CN112597402A - 基于多源数据的轨道交通换乘共享单车影响区界定方法 - Google Patents

Abstract

本申请涉及一种多源数据的轨道交通换乘共享单车影响区界定方法。该方法包括：获取目标城市的城市道路网、城市轨道线网、城市POI设施点数据、共享单车骑行订单数据；得到各轨道站点的时空影响范围特性、各轨道站点的时空圈层；根据各轨道站点的时空圈层，绘制换乘骑行时空圈层图添加至图层，并在图层的属性表中赋值时空圈层指数，通过层次分析法进行分析，获得各计算网格内的基础骑行指数；根据时空圈层指数和基础骑行指数进行分析，获得换乘综合指数；结合泰森多边形理论获得轨道交通换乘共享单车影响区划分图；对轨道交通换乘共享单车影响区划分图进行边界修正，获得最终轨道交通换乘共享单车影响区域范围，准确界定出轨道站点换乘骑行的影响区。

Description

基于多源数据的轨道交通换乘共享单车影响区界定方法

技术领域

本申请涉及城市交通规划技术领域，特别是涉及一种基于多源数据的轨道交通换乘共享单车影响区界定方法。

背景技术

随着城市的快速发展，单一的交通发展模式已经不能满足日益增长的交通需求。近年来，多种方式换乘完成起到讫点的组合出行过程日益普遍，城市多模式交通协同发展是必然趋势。单独的城市轨道交通方式往往不能直接满足乘客的出行链，乘客在地铁站点往往需要换乘其他交通方式。而共享单车这种新兴的出行方式在换乘衔接轨道交通方面起到了重要作用，自2017年起共享单车开始在国内城市快速发展，由于其方便快捷和高密度特点，成为了换乘衔接城市轨道交通最灵活的方式。它既为解决了“最后一公里”的问题提供了新的契机，同时也一定程度上延伸了轨道交通站点的客流吸引范围。

而目前针对“轨道交通+共享单车”组合出行模式下的轨道交通换乘影响范围主要是以繁华程度进行界定，以繁华程度界定的轨道交通换乘影响范围较大，不能准确的界定出轨道站点换乘骑行的影响区。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确的界定出轨道站点换乘骑行的影响区的基于多源数据的轨道交通换乘共享单车影响区界定方法。

一种基于多源数据的轨道交通换乘共享单车影响区界定方法，所述方法包括：

获取目标城市的城市道路网、城市轨道线网、城市POI设施点数据、共享单车骑行订单数据；

基于所述共享单车骑行订单数据对所述目标城市的各轨道站点进行聚类分析，得到各所述轨道站点的时空影响范围特性；

基于分析参数、所述城市道路网、所述城市轨道线网和所述共享单车骑行订单数据，通过ArcGIS服务区对各所述轨道站点的时空圈层分析，获得各所述轨道站点的时空圈层；

根据各所述轨道站点的时空圈层，绘制换乘骑行时空圈层图添加至图层，并在图层的属性表中赋值时空圈层指数；

根据所述城市道路网、所述城市轨道线网和所述城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数；

根据所述时空圈层指数和所述基础骑行指数进行分析，获得换乘综合指数；

根据所述换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与所述换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图；

根据各所述轨道站点的实际使用特点及周边城市建设情况，按照影响区包含完整地块的原则，对所述轨道交通换乘共享单车影响区划分图进行边界修正，获得最终轨道交通换乘共享单车影响区划分图。

在其中一个实施例中，所述根据所述换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与所述换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图的步骤，包括：

调用邻域分析工具箱，基于泰森多边形理论绘制轨道站点的Voronoi图层，获得轨道站点的Voronoi图层；

调用叠加分析工具，将所述轨道站点的Voronoi图层与所述换乘骑行时空圈层图叠加，获得初步轨道交通换乘共享单车影响区划分图；

调用自然间断点分级法处理工具，根据所述换乘综合指数，对所述初步轨道交通换乘共享单车影响区划分图进行分级分组，获得轨道交通换乘共享单车影响区划分图。

在其中一个实施例中，所述调用邻域分析工具箱，基于泰森多边形理论绘制轨道站点的Voronoi图层，获得轨道站点的Voronoi图层的步骤，包括：

调用邻域分析工具箱，根据各所述轨道站点的shapefile要素文件、输出Voronoi图文件类型与输出字段进行绘制，获得轨道站点的Voronoi图层。

在其中一个实施例中，所述调用自然间断点分级法处理工具，根据所述换乘综合指数，对所述初步轨道交通换乘共享单车影响区划分图进行分级分组，获得轨道交通换乘共享单车影响区划分图的步骤，包括：

调用自然间断点分级法处理工具，根据所述换乘综合指数，对所述初步轨道交通换乘共享单车影响区划分图进行分级分组，得到各所述轨道站点的核心圈层、辐射圈层与外围圈层；

由各所述轨道站点的核心圈层、辐射圈层与外围圈层，组成轨道交通换乘共享单车影响区划分图。

在其中一个实施例中，所述基于所述共享单车骑行订单数据对所述目标城市的各轨道站点进行聚类分析，得到各所述轨道站点的时空影响范围特性的步骤，包括：

根据所述共享单车骑行订单数据，通过高斯混合聚类分析算法，对所述目标城市的各轨道站点进行聚类分析，得到各所述轨道站点的时空影响范围特性。

在其中一个实施例中，所述根据所述城市道路网、所述城市轨道线网和所述城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数的步骤，包括：

根据各计算网格与轨道站点的距离，确定各所述计算网格的影响率衰减系数；

将所述城市道路网、所述城市轨道线网和所述城市POI设施点数据，确定各所述计算网格内的交通设施数量、交叉口数量、道路网长度、共享单车骑行订单数量、餐饮设施数量、休闲设施数量、购物设施数量、服务设施数量和景点设施数量；

根据各所述计算网格内的所述交通设施数量、所述交叉口数量、所述道路网长度、所述共享单车骑行订单数量、所述餐饮设施数量、所述休闲设施数量、所述购物设施数量、所述服务设施数量和所述景点设施数量，通过层次分析法进行分析，获得各所述计算网格内的基础骑行指数。

在其中一个实施例中，所述根据各计算网格与轨道站点的距离，确定各所述计算网格的影响率衰减系数的计算公式为：

其中，U为影响率衰减系数，d为计算网格与轨道站点的距离，m为长度单位米，e为常数。

在其中一个实施例中，所述根据各所述计算网格内的所述交通设施数量、所述交叉口数量、所述道路网长度、所述共享单车骑行订单数量、所述餐饮设施数量、所述休闲设施数量、所述购物设施数量、所述服务设施数量和所述景点设施数量，通过层次分析法进行分析，获得各所述计算网格内的基础骑行指数的分析公式为：

T_i＝0.2×M_iU_i-0.3×N_iU_i+0.5×R_iU_i

P_i＝1.0×D_iU_i

S_i＝0.2×C_iU_i+0.2×L_iU_i+0.2×B_iU_i+0.2×K_iU_i+0.2×G_iU_i

F_i＝0.4×T_i+0.45×P_i+0.15×S_i

其中，i为第i个计算网格，U_i为第i个计算网格的影响率衰减系数，M为交通设施数量的归一化数值，N为交叉口数量的归一化数值，R为道路网长度的归一化数值，D为共享单车骑行订单数量的归一化数值，C为餐饮设施数量的归一化数值，L为休闲设施数量的归一化数值，B为购物设施数量的归一化数值，K为服务设施数量的归一化数值，G为景点设施数量的归一化数值；T_i为第i个计算网格的交通通达度，P_i为第i个计算网格的骑行活力度，S_i为第i个计算网格的空间多元度，F_i为第i个计算网格的基础骑行指数。

上述基于多源数据的轨道交通换乘共享单车影响区界定方法，通过获取目标城市的城市道路网、城市轨道线网、城市POI设施点数据、共享单车骑行订单数据；基于共享单车骑行订单数据对目标城市的各轨道站点进行聚类分析，得到各轨道站点的时空影响范围特性；基于分析参数、城市道路网、城市轨道线网和共享单车骑行订单数据，通过ArcGIS服务区对各轨道站点的时空圈层分析，获得各轨道站点的时空圈层；根据各轨道站点的时空圈层，绘制换乘骑行时空圈层图添加至图层，并在图层的属性表中赋值时空圈层指数；根据城市道路网、城市轨道线网和城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数；根据时空圈层指数和基础骑行指数进行分析，获得换乘综合指数；根据换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图；根据各轨道站点的实际使用特点及周边城市建设情况，按照影响区包含完整地块的原则，对轨道交通换乘共享单车影响区划分图进行边界修正，获得最终轨道交通换乘共享单车影响区划分图，准确的界定出轨道站点换乘骑行的影响区，为规划共享单车设施的科学配置提供参考，有利于整合现有的交通资源，充分发挥网络的综合效能，促进“轨道交通+共享单车”组合出行方式转化，实现公共交通系统的微循环。

附图说明

图1为基于多源数据的轨道交通换乘共享单车影响区界定方法的流程示意图；

图2为一个实施例中的部分城市道路网的示意图；

图3为一个实施例中的部分城市轨道线网的示意图；

图4为一个实施例中的与轨道站点有关联的骑行数据范围划定图；

图5为一个实施例中的早流出-晚流入型的轨道站点的换乘骑行时空圈层图；

图6为一个实施例中的早流入-晚流出型的轨道站点的换乘骑行时空圈层图；

图7为一个实施例中的城市轨道交通换乘影响区骑行指标体系；

图8为一个实施例中的轨道站点的Voronoi图；

图9为一个实施例中的轨道交通换乘共享单车影响区划分图；

图10为一个实施例中的早流入-晚流出型的部分最终轨道交通换乘共享单车影响区划分图；

图11为一个实施例中早流出-晚流入型的部分最终轨道交通换乘共享单车影响区划分图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种基于多源数据的轨道交通换乘共享单车影响区界定方法，该方法以应用于ArcGIS(全面的GIS平台)进行说明，包括以下步骤：

步骤S220，获取目标城市的城市道路网、城市轨道线网、城市POI设施点数据、共享单车骑行订单数据。

其中，目标城市是当前进行基于多源数据的轨道交通换乘共享单车影响区界定的城市。预先通过Python包OSMnx(获取城市道路网的程序包)从OpenStreetMap(简称OSM，中文是公开地图，是一个网上地图协作计划，目标是创造一个内容自由且能让所有人编辑的世界地图)获取城市道路网后，将城市道路网加载到ArcGIS中，如图2所示的部分城市道路网的示意图。城市轨道线网是通过地图编辑工具从高德地图、百度地图或谷歌地图等地图应用中获取轨道线路栅格图片数据，将轨道线路栅格图片数据在ArcGIS中矢量化，构建网络数据集，网络数据集中的数据构成了城市轨道线网，如图3所示的部分城市轨道线网的示意图。

运用Python编程语言编写网络爬取工具，通过地图应用(地图应用可以是高德地图、百度地图或谷歌地图等)开放的接口爬取所使用的城市POI设施点数据，爬取时，根据城市POI设施点的类型进行爬取，选择了5类城市POI设施点数据，分别是“交通设施、餐饮、生活、公司、住宅”作为关键词进行爬取。爬取到的城市POI设施点数据包括名称、类型、地址、纬度和经度等信息，设置相应空间参考属性，将城市POI设施点数据等CSV格式的非空间数据转化为矢量数据，再加载到ArcGIS中，下表1给出实施例部分输入城市POI设施点数据实例。

表1.实施例部分城市POI设施点数据输入示例表

该共享单车骑行订单数据是以每个轨道站点出入口为中心构建半径为预设距离的圆形缓冲区范围内的共享单车骑行订单，可以将所有的共享单车骑行订单的起点坐标和终点坐标显示在ArcGIS平台上，共享单车骑行订单的起点坐标或终点坐标在每个轨道站点出入口为中心构建半径为预设距离的圆形缓冲区范围内的共享单车骑行订单，该预设距离可以根据实际情况设定，如预设距离为50米，则每个轨道站点出入口为中心构建半径为50米的圆形缓冲区。则该圆形缓冲区内的共享单车骑行订单，认为与轨道站点有一定关联的骑行数据，在大数据体量的支持下，可近似认为是换乘数据，如图4所示与轨道站点有关联的骑行数据范围划定图。

步骤S240，基于共享单车骑行订单数据对目标城市的各轨道站点进行聚类分析，得到各轨道站点的时空影响范围特性。

在一个实施例中，基于共享单车骑行订单数据对目标城市的各轨道站点进行聚类分析，得到各轨道站点的时空影响范围特性的步骤，包括：根据共享单车骑行订单数据，通过高斯混合聚类分析算法，对目标城市的各轨道站点进行聚类分析，得到各轨道站点的时空影响范围特性。

其中，综合考虑全天换乘骑行情况、早晚高峰时期共享单车借还特性的影响，选取以下4个因素作为聚类分析的初始变量。各个初始变量的编号及主要反映的车站客流信息如下：

F1：工作日早高峰共享单车换乘流入量/工作日全天共享单车换乘流入量；

F2：工作日晚高峰共享单车换乘流入量/工作日全天共享单车换乘流入量；

F3：工作日早高峰共享单车换乘流出量/工作日全天共享单车换乘流出量；

F4：工作日晚高峰共享单车换乘流出量/工作日全天共享单车换乘流出量。

这4个初始变量主要反映轨道站点工作日早晚高峰的共享单车客流特性，结合特性分析可以将早高峰取7:00—9:00，晚高峰取17:00—19:00(需要说明的是，该时间段的选取，还可以是其他时间段，如：早高峰取6:30—9:30，晚高峰取17:30—19:30等，在此不做具体限定)。采用Z-Score法(数据标准化方法)对初始变量标准化后，编写python(一种跨平台的计算机程序设计语言)程序，实现高斯混合聚类分析算法。通过对每类轨道站点4个初始变量进行横向对比，分析早晚高峰期间每类轨道站点共享单车换乘骑行流入流出的差异性，将五类轨道站点划分为：早流入-晚流出型、早流出-晚流入型、早晚双高峰型、全日均衡型、换乘稀疏型，如表2和表3所示。

表2.五类换乘骑行轨道站点特征表

实施例中得到的各轨道站点的时空影响范围特性如表3：

表3.各轨道站点的时空影响范围特性

步骤S260，基于分析参数、城市道路网、城市轨道线网和共享单车骑行订单数据，通过ArcGIS服务区对各轨道站点的时空圈层分析，获得各轨道站点的时空圈层。

其中，ArcGIS平台对获取目标城市的城市道路网和城市轨道线网对地理坐标系进行校准，获得校准后的城市道路网和城市轨道线网。分析参数是ArcGIS服务区进行分析时需要设定的参数，包括：阻抗值、中断值等。

阻抗值的确定方式为：可以选择“骑行时间”作为阻抗值，通过对城市道路要素的几何计算获取道路长度数据，基于共享单车平均骑行速度和道路长度数据批量处理获得骑行时间。

中断值的确定方式为：依据不同轨道站点的骑行时间差异特点设置中断值，充分体现各类轨道站点的换乘骑行时空特征，因此选择每类轨道站点的第50、70、90百分位骑行时间作为3个中断值。

骑行速度的确定方式为：根据调研获得共享单车平均骑行速度，如选取共享单车早晚高峰平均骑行速度8km/h。

百分位骑行时间的确定方式为：根据换乘骑行的共享单车订单数据，对其行驶的时间进行描述性统计，绘制累积分布曲线，取第50、70、90百分位的时间。根据各轨道站点的时空影响范围特性，换乘稀疏的轨道站点在五类轨道站点中属于特例，涉及的共享单车骑行订单的数量太少，与其他四类轨道站点差异较大，不适合直接做比较分析，在剔除换乘稀疏型轨道站点的共享单车骑行订单的基础上，对其他四类轨道站点的历史共享单车骑行订单的骑行时间进行统计分析，获得各类轨道站点周边共享单车出行时空范围，结果如表4所示：

表4.各类轨道站点周边共享单车出行时空范围表

从各类轨道站点周边共享单车出行时空范围可以发现，频次峰值的累计曲线在50％左右，表明着站点辐射影响最为核心的部分，其骑行距离约为800米，时间约为6分30秒，可以轨道站点为中心点，将800米作为换乘影响区域的第一边界；当累计分布曲线达到70％时，其骑行距离约为1100米，时间约为9分30秒，涵盖了大部分的骑行数据，完成最后一公里的门到门功能，可将轨道站点为中心，将1100米作为换乘影响区域的第二边界；而90％时几乎涵盖了所有的骑行数据，其骑行距离约为2000米，时间为15分30秒以内，可以满足郊骑行的外围覆盖功能，可将轨道站点为中心，将2000米作为换乘影响区域的第三边界，基于第一边界、第二边界和第三边界，划分出各轨道站点的时空圈层，该各轨道站点的时空圈层是一定时间范围内出行者通过城市道路网中的道路所能抵达的范围。

步骤S280，根据各轨道站点的时空圈层，绘制换乘骑行时空圈层图添加至图层，并在图层的属性表中赋值时空圈层指数。

其中，基于各轨道站点周边的路网数据，绘制各轨道站点相应的换乘骑行时空圈层图，并添加至图层，并在图层的属性表中赋值时空圈层指数。以早流入-晚流出型、早流出-晚流入型站点为对比，绘制的早流出-晚流入型的轨道站点的换乘骑行时空圈层图如图5所示，绘制的早流入-晚流出型的轨道站点的换乘骑行时空圈层图如图6所示。

根据的时空圈层分析结果，在图层的属性表中赋值时空圈层指数，时空圈层指数表示站点在换乘共享单车时间和空间辐射范围内的影响程度。如：将处于核心圈层内的计算网格赋值90分，处于辐射圈层内的计算网格赋值70分，处于外围圈层内的计算网格赋值50分，处于圈层外的计算网格赋值为0，得到每个计算网格换乘骑行距离的时空圈层指数。计算网格是在ArcGIS平台上，将时空圈层划分为100×100m的方格网。

步骤S300，根据城市道路网、城市轨道线网和城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数。

在一个实施例中，根据城市道路网、城市轨道线网和城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数的步骤，包括：

根据各计算网格与轨道站点的距离，确定各计算网格的影响率衰减系数；将城市道路网、城市轨道线网和城市POI设施点数据，确定各计算网格内的交通设施数量、交叉口数量、道路网长度、共享单车骑行订单数量、餐饮设施数量、休闲设施数量、购物设施数量、服务设施数量和景点设施数量；根据各计算网格内的交通设施数量、交叉口数量、道路网长度、共享单车骑行订单数量、餐饮设施数量、休闲设施数量、购物设施数量、服务设施数量和景点设施数量，通过层次分析法进行分析，获得各计算网格内的基础骑行指数。

其中，考虑城市道路网、交通运行条件、设施供给等多种换乘因素影响，建立如图7所示的城市轨道交通换乘影响区骑行指标体系，根据城市轨道交通换乘影响区骑行指标体系，使用层次分析法，从交通通达度、骑行活力度和空间多元度等各个层次，分析出各个层次中各项指标的权重影响，从而确定各计算网格内的基础骑行指数的分析公式。分析出的各个层次中各项指标的权重影响如表5所示：

表5.各个层次中各项指标的量化方法与权重影响趋势表

表中的各个指标都会影响计算网格内的基础骑行指数，因此，根据各个指标制定计算网格内的基础骑行指数的分析公式。

在一个实施例中，根据各计算网格与轨道站点的距离，确定各计算网格的影响率衰减系数的计算公式为：

其中，U为影响率衰减系数，d为计算网格与轨道站点的距离，m为长度单位米，e为常数。

在一个实施例中，根据各计算网格内的交通设施数量、交叉口数量、道路网长度、共享单车骑行订单数量、餐饮设施数量、休闲设施数量、购物设施数量、服务设施数量和景点设施数量，通过层次分析法进行分析，获得各计算网格内的基础骑行指数的分析公式为：

T_i＝0.2×M_iU_i-0.3×N_iU_i+0.5×R_iU_i

P_i＝1.0×D_iU_i

S_i＝0.2×C_iU_i+0.2×L_iU_i+0.2×B_iU_i+0.2×K_iU_i+0.2×G_iU_i

F_i＝0.4×T_i+0.45×P_i+0.15×S_i

其中，i为第i个计算网格，U_i为第i个计算网格的影响率衰减系数，M为交通设施数量的归一化数值，N为交叉口数量的归一化数值，R为道路网长度的归一化数值，D为共享单车骑行订单数量的归一化数值，C为餐饮设施数量的归一化数值，L为休闲设施数量的归一化数值，B为购物设施数量的归一化数值，K为服务设施数量的归一化数值，G为景点设施数量的归一化数值；T_i为第i个计算网格的交通通达度，P_i为第i个计算网格的骑行活力度，S_i为第i个计算网格的空间多元度，F_i为第i个计算网格的基础骑行指数。

步骤S320，根据时空圈层指数和基础骑行指数进行分析，获得换乘综合指数。

其中，根据各计算网格内的时空圈层指数和各计算网格内的基础骑行指数进行分析，获得各计算网格内的换乘综合指数。根据时空圈层指数和基础骑行指数对应的叠加权重，将时空圈层指数和基础骑行指数进行叠加，获得换乘综合指数。叠加权重可根据时空圈层指数和基础骑行指数中的影响程度确定，时空圈层指数比基础骑行指数对换成的影响大，则时空圈层指数的叠加权重则比基础骑行指数的叠加权重大，如6表所示的叠加权重：

表6.时空圈层指数和基础骑行指数叠加权重表

类别 权重

时空圈层指数	0.7
		基础骑行指数	0.3

各计算网格内的换乘综合指数＝各计算网格内的时空圈层指数×0.7+各计算网格内的基础骑行指数×0.3。

步骤S340，根据换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图。

在一个实施例中，根据换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图的步骤，包括：

调用邻域分析工具箱，基于泰森多边形理论绘制轨道站点的Voronoi图层，获得轨道站点的Voronoi图层；调用叠加分析工具，将轨道站点的Voronoi图层与换乘骑行时空圈层图叠加，获得初步轨道交通换乘共享单车影响区划分图；调用自然间断点分级法处理工具，根据换乘综合指数，对初步轨道交通换乘共享单车影响区划分图进行分级分组，获得轨道交通换乘共享单车影响区划分图。

在一个实施例中，调用邻域分析工具箱，基于泰森多边形理论绘制轨道站点的Voronoi图层，获得轨道站点的Voronoi图层的步骤，包括：调用邻域分析工具箱，根据各轨道站点的shapefile要素文件、输出Voronoi图文件类型与输出字段进行绘制，获得轨道站点的Voronoi图层。

其中，导入已经获取的城市轨道线网，校核地理坐标系，在ArcGIS平台的邻域分析工具箱中选择创建泰森多边形工具，输入轨道站点的shapefile要素文件，调整输出Voronoi图文件类型与输出字段，批量绘制轨道站点的Voronoi图，添加至图层，轨道站点的Voronoi图如图8所示。

在一个实施例中，调用自然间断点分级法处理工具，根据换乘综合指数，对初步轨道交通换乘共享单车影响区划分图进行分级分组，获得轨道交通换乘共享单车影响区划分图的步骤，包括：

调用自然间断点分级法处理工具，根据换乘综合指数，对初步轨道交通换乘共享单车影响区划分图进行分级分组，得到各轨道站点的核心圈层、辐射圈层与外围圈层；由各轨道站点的核心圈层、辐射圈层与外围圈层，组成轨道交通换乘共享单车影响区划分图。

其中，通过使用ArcGIS平台的自然间断点分级法处理工具进行分级分组，分别得到各个轨道站点的核心圈层、辐射圈层与外围圈层。核心圈层体现的是共享单车换乘骑行距离在统计分布上具有明显集中趋势的范围，主要完成共享单车与轨道交通的换乘衔接关系；辐射圈层涵盖了大部分的换乘骑行起讫点，代表了地铁站点与共享单车在空间上的辐射关系；外围圈层是“轨道交通+共享单车”组合出行模式的最大影响区范围，作为轨道交通换乘影响区共享单车设施布局配置的空间边界；以上三个圈层共同组成各个轨道站点的换乘影响区，由各个轨道站点的换乘影响区形成如图9所示的轨道交通换乘共享单车影响区划分图。

步骤S360，根据各轨道站点的实际使用特点及周边城市建设情况，按照影响区包含完整地块的原则，对轨道交通换乘共享单车影响区划分图进行边界修正，获得最终轨道交通换乘共享单车影响区划分图。

其中，结合各类轨道站点实际使用特点及周边城市建设情况，依照影响区包含完整地块的原则，对轨道站点的换乘影响区的初步划分结果进行修正，如：轨道站点的换乘影响区的初步划分结果中同一个小区，被划分为两个不同的圈层，则将该小区统一修正为一个圈层，具体属于哪一个圈层，根据小区的出入口位置所属的圈层确定。边界修正后获得的部分最终轨道交通换乘共享单车影响区划分图如图10和图11所示。

上述基于多源数据的轨道交通换乘共享单车影响区界定方法，通过获取目标城市的城市道路网、城市轨道线网、城市POI设施点数据、共享单车骑行订单数据；基于共享单车骑行订单数据对目标城市的各轨道站点进行聚类分析，得到各轨道站点的时空影响范围特性；基于分析参数、城市道路网、城市轨道线网和共享单车骑行订单数据，通过ArcGIS服务区对各轨道站点的时空圈层分析，获得各轨道站点的时空圈层；根据各轨道站点的时空圈层，绘制换乘骑行时空圈层图添加至图层，并在图层的属性表中赋值时空圈层指数；根据城市道路网、城市轨道线网和城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数；根据时空圈层指数和基础骑行指数进行分析，获得换乘综合指数；根据换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图；根据各轨道站点的实际使用特点及周边城市建设情况，按照影响区包含完整地块的原则，对轨道交通换乘共享单车影响区划分图进行边界修正，获得最终轨道交通换乘共享单车影响区划分图，准确的界定出轨道站点换乘骑行的影响区，为规划共享单车设施的科学配置提供参考，有利于整合现有的交通资源，充分发挥网络的综合效能，促进“轨道交通+共享单车”组合出行方式转化，实现公共交通系统的微循环。

应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于多源数据的轨道交通换乘共享单车影响区界定方法，其特征在于，所述方法包括：

获取目标城市的城市道路网、城市轨道线网、城市POI设施点数据、共享单车骑行订单数据；

基于所述共享单车骑行订单数据对所述目标城市的各轨道站点进行聚类分析，得到各所述轨道站点的时空影响范围特性；

基于分析参数、所述城市道路网、所述城市轨道线网和所述共享单车骑行订单数据，通过ArcGIS服务区对各所述轨道站点的时空圈层分析，获得各所述轨道站点的时空圈层；

根据各所述轨道站点的时空圈层，绘制换乘骑行时空圈层图添加至图层，并在图层的属性表中赋值时空圈层指数；

根据所述城市道路网、所述城市轨道线网和所述城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数；

根据所述时空圈层指数和所述基础骑行指数进行分析，获得换乘综合指数；

根据所述换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与所述换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图；

根据各所述轨道站点的实际使用特点及周边城市建设情况，按照影响区包含完整地块的原则，对所述轨道交通换乘共享单车影响区划分图进行边界修正，获得最终轨道交通换乘共享单车影响区划分图。

2.根据权利要求1所述的方法，其特征在于，所述根据所述换乘综合指数，基于泰森多边形理论将轨道站点的Voronoi图层与所述换乘骑行时空圈层图进行叠加整合，获得轨道交通换乘共享单车影响区划分图的步骤，包括：

调用邻域分析工具箱，基于泰森多边形理论绘制轨道站点的Voronoi图层，获得轨道站点的Voronoi图层；

调用叠加分析工具，将所述轨道站点的Voronoi图层与所述换乘骑行时空圈层图叠加，获得初步轨道交通换乘共享单车影响区划分图；

调用自然间断点分级法处理工具，根据所述换乘综合指数，对所述初步轨道交通换乘共享单车影响区划分图进行分级分组，获得轨道交通换乘共享单车影响区划分图。

3.根据权利要求2所述的方法，其特征在于，所述调用邻域分析工具箱，基于泰森多边形理论绘制轨道站点的Voronoi图层，获得轨道站点的Voronoi图层的步骤，包括：

调用邻域分析工具箱，根据各所述轨道站点的shapefile要素文件、输出Voronoi图文件类型与输出字段进行绘制，获得轨道站点的Voronoi图层。

4.根据权利要求2所述的方法，其特征在于，所述调用自然间断点分级法处理工具，根据所述换乘综合指数，对所述初步轨道交通换乘共享单车影响区划分图进行分级分组，获得轨道交通换乘共享单车影响区划分图的步骤，包括：

调用自然间断点分级法处理工具，根据所述换乘综合指数，对所述初步轨道交通换乘共享单车影响区划分图进行分级分组，得到各所述轨道站点的核心圈层、辐射圈层与外围圈层；

由各所述轨道站点的核心圈层、辐射圈层与外围圈层，组成轨道交通换乘共享单车影响区划分图。

5.根据权利要求1所述的方法，其特征在于，所述基于所述共享单车骑行订单数据对所述目标城市的各轨道站点进行聚类分析，得到各所述轨道站点的时空影响范围特性的步骤，包括：

根据所述共享单车骑行订单数据，通过高斯混合聚类分析算法，对所述目标城市的各轨道站点进行聚类分析，得到各所述轨道站点的时空影响范围特性。

6.根据权利要求1所述的方法，其特征在于，所述根据所述城市道路网、所述城市轨道线网和所述城市POI设施点数据，通过层次分析法进行分析，获得各计算网格内的基础骑行指数的步骤，包括：

根据各计算网格与轨道站点的距离，确定各所述计算网格的影响率衰减系数；

将所述城市道路网、所述城市轨道线网和所述城市POI设施点数据，确定各所述计算网格内的交通设施数量、交叉口数量、道路网长度、共享单车骑行订单数量、餐饮设施数量、休闲设施数量、购物设施数量、服务设施数量和景点设施数量；

根据各所述计算网格内的所述交通设施数量、所述交叉口数量、所述道路网长度、所述共享单车骑行订单数量、所述餐饮设施数量、所述休闲设施数量、所述购物设施数量、所述服务设施数量和所述景点设施数量，通过层次分析法进行分析，获得各所述计算网格内的基础骑行指数。

7.根据权利要求6所述的方法，其特征在于，所述根据各计算网格与轨道站点的距离，确定各所述计算网格的影响率衰减系数的计算公式为：

其中，U为影响率衰减系数，d为计算网格与轨道站点的距离，m为长度单位米，e为常数。

8.根据权利要求6所述的方法，其特征在于，所述根据各所述计算网格内的所述交通设施数量、所述交叉口数量、所述道路网长度、所述共享单车骑行订单数量、所述餐饮设施数量、所述休闲设施数量、所述购物设施数量、所述服务设施数量和所述景点设施数量，通过层次分析法进行分析，获得各所述计算网格内的基础骑行指数的分析公式为：

T_i＝0.2×M_iU_i-0.3×N_iU_i+0.5×R_iU_i

P_i＝1.0×D_iU_i

S_i＝0.2×C_iU_i+0.2×L_iU_i+0.2×B_iU_i+0.2×K_iU_i+0.2×G_iU_i

F_i＝0.4×T_i+0.45×P_i+0.15×S_i

其中，i为第i个计算网格，U_i为第i个计算网格的影响率衰减系数，M为交通设施数量的归一化数值，N为交叉口数量的归一化数值，R为道路网长度的归一化数值，D为共享单车骑行订单数量的归一化数值，C为餐饮设施数量的归一化数值，L为休闲设施数量的归一化数值，B为购物设施数量的归一化数值，K为服务设施数量的归一化数值，G为景点设施数量的归一化数值；T_i为第i个计算网格的交通通达度，P_i为第i个计算网格的骑行活力度，S_i为第i个计算网格的空间多元度，F_i为第i个计算网格的基础骑行指数。

Images