CN111738527B - 一种基于热点探测模型的城市交通小区划分方法 - Google Patents

一种基于热点探测模型的城市交通小区划分方法 Download PDF

Info

Publication number
CN111738527B
CN111738527B CN202010630797.9A CN202010630797A CN111738527B CN 111738527 B CN111738527 B CN 111738527B CN 202010630797 A CN202010630797 A CN 202010630797A CN 111738527 B CN111738527 B CN 111738527B
Authority
CN
China
Prior art keywords
sub
subarea
area
region
values
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
CN202010630797.9A
Other languages
English (en)
Other versions
CN111738527A (zh
Inventor
全威
孙超
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202010630797.9A priority Critical patent/CN111738527B/zh
Publication of CN111738527A publication Critical patent/CN111738527A/zh
Application granted granted Critical
Publication of CN111738527B publication Critical patent/CN111738527B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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)
  • Traffic Control Systems (AREA)

Abstract

一种基于热点探测模型的城市交通小区划分方法，它属于交通规划领域。本发明解决了现有的交通小区划分方法没有充分考虑区域内居民的出行特征以及相对固定且严格的划分尺度无法与城市的发展相适应，导致采用现有的交通小区划分方法对交通小区划分的准确性低的问题。本发明以交通小区内的出行特征一致性为基础，以地理对象和地理属性的一致性作为评估标准，提出了基于出行热点探测模型的新型宏观交通小区划分方法。利用出租车等GPS数据进行出行热点的探测，而作为出行频繁发生的参考点。同时，以热点作为区域划分的主要控制点，能够对划分尺度进行灵活掌握，提高了对交通小区划分的准确性。本发明可以应用于交通规划领域。

Description

一种基于热点探测模型的城市交通小区划分方法
技术领域
本发明属于交通规划领域，具体涉及一种城市交通小区划分方法。
背景技术
传统的交通区域划分是为了降低交通控制管理系统的复杂性，提高系统的可靠性，满足系统开发的需要而提出的区域划分方案，对于交通网络的区域协调性管理有着较大的积极意义。但是，传统的交通小区一般以基础设施为主体，道路网为边界，划分尺度常常难以控制，而且对于车辆的轨迹尤其是出行OD(Origin and Destination)考虑不足，存在一定的局限性。
一方面，传统交通小区大多只考虑基础设施以及区域内的人口，而对于区域内居民的出行特征一致性考虑不足，影响居民出行需求预测的合理性和准确性。另一方面，随着城市化进程的不断加快以及城市综合体的提出，城市内部各种基础设施的布局处在不断变化之中，在传统的交通规划过程中大多以相对固定且严格的原则进行交通小区划分，使得其划分的尺度与城市的发展无法适应。
发明内容
本发明的目的是为解决现有的交通小区划分方法没有充分考虑区域内居民的出行特征以及相对固定且严格的划分尺度无法与城市的发展相适应，导致采用现有的交通小区划分方法对交通小区划分的准确性低的问题，而提出了一种基于热点探测模型的城市交通小区划分方法。
本发明为解决上述技术问题采取的技术方案是：一种基于热点探测模型的城市交通小区划分方法，该方法包括以下步骤：
步骤一、利用出租车轨迹数据提取区域内用户出行的OD点对信息，并将提取到的OD点对信息导入地理信息系统软件中；
对导入地理信息系统软件中的OD点对信息依次进行核密度分析、焦点统计、地图代数做差、重分类、栅格转面和要素转点操作，得到区域内的各个出行热点；
步骤二、分别以区域内的每个出行热点为顶点，对于任意一个出行热点，连接所有与该出行热点相邻的出行热点，形成由诸多三角形组成的区域出行热点骨架网；
步骤三、分别将骨架网中每个三角形的重心以及每条边的中点设置为控制点，将每个三角形的三条边的中点分别与对应三角形的重心连接起来，形成粗略的划分框架；
步骤四、对步骤三粗略的划分框架进行评价，若满足评价标准，则执行步骤六，否则执行步骤五；
所述步骤四的具体过程为：
步骤四一、分别对粗略划分框架中的每个子区域进行道路比例均衡性评价，若每个子区域均满足道路比例均衡性评价标准，则执行步骤四二，否则执行步骤五；
步骤四二、分别对粗略划分框架中的每个子区域进行道路规模评价，若每个子区域均满足道路规模评价标准，则执行步骤四三，否则执行步骤五；
步骤四三、分别判断每个子区域的东西跨度与南北跨度的比例是否满足均衡条件，若每个子区域的东西跨度与南北跨度的比例均满足均衡条件，则执行步骤四四，否则执行步骤五；
步骤四四、分别判断每个子区域与城市整体形态是否保持相似性，若各子区域与城市整体形态均保持相似性，则执行步骤四五，否则执行步骤五；
步骤四五、计算所有子区域连接值的变异系数，若计算出的连接值变异系数满足条件，则执行步骤四六，否则执行步骤五；
步骤四六、计算所有子区域控制值的变异系数，若计算出的控制值变异系数满足条件，则执行步骤四七，否则执行步骤五；
步骤四七、计算所有子区域深度值的变异系数，若计算出的深度值变异系数满足条件，则执行步骤六，否则执行步骤五；
步骤五、根据实际路网和出租车出行需求，围绕出行热点位置调整各子区域的大小，调整后返回步骤四；
步骤六、输出划分结果，添加地理属性和社会经济属性，将每个子区域作为一个交通小区，并对每个交通小区进行编码。
本发明的有益效果是：本发明提出了一种基于热点探测模型的城市交通小区划分方法，本发明以交通小区内的出行特征一致性为基础，以地理对象和地理属性的一致性作为评估标准，提出了基于出行热点探测模型的新型宏观交通小区划分方法。利用出租车等GPS数据进行出行热点的探测，而作为出行频繁发生的参考点，出行热点是探究个体以及群体移动规律的基础，将探测得到的出行热点作为区域的核心，能够避免将出行量较大的热点区域划分到不同的小区，从而提高交通小区内居民出行特征的相似性。
同时，以热点作为区域划分的主要控制点，出行量大且人口密集型基础设施较多的区域，探测得到的热点较多、热点值较大，划分尺度相对较小；相反对于出行量小且人口密集型基础设施较少的区域，探测得到的热点较少，从而增大划分尺度。这符合交通规划中的交通小区划分的基本原则，能够对划分尺度进行灵活掌握，提高了对交通小区划分的准确性，为区域出行需求预测的研究打下基础。
附图说明
图1为本发明的交通小区划分方法中出行热点骨架网示意图；
图2为本发明的交通小区划分方法中区域粗分骨架网示意图；
图3为本发明的交通小区划分方法的流程图。
具体实施方式
具体实施方式一：结合图1至图3说明本实施方式。本实施方式所述的一种基于热点探测模型的城市交通小区划分方法，该方法具体通过以下步骤实现：
步骤一、利用出租车轨迹数据提取区域内用户出行的OD点对(出发点和目的地)信息，并将提取到的OD点对信息导入地理信息系统软件中；
对导入地理信息系统软件中的OD点对信息依次进行核密度分析、焦点统计、地图代数做差、重分类、栅格转面和要素转点操作，得到区域内的各个出行热点；
步骤二、建立骨架网；
分别以区域内的每个出行热点为顶点，对于任意一个出行热点，连接所有与该出行热点相邻的出行热点，形成由诸多三角形组成的区域出行热点骨架网，如图1所示；
步骤三、区域粗分；
分别将骨架网中每个三角形的重心以及每条边的中点设置为控制点，将每个三角形的三条边的中点分别与对应三角形的重心连接起来，对骨架网络进一步划分，形成粗略的划分框架，如图2所示；
步骤四、对步骤三粗略的划分框架进行评价，若满足评价标准，则执行步骤六，否则执行步骤五；
步骤四的具体过程为：
步骤四一、道路比例均衡性评价；
分别对粗略划分框架中的每个子区域进行道路比例均衡性评价，若每个子区域均满足道路比例均衡性评价标准，则执行步骤四二，否则执行步骤五；
步骤四二、分别对粗略划分框架中的每个子区域进行道路规模评价，若每个子区域均满足道路规模评价标准，则执行步骤四三，否则执行步骤五；
步骤四三、分别判断每个子区域的东西跨度与南北跨度的比例是否满足均衡条件，若每个子区域的东西跨度与南北跨度的比例均满足均衡条件，则执行步骤四四，否则执行步骤五；
步骤四四、分别判断每个子区域与城市整体形态是否保持相似性，若各子区域与城市整体形态均保持相似性，则执行步骤四五，否则执行步骤五；
步骤四五、计算所有子区域连接值的变异系数，若计算出的连接值变异系数满足条件，则执行步骤四六，否则执行步骤五；
步骤四六、计算所有子区域控制值的变异系数，若计算出的控制值变异系数满足条件，则执行步骤四七，否则执行步骤五；
步骤四七、计算所有子区域深度值的变异系数，若计算出的深度值变异系数满足条件，则执行步骤六，否则执行步骤五；
步骤五、根据实际路网和出租车出行需求，围绕出行热点位置调整各子区域的大小，调整后返回步骤四；
返回步骤四后，重新对调整后的划分结果进行评价；
步骤六、输出划分结果，添加地理属性(POI数据、区位信息、路网特征等)和社会经济属性(人口数量、车辆保有量、商业中心数量等)，将每个子区域作为一个交通小区，并对每个交通小区进行编码。
本发明以道路比例、道路规模、区域形态的相似性等指标作为评价结果，充分体现了地理学第一定律的流理论，以地理对象和地理属性的一致性作为评估标准，也能够保证处在该交通区域内的用户对于资源的可得性、可用性是相同的。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤四一中，分别对粗略划分框架中的每个子区域进行道路比例评价，其具体过程为：
用Tanimoto系数来评价子区域内快速路、干道、次干道、支路比例的均衡性，如公式(1)：
式中：x为子区域的各等级道路比例向量，y为城市整天的各等级道路比例向量，||·||代表范数，Ej(x,y)代表x与y的相似性；若Ej(x,y)＞0.6，则x与y满足相似性要求，即子区域满足道路比例评价标准，否则x与y不满足相似性要求，即子区域不满足道路比例评价标准。
对于某一个子区域，该子区域的各等级道路比例向量x是由：快速路在该子区域道路中所占比例、干道在该子区域道路中所占比例、次干道在该子区域道路中所占比例以及支路在该子区域道路中所占比例组成的向量，若该子区域的比例向量x与y满足相似性要求，则认为该子区域满足道路比例评价标准。同理，对于各个子区域，分别计算各个子区域的比例向量与y的相似性。
具体实施方式三：本实施方式与具体实施方式二不同的是：所述步骤四二中，分别对粗略划分框架中的每个子区域进行道路规模评价，其具体过程为：
利用Tanimoto系数对道路规模均衡性进行判别。
式中：a为子区域的道路密度，b为城市整体的道路密度，Ej(a,b)代表a与b的相似性；若Ej(a,b)＞0.6，则a与b满足相似性要求，即子区域满足道路规模评价标准，否则a与b不满足相似性要求，即子区域不满足道路规模评价标准。
同理，分别对每个子区域的道路规模均衡性进行一次评价。
具体实施方式四：本实施方式与具体实施方式三不同的是：所述步骤四三中，每个子区域的东西跨度与南北跨度的比例均满足均衡条件是指：子区域的东西跨度与南北跨度的比例在[0.5,2]之间。
要求每个子区域均满足东西跨度与南北跨度的比例均衡条件。
具体实施方式五：本实施方式与具体实施方式四不同的是：所述步骤四四中，分别判断每个子区域与城市整体形态是否保持相似性，其具体过程为：
为了保持宏观交通小区在形态上与城市整体形态保持相似性，利用Tanimoto系数对每个宏观交通小区的面积周长比与整体的结果进行判别。
式中：c为子区域的面积周长比，d为城市整体的面积周长比，Ej(c,d)代表c与d的相似性，若Ej(c,d)＞0.6，则c与d满足相似性要求，即子区域与城市整体形态保持相似性，否则，子区域与城市整体形态不保持相似性。
要求每个子区域均与城市整体形态保持相似性。
具体实施方式六：本实施方式与具体实施方式五不同的是：所述步骤四五中，计算所有子区域连接值的变异系数，其具体过程为：
利用“空间句法”基本评价指标来分析所有区域在可达性上的均衡性。将与研究子区域直接相连的子区域个数，定义为研究子区域的连接值(VOL)；计算所有子区域的连接值的变异系数。
式中，n为子区域的总个数，VOLi为第i个子区域的连接值，i＝1,2，…，n，MEANVOL为子区域连接值的平均值，SDVOL为子区域连接值的标准差，CVVOL为所有子区域连接值的变异系数。
具体实施方式七：本实施方式与具体实施方式六不同的是：所述步骤四五中，计算出的连接值变异系数满足条件是指连接值变异系数小于15％。
具体实施方式八：本实施方式与具体实施方式七不同的是：所述步骤四六中，计算所有子区域控制值的变异系数，其具体过程为：
将子区域控制值定义为子区域连接值的倒数；
式中，VOCi代表第i个子区域的控制值；
式中，MEANVOC为子区域控制值的平均值，SDVOC为子区域控制值的标准差，CVVOC为所有子区域控制值的变异系数。
具体实施方式九：本实施方式与具体实施方式八不同的是：所述步骤四六中，计算出的控制值变异系数满足条件是指控制值变异系数小于15％。
具体实施方式十：本实施方式与具体实施方式九不同的是：所述步骤四七中，计算所有子区域深度值的变异系数，其具体过程为：
式中，VODi代表第i个子区域的深度值，将VODi定义为第i个子区域到达所有其他子区域所需要跨越的子区域个数(直接相连为0)最小值，MEANVOD为子区域深度值的平均值，SDVOD为子区域深度值的标准差，CVVOD为所有子区域深度值的变异系数。
例如：若对某个区域的粗略划分框架中共包含M个子区域，且第1个子区域到达第2个子区域所需要跨越的子区域个数最小值为m2，第1个子区域到达第3个子区域所需要跨越的子区域个数最小值为m3，第1个子区域到达第4个子区域所需要跨越的子区域个数最小值为m4，……，将第1个子区域到达其他各子区域所需要跨越的子区域个数最小值做加和，将加和结果作为第1个子区域的深度值。
具体实施方式十一：本实施方式与具体实施方式十不同的是：所述步骤四七中，计算出的深度值变异系数满足条件是指CVVOD的值小于15％。
具体实施方式十二：本实施方式与具体实施方式十一不同的是：所述步骤五中，根据实际路网和出租车出行需求，围绕出行热点位置调整各子区域的大小，其具体过程为：
若某个子区域的x与y相似性Ej(x,y)的取值为：0.3≤Ej(x,y)≤0.6，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的x与y相似性Ej(x,y)的取值为：Ej(x,y)＜0.3，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四一；
若某个子区域的a与b相似性Ej(a,b)的取值为：0.3≤Ej(a,b)≤0.6，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的a与b相似性Ej(a,b)的取值为：Ej(a,b)＜0.3，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四二；
若某个子区域的东西跨度与南北跨度的比例小于0.5，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的东西跨度与南北跨度的比例大于2，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四三；
若某个子区域的c与d相似性Ej(c,d)的取值为：0.3≤Ej(c,d)≤0.6，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的c与d相似性Ej(c,d)的取值为：Ej(c,d)＜0.3，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四四；
若所有子区域连接值的变异系数CVVOL不满足条件，则分别将各子区域连接值与平均值MEANVOL做差，分别得到各子区域对应的差值，并对差值进行取绝对值操作；选取出最大的绝对值所对应的子区域，若选取出的子区域的连接值与平均值MEANVOL做差的结果为负值，则在选取出的子区域的相邻子区域中寻找出面积最小的相邻子区域，再将选取出的子区域与寻找出的面积最小的相邻子区域进行合并，否则选取出的子区域的连接值与平均值MEANVOL做差的结果为正值，则将选取出的子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，并返回步骤四五；
若所有子区域控制值的变异系数CVVOC不满足条件，则分别将各子区域控制值与平均值MEANVOC做差，分别得到各子区域对应的差值，并对差值进行取绝对值操作；选取出最大的绝对值所对应的子区域，若选取出的子区域的控制值与平均值MEANVOC做差的结果为负值，则在选取出的子区域的相邻子区域中寻找出面积最小的相邻子区域，再将选取出的子区域与寻找出的面积最小的相邻子区域进行合并，否则选取出的子区域的控制值与平均值MEANVOC做差的结果为正值，则将选取出的子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，并返回步骤四六；
若所有子区域深度值的变异系数CVVOD不满足条件，则分别将各子区域深度值与平均值MEANVOD做差，分别得到各子区域对应的差值，并对差值进行取绝对值操作；选取出最大的绝对值所对应的子区域，若选取出的子区域的深度值与平均值MEANVOD做差的结果为负值，则在选取出的子区域的相邻子区域中寻找出面积最小的相邻子区域，再将选取出的子区域与寻找出的面积最小的相邻子区域进行合并，否则选取出的子区域的深度值与平均值MEANVOD做差的结果为正值，则将选取出的子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，并返回步骤四七。
若由于子区域处在城市的边缘、控制点太过稀疏而导致的子区域面积过大，则通过增加控制点的方式进行二次分割，例如，可以将该子区域边界对应的重心增设为附加控制点，将附加控制点与对应子区域的三个顶点相连接，重新进行区域粗分；若由于子区域处在城市的中心区域、控制点太过密集而导致的子区域面积过小，则将相邻两个子区域进行合并；但是，边界点应尽量与城市道路重合，以免穿越基础设施。
具体实施方式十三：本实施方式与具体实施方式一不同的是：所述地理信息系统软件为ArcGis或MapGIS。
本实施方式中使用的地理信息系统软件为ArcGis或MapGIS，对于其他的地理信息系统软件本发明同样适用。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (13)

1.一种基于热点探测模型的城市交通小区划分方法，其特征在于，该方法包括以下步骤：
步骤一、利用出租车轨迹数据提取区域内用户出行的OD点对信息，并将提取到的OD点对信息导入地理信息系统软件中；
对导入地理信息系统软件中的OD点对信息依次进行核密度分析、焦点统计、地图代数做差、重分类、栅格转面和要素转点操作，得到区域内的各个出行热点；
步骤二、分别以区域内的每个出行热点为顶点，对于任意一个出行热点，连接所有与该出行热点相邻的出行热点，形成由诸多三角形组成的区域出行热点骨架网；
步骤三、分别将骨架网中每个三角形的重心以及每条边的中点设置为控制点，将每个三角形的三条边的中点分别与对应三角形的重心连接起来，形成粗略的划分框架；
步骤四、对步骤三粗略的划分框架进行评价，若满足评价标准，则执行步骤六，否则执行步骤五；
步骤四的具体过程为：
步骤四一、分别对粗略划分框架中的每个子区域进行道路比例均衡性评价，若每个子区域均满足道路比例均衡性评价标准，则执行步骤四二，否则执行步骤五；
步骤四二、分别对粗略划分框架中的每个子区域进行道路规模评价，若每个子区域均满足道路规模评价标准，则执行步骤四三，否则执行步骤五；
步骤四三、分别判断每个子区域的东西跨度与南北跨度的比例是否满足均衡条件，若每个子区域的东西跨度与南北跨度的比例均满足均衡条件，则执行步骤四四，否则执行步骤五；
步骤四四、分别判断每个子区域与城市整体形态是否保持相似性，若各子区域与城市整体形态均保持相似性，则执行步骤四五，否则执行步骤五；
步骤四五、计算所有子区域连接值的变异系数，若计算出的连接值变异系数满足条件，则执行步骤四六，否则执行步骤五；
步骤四六、计算所有子区域控制值的变异系数，若计算出的控制值变异系数满足条件，则执行步骤四七，否则执行步骤五；
步骤四七、计算所有子区域深度值的变异系数，若计算出的深度值变异系数满足条件，则执行步骤六，否则执行步骤五；
步骤五、根据实际路网和出租车出行需求，围绕出行热点位置调整各子区域的大小，调整后返回步骤四；
步骤六、输出划分结果，添加地理属性和社会经济属性，将每个子区域作为一个交通小区，并对每个交通小区进行编码。
2.根据权利要求1所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四一中，分别对粗略划分框架中的每个子区域进行道路比例评价，其具体过程为：
式中：x为子区域的各等级道路比例向量，y为城市整天的各等级道路比例向量，||·||代表范数，Ej(x,y)代表x与y的相似性；若Ej(x,y)＞0.6，则x与y满足相似性要求，即子区域满足道路比例评价标准，否则x与y不满足相似性要求，即子区域不满足道路比例评价标准。
3.根据权利要求2所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四二中，分别对粗略划分框架中的每个子区域进行道路规模评价，其具体过程为：
式中：a为子区域的道路密度，b为城市整体的道路密度，Ej(a,b)代表a与b的相似性；若Ej(a,b)＞0.6，则a与b满足相似性要求，即子区域满足道路规模评价标准，否则a与b不满足相似性要求，即子区域不满足道路规模评价标准。
4.根据权利要求3所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四三中，每个子区域的东西跨度与南北跨度的比例均满足均衡条件是指：子区域的东西跨度与南北跨度的比例在[0.5,2]之间。
5.根据权利要求4所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四四中，分别判断每个子区域与城市整体形态是否保持相似性，其具体过程为：
式中：c为子区域的面积周长比，d为城市整体的面积周长比，Ej(c,d)代表c与d的相似性，若Ej(c,d)＞0.6，则c与d满足相似性要求，即子区域与城市整体形态保持相似性，否则，子区域与城市整体形态不保持相似性。
6.根据权利要求5所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四五中，计算所有子区域连接值的变异系数，其具体过程为：
式中，n为子区域的总个数，VOLi为第i个子区域的连接值，i＝1,2，…，n，MEANVOL为子区域连接值的平均值，SDVOL为子区域连接值的标准差，CVVOL为所有子区域连接值的变异系数。
7.根据权利要求6所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四五中，计算出的连接值变异系数满足条件是指连接值变异系数小于15％。
8.根据权利要求7所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四六中，计算所有子区域控制值的变异系数，其具体过程为：
将子区域控制值定义为子区域连接值的倒数；
式中，VOCi代表第i个子区域的控制值；
式中，MEANVOC为子区域控制值的平均值，SDVOC为子区域控制值的标准差，CVVOC为所有子区域控制值的变异系数。
9.根据权利要求8所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四六中，计算出的控制值变异系数满足条件是指控制值变异系数小于15％。
10.根据权利要求9所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四七中，计算所有子区域深度值的变异系数，其具体过程为：
式中，VODi代表第i个子区域的深度值，将VODi定义为第i个子区域到达所有其他子区域所需要跨越的子区域个数最小值，MEANVOD为子区域深度值的平均值，SDVOD为子区域深度值的标准差，CVVOD为所有子区域深度值的变异系数。
11.根据权利要求10所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤四七中，计算出的深度值变异系数满足条件是指CVVOD的值小于15％。
12.根据权利要求10所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述步骤五中，根据实际路网和出租车出行需求，围绕出行热点位置调整各子区域的大小，其具体过程为：
若某个子区域的x与y相似性Ej(x,y)的取值为：0.3≤Ej(x,y)≤0.6，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的x与y相似性Ej(x,y)的取值为：Ej(x,y)＜0.3，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四一；
若某个子区域的a与b相似性Ej(a,b)的取值为：0.3≤Ej(a,b)≤0.6，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的a与b相似性Ej(a,b)的取值为：Ej(a,b)＜0.3，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四二；
若某个子区域的东西跨度与南北跨度的比例小于0.5，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的东西跨度与南北跨度的比例大于2，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四三；
若某个子区域的c与d相似性Ej(c,d)的取值为：0.3≤Ej(c,d)≤0.6，则将该子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，若某个子区域的c与d相似性Ej(c,d)的取值为：Ej(c,d)＜0.3，则在该子区域的相邻子区域中寻找出面积最小的相邻子区域，再将该子区域与面积最小的相邻子区域进行合并，并返回步骤四四；
若所有子区域连接值的变异系数CVVOL不满足条件，则分别将各子区域连接值与平均值MEANVOL做差，分别得到各子区域对应的差值，并对差值进行取绝对值操作；选取出最大的绝对值所对应的子区域，若选取出的子区域的连接值与平均值MEANVOL做差的结果为负值，则在选取出的子区域的相邻子区域中寻找出面积最小的相邻子区域，再将选取出的子区域与寻找出的面积最小的相邻子区域进行合并，否则选取出的子区域的连接值与平均值MEANVOL做差的结果为正值，则将选取出的子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，并返回步骤四五；
若所有子区域控制值的变异系数CVVOC不满足条件，则分别将各子区域控制值与平均值MEANVOC做差，分别得到各子区域对应的差值，并对差值进行取绝对值操作；选取出最大的绝对值所对应的子区域，若选取出的子区域的控制值与平均值MEANVOC做差的结果为负值，则在选取出的子区域的相邻子区域中寻找出面积最小的相邻子区域，再将选取出的子区域与寻找出的面积最小的相邻子区域进行合并，否则选取出的子区域的控制值与平均值MEANVOC做差的结果为正值，则将选取出的子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，并返回步骤四六；
若所有子区域深度值的变异系数CVVOD不满足条件，则分别将各子区域深度值与平均值MEANVOD做差，分别得到各子区域对应的差值，并对差值进行取绝对值操作；选取出最大的绝对值所对应的子区域，若选取出的子区域的深度值与平均值MEANVOD做差的结果为负值，则在选取出的子区域的相邻子区域中寻找出面积最小的相邻子区域，再将选取出的子区域与寻找出的面积最小的相邻子区域进行合并，否则选取出的子区域的深度值与平均值MEANVOD做差的结果为正值，则将选取出的子区域的重心增设为控制点，继续对步骤三形成的粗略划分框架进行划分，并返回步骤四七。
13.根据权利要求12所述的一种基于热点探测模型的城市交通小区划分方法，其特征在于，所述地理信息系统软件为ArcGis或MapGIS。
CN202010630797.9A 2020-07-03 2020-07-03 一种基于热点探测模型的城市交通小区划分方法 Active CN111738527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010630797.9A CN111738527B (zh) 2020-07-03 2020-07-03 一种基于热点探测模型的城市交通小区划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010630797.9A CN111738527B (zh) 2020-07-03 2020-07-03 一种基于热点探测模型的城市交通小区划分方法

Publications (2)

Publication Number Publication Date
CN111738527A CN111738527A (zh) 2020-10-02
CN111738527B true CN111738527B (zh) 2023-09-26

Family

ID=72652757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010630797.9A Active CN111738527B (zh) 2020-07-03 2020-07-03 一种基于热点探测模型的城市交通小区划分方法

Country Status (1)

Country Link
CN (1) CN111738527B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232599A (zh) * 2020-11-12 2021-01-15 河北工程大学 一种基于poi数据的公共卫生事件应急医疗设施选址方法
CN112950932B (zh) * 2021-01-26 2023-05-02 阿里巴巴集团控股有限公司 一种区域单元的合并方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537830A (zh) * 2014-12-29 2015-04-22 上海电科智能系统股份有限公司 一种出行热点路网影响评估的交通指数区域划分方法
CN106504536A (zh) * 2016-12-09 2017-03-15 华南理工大学 一种交通小区协调优化方法
CN108648454A (zh) * 2018-05-18 2018-10-12 中山大学 一种基于出行数据的交通小区动态划分方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537830A (zh) * 2014-12-29 2015-04-22 上海电科智能系统股份有限公司 一种出行热点路网影响评估的交通指数区域划分方法
CN106504536A (zh) * 2016-12-09 2017-03-15 华南理工大学 一种交通小区协调优化方法
CN108648454A (zh) * 2018-05-18 2018-10-12 中山大学 一种基于出行数据的交通小区动态划分方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
城市交通热点区域识别及空间交互分析;颜亮;柳林;李万武;;北京测绘(第04期);全文 *

Also Published As

Publication number Publication date
CN111738527A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
Jong et al. An evolutionary model for simultaneously optimizing three-dimensional highway alignments
CN106228808A (zh) 基于浮动车时空网格数据的城市快速路旅行时间预测方法
CN111738527B (zh) 一种基于热点探测模型的城市交通小区划分方法
CN113112068A (zh) 一种村镇公共设施选址布局的方法及其系统
CN110413855B (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN112633602B (zh) 一种基于gis地图信息的交通拥堵指数预测方法及装置
CN112990976A (zh) 基于开源数据挖掘的商业网点选址方法、系统、设备及介质
Kong et al. The method and application of big data mining for mobile trajectory of taxi based on MapReduce
Yang et al. Dynamic origin-destination matrix estimation based on urban Rail transit AFC data: deep optimization framework with forward passing and backpropagation techniques
CN110210667B (zh) 基于变尺度地理加权回归模型的o-d时空分布预测方法
CN113888867A (zh) 一种基于lstm位置预测的车位推荐方法及系统
Qiu et al. RPSBPT: A route planning scheme with best profit for taxi
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
Chen et al. A Data-driven Region Generation Framework for Spatiotemporal Transportation Service Management
CN114724414B (zh) 城市空中交通分担率的确定方法、装置、电子设备及介质
CN111310340A (zh) 基于人类移动的城市区域交互异常关系识别方法及设备
CN116612633A (zh) 一种基于车路协同感知下的自适应动态路径规划方法
CN109447352A (zh) 一种公交出行od矩阵反推的组合方法
CN111581318B (zh) 一种共享单车骑行目的推断方法、装置及存储介质
CN110120154B (zh) 大规模路网下利用检测器数据的交通路况预测方法
Huang et al. Analysing taxi customer-search behaviour using Copula-based joint model
CN112508225A (zh) 基于谱聚类算法的多细节交通小区划分方法及系统
CN113536499B (zh) 一种港口集疏运规划仿真分析方法及系统
Guo et al. A Composite Grid Clustering Algorithm Based on Density and Balance Degree
CN117874709A (zh) 基于可解释性机器学习的建成环境对居民出行的多尺度影响分析方法

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
GR01 Patent grant
GR01 Patent grant