CN111581315B - 一种公共服务设施可达性计算方法及装置 - Google Patents

一种公共服务设施可达性计算方法及装置 Download PDF

Info

Publication number
CN111581315B
CN111581315B CN202010364289.0A CN202010364289A CN111581315B CN 111581315 B CN111581315 B CN 111581315B CN 202010364289 A CN202010364289 A CN 202010364289A CN 111581315 B CN111581315 B CN 111581315B
Authority
CN
China
Prior art keywords
point
interest
data
building
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
CN202010364289.0A
Other languages
English (en)
Other versions
CN111581315A (zh
Inventor
李桦
童宇博
钟秀明
仲腾
叶宇
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.)
Nanjing Digital City Future Information Technology Co ltd
Original Assignee
Nanjing Digital City Future Information Technology Co ltd
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 Nanjing Digital City Future Information Technology Co ltd filed Critical Nanjing Digital City Future Information Technology Co ltd
Priority to CN202010364289.0A priority Critical patent/CN111581315B/zh
Publication of CN111581315A publication Critical patent/CN111581315A/zh
Application granted granted Critical
Publication of CN111581315B publication Critical patent/CN111581315B/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

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

Abstract

本发明公开了一种公共服务设施可达性的计算方法及装置，该装置包括如下模块：公共服务设施可达性计算请求接收模块，接收目标区域的公共服务设施可达性计算请求；公共服务设施可达性计算数据采集与处理模块，采集目标区域所需要的计算数据，并对数据作相应处理；区域公共服务设施可达性计算模块，计算单个建筑物点的公共服务设施可达性，并通过迭代计算全部建筑物点的公共服务设施可达性；区域公共服务设施可达性可视化模块，用于将建筑物点数据的公共服务设施可达性关联至建筑物面数据上，并生成目标区域的公共服务设施可达性可视化地图。

Description

一种公共服务设施可达性计算方法及装置
技术领域
本发明涉及设施技术领域，具体涉及一种公共服务设施可达性计算方法及装置。
背景技术
城市公共服务设施是城市公共服务的重要空间载体，在城市建设中占有重要地位。对城市公共服务设施的空间优化布局有助于寻找公共服务设施合适的布局区位，实现公平、高效地布局政府公共服务资源。公共服务设施可达性是指公共服务设施借助交通和道路工具被接触和提供服务的难易程度，反映了在城市环境中公共服务设施空间布局的现状。通过优化现状城市环境下的公共服务设施的配置，可以使得公共服务资源被均衡合理地享受，提高公共服务设施的利用率。根据城市环境下日常公共服务设施布局现状计算公共服务设施可达性，是城市建设过程中进行有针对性的公共服务设施精准配置的重要环节。传统的获取城市环境下公共服务设施空间布局现状的方法包括实地走访、问卷调查，这类方式往往需要大量的人力、物力成本，且获取的样本数量有限，得到的结果也较为粗糙。近年来，多源时空数据的出现为城市建设提供了新兴手段。基于兴趣点数据，结合地理信息系统软件对公共服务设施的覆盖率、达标率进行现状分析为城市建设提供了技术支撑。
发明内容
技术问题：有鉴于此，本发明提供一种公共服务设施可达性计算方法及装置，能够实现对目标区域大规模、高精度的公共服务设施可达性的自动计算，摆脱数据处理的人工依赖；此目标区域既可以是一个城市完整的行政区划范围，也可以是一个城市下某个辖区的范围。考虑到城市规划中公共服务设施经常涉及的覆盖率、达标率的问题，并借助多源时空大数据用兴趣点来表达公共服务设施，将公共服务设施可达性拆分为三个次级指数，分别是兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数。
其中，兴趣点相对数量指数反映公共服务设施的覆盖率，兴趣点多样性指数反映公共服务设施类型配置的达标率；并且，通过采集目标区域的步行道路、公交线路、地铁线路基础数据，提取换乘中的步行路段，根据不同类型的道路设置不同的行驶速度，以此来计算兴趣点交通可达性指数，反映了街道形态和交通工具对公共服务设施可达性的影响，有效提高了公共服务设施可达性的准确度；输出公共服务设施可达性数据，最终生成目标区域的公共服务设施可达性地图，效果较为直观，为城市规划设计地进一步分析与决策提供了基础的理性支撑。
技术方案：为实现以上目的，本发明提出一种公共服务设施可达性计算方法，包括如下步骤：
(1)采集目标区域的基础兴趣点数据，并对其进行相应处理，得到兴趣点数据；
(2)采集目标区域的建筑物面数据，将面数据转换成点数据，得到建筑物点数据；
(3)采集目标区域的城市道路数据，对其进行相应处理，得到城市道路的网络数据集；
(4)对于步骤(2)得到的建筑物点数据，以单个建筑物点为中心，基于(3)中城市道路的网络数据集计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于N分钟的兴趣点，作为该建筑物点在N分钟内可到达的所有兴趣点的集合，并计算从该建筑物点出发分别到达集合内每个兴趣点的最小时间成本；
(5)根据(4)所得的兴趣点集合，分别计算公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；
(6)根据步骤(5)的指数计算单个建筑物点的公共服务设施可达性；
(7)对于每一个建筑物点，重复步骤(4)(5)(6)即可得到目标区域全部建筑物点公共服务设施可达性。
进一步的，步骤(1)具体包括：
(1-1)通过访问互联网地图服务接口采集目标区域的基础兴趣点数据；
基础兴趣点数据是指公共服务设施信息点集合，既公共服务设施可用兴趣点表达。基础兴趣点数据有四个基本属性即名称、类型、地址、经纬度，具有日常公共服务设施种类覆盖度高，数据范围覆盖面广，信息量大且获取较容易。
(1-2)在基础兴趣点数据上新增功能、可达性、权重三个属性。其中，功能属性将兴趣点按照其所能提供的服务功能归纳为商业功能、办公功能、公共服务功能、居住功能、尚未归类这五大类，其中，地铁站、公交车站之类的公共交通站点属于公共服务功能，尚未归类类型的点不考虑纳入分析中；地铁站可达性设置为R1，公交车站可达性设置为R2，其他类型下的点可达性设置为R3，地铁站权重为W1，公交车站权重为W2，其他点的权重为W3。
进一步的，步骤(3)具体包括：
(3-1)通过网络城市数据源，采集目标区域的城市道路数据，包括步行道路、公交线路、地铁线路基础数据；
(3-2)将步行道路、公交线路、地铁线路基础数据合并，得到城市路网数据；
(3-3)在城市路网数据上新增道路类型属性并赋值，其中步行道路设置为T1，公交线路设置为T2，地铁线路设置为T3，根据T1、T2、T3可对城市路网数据中各道路的类型进行区分；
(3-4)换乘中步行路段提取，以公共交通站点为中心点，设置搜索半径为d米，计算公共交通站点到落入其搜索半径的步行道路的最近距离，将最近距离生成为路段，将路段作为居民在交通工具换乘中的步行路段合并至城市路网数据中；
(3-5)生成网络数据集，基于城市路网数据建立网络，在网络的成本属性中根据(3-3)中道路类型属性的赋值对不同类型的道路设置不同的行驶速度，得到城市路网的网络数据集。
进一步的，步骤(5)具体包括：
(5-1)根据步骤(4)所得的兴趣点集合来计算兴趣点相对数量指数。采用高斯函数计算兴趣点集合中经时间衰减效应影响后的兴趣点数量总数，考虑到存在从建筑物点出发到达兴趣点的时间成本较大的情况下，兴趣点对该建筑物点提供服务的可能被时间成本更小的同类型兴趣点取代。这种情况下兴趣点由于到达时要花费较大的时间成本，经过时间衰减效应计算后该兴趣点被访问的可能性往往较小或者等于0，因此不会被纳入兴趣点数量总数的计算，最终计算的数量总数为相对数量，则所述兴趣点相对数量指数的公式如下：
Figure BDA0002476045550000031
Aij＝Gauss(Tij)×Wj
Figure BDA0002476045550000032
式中，Gauss(Tij)表示从第i个建筑物点出发，沿网络到达第j个兴趣点的时间衰减程度；Tij表示从第i个建筑物点出发，沿网络到达第j个兴趣点所花的最小时间；e为自然常数；σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的兴趣点不被使用；Aij表示第i个建筑物点到第j个兴趣点的可达度；Wj表示第j个兴趣点的权重；Rni表示第i个建筑物点的兴趣点相对数量指数，N表示第i个建筑物点兴趣点集合中的全部兴趣点数量，其中，i的数量取决于目标区域内建筑物点数量，j的范围为1≤j≤N；
(5-2)根据步骤(4)所得的兴趣点集合来计算兴趣点多样性指数。计算兴趣点集合中各类型兴趣点占全部兴趣点数的比例，统计兴趣点集合中兴趣点的全部类型数，基于香农-维纳指数得到集合中的兴趣点多样性指数，则所述兴趣点多样性指数公式如下：
Figure BDA0002476045550000033
式中，Hi表示第i个建筑物点的兴趣点多样性指数，S为建筑物点兴趣点集合中的兴趣点的全部类型数，pi表示第i个类型的兴趣点占兴趣点集合中全部兴趣点数的比例；
(5-3)根据步骤(4)所得的兴趣点集合来计算兴趣点交通可达性指数。采用高斯函数计算建筑物点到兴趣点集合中公共交通站点的时间衰减程度，并与公共交通站点的权重相乘，得到各公共交通站点的可达度，取最大可达度值作为兴趣点集合中交通设施对公共服务设施可达性的最大提升程度。则所述兴趣点交通可达性指数公式如下：
Figure BDA0002476045550000041
Aik＝Gauss(Tik)×Wk
Di＝max(Aik)
式中，Gauss(Tik)表示从第i个建筑物点出发，沿网络到达第k个公共交通站点的时间衰减程度；Tik表示从第i个建筑物点出发，沿网络到达第k个公共交通站点所花的最小时间，其中，k的数量不超过兴趣点集合中的兴趣点总数；e为自然常数，σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的公共交通站点不被使用；Aik表示第i个建筑物点到第k个公共交通站点的可达度；Wk表示第k个公共交通站点的权重；Di表示从第i个建筑物点出发，沿网络到达兴趣点集合中每个公共交通站点的可大度的最大值，即从第i个建筑物出发到达公共交通站点交通类设施的兴趣点交通可达性指数，其中，i的数量取决于目标区域内建筑物点数量，k的数量取决于第i个建筑物点的兴趣点集合中公共交通站点的数量。
进一步的，步骤(6)具体包括：
(6-1)将步骤(5)中得到的三个次级指数相乘得到第i个建筑物点的公共服务设施可达性，公式如下：
Ci＝Rni×Hi×Di
式中，Ci表示第i个建筑物点的公共服务设施可达性；Rni表示第i个建筑物点的相对数量指数；Hi表示第i个建筑物点的兴趣点多样性指数；Di表示第i个建筑物点的兴趣点交通可达性指数。
此外，本发明还提出一种公共服务设施可达性计算装置，该装置包括如下模块：
公共服务设施可达性计算数据采集与处理模块，用于采集目标区域的基础兴趣点数据、建筑物面数据、城市道路数据，并对数据作相应处理，得到兴趣点数据、建筑物点数据、城市道路的网络数据集；
区域公共服务设施可达性计算模块，用于对建筑物点数据中的单个建筑物点计算公共服务设施可达性，并通过迭代计算目标区域全部建筑物点兴趣点集合的公共服务设施可达性，计算公式如下：
Ci＝Rni×Hi×Di
式中，Ci表示第i个建筑物点的公共服务设施可达性；Rni表示第i个建筑物点的相对数量指数；Hi表示第i个建筑物点的兴趣点多样性指数；Di表示第i个建筑物点的兴趣点交通可达性指数。
区域公共服务设施可达性可视化模块，用于将建筑物点数据的公共服务设施可达性关联至建筑物面数据上，并生成目标区域的公共服务设施可达性可视化地图。
进一步的，公共服务设施可达性计算数据采集与处理模块还包括：
基础兴趣点数据采集模块，用于通过访问互联网地图服务接口采集目标区域的基础兴趣点数据，该基础兴趣点数据包含了地图测绘人员采用精密的测绘仪器方式采集的基础兴趣点的经纬度信息，以及名称、类型、地址三个基本属性；
建筑物面数据采集模块，用于通过网络城市数据源采集目标区域的建筑物面数据；
城市道路数据采集模块，用于通过网络城市数据源采集目标区域的城市道路数据，所述城市道路数据包括步行道路数据、公交线路数据和地铁线路数据；
基础兴趣点数据处理模块，在基础兴趣点数据上新增功能、可达性、权重三个属性。其中，功能属性将兴趣点按照其所能提供的服务功能归纳为商业功能、办公功能、公共服务功能、居住功能、尚未归类这五大类，其中地铁站、公交车站之类的公共交通站点属于公共服务功能，尚未归类类型的点不考虑纳入分析中；地铁站可达性设置为R1，公交车站可达性设置为R2，其他类型下的点可达性设置为R3；地铁站权重为W1，公交车站权重为W2，其他点的权重为W3。
建筑物面数据处理模块，将面数据转换成点数据，得到建筑物点数据；
城市道路数据处理模块，对目标区域的城市道路数据进行相应处理，得到城市路网的网络数据集；
进一步的，所述城市道路数据处理模块还包括：
路网合并子模块，用于将步行道路、公交线路、地铁线路基础数据合并，得到城市路网数据；
道路类型处理子模块，在城市路网数据上新增道路类型属性并赋值，其中步行道路设置为T1，公交线路设置为T2，地铁线路设置为T3，根据T1、T2、T3可对城市路网数据中各道路的类型进行区分；
换乘路段处理子模块，以公共交通站点为中心点，设置搜索半径为d米，计算公共交通站点到落入其搜索半径的步行道路的最近距离，将最近距离生成路段，将此路段作为居民在交通工具换乘中的步行路段合并至城市路网数据中；
网络数据集创建子模块，基于城市路网数据建立网络，在网络的成本属性中根据道路类型属性的赋值对不同类型的道路设置不同的行驶速度，得到城市路网的网络数据集。
进一步的，区域公共服务设施可达性计算模块还包括：
兴趣点集合计算模块，用于以单个建筑物点为中心，基于城市道路的网络数据集计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于N分钟的兴趣点，作为该建筑物点在N分钟内可到达的所有兴趣点的集合，并计算从该建筑物点出发分别到达集合内每个兴趣点的最小时间成本；
建筑物点次级指数计算模块，用于计算单个建筑物点的公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；
需要说明的是，兴趣点相对数量指数公式如下：
Figure BDA0002476045550000061
Aij＝Gauss(Tij)×Wj
Figure BDA0002476045550000062
式中，Gauss(Tij)表示从第i个建筑物点出发，沿网络到达第j个兴趣点的时间衰减程度；Tij表示从第i个建筑物点出发，沿网络到达第j个兴趣点所花的最小时间；e为自然常数；σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的兴趣点不被使用；Aij表示第i个建筑物点到第j个兴趣点的可达度；Wj表示第j个兴趣点的权重；Rni表示第i个建筑物点的兴趣点相对数量指数，N表示第i个建筑物点兴趣点集合中的全部兴趣点数量，其中，i的数量取决于目标区域内建筑物点数量，j的范围为1≤j≤N；
需要说明的是，兴趣点多样性指数公式如下：
Figure BDA0002476045550000063
式中，Hi表示第i个建筑物点的兴趣点多样性指数，S为建筑物点兴趣点集合中的兴趣点的全部类型数，pi表示第i个类型的兴趣点占兴趣点集合中全部兴趣点数的比例；
需要说明的是，兴趣点交通可达性指数公式如下：
Figure BDA0002476045550000071
Aik＝Gauss(Tik)×Wk
Di＝max(Aik)
式中，Gauss(Tik)表示从第i个建筑物点出发，沿网络到达第k个公共交通站点的时间衰减程度；Tik表示从第i个建筑物点出发，沿网络到达第k个公共交通站点所花的最小时间，其中，k的数量不超过兴趣点集合中的兴趣点总数；e为自然常数，σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的公共交通站点不被使用；Aik表示第i个建筑物点到第k个公共交通站点的可达度；Wk表示第k个公共交通站点的权重；Di表示从第i个建筑物点出发，沿网络到达兴趣点集合中每个公共交通站点的可大度的最大值，即从第i个建筑物出发到达公共交通站点交通类设施的兴趣点交通可达性指数，其中，i的数量取决于目标区域内建筑物点数量，k的数量取决于第i个建筑物点的兴趣点集合中公共交通站点的数量。
建筑物点公共服务设施可达性计算模块，用于将三个次级指数相乘得到单个建筑物点的公共服务设施可达性；
需要说明的是，单个建筑物点的公共服务设施可达性计算公式如下:
Ci＝Rni×Hi×Di
式中，Ci表示第i个建筑物点的公共服务设施可达性；Rni表示第i个建筑物点的相对数量指数；Hi表示第i个建筑物点的兴趣点多样性指数；Di表示第i个建筑物点的兴趣点交通可达性指数。
迭代模块，用于将目标区域的建筑物点数据迭代输入至单个建筑物点次级指数计算模块和单个建筑物点公共服务设施可达性计算模块中，直至建筑物点数据中的每个建筑物点的公共服务设施可达性都被计算，得到区域内所有建筑物的公共服务设施可达性。
进一步的，区域公共服务设施可达性可视化模块还包括：
属性关联模块，用于将建筑物点数据的所有属性与建筑物面数据的所有属性根据它们所共有的相同属性关联起来，将建筑物点数据的公共服务设施可达性复制到相应的建筑物面数据上；
可视化模块，用于将目标区域中属性关联后的建筑物面的公共服务设施可达性可视化显示输出。
综上所述，本发明实施例公开了一种公共服务设施可达性的计算方法及装置，包括：采集目标区域的基础兴趣点数据，并对其进行相应处理，得到兴趣点数据；采集目标区域的建筑物面数据，将面数据转换成点数据，得到建筑物点数据；采集目标区域的城市道路数据，对其进行相应处理，得到城市道路的网络数据集；对于得到的建筑物点数据，以单个建筑物点为中心，基于城市道路的网络数据集计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于N分钟的兴趣点，作为该建筑物点在N分钟内可到达的所有兴趣点的集合，并计算从该建筑物点出发分别到达集合内每个兴趣点的最小时间成本；根据所得的兴趣点集合，分别计算公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；基于三个次级指数计算建筑物点的公共服务设施可达性；对于每一个建筑物点，重复单个建筑物点的公共服务设施可达性计算方法即可得到目标区域全部建筑物的公共服务设施可达性。
有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：
本发明实施例在城市路网数据处理过程中，考虑街道形态、交通工具可达性、交通工具换乘对居民社区日常活动时间的影响，将换乘中的步行路段合并至城市路网数据中，并对城市路网数据建立网络数据集；在公共服务设施可达性计算过程中，以建筑物为计算单位开展计算，通过兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数三个次级指数的相乘得到公共服务设施可达性结果。由此可见，本申请在公共服务设施可达性计算过程中，基于多源时空数据以建筑物为计算单位开展大规模计算，并考虑了街道形态和交通工具对公共服务设施可达性的影响，有效提高了公共服务设施可达性的准确度；实现了公共服务设施可达性的自动计算，摆脱数据处理的人工依赖。
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，下面将对实施例或现有技术描述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的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种公共服务设施可达性计算方法的总流程图；
图2为本发明实施例提供的建筑物面转点示意图；
图3为本发明实施例提供的换乘路段处理结果示意图；
图4为本发明实施例提供的单个建筑物点关联的兴趣点集合示意图；
图5为本发明实施例提供的一种公共服务设施可达性计算装置的结构框图；
图6为本发明实施例提供的一种公共服务设施可达性计算装置的公共服务设施可达性计算数据采集与处理模块的流程图；
图7为本发明实施例提供的一种公共服务设施可达性计算装置的公共服务设施可达性计算数据采集与处理模块的结构框图；
图8为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性计算模块的流程图；
图9为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性计算模块的结构框图；
图10为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性可视化模块的流程图；
图11为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性可视化模块的结构框图。
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。
本发明的发明人发现，公共服务设施可达性作为城市环境中日常公共服务设施空间布局的现状的量化结果，有助于提高生活资源和设施的在城市规划中布局合理性和高效性。然而，当前对日常公共服务设施布局的分析方法虽然结合了新兴的多源时空数据进行了量化计算，却没有考虑到街道形态和交通工具对公共服务设施可接触程度的影响，准确度有限；且依靠人工操作软件进行数据处理，因而分析区域规模较小，缺少对城市环境下大规模公共服务设施的现状分布描述。因此，需要一种公共服务设施可达性计算方法及装置。
而本发明实施例公开了一种公共服务设施可达性的计算方法及装置，包括：采集目标区域的基础兴趣点数据，并对其进行相应处理，得到兴趣点数据；采集目标区域的建筑物面数据，将面数据转换成点数据，得到建筑物点数据；采集目标区域的城市道路数据，对其进行相应处理，得到城市道路的网络数据集；对于得到的建筑物点数据，以单个建筑物点为中心，基于城市道路的网络数据集计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于N分钟的兴趣点，作为该建筑物点在N分钟内可到达的所有兴趣点的集合，并计算从该建筑物点出发分别到达集合内每个兴趣点的最小时间成本；根据所得的兴趣点集合，分别计算公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；基于三个次级指数计算建筑物点的公共服务设施可达性；对于每一个建筑物点，重复单个建筑物点的公共服务设施可达性计算方法即可得到目标区域全部建筑物的公共服务设施可达性。
本发明实施例在城市道路数据处理过程中，考虑街道形态和交通工具换乘对日常公共服务设施可接触程度的影响，将换乘中的步行路段合并至城市路网数据中，并基于城市路网数据生成网络数据集；在公共服务设施可达性计算过程中，以建筑物为计算单位开展计算，通过兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数三个次级指数的相乘得到公共服务设施可达性结果。由此可见，本申请在公共服务设施可达性计算过程中，基于多源时空数据以建筑物为计算单位开展大规模计算，并考虑了街道形态和交通工具对公共服务设施可接触程度的影响，有效提高了公共服务设施可达性的准确度；实现了公共服务设施可达性的自动计算，摆脱数据处理的人工依赖。
图1为本发明实施例提供的公共服务设施可达性计算方法的总流程图，请参照图1，该方法可以包括：
(1)采集目标区域的基础兴趣点数据，对其进行相应处理，得到兴趣点数据P；
需要说明的是，本发明实施例中目标区域为辽宁省沈阳市中心城区，所采用的地理坐标系为WGS84坐标系，经度范围是121.994653°E至124.085034°E，纬度范围是39.998485°N至43.000597°N。
需要说明的是，本发明实施例中可以基于Python爬虫技术调用高德地图的兴趣点服务接口，获取目标区域的基础兴趣点数据。
需要说明的是，本发明实施例中在基础兴趣点数据上新增功能、可达性、权重三个属性。其中，功能属性将兴趣点按照其所能提供的服务功能归纳为商业功能、办公功能、公共服务功能、居住功能、尚未归类这五大类，其中尚未归类类型的点不考虑纳入分析中；地铁站可达性默认为3，公交车站可达性默认为1.5，其他点可达性默认为1；地铁站权重为10，公交车站权重为2，其他点的权重为1。
(2)采集目标区域的建筑物面数据，将面数据转换为点数据，得到建筑物点数据B；
需要说明的是，本发明实施例中通过访问如城市数据派的开源城市大数据平台来采集目标区域的建筑物面数据；
需要说明的是，如图2所示为本发明实施例提供的建筑物面转点示意图，本发明实施例中将建筑物面数据转换为建筑物点数据是调用ArcGIS10.6的ArcPy站点包中的要素转点函数用其几何中心点替代了原有的建筑物面。
(3)采集目标区域的城市道路数据，对其进行相应处理，得到城市道路的网络数据集R；
需要说明的是，本发明实施例中通过访问如城市数据派的开源城市大数据平台，采集目标区域的步行道路、公交线路、地铁线路基础数据；
需要说明的是，本发明实施例中调用ArcGIS10.6的ArcPy站点包中的合并函数，将步行道路、公交线路、地铁线路基础数据合并而成，得到城市路网数据；
需要说明的是，本发明实施例中在城市路网数据上新增道路类型属性并赋值，其中步行道路设置为1，公交线路设置为2，地铁线路设置为3，根据1、2、3可对城市路网数据中各道路的类型进行区分；
需要说明的是，如图3所示为本发明实施例提供的换乘路段处理结果示意图，本发明实施例中以公共交通站点为中心点，设置搜索半径为100米，调用ArcGIS10.6的ArcPy站点包中的临近表函数计算公共交通站点到落入其搜索半径的步行道路的最近距离，并调用ArcGIS10.6的ArcPy站点包中的XY转线函数将最近距离生成路段，将此路段作为居民在交通工具换乘中的步行路段合并至城市路网数据中；
需要说明的是，本发明实施例中基于城市路网数据建立网络，以时间为成本属性，在网络的成本属性中根据不同类型的道路设置不同的行驶速度，得到城市路网的网络数据集，其中成本属性中的行驶速度按照以下规则设置并计算出时间成本(单位为分钟)：
对于道路类型属性值为1的步行道路，对于每一段道路，时间成本＝行驶距离/步行平均速度，本发明实施例中所述步行平均速度为53.3米/分钟；
对于道路类型属性值为2的公交线路，对于每一段线路，时间成本＝行驶距离/公交车行驶平均速度+平均每站等待时间，本发明实施例中所述公交车行驶平均速度为266.67米/分钟，平均每站等待时间为0.5分钟；
对于道路类型属性值为3的地铁线路，对于每一段线路，时间成本＝行驶距离/地铁行驶平均速度+平均每站等待时间，本发明实施例中所述地铁行驶速度为500米/分钟，平均每站等待时间为1分钟；
(4)对于步骤(2)得到的建筑物点数据B，以单个建筑物点为中心，基于(3)中城市道路的网络数据集R计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于15分钟的兴趣点，作为该建筑物点在15分钟内可到达的所有兴趣点的集合Ps，并计算从该建筑物点出发分别到达集合Ps内每个兴趣点的最小时间成本；
需要说明的是，本发明实施例中通过调用ArcGIS10.6的ArcPy站点包中的OD矩阵分析函数，将单个建筑物点设置为起始点，将兴趣点数据中的所有兴趣点设置为设施点，限定阻断时间为15分钟，提取出该建筑物点在15分钟内可到达的所有兴趣点的集合Ps，并计算从该建筑物点出发分别到达集合Ps内每个兴趣点的最小时间成本；
需要说明的是，OD矩阵分析函数是通过Dijkstra最短路径搜索算法，以(3)中城市道路网络数据集的时间成本属性作为权重，计算从单个建筑物点出发，到达所有兴趣点的最短路径，此最短路径是根据算法的时间权重计算出的时间花费最短的路径。
(5)如图4为本发明实施例提供的单个建筑物点关联的兴趣点集合示意图，根据所得的兴趣点集合Ps，分别计算单个建筑物点的公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；
需要说明的是，本发明实施例中根据所得的兴趣点集合Ps，采用高斯函数计算兴趣点集合中时间衰减效应下的兴趣点数量总和，即兴趣点集合中公共服务设施的相对数量。则所述兴趣点相对数量指数公式如下：
Figure BDA0002476045550000121
Aij＝Gauss(Tij)×Wj
Figure BDA0002476045550000122
式中，Gauss(Tij)表示从第i个建筑物点出发，沿网络到达第j个兴趣点的时间衰减程度；Tij表示从第i个建筑物点出发，沿网络到达第j个兴趣点所花的最小时间；e为自然常数；σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的兴趣点不被使用；Aij表示第i个建筑物点到第j个兴趣点的可达度；Wj表示第j个兴趣点的权重；Rni表示第i个建筑物点的兴趣点相对数量指数，N表示第i个建筑物点兴趣点集合中的全部兴趣点数量，其中，i的数量取决于目标区域内建筑物点数量，j的范围为1≤j≤N。
需要说明的是，本发明实施例中根据所得的兴趣点集合Ps，计算兴趣点集合中各类型兴趣点占全部兴趣点数的比例，统计兴趣点集合中兴趣点的全部类型数，基于香农-维纳指数得到集合中的兴趣点多样性指数，公式如下：
Figure BDA0002476045550000123
式中，Hi表示第i个建筑物点的兴趣点多样性指数，S为建筑物点兴趣点集合中的兴趣点的全部类型数，pi表示第i个类型的兴趣点占兴趣点集合中全部兴趣点数的比例。
需要说明的是，本发明实施例中根据所得的兴趣点集合Ps，采用高斯函数计算建筑物点到兴趣点集合中公共交通站点的时间衰减程度，并与公共交通站点的权重相乘，得到各公共交通站点的可达度，取最大可达度值作为兴趣点集合中交通设施对公共服务设施可达性的最大提升程度。则所述兴趣点交通可达性指数公式如下：
Figure BDA0002476045550000124
Aik＝Gauss(Tik)×Wk
Di＝max(Aik)
式中，Gauss(Tik)表示从第i个建筑物点出发，沿网络到达第k个公共交通站点的时间衰减程度；Tik表示从第i个建筑物点出发，沿网络到达第k个公共交通站点所花的最小时间，其中，k的数量不超过兴趣点集合中的兴趣点总数；e为自然常数，σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的公共交通站点不被使用；Aik表示第i个建筑物点到第k个公共交通站点的可达度；Wk表示第k个公共交通站点的权重；Di表示从第i个建筑物点出发，沿网络到达兴趣点集合中每个公共交通站点的可大度的最大值，即从第i个建筑物出发到达公共交通站点交通类设施的兴趣点交通可达性指数，其中，i的数量取决于目标区域内建筑物点数量，k的数量取决于第i个建筑物点的兴趣点集合中公共交通站点的数量。
(6)计算单个建筑物点的公共服务设施可达性；
需要说明的是，本发明实施例中根据所得的三个次级指数相乘得到单个建筑物点的公共服务设施可达性，公式如下：
Ci＝Rni×Hi×Di
式中，Ci表示第i个建筑物点的公共服务设施可达性；Rni表示第i个建筑物点的相对数量指数；Hi表示第i个建筑物点的兴趣点多样性指数；Di表示第i个建筑物点的兴趣点交通可达性指数。
(7)对于每一个建筑物点，重复步骤(4)(5)(6)即可得到目标区域全部建筑物的公共服务设施可达性。
上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施例进行详细说明。
图5为本发明实施例提供的一种公共服务设施可达性计算装置的结构框图，该装置可以包括：
公共服务设施可达性计算数据采集与处理模块101，用于采集公共服务设施可达性计算所需的基础兴趣点数据、建筑物面数据、城市道路数据，并对数据作相应处理，得到兴趣点数据P、建筑物点数据B、城市路网数据集R；
需要说明的是，图6为本发明实施例提供的一种公共服务设施可达性计算装置的公共服务设施可达性计算数据采集与处理模块101的流程图，图7为本发明实施例提供的一种公共服务设施可达性计算装置的公共服务设施可达性计算数据采集与处理模块101的结构框图，该模块还包括：
基础兴趣点数据采集模块1011，用于通过访问高德地图服务接口采集目标区域的基础兴趣点数据，该基础兴趣点数据包含了地图测绘人员采用精密的测绘仪器方式采集的基础兴趣点的经纬度信息，以及名称、类型、地址三个基本属性；
建筑物面数据采集模块1012，用于通过访问如城市数据派的开源城市大数据平台来采集目标区域的建筑物面数据；
城市道路数据采集模块1013，用于通过访问如城市数据派的开源城市大数据平台来采集目标区域的城市道路数据，所述城市道路数据包括步行道路数据、公交线路数据和地铁线路数据；
基础兴趣点数据处理模块1014，用于在基础兴趣点数据上新增功能、可达性、权重三个属性并赋值，得到兴趣点数据P；
建筑物面数据处理模块1015，通过调用ArcGIS10.6的ArcPy站点包中的要素转点函数用其几何中心点替代原有的建筑物面，得到建筑物点数据B；
城市道路数据处理模块1016，用于对目标区域的城市道路数据进行相应处理，得到城市路网的网络数据集R；
需要说明的是，本发明实施例中城市道路数据处理模块1016还包括：
路网合并子模块，用于通过调用ArcGIS10.6的ArcPy站点包中的合并函数，将步行道路、公交线路、地铁线路基础数据合并而成，得到城市路网数据；
道路类型处理子模块，在城市路网数据上新增道路类型属性并赋值，其中步行道路设置为1，公交线路设置为2，地铁线路设置为3，根据1、2、3可对城市路网数据中各道路的类型进行区分；
换乘路段处理子模块，用于以公共交通站点为中心点，设置搜索半径为100米，调用ArcGIS10.6的ArcPy站点包中的临近表函数计算公共交通站点到落入其搜索半径的步行道路的最近距离，并调用ArcGIS10.6的ArcPy站点包中的XY转线函数将最近距离生成路段，将此路段作为居民在交通工具换乘中的步行路段合并至城市路网数据中；
网络数据集创建子模块，用于基于城市路网数据建立网络，在网络的成本属性中根据不同类型的道路设置不同的行驶速度，得到城市路网的网络数据集R。
区域公共服务设施可达性计算模块102，用于对建筑物点数据中的单个建筑物点计算公共服务设施可达性，并通过迭代计算目标区域全部建筑物点兴趣点集合的公共服务设施可达性；
需要说明的是，图8为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性计算模块102的流程图，图9为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性计算模块102的结构框图，该模块还包括：
兴趣点集合计算模块1021，用于以单个建筑物点为中心，基于城市道路的网络数据集R计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于15分钟的兴趣点，作为该建筑物点在15分钟内可到达的所有兴趣点的集合Ps，并计算从该建筑物点出发分别到达集合Ps内每个兴趣点的最小时间成本；
建筑物点次级指数计算模块1022，用于计算单个建筑物点的公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；
建筑物点公共服务设施可达性计算模块1023，用于将三个次级指数相乘得到单个建筑物点的公共服务设施可达性；
迭代模块1024，用于将指定计算区域的建筑物点集合B迭代输入至单个建筑物点次级指数计算模块和单个建筑物点公共服务设施可达性计算模块中，直至B中的每个单个建筑物点的公共服务设施可达性都被计算。
区域公共服务设施可达性可视化模块103，用于将建筑物点的公共服务设施可达性关联至建筑物面上，并生成目标区域的公共服务设施可达性可视化地图。
需要说明的是，图10为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性可视化模块103的流程图，图11为本发明实施例提供的一种公共服务设施可达性计算装置的区域公共服务设施可达性可视化模块103的结构框图，该模块还包括：
属性关联模块1031，用于将建筑物点数据的所有属性与建筑物面数据的所有属性根据它们所共有的相同属性关联起来，将建筑物点数据的公共服务设施可达性复制到相应的建筑物面数据上；
可视化模块1032，用于将目标区域中属性关联后的建筑物面的公共服务设施可达性可视化显示输出。
综上所述，本发明实施例公开了一种公共服务设施可达性的计算方法及装置，包括：采集目标区域的基础兴趣点数据，并对其进行相应处理，得到兴趣点数据；采集目标区域的建筑物面数据，将面数据转换成点数据，得到建筑物点数据；采集目标区域的城市道路数据，对其进行相应处理，得到城市道路的网络数据集；对于得到的建筑物点数据，以单个建筑物点为中心，基于城市道路的网络数据集计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于N分钟的兴趣点，作为该建筑物点在N分钟内可到达的所有兴趣点的集合，并计算从该建筑物点出发分别到达集合内每个兴趣点的最小时间成本；根据所得的兴趣点集合，分别计算公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；基于三个次级指数计算建筑物点的公共服务设施可达性；对于每一个建筑物点，重复单个建筑物点的公共服务设施可达性计算方法即可得到目标区域全部建筑物的公共服务设施可达性。
本发明实施例在城市道路数据处理过程中，考虑街道形态和交通工具换乘对日常公共服务设施可接触程度的影响，将换乘中的步行路段合并至城市路网数据中，并基于城市路网数据生成网络数据集；在公共服务设施可达性计算过程中，以建筑物为计算单位开展计算，通过兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数三个次级指数的相乘得到公共服务设施可达性结果。
以上描述了本发明的具体实施方式，但是本领域的技术人员还可进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

Claims (4)

1.一种公共服务设施可达性计算方法，其特征在于，该方法包括如下步骤：
(1)采集目标区域的基础兴趣点数据，并对其进行相应处理，得到兴趣点数据；
(2)采集目标区域的建筑物面数据，将面数据转换成点数据，得到建筑物点数据；
(3)采集目标区域的城市道路数据，对其进行相应处理，得到城市道路的网络数据集；
(4)对于步骤(2)得到的建筑物点数据，以单个建筑物点为中心，基于(3)中城市道路的网络数据集计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于N分钟的兴趣点，作为该建筑物点在N分钟内可到达的所有兴趣点的集合，并计算从该建筑物点出发分别到达集合内每个兴趣点的最小时间成本；
(5)根据(4)所得的兴趣点集合，分别计算公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；
(6)根据步骤(5)的指数计算单个建筑物点的公共服务设施可达性；
(7)对于每一个建筑物点，重复步骤(4)(5)(6)即可得到目标区域全部建筑物点公共服务设施可达性；
步骤(1)具体方法如下：
(1-1)采集目标区域的基础兴趣点数据，并且基础兴趣点数据有四个基本属性即名称、类型、地址、经纬度；
(1-2)在基础兴趣点数据上新增功能、可达性、权重三个属性，其中，功能属性将兴趣点按照其所能提供的服务功能归纳为商业功能、办公功能、公共服务功能、居住功能、尚未归类这五大类，其中，地铁站、公交车站之类的公共交通站点属于公共服务功能，尚未归类类型的点不考虑纳入分析中；地铁站可达性设置为R1，公交车站可达性设置为R2，其它类型下的点可达性设置为R3，地铁站权重为W1，公交车站权重为W2，其它点的权重为W3；
步骤(3)具体方法如下：
(3-1)采集目标区域的城市道路数据，包括步行道路、公交线路、地铁线路基础数据；
(3-2)将步行道路、公交线路、地铁线路基础数据合并，得到城市路网数据；
(3-3)在城市路网数据上新增道路类型属性并赋值，其中步行道路设置为T1，公交线路设置为T2，地铁线路设置为T3，根据T1、T2、T3对城市路网数据中各道路的类型进行区分；
(3-4)换乘中步行路段提取，以公共交通站点为中心点，设置搜索半径为d米，计算公共交通站点到落入其搜索半径的步行道路的最近距离，将最近距离生成为路段，将路段作为在交通工具换乘中的步行路段合并至城市路网数据中；
(3-5)生成网络数据集，基于城市路网数据建立网络，在网络的成本属性中根据不同类型的道路设置不同的行驶速度，得到城市路网的网络数据集；
步骤(5)具体方法如下：
(5-1)根据步骤(4)所得的兴趣点集合来计算兴趣点相对数量指数，所述兴趣点相对数量指数的公式如下：
Figure FDA0004164003360000021
Aij＝Gauss(Tij)×Wj
Figure FDA0004164003360000022
式中，Gauss(Tij)表示从第i个建筑物点出发，沿网络到达第j个兴趣点的时间衰减程度；Tij表示从第i个建筑物点出发，沿网络到达第j个兴趣点所花的最小时间；e为自然常数；σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的兴趣点不被使用；Aij表示第i个建筑物点到第j个兴趣点的可达度；Wj表示第j个兴趣点的权重；Rni表示第i个建筑物点的兴趣点相对数量指数，N表示第i个建筑物点兴趣点集合中的全部兴趣点数量，其中，i的数量取决于目标区域内建筑物点数量，j的范围为1≤j≤N；
(5-2)根据步骤(4)所得的兴趣点集合来计算兴趣点多样性指数，所述兴趣点多样性指数公式如下：
Figure FDA0004164003360000023
式中，Hi表示第i个建筑物点的兴趣点多样性指数，S为建筑物点兴趣点集合中的兴趣点的全部类型数，pi表示第i个类型的兴趣点占兴趣点集合中全部兴趣点数的比例；
(5-3)根据步骤(4)所得的兴趣点集合来计算兴趣点交通可达性指数，所述兴趣点交通可达性指数公式如下：
Figure FDA0004164003360000024
Aik＝Gauss(Tik)×Wk
Di＝max(Aik)
式中，Gauss(Tik)表示从第i个建筑物点出发，沿网络到达第k个公共交通站点的时间衰减程度；Tik表示从第i个建筑物点出发，沿网络到达第k个公共交通站点所花的最小时间，其中，k的数量不超过兴趣点集合中的兴趣点总数；e为自然常数，σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的公共交通站点不被使用；Aik表示第i个建筑物点到第k个公共交通站点的可达度；Wk表示第k个公共交通站点的权重；Di表示从第i个建筑物点出发，沿网络到达兴趣点集合中每个公共交通站点的可大度的最大值，即从第i个建筑物出发到达公共交通站点交通类设施的兴趣点交通可达性指数，其中，i的数量取决于目标区域内建筑物点数量，k的数量取决于第i个建筑物点的兴趣点集合中公共交通站点的数量。
2.根据权利要求1所述的一种公共服务设施可达性计算方法，其特征在于，步骤(6)具体方法如下：
(6-1)将步骤(5)中得到的三个次级指数相乘得到第i个建筑物点的公共服务设施可达性，公式如下：
Ci＝Rni×Hi×Di
式中，Ci表示第i个建筑物点的公共服务设施可达性；Rni表示第i个建筑物点的相对数量指数；Hi表示第i个建筑物点的兴趣点多样性指数；Di表示第i个建筑物点的兴趣点交通可达性指数。
3.一种公共服务设施可达性计算装置，其特征在于，该装置包括如下模块：
公共服务设施可达性计算数据采集与处理模块，用于采集目标区域的基础兴趣点数据、建筑物面数据、城市道路数据，并对数据作相应处理，得到兴趣点数据、建筑物点数据、城市道路的网络数据集；
区域公共服务设施可达性计算模块，用于对建筑物点数据中的单个建筑物点计算公共服务设施可达性，并通过迭代计算目标区域全部建筑物点兴趣点集合的公共服务设施可达性；
区域公共服务设施可达性可视化模块，用于将建筑物点数据的公共服务设施可达性关联至建筑物面数据上，并生成目标区域的公共服务设施可达性可视化地图；
所述公共服务设施可达性计算数据采集与处理模块还包括如下模块：
基础兴趣点数据采集模块，用于采集目标区域的基础兴趣点数据，该基础兴趣点数据包含了采集的基础兴趣点的经纬度信息，以及名称、类型、地址三个基本属性；
建筑物面数据采集模块，用于通过网络城市数据源采集目标区域的建筑物面数据；
城市道路数据采集模块，用于通过网络城市数据源采集目标区域的城市道路数据，所述城市道路数据包括步行道路数据、公交线路数据和地铁线路数据；
基础兴趣点数据处理模块，在基础兴趣点数据上新增功能、可达性、权重三个属性，其中，功能属性将兴趣点按照其所能提供的服务功能归纳为商业功能、办公功能、公共服务功能、居住功能、尚未归类这五大类，其中地铁站、公交车站之类的公共交通站点属于公共服务功能，尚未归类类型的点不考虑纳入分析中；地铁站可达性设置为R1，公交车站可达性设置为R2，其他类型下的点可达性设置为R3；地铁站权重为W1，公交车站权重为W2，其他点的权重为W3；
建筑物面数据处理模块，将面数据转换成点数据，得到建筑物点数据；
城市道路数据处理模块，对目标区域的城市道路数据进行相应处理，得到城市路网的网络数据集；
所述城市道路数据处理模块还包括如下模块：
路网合并子模块，用于将步行道路、公交线路、地铁线路基础数据合并，得到城市路网数据；
道路类型处理子模块，在城市路网数据上新增道路类型属性并赋值，其中步行道路设置为T1，公交线路设置为T2，地铁线路设置为T3，根据T1、T2、T3对城市路网数据中各道路的类型进行区分；
换乘路段处理子模块，以公共交通站点为中心点，设置搜索半径为d米，计算公共交通站点到落入其搜索半径的步行道路的最近距离，将最近距离生成路段，将此路段作为居民在交通工具换乘中的步行路段合并至城市路网数据中；
网络数据集创建子模块，基于城市路网数据建立网络，在网络的成本属性中根据不同类型的道路设置不同的行驶速度，得到城市路网的网络数据集；
区域公共服务设施可达性计算模块还包括：
兴趣点集合计算模块，用于以单个建筑物点为中心，基于城市道路的网络数据集计算从单个建筑物点出发，到达所有兴趣点的最短路径，并提取出经过最短路径的时间消耗小于N分钟的兴趣点，作为该建筑物点在N分钟内可到达的所有兴趣点的集合，并计算从该建筑物点出发分别到达集合内每个兴趣点的最小时间成本；
建筑物点次级指数计算模块，用于计算单个建筑物点的公共服务设施可达性的三个次级指数：兴趣点相对数量指数、兴趣点多样性指数、兴趣点交通可达性指数；
兴趣点相对数量指数公式如下：
Figure FDA0004164003360000041
Aij＝Gauss(Tij)×Wj
Figure FDA0004164003360000051
式中，Gauss(Tij)表示从第i个建筑物点出发，沿网络到达第j个兴趣点的时间衰减程度；Tij表示从第i个建筑物点出发，沿网络到达第j个兴趣点所花的最小时间；e为自然常数；σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的兴趣点不被使用；Aij表示第i个建筑物点到第j个兴趣点的可达度；Wj表示第j个兴趣点的权重；Rni表示第i个建筑物点的兴趣点相对数量指数，N表示第i个建筑物点兴趣点集合中的全部兴趣点数量，其中，i的数量取决于目标区域内建筑物点数量，j的范围为1≤j≤N；
兴趣点多样性指数公式如下：
Figure FDA0004164003360000052
式中，Hi表示第i个建筑物点的兴趣点多样性指数，S为建筑物点兴趣点集合中的兴趣点的全部类型数，pi表示第i个类型的兴趣点占兴趣点集合中全部兴趣点数的比例；
兴趣点交通可达性指数公式如下：
Figure FDA0004164003360000053
Aik＝Gauss(Tik)×Wk
Di＝max(Aik)
式中，Gauss(Tik)表示从第i个建筑物点出发，沿网络到达第k个公共交通站点的时间衰减程度；Tik表示从第i个建筑物点出发，沿网络到达第k个公共交通站点所花的最小时间，其中，k的数量不超过兴趣点集合中的兴趣点总数；e为自然常数，σ是高斯衰减的标准偏差；Tmax表示时间衰减的最大程度，单位为分钟，超过这一值的公共交通站点不被使用；Aik表示第i个建筑物点到第k个公共交通站点的可达度；Wk表示第k个公共交通站点的权重；Di表示从第i个建筑物点出发，沿网络到达兴趣点集合中每个公共交通站点的可大度的最大值，即从第i个建筑物出发到达公共交通站点交通类设施的兴趣点交通可达性指数，其中，i的数量取决于目标区域内建筑物点数量，k的数量取决于第i个建筑物点的兴趣点集合中公共交通站点的数量；
建筑物点公共服务设施可达性计算模块，用于将三个次级指数相乘得到单个建筑物点的公共服务设施可达性，单个建筑物点的公共服务设施可达性计算公式如下:
Ci＝Rni×Hi×Di
式中，Ci表示第i个建筑物点的公共服务设施可达性；Rni表示第i个建筑物点的相对数量指数；Hi表示第i个建筑物点的兴趣点多样性指数；Di表示第i个建筑物点的兴趣点交通可达性指数；
迭代模块，用于将目标区域的建筑物点数据迭代输入至单个建筑物点次级指数计算模块和单个建筑物点公共服务设施可达性计算模块中，直至建筑物点数据中的每个建筑物点的公共服务设施可达性都被计算，得到区域内所有建筑物的公共服务设施可达性。
4.根据权利要求3所述的一种公共服务设施可达性计算装置，其特征在于，区域公共服务设施可达性可视化模块还包括如下模块：
属性关联模块，用于将建筑物点数据的所有属性与建筑物面数据的所有属性根据它们所共有的相同属性关联起来，将建筑物点数据的公共服务设施可达性复制到相应的建筑物面数据上；
可视化模块，用于将目标区域中属性关联后的建筑物面的公共服务设施可达性可视化显示输出。
CN202010364289.0A 2020-04-30 2020-04-30 一种公共服务设施可达性计算方法及装置 Active CN111581315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010364289.0A CN111581315B (zh) 2020-04-30 2020-04-30 一种公共服务设施可达性计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010364289.0A CN111581315B (zh) 2020-04-30 2020-04-30 一种公共服务设施可达性计算方法及装置

Publications (2)

Publication Number Publication Date
CN111581315A CN111581315A (zh) 2020-08-25
CN111581315B true CN111581315B (zh) 2023-07-14

Family

ID=72122798

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010364289.0A Active CN111581315B (zh) 2020-04-30 2020-04-30 一种公共服务设施可达性计算方法及装置

Country Status (1)

Country Link
CN (1) CN111581315B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215432A (zh) * 2020-10-21 2021-01-12 河南大学 一种水资源可达性预测方法和预测系统
CN112633911A (zh) * 2020-11-17 2021-04-09 云南省测绘资料档案馆(云南省基础地理信息中心) 一种就医便捷性评价方法及系统
CN113033965A (zh) * 2021-03-03 2021-06-25 青岛黄海学院 一种旅游景点打卡监测系统及其应用方法
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
CN113362599B (zh) * 2021-06-07 2022-04-15 武汉市交通发展战略研究院 一种道路交通设施可达指数的计算方法
CN116108996B (zh) * 2023-01-31 2023-09-29 深圳技术大学 采样点布局优化方法、系统、智能终端及存储介质
CN115829633B (zh) * 2023-02-16 2023-05-05 中测智联(深圳)科技有限公司 基于大数据城市新能源载具分布的充电桩设计系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105389631A (zh) * 2015-11-16 2016-03-09 广州地理研究所 多跨海通道分布区域交通可达性分析方法
CN110222884A (zh) * 2019-05-23 2019-09-10 北京交通大学 基于poi数据和客流量的车站可达性评估方法
CN110533038A (zh) * 2019-09-04 2019-12-03 广州市交通规划研究院 一种基于信息数据的城市活力区和中心城区边界识别的方法
CN110796337A (zh) * 2019-09-20 2020-02-14 江苏大学 一种评价城市公交站点服务可达性的系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105389631A (zh) * 2015-11-16 2016-03-09 广州地理研究所 多跨海通道分布区域交通可达性分析方法
CN110222884A (zh) * 2019-05-23 2019-09-10 北京交通大学 基于poi数据和客流量的车站可达性评估方法
CN110533038A (zh) * 2019-09-04 2019-12-03 广州市交通规划研究院 一种基于信息数据的城市活力区和中心城区边界识别的方法
CN110796337A (zh) * 2019-09-20 2020-02-14 江苏大学 一种评价城市公交站点服务可达性的系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
叶宇等.城市尺度下的建筑色彩定量化测度--基于街景数据与机器学习的人本视角分析.住宅科技.2019,第39卷(第5期),7-12. *
方顺.区域交通可达性与城市经济发展协调关系研究.交通科技与经济.2019,第21卷(第5期),69-75. *
葛岩等.新城市科学支持下的人本尺度"城市双修"实践 ——以开封为例.城市建筑.2019,第16卷(第19期),118-127. *

Also Published As

Publication number Publication date
CN111581315A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN111581315B (zh) 一种公共服务设施可达性计算方法及装置
CN103884345B (zh) 兴趣点信息采集方法、显示方法、装置及系统
CN105844362B (zh) 一种城市交通综合出行决策装置
CN110796337B (zh) 一种评价城市公交站点服务可达性的系统
CN106447573A (zh) 一种基于公共设施差异性的空间可达性分析方法及装置
CN110110902B (zh) 一种共享单车接驳轨道交通站点的可达性测算方法
CN104751312B (zh) 一种基于lbs的物流货源信息主动获取系统及方法
CN112990654B (zh) 基于人口流动数据的城乡基础设施系统协同规划方法
CN110972073B (zh) 一种基于手机大数据及步行可达性的生活圈划定方法
CN112288311A (zh) 一种基于poi数据的居住区配套设施便捷度计量方法
CN112288048A (zh) 一种基于多源数据驱动的城市人群出行识别方法
CN112734607A (zh) 基于基础教育设施的可达性分析评价方法
Bandt et al. Building a spatial decision support system for tourism and infrastructure planning: Τechnical solution and data integration challenges
Zhu et al. Ridership Prediction of Urban Rail Transit Stations Based on AFC and POI Data
CN113672788A (zh) 一种基于多源数据和权重系数法的城市建筑功能分类方法
CN111008730B (zh) 基于城市空间结构的人群聚集度预测模型构建方法及装置
CN115222268B (zh) 区域职住平衡时空尺度的评估方法、装置、设备及介质
CN116187605A (zh) 一种基于gis技术的公交线网选线方法
CN114666738A (zh) 基于手机信令的国土空间规划方法和系统
CN113032693A (zh) 一种考虑医疗设施服务能力的15分钟生活圈划分方法
Tang et al. Spatio-temporal reachable area calculation based on urban traffic data
Li et al. Estimating dynamic distribution condition of pedestrian concentration on an urban scale
Mai et al. Travel time estimation and urban key routes analysis based on call detail records data: A case study of Guangzhou city
Liu et al. Estimation of travel flux between urban blocks by combining spatio-temporal and purpose correlation
Alnyme et al. Behind the Miranda tool: A technical report on a decision support tool for tourism and travel investments

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