CN112200705A - 一种基于张量分解的城市组团识别方法 - Google Patents
一种基于张量分解的城市组团识别方法 Download PDFInfo
- Publication number
- CN112200705A CN112200705A CN202010948416.1A CN202010948416A CN112200705A CN 112200705 A CN112200705 A CN 112200705A CN 202010948416 A CN202010948416 A CN 202010948416A CN 112200705 A CN112200705 A CN 112200705A
- Authority
- CN
- China
- Prior art keywords
- tensor
- travel
- factor matrix
- resident
- traffic
- 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 29
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 34
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000011664 signaling Effects 0.000 abstract description 4
- 238000011835 investigation Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 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
- 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
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于张量分解的城市组团识别方法。该方法的核心思想是通过借助手机信令、自动车牌识别数据、出行调查等方式获取的居民出行OD分布,基于张量分解方法,获取城市空间组团模式的因子矩阵,通过因子矩阵分析城市组团结构。本发明提出的一种基于张量分解的城市组团识别方法包括:结合交通小区对居民出行OD数据预处理;构建居民出行OD张量;基于张量分解算法对出行OD张量进行分解,得到因子矩阵;对因子矩阵归一化处理,计算得到城市组团概率分布。相比传统的定性描述方法,本方法的结果以概率形式定量化识别出城市各组团分布以及每个交通小区从属组团的概率。
Description
技术领域
本发明涉及一种基于张量分解的城市组团识别方法,用于城市规划与交通规划,属于城市交通规划领域。
背景技术
城市建成区由相对独立非连片的若干团块组成,这些团块具有一定规模承担一定城市功能,团块内部因产业或者职住均衡自发集聚并紧密联系在一起,这些团块被称为城市组团。
城市组团不仅影响着城市的空间结构与形态变化,而且引导着城市的功能建设,进而影响整个城市的全面可持续发展。目前城市规划、城市地理学以及区域规划等众多学科对城市组团空间格局模式进行了研究,多以定性提炼描述为主,缺乏量化分析。在这种背景下,迫切需要提出一种定量化的城市组团识别方法,在城市空间格局模式提炼的基础上,研究组团模式判别和表达的方法。
发明内容
本发明的目的在于提供一种基于张量分解的城市组团识别方法。该方法的核心思想是通过借助手机信令、自动车牌识别数据、出行调查等方式获取的居民出行OD分布,基于张量分解方法,获取城市空间组团模式的因子矩阵,通过因子矩阵分析城市组团结构。
为实现上述目标,本发明提出的一种基于张量分解的城市组团识别方法包括:结合交通小区对居民出行OD数据预处理;构建居民出行OD张量;基于张量分解算法对出行OD张量进行分解,得到因子矩阵;对因子矩阵归一化处理,计算得到城市组团概率分布。
本发明的基本步骤如下:
c1、结合交通小区划分对居民出行OD数据预处理;
c2、构建居民出行OD张量;
c3、基于张量分解算法对出行OD张量进行分解,得到因子矩阵;
c4、对因子矩阵列归一化处理,计算得到城市组团概率分布。
步骤c1的过程包括:
c11、对居民出行数据(手机信令、自动车牌识别数据、出行调查)进行预处理,整理成如下格式,表格中地点可以是经纬度、交叉口、居民小区等。
c12、结合交通小区划分情况,通过gis处理获取居民出行的O点和D点所分别对应的交通小区,整理成如下格式:
步骤c2的过程包括:
c21、将采集到的居民出行OD表进行整合:针对分析区域的I1个交通小区,依据上表按照时段划分提取得到每个时段的OD表,维度为I1×I2,其中I1=I2。
进一步地,步骤c3的过程包括:
C31、将三维张量按照不同维度进行张量矩阵化,得到3个矩阵,即M(1),M(2),M(3);
步骤c4的过程包括:
本发明的有益效果:相比传统的城市组团识别方法,本发明基于实际居民出行需求,从数据角度客观量化各组团分布的从属概率分布,更能体现组团识别准确性。
附图说明
图1计算过程流程图;
图2出行OD的张量构建示意图;
图3本发明的方法计算结果示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而非全部实施方式。基于本发明中的实施方式,本领域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方式,都属于本发明保护的范围。
以某城市的基于手机信令获取的居民出行数据为例,应用本方法识别城市组团,见图1。
步骤1:结合交通小区划分对居民出行OD数据预处理。
(1)对居民出行数据进行预处理,整理成如下格式
(2)结合交通小区划分情况,通过gis处理获取居民出行的O点和D点所分别对应的交通小区,整理成如下格式:
步骤2:构建居民出行OD张量,见图2;
(1)将采集到的居民出行OD表进行整合:针对分析区域的71个交通小区,依据上表按照时段划分提取得到每个时段的OD表。
步骤3:基于张量分解算法对出行OD张量进行分解,得到因子矩阵;
(1)将三维张量按照不同维度进行张量矩阵化,得到3个矩阵,即M(1),M(2),M(3)。
步骤4:对因子矩阵处理,计算得到城市组团概率分布。
(2)每一列代表一个空间组团,列的值代表属于该组团的概率值。具体结果见附图3。
由结果可知,本发明可清晰识别出城市各组团分布以及每个交通小区从属组团的概率。
Claims (5)
1.一种基于张量分解的城市组团识别方法,其特征在于该方法包括以下步骤:
c1、结合交通小区划分对居民出行OD数据预处理;
c2、构建居民出行OD张量;
c3、基于张量分解算法对出行OD张量进行分解,得到因子矩阵;
c4、对因子矩阵归一化处理,计算得到城市组团概率分布。
2.根据权利要求1所述的一种基于张量分解的城市组团识别方法,其特征在于:步骤c1中,将居民出行数据整合成一定格式,结合交通小区划分情况,通过gis处理获取居民出行的O点和D点所分别对应的交通小区:
c11、对居民出行数据进行预处理,整理成一次表格形式,表格内容包括O点地点、D点地点和OD对人数,其中所述的地点为经纬度、交叉口或居民小区;
c12、结合交通小区划分情况,通过gis处理获取居民出行的O点和D点所分别对应的交通小区,整理成二次表格形式,表格内容包括O点地点、O点所属交通小区编号、D点地点、D点所属交通小区编号和OD对人数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010948416.1A CN112200705A (zh) | 2020-09-10 | 2020-09-10 | 一种基于张量分解的城市组团识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010948416.1A CN112200705A (zh) | 2020-09-10 | 2020-09-10 | 一种基于张量分解的城市组团识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112200705A true CN112200705A (zh) | 2021-01-08 |
Family
ID=74015616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010948416.1A Pending CN112200705A (zh) | 2020-09-10 | 2020-09-10 | 一种基于张量分解的城市组团识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200705A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018195244A (ja) * | 2017-05-22 | 2018-12-06 | 日本電信電話株式会社 | Odトラヒック予測装置、方法、及びプログラム |
CN110428614A (zh) * | 2019-07-11 | 2019-11-08 | 银江股份有限公司 | 一种基于非负张量分解的交通拥堵热度时空预测方法 |
-
2020
- 2020-09-10 CN CN202010948416.1A patent/CN112200705A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018195244A (ja) * | 2017-05-22 | 2018-12-06 | 日本電信電話株式会社 | Odトラヒック予測装置、方法、及びプログラム |
CN110428614A (zh) * | 2019-07-11 | 2019-11-08 | 银江股份有限公司 | 一种基于非负张量分解的交通拥堵热度时空预测方法 |
Non-Patent Citations (1)
Title |
---|
蔡正义: "基于大数据的城市居民出行分析建模", 中国博士学位论文全文数据库信息科技辑, no. 12 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978249B (zh) | 基于分区建模的人口数据空间化方法、系统及介质 | |
CN110298553A (zh) | 一种基于gis的国土空间规划方法、系统和设备 | |
CN106503714B (zh) | 一种基于兴趣点数据识别城市功能区的方法 | |
CN110348506B (zh) | 基于遥感图像的土地利用分类方法、存储介质和计算设备 | |
CN107526786A (zh) | 基于多源数据的地名地址数据整合的方法和系统 | |
CN109684428A (zh) | 空间数据建设方法、装置、设备及存储介质 | |
CN109189917B (zh) | 一种融合景观和社会特征的城市功能区划分方法及系统 | |
CN109359162B (zh) | 一种基于gis的学校选址方法 | |
Guan et al. | The concept of urban intensity and China's townization policy: Cases from Zhejiang Province | |
AU2021435561A1 (en) | Big data-based commercial space quality evaluation method and system, device, and medium | |
CN105913347A (zh) | 一种面向住房信息采集的房屋编码方法 | |
CN102646164A (zh) | 一种结合空间滤波的土地利用变化建模方法及其系统 | |
CN110633895A (zh) | 一种基于地理信息的特色小镇评价方法 | |
CN114969007A (zh) | 一种基于功能混合度和集成学习的城市功能区识别方法 | |
CN110263109A (zh) | 一种融合互联网信息及gis技术的家庭户数估算方法 | |
CN114004524A (zh) | 一种考虑空间约束条件的学区划分方法 | |
CN115238584A (zh) | 一种基于多源大数据的人口分布识别方法 | |
CN112000755A (zh) | 一种基于手机信令数据的区域出行廊道识别方法 | |
CN116796904A (zh) | 一种轨道交通新线客流预测方法、系统、电子设备及介质 | |
CN111798032A (zh) | 支撑国土空间规划双评价的精细化网格评价方法 | |
CN111432417A (zh) | 一种基于手机信令数据的体育中心选址方法 | |
CN112200705A (zh) | 一种基于张量分解的城市组团识别方法 | |
CN112053076A (zh) | 一种基于大数据的宜居城市评价方法和系统 | |
CN116013084A (zh) | 交通管控场景确定方法、装置、电子设备及存储介质 | |
CN110852547A (zh) | 一种基于位置数据和聚类算法的公共服务设施分级方法 |
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 |