数据量很大，建模和标定的过程也很复杂。
发明内容
为了克服背景技术存在的一个或者多个缺陷，本发明提供了一种土地交通生成和分布预测方法及系统。
为实现上述目的，本发明提供了如下方案：
一种土地交通生成预测方法，包括：
获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和单位面积交通生成量；
确定目标小区的用地性质和建筑面积；
根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
可选的，在执行根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量步骤之前，还包括：
判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值；
若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
可选的，所述获取背景区域OD交通数据，具体包括：
采用行政乡镇街道划分或栅格化划分方式对背景区域进行交通小区划分，并确定每个所述交通小区的位置信息、用地性质和建筑面积；
根据用户手机信令数据、浮动车GPS数据以及电子地图，计算每个所述交通小区的交通生成量；
根据每个所述交通小区的交通生成量和建筑面积，计算所述交通小区的单位面积交通生成量。
可选的，所述根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值，具体包括：
根据预先设定的距离相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区距离设定范围内的初步背景交通小区；
根据预先设定的用地性质相似性指标，在所述初步背景交通小区中筛选与所述目标小区用地性质相似的背景交通小区；
根据所述背景交通小区与所述目标小区之间的距离，以及所述背景交通小区和所述目标小区的用地性质，计算每个所述背景交通小区与所述目标小区的相似值。
可选的，所述根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量，具体包括：
根据每个所述背景交通小区与所述目标小区的相似值，确定计算所述目标小区的单位面积交通生成量时的所述背景交通小区的加权权重；所有所述背景交通小区的加权权重和为1；
根据每个所述背景交通小区的加权权重和单位面积交通生成量，计算所述目标小区的单位面积交通生成量；
根据所述目标小区的单位面积交通生成量和建筑面积，计算所述目标小区的交通生成量。
为实现上述目的，本发明还提供了如下方案：
一种土地交通生成预测系统，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和单位面积交通生成量；
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积；
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
交通生成量计算模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
为实现上述目的，本发明还提供了如下方案：
一种土地交通分布预测方法，包括：
获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和交通分布；
确定目标小区的用地性质和建筑面积；
根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
为实现上述目的，本发明还提供了如下方案：
一种土地交通分布预测系统，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和交通分布；
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积；
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
交通分布预测模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
为实现上述目的，本发明还提供了如下方案：
一种土地交通生成和分布预测方法，包括：
获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质、单位面积交通生成量和交通分布；
确定目标小区的用地性质和建筑面积；
根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
为实现上述目的，本发明还提供了如下方案：
一种土地交通生成和分布预测系统，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质、单位面积交通生成量和交通分布；
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积；
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
交通生成量计算模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量；
交通分布预测模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种土地交通生成和分布预测方法及系统，摒弃了传统交通预测模型，在保障精准度的前提下，克服了在交通生成和分布预测过程中建模难、标定复杂、效率低的缺陷，保障了交通预测模型系统应用操作方便性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例土地交通生成预测方法的流程图；
图2为本发明实施例土地交通分布预测方法的流程图；
图3为本发明实施例土地交通生成和分布预测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例提供了一种土地交通生成预测方法，包括：
步骤101：获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和单位面积交通生成量。
步骤102：确定目标小区的用地性质和建筑面积。
步骤103：根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值。
步骤104：根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
可选的，在执行步骤104之前，还包括：
判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值。
若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值。
若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
步骤101具体包括：
采用行政乡镇街道划分或栅格化划分方式对背景区域进行交通小区划分，并确定每个所述交通小区的位置信息、用地性质和建筑面积。
根据用户手机信令数据、浮动车GPS数据以及电子地图，计算每个所述交通小区的交通生成量。
根据每个所述交通小区的交通生成量和建筑面积，计算所述交通小区的单位面积交通生成量。
步骤103具体包括：
根据预先设定的距离相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区距离设定范围内的初步背景交通小区。例如筛选距离目标小区方圆3公里内的交通小区，作为初步背景交通小区。
根据预先设定的用地性质相似性指标，在所述初步背景交通小区中筛选与所述目标小区用地性质相似的背景交通小区。
用地性质，城市规划管理部门根据城市总体规划的需要，对某种具体用地所规定的用途。居住用地R、公共管理与公共服务设施用地A、商业服务业设施用地B、工业用地M、物流仓储用地W、道路与交通设施用地S、公用设施用地U、绿地与广场用地G。
若目标小区为单一用地性质时，需要在初步背景交通小区中选择与目标小区用地性质完全相同的交通小区。若目标小区为复合用地性质时，确定目标小区各种用地性质的百分比，在初步背景交通小区中选择与目标小区各个用地性质百分比接近的交通小区，例如目标小区的居住用地为90％，商业服务业设施用地10％，则筛选居住用地为85～95％的且商业服务业设施用地5～15％的交通小区。此外，若没有符合用地性质相似性指标的交通小区，则先调整距离相似性指标，若还不能筛选到符合用地性质相似性指标的交通小区，则再调整用地性质相似性指标，直到筛选出符合要求的交通小区。
根据所述背景交通小区与所述目标小区之间的距离，以及所述背景交通小区和所述目标小区的用地性质，计算每个所述背景交通小区与所述目标小区的相似值。具体为，
根据公式
计算所述背景交通小区与所述目标小区的距离相似性；A为所有所述背景交通小区与所述目标小区之间的距离和，ai所述背景交通小区与所述目标小区之间的距离，也就是说距离越远，相似性越低。
根据最小二乘潮位拟合算法或者其他相似性判断方法，确定所述背景交通小区和所述目标小区的用地性质相似性并无量纲化处理。
然后根据所述背景交通小区与所述目标小区的距离相似性，处理后的所述背景交通小区和所述目标小区的用地性质相似性，计算每个所述背景交通小区与所述目标小区的相似值。在此过程中，可以直接求和，也可以加权求和。
步骤104具体包括：
根据每个所述背景交通小区与所述目标小区的相似值，确定计算所述目标小区的单位面积交通生成量时的所述背景交通小区的加权权重；所有所述背景交通小区的加权权重和为1。
根据每个所述背景交通小区的加权权重和单位面积交通生成量，计算所述目标小区的单位面积交通生成量。
根据所述目标小区的单位面积交通生成量和建筑面积，计算所述目标小区的交通生成量。
实施例2
为实现上述目的，本实施例还提供了一种土地交通生成预测系统，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和单位面积交通生成量。
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积。
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值。
交通生成量计算模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
在本实例中，还需要判断判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值；若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
实施例3
为实现上述目的，本发明还提供了如下方案，如图2所示，本实施例提供的一种土地交通分布预测方法，包括：
步骤201：获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和交通分布。
步骤202：确定目标小区的用地性质和建筑面积。
步骤203：根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值。
步骤204：根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
在本实例中，还需要判断判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值；若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
步骤201具体包括：
采用行政乡镇街道划分或栅格化划分方式对背景区域进行交通小区划分，并确定每个所述交通小区的位置信息、用地性质和建筑面积。
根据用户手机信令数据、浮动车GPS数据以及电子地图，计算每个所述交通小区的交通分布。
实施例4
为实现上述目的，本实施例还提供了一种土地交通分布预测系统，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和交通分布。
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积。
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值。
交通分布预测模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
在本实例中，还需要判断判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值；若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
实施例5
为实现上述目的，本发明还提供了如下方案，如图3所示，本实施例还提供了一种土地交通生成和分布预测方法，包括：
步骤301：获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质、单位面积交通生成量和交通分布。
步骤302：确定目标小区的用地性质和建筑面积。
步骤303：根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值。
步骤304：根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
步骤305：根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
在本实例中，还需要判断判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值；若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
实施例6
为实现上述目的，本实施例提供了一种土地交通生成和分布预测系统，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质、单位面积交通生成量和交通分布。
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积。
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值。
交通生成量计算模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
交通分布预测模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
在本实例中，还需要判断判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值；若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种土地交通生成预测方法，其特征在于，包括：
获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和单位面积交通生成量；
确定目标小区的用地性质和建筑面积；
根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
2.根据权利要求1所述一种土地交通生成预测方法，其特征在于，在执行根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量步骤之前，还包括：
判断所述背景交通小区与所述目标小区的相似值是否大于或者等于第一阈值；
若所有所述背景交通小区与所述目标小区的相似值均小于所述第一阈值，则调整所述距离相似性指标和所述用地性质相似性指标，重新在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
若所述背景交通小区与所述目标小区的相似值大于或者等于所述第一阈值，则保留相似值大于或者等于所述第一阈值的背景交通小区。
3.根据权利要求1所述一种土地交通生成预测方法，其特征在于，所述获取背景区域OD交通数据，具体包括：
采用行政乡镇街道划分或栅格化划分方式对背景区域进行交通小区划分，并确定每个所述交通小区的位置信息、用地性质和建筑面积；
根据用户手机信令数据、浮动车GPS数据以及电子地图，计算每个所述交通小区的交通生成量；
根据每个所述交通小区的交通生成量和建筑面积，计算所述交通小区的单位面积交通生成量。
4.根据权利要求1所述一种土地交通生成预测方法，其特征在于，所述根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值，具体包括：
根据预先设定的距离相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区距离设定范围内的初步背景交通小区；
根据预先设定的用地性质相似性指标，在所述初步背景交通小区中筛选与所述目标小区用地性质相似的背景交通小区；
根据所述背景交通小区与所述目标小区之间的距离，以及所述背景交通小区和所述目标小区的用地性质，计算每个所述背景交通小区与所述目标小区的相似值。
5.根据权利要求1所述一种土地交通生成预测方法，其特征在于，所述根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量，具体包括：
根据每个所述背景交通小区与所述目标小区的相似值，确定计算所述目标小区的单位面积交通生成量时的所述背景交通小区的加权权重；所有所述背景交通小区的加权权重和为1；
根据每个所述背景交通小区的加权权重和单位面积交通生成量，计算所述目标小区的单位面积交通生成量；
根据所述目标小区的单位面积交通生成量和建筑面积，计算所述目标小区的交通生成量。
6.一种土地交通生成预测系统，其特征在于，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和单位面积交通生成量；
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积；
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
交通生成量计算模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量。
7.一种土地交通分布预测方法，其特征在于，包括：
获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和交通分布；
确定目标小区的用地性质和建筑面积；
根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
8.一种土地交通分布预测系统，其特征在于，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质和交通分布；
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积；
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
交通分布预测模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
9.一种土地交通生成和分布预测方法，其特征在于，包括：
获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质、单位面积交通生成量和交通分布；
确定目标小区的用地性质和建筑面积；
根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量；
根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
10.一种土地交通生成和分布预测系统，其特征在于，包括：
背景区域OD交通数据获取模块，用于获取背景区域OD交通数据；所述背景区域OD交通数据包括多个交通小区的位置信息、用地性质、单位面积交通生成量和交通分布；
目标小区信息确定模块，用于确定目标小区的用地性质和建筑面积；
相似值计算模块，用于根据预先设定的距离相似性指标和用地性质相似性指标，在所述背景区域OD交通数据中筛选与所述目标小区相似的背景交通小区，并确定每个所述背景交通小区与所述目标小区的相似值；
交通生成量计算模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的单位面积交通生成量以及所述目标小区的建筑面积，计算所述目标小区的交通生成量；
交通分布预测模块，用于根据每个所述背景交通小区与所述目标小区的相似值、每个所述背景交通小区的交通分布，预测所述目标小区的交通分布。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910979879.1A CN110738373A (zh) | 2019-10-15 | 2019-10-15 | 一种土地交通生成和分布预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910979879.1A CN110738373A (zh) | 2019-10-15 | 2019-10-15 | 一种土地交通生成和分布预测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110738373A true CN110738373A (zh) | 2020-01-31 |
Family
ID=69270054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910979879.1A Pending CN110738373A (zh) | 2019-10-15 | 2019-10-15 | 一种土地交通生成和分布预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110738373A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117745108A (zh) * | 2024-02-20 | 2024-03-22 | 中国民用航空飞行学院 | 一种先进空中交通的客流需求预测方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020045985A1 (en) * | 2000-07-28 | 2002-04-18 | Boris Kerner | Method for determining the traffic state in a traffic network with effective bottlenecks |
| CN104899443A (zh) * | 2015-06-05 | 2015-09-09 | 陆化普 | 用于评估当前出行需求及预测未来出行需求的方法及系统 |
| CN105336163A (zh) * | 2015-10-26 | 2016-02-17 | 山东易构软件技术股份有限公司 | 一种基于三层k近邻的短时交通流预测方法 |
| CN108022425A (zh) * | 2017-12-21 | 2018-05-11 | 东软集团股份有限公司 | 交通状况预测方法、装置和计算机设备 |
| CN109978224A (zh) * | 2019-01-14 | 2019-07-05 | 南京大学 | 一种分析获取不同性质建筑的交通出行率的方法 |
-
2019
- 2019-10-15 CN CN201910979879.1A patent/CN110738373A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020045985A1 (en) * | 2000-07-28 | 2002-04-18 | Boris Kerner | Method for determining the traffic state in a traffic network with effective bottlenecks |
| CN104899443A (zh) * | 2015-06-05 | 2015-09-09 | 陆化普 | 用于评估当前出行需求及预测未来出行需求的方法及系统 |
| CN105336163A (zh) * | 2015-10-26 | 2016-02-17 | 山东易构软件技术股份有限公司 | 一种基于三层k近邻的短时交通流预测方法 |
| CN108022425A (zh) * | 2017-12-21 | 2018-05-11 | 东软集团股份有限公司 | 交通状况预测方法、装置和计算机设备 |
| CN109978224A (zh) * | 2019-01-14 | 2019-07-05 | 南京大学 | 一种分析获取不同性质建筑的交通出行率的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邓建华: "《道路交通系统仿真技术与应用》", 30 April 2013, 国防工业出版社 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117745108A (zh) * | 2024-02-20 | 2024-03-22 | 中国民用航空飞行学院 | 一种先进空中交通的客流需求预测方法和系统 |
| CN117745108B (zh) * | 2024-02-20 | 2024-05-07 | 中国民用航空飞行学院 | 一种先进空中交通的客流需求预测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Guzman et al. | A cellular automata-based land-use model as an integrated spatial decision support system for urban planning in developing cities: The case of the Bogotá region | |
| Liu et al. | How urban land use influences commuting flows in Wuhan, Central China: A mobile phone signaling data perspective | |
| CN114297809A (zh) | 一种电动汽车充电站选址定容方法 | |
| Feng et al. | Incorporation of spatial heterogeneity-weighted neighborhood into cellular automata for dynamic urban growth simulation | |
| CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
| Li et al. | Exploring spatial-temporal change and gravity center movement of construction land in the Chang-Zhu-Tan urban agglomeration | |
| CN116911699B (zh) | 城市洪涝灾害应对韧性的精细化动态评估方法和系统 | |
| CN114372685A (zh) | 一种基于swmm模型的城市暴雨内涝风险评估方法 | |
| Liaghat et al. | A multi-criteria evaluation using the analytic hierarchy process technique to analyze coastal tourism sites | |
| CN110837925A (zh) | 一种城市内涝预测方法和装置 | |
| CN108388970B (zh) | 一种基于gis的公交站点选址方法 | |
| CN114065364B (zh) | 基于无人机遥感测绘的城市工程规划方法及系统 | |
| CN111523714B (zh) | 一种电力充电站选址布局方法及装置 | |
| CN101986102A (zh) | 一种城市地理信息系统中电子地图匹配方法 | |
| CN111382330A (zh) | 一种土地用地性质识别方法、装置、电子设备及存储介质 | |
| Kotavaara et al. | Scale in the effect of accessibility on population change: GIS and a statistical approach to road, air and rail accessibility in Finland, 1990–2008 | |
| CN116437291A (zh) | 一种基于手机信令的文化圈规划方法和系统 | |
| CN115829124A (zh) | 充电桩选址方法、装置、设备及存储介质 | |
| Gao et al. | Assessing the impacts of ecological-living-productive land changes on eco-environmental quality in Xining City on Qinghai-Tibet Plateau, China | |
| CN116341773A (zh) | 车辆需求预测方法、装置、计算机设备和存储介质 | |
| CN115600855A (zh) | 基于gis的城市规划用地强度分区方法、系统及存储介质 | |
| Song et al. | Effects of planning variables on urban traffic noise at different scales | |
| CN110543660A (zh) | 一种低冲击开发模拟方法、系统及相关装置 | |
| CN110738373A (zh) | 一种土地交通生成和分布预测方法及系统 | |
| CN111738527B (zh) | 一种基于热点探测模型的城市交通小区划分方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200131 |
|
| RJ01 | Rejection of invention patent application after publication |