CN113177684B - 基于客运班次数据的交通网络连接价值评价方法及终端 - Google Patents

基于客运班次数据的交通网络连接价值评价方法及终端 Download PDF

Info

Publication number
CN113177684B
CN113177684B CN202110325404.8A CN202110325404A CN113177684B CN 113177684 B CN113177684 B CN 113177684B CN 202110325404 A CN202110325404 A CN 202110325404A CN 113177684 B CN113177684 B CN 113177684B
Authority
CN
China
Prior art keywords
data
traffic
passenger transport
network
connection value
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
CN202110325404.8A
Other languages
English (en)
Other versions
CN113177684A (zh
Inventor
李敏敏
郭文华
贺彪
郭仁忠
樊勇
张迪
刘文超
张成岳
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN202110325404.8A priority Critical patent/CN113177684B/zh
Publication of CN113177684A publication Critical patent/CN113177684A/zh
Application granted granted Critical
Publication of CN113177684B publication Critical patent/CN113177684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Hardware Design (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了基于客运班次数据的交通网络连接价值评价方法及终端，所述方法包括：基于客运班次数据分析交通网络空间分布特征；划分交通站点影响范围的扩展断裂点模型；验证交通网络连接价值并进行优化。本发明选取交通网络作为研究对象，从交通投入成本和建设规模与经济效益相匹配的角度出发，探索基于客运班次的交通网络空间分布特征；基于空间相互作用中的断裂点模型结合空间分割原理中的Voronoi图，通过交通客运班次进行参数修正提出扩展断裂点模型，对交通站点的影响范围进行划分；结合交通客运班次数据与人口经济统计数据，构建交通网络连接价值模型，合理评价交通网络经济效益，并提出交通网络结构优化策略。

Description

基于客运班次数据的交通网络连接价值评价方法及终端
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于客运班次数据的交通网络连接价值评价方法、终端及计算机可读存储介质。
背景技术
交通基础设施是区域社会经济发展的基本要素，如何评价一个区域交通条件的优劣及其对社会经济发展的作用程度和模式，始终是区域可持续发展和区域经济学的重要研究内容。在区域可持续发展研究领域，连接力概念所建立的“交通关系网”体现了无行政边界约束条件下的交通网络连接价值。国内外学者主要以“流空间”理论为基础，采用空间相互作用模型、可达性、网络分析(即图论)和空间统计分析等地理学方法开展交通连接力的相关研究。
“流空间”理论脱胎于传统的“场空间”，去“中心”向“节点”和网络区位取代地缘区位是其主要特征。因此，以交通网和信息网作为载体构成“流”的空间网络，地缘距离转化为速度和成本，使网络区位的重要性日益显著。断裂点模型和加权Voronoi图(又叫泰森多边形或Dirichlet图，它是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成)的应用较为广泛，断裂点模型常用来确定城市的空间影响范围和城市经济区的划分；加权Voronoi图以每个城市的中心性强度值作为权重对城市空间进行分割。若将两者进行结合，可以更精确地刻画城市的空间影响范围。国内外研究学者在时间、空间和社会学等角度对可达性进行了多种阐述，但目前尚没有公认的定义。总体来说，可达性方法主要基于交通网络时空特征，采用时间、距离和成本等指标刻画交通网络通达能力，评价区域空间结构和交通网络运输效率。网络分析方法主要研究不同元素之间相互关系所形成的结构，即关注元素之间的拓扑关系，而忽略元素之间几何距离和尺度的影响。因此，该方法在交通网络结构特征分析和交通网络效率研究等方面具有显著优势和重要应用。目前，评价交通网络经济效益的空间统计分析方法主要包括空间计量模型、主成分分析法、层次分析法等，这些方法主要通过数学的角度刻画交通网络和经济发展的相关性，而忽略了交通网络在地理学上的时空特征。
国内外学者针对交通连接力的研究进行了诸多探索和实践。但同时也存在一些不足，主要包括：目前针对交通连接力评价的方法应用较为单一，大多数学者仅从空间相互作用模型、可达性、网络分析和空间统计分析方法中的其中一种出发，而忽略了多种方法之间的有效结合，从而未能更加精确地刻画交通网络连接力特征；之前的研究未能综合考虑交通站点、交通线网和社会经济状况，以交通设施规模和种类与经济效益相匹配的角度，提出交通连接力的适宜性模型。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种基于客运班次数据的交通网络连接价值评价方法、终端及计算机可读存储介质，旨在解决现有技术中没有全面考虑多种因素从而无法更加精确地刻画交通网络连接力特征的问题。
为实现上述目的，本发明提供一种基于客运班次数据的交通网络连接价值评价方法，所述基于客运班次数据的交通网络连接价值评价方法包括如下步骤：
基于客运班次数据分析交通网络空间分布特征；
划分交通站点影响范围的扩展断裂点模型；
验证交通网络连接价值并进行优化。
可选地，所述的基于客运班次数据的交通网络连接价值评价方法，其中，所述基于客运班次数据分析交通网络空间分布特征，具体包括：
分析交通网络的点和线状特征；
获取交通客运班次特征；
挖掘交通网络空间分布格局。
可选地，所述的基于客运班次数据的交通网络连接价值评价方法，其中，所述划分交通站点影响范围的扩展断裂点模型，具体包括：
基于空间分割原理建立加权Voronoi图；
基于客运班次数据生成扩展断裂点模型；
基于扩展断裂点模型分别对交通站点中的汽车客运站、火车站和机场影响范围进行划分。
可选地，所述的基于客运班次数据的交通网络连接价值评价方法，其中，所述验证交通网络连接价值并进行优化，具体包括：
以所述扩展断裂点模型划分的汽车客运站、火车站和机场影响范围为基本单元；
基于人口和经济数据乘积的开平方根构建经济价值指数；
以公路里程及其公路客运班次、铁路里程及其铁路客运班次、航空里程及其航空客运班次分别建立公路网络指数、铁路网络指数和航空网络指数；
通过单位经济价值的公路网络指数、铁路网络指数和航空网络指数，分别构建适用于公路、铁路和航空网络连接价值的评价模型；
结合实际调查数据，通过评价交通网络结构特征和经济效益对交通网络连接价值模型进行验证与修正；
基于公路、铁路和航空网络连接价值评价结果，提出交通网络结构优化策略。
可选地，所述的基于客运班次数据的交通网络连接价值评价方法，其中，所述基于客运班次数据的交通网络连接价值评价方法还包括：
预先建立交通专题数据库；
所述交通专题数据库包括：多源交通数据、基础地理数据、人口经济数据和野外调研数据；
所述多源交通数据包括：公路和铁路线网数据、汽车客运站、火车站和机场、以及公路、铁路和航空客运班次；
所述基础地理数据包括：行政区划数据和县域边界数据；
所述人口经济数据包括：城市统计数据和县域统计数据；
所述野外调研数据包括：描述性数据和图件数据。
可选地，所述的基于客运班次数据的交通网络连接价值评价方法，其中，根据多源交通数据、基础地理数据、人口经济数据和野外调研数据建立所述交通专题数据库时依次进行的数据处理包括：误差分析与纠正、数据规范化、格式转换、投影转换、数据配准、尺度一致性处理、统计数据空间化和调查数据空间化。
此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于客运班次数据的交通网络连接价值评价程序，所述基于客运班次数据的交通网络连接价值评价程序被所述处理器执行时实现如上所述的基于客运班次数据的交通网络连接价值评价方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于客运班次数据的交通网络连接价值评价程序，所述基于客运班次数据的交通网络连接价值评价程序被处理器执行时实现如上所述的基于客运班次数据的交通网络连接价值评价方法的步骤。
本发明通过基于客运班次数据分析交通网络空间分布特征；划分交通站点影响范围的扩展断裂点模型；验证交通网络连接价值并进行优化。本发明通过选取交通网络作为研究对象，从交通投入成本和建设规模与经济效益相匹配的角度出发，探索基于客运班次的交通网络空间分布特征；基于空间相互作用中的断裂点模型，结合空间分割原理中的Voronoi图，通过交通客运班次进行参数修正，提出扩展断裂点模型，对交通站点的影响范围进行划分；结合交通客运班次数据与人口经济统计数据，构建交通网络连接价值模型，刻画交通网络结构特征，合理评价交通网络经济效益，并提出交通网络结构优化策略。
附图说明
图1是本发明基于客运班次数据的交通网络连接价值评价方法的较佳实施例的流程图；
图2是本发明基于客运班次数据的交通网络连接价值评价方法的较佳实施例的执行过程的逻辑关系图；
图3是本发明基于客运班次数据的交通网络连接价值评价方法的较佳实施例中交通数据的获取与建库的流程原理示意图；
图4是本发明基于客运班次数据的交通网络连接价值评价方法的较佳实施例中扩展断裂点模型构建过程的原理示意图；
图5是本发明基于客运班次数据的交通网络连接价值评价方法的较佳实施例中交通网络连接价值模型构建过程的原理示意图；
图6为本发明终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明选取中国交通网络作为研究对象，从交通投入成本和建设规模与经济效益相匹配的角度出发，探索基于客运班次的交通网络空间分布特征；基于空间相互作用中的断裂点模型，结合空间分割原理中的Voronoi图(又叫泰森多边形或Dirichlet图，它是由一组由连接两邻点直线的垂直平分线组成的连续多边形组成；在计算几何中，重心Voronoi图方法被用来优化网格，可以使种子点变得更加均匀，在网络通讯中，利用加权Voronoi图设计中继站的位置可以提高利用率，降低成本)，通过交通客运班次进行参数修正，提出扩展断裂点模型，对交通站点的影响范围进行划分；结合交通客运班次数据与人口经济统计数据，构建交通网络连接价值模型，刻画交通网络结构特征，合理评价交通网络经济效益，并探索交通网络结构优化策略。
本发明较佳实施例所述的基于客运班次数据的交通网络连接价值评价方法，如图1和图2所示，所述基于客运班次数据的交通网络连接价值评价方法包括以下步骤：
步骤S10、基于客运班次数据分析交通网络空间分布特征。
具体地，如图2所示，所述步骤S10包括：
S11、分析交通网络的点和线状特征；
S12、获取交通客运班次特征；
S13、挖掘交通网络空间分布格局。
具体地，本发明涉及多源交通数据、基础地理数据、人口统计数据等多源地理空间数据，所涉及的实验数据及其来源等信息如下表1 (表1为实验数据相关信息)所示：
Figure BDA0002994422940000071
Figure BDA0002994422940000081
表1
实现上述数据驱动下的交通网络连接价值评价方法研究，需在统一的地理空间框架下对数据进行归一化处理，包括数据配准、格式转换、投影转换、误差分析与纠正、统计数据空间化、尺度一致性处理等。具体地，公路和铁路线网数据、汽车客运站、火车站和机场数据需要进行空间融合；采用Albers Conical Equal Area projection投影将各类数据投影到同一坐标系；公路、铁路和航空客运班次数据、人口经济数据以县级行政区为单位进行空间化处理，同时，对人口和GDP 数据(经济数据)采用地统计学中的空间插值方法进行栅格化处理(1 千米)。其中，野外调研数据中的描述性数据和图件数据是指对中国交通网络进行野外抽样调研时获得的交通文本数据和地图数据等文件资料。对多源地理空间数据获取、预处理和建库，为后续研究提供数据基础，如图3所示。基于该数据基础，开展公路客运、铁路客运和航空客运特征分析，探索交通网络空间特征，为交通网络连接价值评价模型的构建提供支撑。
本发明预先建立交通专题数据库；如图3所示，所述交通专题数据库包括：多源交通数据、基础地理数据、人口经济数据和野外调研数据；所述多源交通数据包括：公路和铁路线网数据、汽车客运站、火车站和机场、以及公路、铁路和航空客运班次；所述基础地理数据包括：行政区划数据和县域边界数据；所述人口经济数据包括：城市统计数据和县域统计数据；所述野外调研数据包括：描述性数据和图件数据。根据多源交通数据、基础地理数据、人口经济数据和野外调研数据建立所述交通专题数据库时依次进行的数据处理包括：误差分析与纠正、数据规范化、格式转换、投影转换、数据配准、尺度一致性处理、统计数据空间化和调查数据空间化。
步骤S20、划分交通站点影响范围的扩展断裂点模型。
具体地，如图2所示，所述步骤S20包括：
S21、基于空间分割原理建立加权Voronoi图；
S22、基于客运班次数据生成扩展断裂点模型；
S23、基于扩展断裂点模型分别对交通站点中的汽车客运站、火车站和机场影响范围进行划分。
具体地，基于空间相互作用模型中的断裂点模型，结合空间分割原理中的加权Voronoi图优势，以交通站点中公路、铁路和航空客运班次的开平方为权重进行参数修正，提出扩展断裂点模型，分别对交通站点中的汽车客运站、火车站和机场影响范围进行划分。同时，将人口和经济统计数据栅格化后分别进行空间关联至每个汽车客运站、火车站和机场的影响范围中，其中处于各交通站点影响范围边界处的人口和经济栅格数据，则按照面积百分比进行分配，为交通网络连接价值模型的构建提供了基础支撑。
基于空间分割原理，采用计算几何中的Voronoi图可以对空间进行分割，根据影响力大小向地域空间四周扩张，本发明主要对交通站点(汽车客运站、火车站和机场)根据其影响力大小进行空间分割，其主要技术流程如图4所示。
其中，常规Voronoi图是假设平面上的一个控制点集 P＝{p1，p2，...，pn}，其中任意两点不共位，即pi≠pj(i≠j，1≤i，j≤n)，且任意四点不共圆，并设x为平面上的点，d(pi，pj)表示欧氏距离，则区域：
YI＝{x：d(x，pi)＜d(x，pj)/pi，pj∈P，pi≠pj}； (1)
称TI为点pi的Voronoi多边形，简称V-多边形。各点的Voronoi 多边形共同组成Voronoi图，简称V-图。因此，平面上的V-图可以看作是点集P中每个点的生长核，以相同的速度向外扩张，直到彼此相遇为止而在平面上形成的图形。常规Voronoi图仅考虑距离远近这一唯一因素，并没有体现交通站点中心性强度大小这一重要特征，与实际情况有所差异。
加权Voronoi图为常规Voronoi图的扩展形式，其公式如下所示：
Figure BDA0002994422940000101
将平面分成n部分，由Vn(Pi，λi)(i＝1，2，...，n)确定的对平面的分割称为点上加权的Voronoi图，λi称为Pi的权重。当λ1＝λ2＝…λn时，式(2) 等价于式(1)，即常规Voronoi图是点上加权的Voronoi图在所有权重相等时的特例。加权Voronoi图可用于各中心点权重有较明显差别的情况下的空间分割，但加权Vornoi图的算法十分复杂，因此，在很大程度上限制了它的应用。
Converse在Reilly提出的零售引力模型基础上，建立了断裂点模型，其中，两个城市间的分界点(即断裂点)公式如下：
Figure BDA0002994422940000111
或
Figure BDA0002994422940000112
(3)
式中，dA，dB分别为断裂点至两城市的距离，DAB为两城市的直线距离，PB，PA分别为两城市的人口。该模型常用来确定城市的空间影响范围和城市经济区的划分，但该模型只计算了有限个断裂点，具体划分具有随意性。
根据Converse-断裂点模型，可以得出以下推论：(1)两个相邻城市之间的欧氏距离等于断裂点到两个城市欧式距离之和，即 dA+dB＝DAB；(2)断裂点到相邻两个城市的距离与这两个城市中心性强度值的平方根成正比，即
Figure BDA0002994422940000113
(3)在匀质平面区域中，以各个城市点为发生元，其影响力扩张的速度与相邻两个城市的中心性强度值的平方根成正比，即
Figure BDA0002994422940000114
本发明基于断裂点模型，结合加权Voronoi图的优势，提出了针对汽车客运站、火车站和机场的扩展断裂点模型：即在匀质平面区域内，如果两个交通站点的权重相同，那么其吸引范围的分界线是这两个站点连线的垂直平分线；如果它们的权重不同，那么其吸引范围的分界线是一个圆弧，平面内所有交通站点的吸引范围分别构成常规Voronoi图和加权Voronoi图，并且每个交通站点的权重分别等于其中心性强度值的平方根。
Figure BDA0002994422940000121
式中，dC，dD分别为断裂点至两个交通站点的距离，PC，PD分别为两个交通站点的公路、铁路和航空客运班次。
根据扩展断裂点模型，分别确定各汽车客运站、火车站和机场的影响范围，并将人口和GDP栅格数据分别进行空间关联至每个汽车客运站、火车站和机场的影响范围中，其中处于各交通站点影响范围边界处的人口和GDP栅格数据，则按照面积百分比进行分配。扩展断裂点模型拟从理论上证明每个交通站点的吸引范围具有明确唯一的界线，并且是以交通站点中公路、铁路和航空客运班次的开平方为权重的加权Voronoi图，同时遵守牛顿万有引力和加权Voronoi图的空间分割原理，结果具有唯一性。
步骤S30、验证交通网络连接价值并进行优化。
具体地，如图2所示，所述步骤S30包括：
S31、以所述扩展断裂点模型划分的汽车客运站、火车站和机场影响范围为基本单元；
S32、基于人口和经济数据乘积的开平方根构建经济价值指数；
S33、以公路里程及其公路客运班次、铁路里程及其铁路客运班次、航空里程及其航空客运班次分别建立公路网络指数、铁路网络指数和航空网络指数；
S34、通过单位经济价值的公路网络指数、铁路网络指数和航空网络指数，分别构建适用于公路、铁路和航空网络连接价值的评价模型；
S36、结合实际调查数据，通过评价交通网络结构特征和经济效益对交通网络连接价值模型进行验证与修正；
S37、基于公路、铁路和航空网络连接价值评价结果，提出交通网络结构优化策略。
具体地，以扩展断裂点模型划分的汽车客运站、火车站和机场影响范围为基本单元；首先，以人口和GDP乘积的开平方根构建经济价值指数，以公路里程及其公路客运班次、铁路里程及其铁路客运班次、航空里程及其航空客运班次分别建立公路网络指数、铁路网络指数和航空网络指数；其次，通过单位经济价值的公路网络指数、铁路网络指数和航空网络指数，分别构建适用于公路、铁路和航空网络连接价值的评价模型；再次，结合实际调查数据，通过评价交通网络结构特征和经济效益对交通网络连接价值模型进行验证与修正；最后，基于公路、铁路和航空网络连接价值评价结果，提出交通网络结构优化策略。
为了体现每种交通方式每段交通线网的连接价值，并同时考虑交通投入成本、建设规模和对应的人口经济状况来综合反映交通网络结构特征和经济效益，本发明采用单位经济价值的各交通网络里程作为衡量标准，即利用单位经济价值的公路、铁路和航空网络里程分别表示公路、铁路和航空网络连接价值，其主要技术流程如图5所示：
以公路、铁路和航空里程为基础，结合公路客运班次、铁路客运班次和航空客运班次，形成公路网络指数、铁路网络指数和航空网络指数。首先，根据公路里程，并将汽车客运站点间的公路客运班次作为权重，得到公路网络指数，公式如下所示：
Figure BDA0002994422940000141
式中，Ir表示公路网络指数；
Figure BDA0002994422940000142
为汽车客运站i和j之间的公路客运班次；Lij为汽车客运站i和j之间的里程，单位为千米；n 为汽车客运站总数。
其次，根据铁路里程，并将火车站间的铁路客运班次作为权重，得到铁路网络指数，公式如下所示：
Figure BDA0002994422940000143
式中，It表示铁路网络指数；
Figure BDA0002994422940000144
为火车站k和l之间的铁路客运班次；Lkl为火车站k和l之间的里程，单位为千米；m为火车站总数。
根据航空里程，并将机场之间的航空客运班次作为权重，得到航空网络指数，公式如下所示：
Figure BDA0002994422940000145
式中，Ia表示航空网络指数；
Figure BDA0002994422940000146
为机场o和p之间的航空客运班次数量；Lop为机场o和p之间的里程，单位为千米；q为机场总数。
再次，根据人口和GDP数据，建立可以精确反应交通站点(汽车客运站、火车站和机场)影响范围内经济状况的经济价值指数，其具体公式如下：
Figure BDA0002994422940000151
式中，Ei为交通站点i影响范围内的经济价值指数；POPi为交通站点i影响范围内的人口数，单位为万人；GDPi为交通站点i影响范围内的国内生产总值，单位为万元；n为交通站点总数。
最后，根据公路网络指数、铁路网络指数、航空网络指数和经济价值指数，分别获得公路网络连接价值、铁路网络连接价值和航空网络连接价值模型，其具体公式如下：
Figure BDA0002994422940000152
Figure BDA0002994422940000153
Figure BDA0002994422940000154
式中，Vr、Vt和Va分别为公路、铁路和航空网络连接价值模型；Lcd为汽车客运站c和d之间的公路里程，单位为千米；
Figure BDA0002994422940000155
为汽车客运站c和d之间的公路客运班次；o为汽车客运站总数；Ljk为火车站 j和k之间的铁路里程，单位为千米；
Figure BDA0002994422940000156
为火车站j和k之间的铁路客运班次；p为火车站总数；Lmn为机场m和n之间的航空里程，单位为千米；
Figure BDA0002994422940000157
为机场m和n之间的航空客运班次；q为机场总数； Ec和Ed分别为汽车客运站c和d的经济价值指数；Ej和Ek分别为火车站j和k的经济价值指数；Em和En分别为机场m和n的经济价值指数。
基于公路网络连接价值、铁路网络连接价值和航空网络连接价值，对两两交通站点间的连接价值进行分析，即连接价值所反应的是两两交通站点间的单位人口经济所承载的交通里程，并对交通网络连接价值的空间分布格局进行分析。
本发明选取中国交通网络作为研究对象，从交通投入成本和建设规模与经济效益相匹配的角度出发，探索基于客运班次的交通网络空间分布特征；基于空间相互作用中的断裂点模型，结合空间分割原理中的Voronoi图，通过交通客运班次进行参数修正，提出扩展断裂点模型，对交通站点的影响范围进行划分；结合交通客运班次数据与人口经济统计数据，构建交通网络连接价值模型，刻画交通网络结构特征，合理评价交通网络经济效益，并探索交通网络结构优化策略。
进一步地，如图6所示，基于上述基于客运班次数据的交通网络连接价值评价方法，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图6仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD) 卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有基于客运班次数据的交通网络连接价值评价程序40，该基于客运班次数据的交通网络连接价值评价程序40可被处理器10所执行，从而实现本申请中基于客运班次数据的交通网络连接价值评价方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于客运班次数据的交通网络连接价值评价方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中基于客运班次数据的交通网络连接价值评价程序40时实现以下步骤：
基于客运班次数据分析交通网络空间分布特征；
划分交通站点影响范围的扩展断裂点模型；
验证交通网络连接价值并进行优化。
其中，所述基于客运班次数据分析交通网络空间分布特征，具体包括：
分析交通网络的点和线状特征；
获取交通客运班次特征；
挖掘交通网络空间分布格局。
其中，所述划分交通站点影响范围的扩展断裂点模型，具体包括：
基于空间分割原理建立加权Voronoi图；
基于客运班次数据生成扩展断裂点模型；
基于扩展断裂点模型分别对交通站点中的汽车客运站、火车站和机场影响范围进行划分。
其中，所述验证交通网络连接价值并进行优化，具体包括：
以所述扩展断裂点模型划分的汽车客运站、火车站和机场影响范围为基本单元；
基于人口和经济数据乘积的开平方根构建经济价值指数；
以公路里程及其公路客运班次、铁路里程及其铁路客运班次、航空里程及其航空客运班次分别建立公路网络指数、铁路网络指数和航空网络指数；
通过单位经济价值的公路网络指数、铁路网络指数和航空网络指数，分别构建适用于公路、铁路和航空网络连接价值的评价模型；
结合实际调查数据，通过评价交通网络结构特征和经济效益对交通网络连接价值模型进行验证与修正；
基于公路、铁路和航空网络连接价值评价结果，提出交通网络结构优化策略。
其中，所述基于客运班次数据的交通网络连接价值评价方法还包括：
预先建立交通专题数据库；
所述交通专题数据库包括：多源交通数据、基础地理数据、人口经济数据和野外调研数据；
所述多源交通数据包括：公路和铁路线网数据、汽车客运站、火车站和机场、以及公路、铁路和航空客运班次；
所述基础地理数据包括：行政区划数据和县域边界数据；
所述人口经济数据包括：城市统计数据和县域统计数据；
所述野外调研数据包括：描述性数据和图件数据。
其中，根据多源交通数据、基础地理数据、人口经济数据和野外调研数据建立所述交通专题数据库时依次进行的数据处理包括：误差分析与纠正、数据规范化、格式转换、投影转换、数据配准、尺度一致性处理、统计数据空间化和调查数据空间化。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于客运班次数据的交通网络连接价值评价程序，所述基于客运班次数据的交通网络连接价值评价程序被处理器执行时实现如上所述的基于客运班次数据的交通网络连接价值评价方法的步骤。
综上所述，本发明提供一种基于客运班次数据的交通网络连接价值评价方法及终端，所述方法包括：基于客运班次数据分析交通网络空间分布特征；划分交通站点影响范围的扩展断裂点模型；验证交通网络连接价值并进行优化。本发明通过选取交通网络作为研究对象，从交通投入成本和建设规模与经济效益相匹配的角度出发，探索基于客运班次的交通网络空间分布特征；基于空间相互作用中的断裂点模型，结合空间分割原理中的Voronoi图，通过交通客运班次进行参数修正，提出扩展断裂点模型，对交通站点的影响范围进行划分；结合交通客运班次数据与人口经济统计数据，构建交通网络连接价值模型，刻画交通网络结构特征，合理评价交通网络经济效益，并提出交通网络结构优化策略。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种基于客运班次数据的交通网络连接价值评价方法，其特征在于，所述基于客运班次数据的交通网络连接价值评价方法包括：
基于客运班次数据分析交通网络空间分布特征；
所述基于客运班次数据分析交通网络空间分布特征，具体包括：
分析交通网络的点和线状特征；
获取交通客运班次特征；
挖掘交通网络空间分布格局；
划分交通站点影响范围的扩展断裂点模型；
所述划分交通站点影响范围的扩展断裂点模型，具体包括：
基于空间分割原理建立加权Voronoi图；
基于客运班次数据生成扩展断裂点模型；
基于扩展断裂点模型分别对交通站点中的汽车客运站、火车站和机场影响范围进行划分；
验证交通网络连接价值并进行优化；
所述验证交通网络连接价值并进行优化，具体包括：
以所述扩展断裂点模型划分的汽车客运站、火车站和机场影响范围为基本单元；
基于人口和经济数据乘积的开平方根构建经济价值指数；
以公路里程及其公路客运班次、铁路里程及其铁路客运班次、航空里程及其航空客运班次分别建立公路网络指数、铁路网络指数和航空网络指数；
通过单位经济价值的公路网络指数、铁路网络指数和航空网络指数，分别构建适用于公路、铁路和航空网络连接价值的评价模型；
结合实际调查数据，通过评价交通网络结构特征和经济效益对交通网络连接价值模型进行验证与修正；
基于公路、铁路和航空网络连接价值评价结果，提出交通网络结构优化策略。
2.根据权利要求1所述的基于客运班次数据的交通网络连接价值评价方法，其特征在于，所述基于客运班次数据的交通网络连接价值评价方法还包括：
预先建立交通专题数据库；
所述交通专题数据库包括：多源交通数据、基础地理数据、人口经济数据和野外调研数据；
所述多源交通数据包括：公路和铁路线网数据、汽车客运站、火车站和机场、以及公路、铁路和航空客运班次；
所述基础地理数据包括：行政区划数据和县域边界数据；
所述人口经济数据包括：城市统计数据和县域统计数据；
所述野外调研数据包括：描述性数据和图件数据。
3.根据权利要求2所述的基于客运班次数据的交通网络连接价值评价方法，其特征在于，根据多源交通数据、基础地理数据、人口经济数据和野外调研数据建立所述交通专题数据库时依次进行的数据处理包括：误差分析与纠正、数据规范化、格式转换、投影转换、数据配准、尺度一致性处理、统计数据空间化和调查数据空间化。
4.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于客运班次数据的交通网络连接价值评价程序，所述基于客运班次数据的交通网络连接价值评价程序被所述处理器执行时实现如权利要求1-3任一项所述的基于客运班次数据的交通网络连接价值评价方法的步骤。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于客运班次数据的交通网络连接价值评价程序，所述基于客运班次数据的交通网络连接价值评价程序被处理器执行时实现如权利要求1-3任一项所述的基于客运班次数据的交通网络连接价值评价方法的步骤。
CN202110325404.8A 2021-03-26 2021-03-26 基于客运班次数据的交通网络连接价值评价方法及终端 Active CN113177684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110325404.8A CN113177684B (zh) 2021-03-26 2021-03-26 基于客运班次数据的交通网络连接价值评价方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110325404.8A CN113177684B (zh) 2021-03-26 2021-03-26 基于客运班次数据的交通网络连接价值评价方法及终端

Publications (2)

Publication Number Publication Date
CN113177684A CN113177684A (zh) 2021-07-27
CN113177684B true CN113177684B (zh) 2022-04-22

Family

ID=76922373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110325404.8A Active CN113177684B (zh) 2021-03-26 2021-03-26 基于客运班次数据的交通网络连接价值评价方法及终端

Country Status (1)

Country Link
CN (1) CN113177684B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115098798A (zh) * 2022-06-09 2022-09-23 福州大学 融合地图数据的多元交通流城市空间组织模式识别方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289581A (zh) * 2011-08-10 2011-12-21 武汉大学 一种基于空间作用划分的模拟城市扩展的方法
CN111709642A (zh) * 2020-06-16 2020-09-25 北京市测绘设计研究院 一种评价城市无障碍设施布局均衡性的方法

Also Published As

Publication number Publication date
CN113177684A (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
Zhao et al. A trajectory clustering approach based on decision graph and data field for detecting hotspots
CN107563803B (zh) 一种基于耗费距离栅格的商圈划分方法
CN107133900B (zh) 城市土地混合利用特征格网计算方法及装置
Shen et al. Urban evolution as a spatio-functional interaction process: the case of central Shanghai
Ai et al. Generation of constrained network Voronoi diagram using linear tessellation and expansion method
Qiao et al. Visualization and spatial analysis of socio-environmental externalities of urban underground space use: Part 1 positive externalities
Cui et al. GIS-based method of delimitating trade area for retail chains
Han et al. Evaluating the spatial deprivation of public transportation resources in areas of rapid urbanization: accessibility and social equity
Hou et al. Regional commercial center identification based on POI big data in China
CN113177684B (zh) 基于客运班次数据的交通网络连接价值评价方法及终端
CN104598548B (zh) 一种分析农产品价格空间关联性的方法及装置
Sun et al. Scientometric analysis and mapping of transit-oriented development studies
Cherniy et al. Modern Approach to the Road Traffic Management in Cities of Ukraine: Case Study of Kyiv Municipal Company" Road Traffic Management Center"
Xu et al. Integration of migration and attention flow data to reveal association of virtual–real dual intercity network structure
Zhang et al. Exploring Non-linear Urban Vibrancy Dynamics in Emerging New Towns: A Case Study of the Wuhan Metropolitan Area
Massobrio et al. A parallel micro evolutionary algorithm for taxi sharing optimization
González-Ramírez et al. A GRASP‐Tabu Heuristic Approach to Territory Design for Pickup and Delivery Operations for Large‐Scale Instances
Yi et al. Measuring metro station area's TODness: An exploratory study of Shenyang based on multi‐source urban data
Beukes et al. Quantifying the contextual influences on road design
Qi et al. Comparison of intercity travel network structure during daily time and holiday in China
Ma [Retracted] Construction of Tourism Management Engineering Based on Data Mining Technology
Wang et al. An Affinity Propagation‐Based Clustering Method for the Temporal Dynamics Management of High‐Speed Railway Passenger Demand
Xu et al. A 3D digital modelling method for railway station subgrade based on generalized hexahedron
Zhang et al. Improve connections of the last transport services in metro by a new space-time bicriteria optimization method
CN108833466B (zh) 交通网络空间文本发布/订阅的系统及方法

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