CN113988447A - 基于综合交通的小区级土地利用空间量预测方法 - Google Patents

基于综合交通的小区级土地利用空间量预测方法 Download PDF

Info

Publication number
CN113988447A
CN113988447A CN202111304904.XA CN202111304904A CN113988447A CN 113988447 A CN113988447 A CN 113988447A CN 202111304904 A CN202111304904 A CN 202111304904A CN 113988447 A CN113988447 A CN 113988447A
Authority
CN
China
Prior art keywords
traffic
cell
amount
land utilization
space
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.)
Granted
Application number
CN202111304904.XA
Other languages
English (en)
Other versions
CN113988447B (zh
Inventor
钟鸣
任智
崔革
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202111304904.XA priority Critical patent/CN113988447B/zh
Publication of CN113988447A publication Critical patent/CN113988447A/zh
Application granted granted Critical
Publication of CN113988447B publication Critical patent/CN113988447B/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
    • G06Q10/04—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
    • 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
    • G06Q50/16—Real estate
    • G06Q50/165—Land development

Landscapes

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

Abstract

本发明公开了一种基于综合交通的小区级土地利用空间量预测方法，包括以下步骤：S1、划分交通小区；S2、获取各交通小区的数据；S3、建立可达性模型，根据人口与就业、道路网与公共交通站点及线路计算可达性；可达性用于表示在一定时间内，通过综合交通系统从特定区域出发所能获得的某种服务或机会的程度；S4、建立小区级土地利用空间量预测模型；S5、根据各交通小区基准年的人口与就业、分类可达性、房价、最大可开发空间量和校正年的土地利用空间量对小区级土地利用空间量预测模型进行参数标定；S6、预测未来年各交通小区的分类土地利用空间量。本发明考虑了交通小区空间尺度下城市综合交通对分类土地利用的影响，土地利用空间量预测精度高。

Description

基于综合交通的小区级土地利用空间量预测方法
技术领域
本发明属于交通技术领域，具体涉及一种基于综合交通的小区级土地利用空间量预测方法。
背景技术
随着我国城市化的迅猛发展，城市扩张速度加快，私家车保有量不断增加，城市建设用地不均衡与交通拥堵问题已经成为制约我国城市发展的瓶颈。然而，城市交通与土地利用关系紧密，协调二者的规划、设计、建设与运营是解决城市可持续发展问题的关键所在。在近些年的大规模交通基础设施及新城区建设过程中，基础道路网、常规公交站点及线路、轨道交通站点及线路等交通供给大力推动了城市的土地利用与开发，在很大程度上促进了城市的大规模拓展，而土地利用作为人们出行的源头和目的地，其开发的空间量直接影响未来交通需求和城市形态。城市综合交通系统引领与驱动土地利用形态的发展已是城市规划与运营管理决策群体的共识，构建基于综合交通驱动作用下的土地利用空间量预测模型，为未来城市发展提供决策支持，是城市土地利用和交通规划者亟待解决的问题。
交通小区是城市交通规划中开展“四阶段”交通需求预测的基本空间单元。因此，在交通小区尺度下构建基于综合交通驱动作用下的土地利用空间量预测模型将为城市交通规划奠定更为科学、合理的决策支持工具。然而，基于国内小区级土地利用、人口与就业等数据资源难以获取的现状，使得在小区级构建综合交通驱动作用下的土地利用形态预测模型成为了难点，这也是国内基于小区级的土地利用空间量预测模型还基本不存在的原因。
近年来，随着地理信息系统(Geographic Information System，GIS)技术的日益发达，运用GIS技术进行土地利用的研究越来越多。但是这些研究要么在城市群、行政区等宏观空间尺度，要么在地块等微观空间尺度，而在交通小区的中观空间尺度的研究较少。并且，这些研究绝大部分是预测土地利用类型的变化，而预测土地利用空间量的变化的研究较少。
如果能够提供一种技术手段，基于综合交通驱动作用的纽带，在交通小区空间尺度下对不同类型的土地利用空间量进行精准预测，就可以实现对交通需求进行预判、调整与完善交通基础设施，使得土地利用与交通的规划与管理在交通小区层面完美贴合，进而实现交通小区土地利用变迁、人口流动的科学化、动态化的实时管理，减少交通拥堵、降低交通安全隐患。
发明内容
针对现有技术中存在的问题，本发明提供一种基于综合交通的小区级土地利用空间量预测方法，在交通小区空间尺度下对不同类型的土地利用空间量进行精准预测。
为实现上述目的，本发明提供了一种基于综合交通的小区级土地利用空间量预测方法，包括以下步骤：
S1、划分交通小区；
S2、获取各交通小区的数据，包括人口与就业、道路网与公共交通站点及线路、房价、最大可开发空间量、土地利用空间量；
S3、建立可达性模型，根据人口与就业、道路网与公共交通站点及线路计算可达性；可达性用于表示在一定时间内，通过综合交通系统从特定区域出发所能获得的某种服务或机会的程度；
S4、建立小区级土地利用空间量预测模型；
S5、根据各交通小区基准年的人口与就业、分类可达性、房价、最大可开发空间量和校正年的土地利用空间量对小区级土地利用空间量预测模型进行参数标定；
S6、根据标定后的小区级土地利用空间量预测模型预测未来年各交通小区的分类土地利用空间量。
在一些可选的实施方案中，步骤S1划分交通小区包括：
S11、绘制研究区域轮廓；
S12、以研究区域轮廓为边界，以天然屏障为划分界限，将土地利用、经济、社会情况相似的区域划分为一个交通小区。
在一些可选的实施方案中，就业数据包括商业、工业仓储、行政办公、教育科研、公共服务及其他就业量；公共交通包括轨道交通和常规公交；房价包括居住楼盘房价和商业楼盘房价；最大可开发空间量包括居住最大可开发空间量和商业最大可开发空间量；土地利用空间量包括居住土地利用空间量和商业土地利用空间量。
在一些可选的实施方案中，根据可开发用地存量、控规最大容积率数据推算最大可开发空间量：
Figure BDA0003339800010000021
式中，
Figure BDA0003339800010000022
为交通小区i中第p种土地利用类型最大可开发的空间量，
Figure BDA0003339800010000023
为交通小区i中第p种土地利用类型的可开发用地存量，FARp为第p种土地利用类型的控规最大容积率。
在一些可选的实施方案中，可达性模型如下式所示：
Figure BDA0003339800010000031
式中，i和j均为某个交通小区，k为某种交通方式，l为某种类型的可达性，n为交通小区总数，m为交通方式总数，
Figure BDA0003339800010000032
为交通小区i第l种可达性，
Figure BDA0003339800010000033
为交通小区i到交通小区j通过交通方式k的交通效用，
Figure BDA0003339800010000034
为交通小区j第l种服务或机会的数量；B为时间界限，在自由流情况下出行时，如果交通时间超过一定的时间界限阈值，则B取值为0，反之则取值为1。
在一些可选的实施方案中，可达性包括就业机会可达性、教育机会可达性、服务可达性以及顾客可达性。
在一些可选的实施方案中，时间界限阈值由校正年居住土地利用空间量和商业土地利用空间量与不同时间界限阈值下相对应的基准年可达性之间的皮尔逊相关系数r值的最大值来确定；校正年为基准年后的某个年度。
在一些可选的实施方案中，步骤S4建立小区级土地利用空间量预测模型包括：
S41、建立基于地理加权回归的小区级居住土地利用空间量预测模型，如下式所示：
Figure BDA0003339800010000035
式中，i为某交通小区的编号，k为某自变量的编号，
Figure BDA0003339800010000036
为规划年交通小区i的居住土地利用空间量观测值，
Figure BDA0003339800010000037
为基准年交通小区i第k个自变量，自变量包括就业机会可达性、教育机会可达性、服务可达性、人口、居住楼盘房价以及居住最大可开发空间量，(μi,υi)分别为交通小区i的质心的经度和纬度，
Figure BDA0003339800010000038
为交通小区i的截距参数，
Figure BDA0003339800010000039
为交通小区i第k个自变量的回归权重，
Figure BDA00033398000100000310
为交通小区i的残差参数；
S42、建立基于地理加权回归的小区级商业土地利用空间量预测模型，如下式所示：
Figure BDA00033398000100000311
式中，i为某交通小区的编号，k为某自变量的编号，
Figure BDA00033398000100000312
为规划年交通小区i的商业土地利用空间量观测值，
Figure BDA00033398000100000313
为基准年交通小区i第k个自变量，自变量包括顾客可达性、商业就业量、商业楼盘房价以及商业最大可开发空间量，(μi,υi)分别为交通小区i的质心的经度和纬度，
Figure BDA00033398000100000314
为交通小区i的截距参数，
Figure BDA00033398000100000315
为交通小区i第k个自变量的回归权重，
Figure BDA00033398000100000316
为交通小区i的残差参数。
在一些可选的实施方案中，步骤S6包括：
分别将各交通小区规划年的就业机会可达性、教育机会可达性、服务可达性、人口、居住楼盘房价、居住最大可开发空间量输入到标定后的小区级居住土地利用空间量预测模型中，预测未来年各交通小区的居住土地利用空间量；
分别将各交通小区规划年的顾客可达性、商业就业量、商业楼盘房价、商业最大可开发空间量输入到标定后的小区级商业土地利用空间量预测模型中，预测未来年各交通小区的商业土地利用空间量。
在一些可选的实施方案中，参数标定方法基于自适应的高斯核函数以及AIC赤池信息准则。
本发明与现有技术相比，具有以下优点及有益效果：
本发明充分考虑人口与就业、可达性、房价、最大可开发空间量的影响，利用人口与就业数据、道路网与公共交通站点及线路数据、房价数据、最大可开发空间量数据、土地利用空间量数据，构建了一种基于综合交通的小区级土地利用空间量预测模型，通过真实数据对小区级土地利用空间量预测模型进行参数标定，最后得到小区级土地利用空间量预测模型实现交通小区空间尺度下的土地利用空间量的预测，该模型在交通小区空间尺度下对不同类型的土地利用空间量进行精准预测，可以实现对交通需求进行预判、调整与完善交通基础设施，使得土地利用与交通的规划与管理在交通小区层面完美贴合，进而实现交通小区土地利用变迁、人口流动的科学化、动态化的实时管理，减少交通拥堵、降低交通安全隐患。
附图说明
图1为本发明提供的基于综合交通的小区级土地利用空间量预测方法流程图；
图2为本发明提供的标定小区级土地利用空间量预测模型参数的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提出了一种基于综合交通的小区级土地利用空间量预测方法，在交通小区空间尺度下系统地考虑人口与就业、可达性、房价、最大可开发空间量来对未来不同类型的土地利用空间量进行精准预测。
本发明实施例的基于综合交通的小区级土地利用空间量预测方法，如图1所示，包括以下步骤：
S1：划分交通小区；
在本实施例中，划分交通小区具体可以通过以下方式实现：
S11：绘制研究区域轮廓；
以在线地图为基准，通过GIS技术，绘制出研究区域的轮廓。
S12：将研究区域划分为多个交通小区；
以研究区域轮廓为边界，以道路、湖泊等天然屏障为划分界限，综合考虑土地利用、经济、社会等情况，将研究区域划分为多个交通小区。交通小区划分原则是以道路、湖泊等天然屏障为界限，将土地利用、经济、社会等情况相似的区域划分为一个交通小区。
S2：获取交通小区的人口与就业、道路网与公共交通站点及线路、房价、最大可开发空间量、土地利用空间量数据；
在本实施例中，获取交通小区的人口与就业、道路网与公共交通站点及线路、房价、最大可开发空间量、土地利用空间量数据，具体可以通过以下方式实现：
S21：获取交通小区的人口与就业数据；
其中，就业数据根据就业类型的不同，可分为商业、工业仓储、行政办公、教育科研、公共服务及其他就业量，其中，其他就业量表示除商业、工业仓储、行政办公、教育科研、公共服务外的剩余就业量。
通过GIS技术，计算各个交通小区面积，结合统计年鉴中各行政区的人口与就业数据以及实地调查，即可获取每个交通小区内的人口与各类就业数据。
S22：获取道路网与公共交通站点及线路数据；
其中，公共交通包括轨道交通和常规公交。道路网数据可在Open Street Map中获取，公共交通站点和线路数据可在高德地图中获取。
S23：获取交通小区的房价数据；
其中，房价数据根据建筑类型的不同，可分为居住楼盘房价和商业楼盘房价。
交通小区的房价数据的获取方式如下：根据房天下等网络平台获取居住和商业楼盘的价格和地址，通过申请和调用高德地图的密钥获取楼盘地址对应的GCJ02火星坐标系的经纬度，然后通过坐标转换算法将其转换为标准的WGS1984坐标系的经纬度，并利用GIS技术将其进行空间化，最后运用克里金插值法即可获得整个研究区域每个交通小区的居住楼盘和商业楼盘的房价。
S24：获取交通小区的最大可开发空间量数据；
其中，最大可开发空间量包括居住最大可开发空间量和商业最大可开发空间量。
根据可开发用地存量、控规最大容积率数据推算最大可开发空间量，如下式所示：
Figure BDA0003339800010000061
其中，
Figure BDA0003339800010000062
为交通小区i中第p种土地利用类型最大可开发的空间量，
Figure BDA0003339800010000063
为交通小区i中第p种土地利用类型的可开发用地存量，FARp为第p种土地利用类型的控规最大容积率。
S25：获取交通小区的土地利用空间量数据；
其中，土地利用空间量包括居住土地利用空间量和商业土地利用空间量。
通过GIS技术，对建筑物图层的基底面积和楼层高度进行求积，再与交通小区图层进行空间叠加分析，即可得到交通小区的土地利用空间量。
本发明实施例中所涉及的各个交通小区的就业数据包括商业、工业仓储、行政办公、教育科研、公共服务及其他就业量六种类型，公共交通站点及线路数据包括轨道交通站点及线路和常规公交站点及线路两种类型，房价数据包括居住楼盘房价和商业楼盘房价两种类型，最大可开发空间量数据包括居住最大可开发空间量和商业最大可开发空间量两种类型，土地利用空间量数据包括居住土地利用空间量和商业土地利用空间量两种类型，应该理解对于就业数据、公共交通站点及线路数据、房价数据、最大可开发空间量数据、土地利用空间量数据的划分不限于本发明实施例所列举的类型，还可以包括其他更加细致的划分。
S3：建立可达性模型，根据人口与就业、道路网与公共交通站点及线路计算可达性。其中，所述可达性用于表示在一定时间内，通过综合交通系统从特定区域出发所能获得的某种服务或机会的程度；
在本实施例中，建立可达性模型，根据人口与就业、道路网与公共交通站点及线路、土地利用空间量计算可达性，具体可以通过以下方式实现：
S31：建立可达性模型；
其中，可达性用于表示在一定时间内，通过综合交通系统从特定区域出发所能获得的某种服务或机会的程度，可达性模型如下式所示：
Figure BDA0003339800010000064
其中，i和j均为某个交通小区，k为某种交通方式，l为某种类型的可达性，n为交通小区总数，m为交通方式总数，
Figure BDA0003339800010000065
为交通小区i第l种可达性，
Figure BDA0003339800010000066
为交通小区i到交通小区j通过交通方式k的交通效用，
Figure BDA0003339800010000067
为交通小区j第l种服务或机会的数量，B为时间界限，在自由流情况下出行，如果超过一定的时间界限阈值，则取值为0，反之则取值为1。其中，交通小区的可达性根据不同类型的服务或机会，可分为就业机会可达性、教育机会可达性、服务可达性以及顾客可达性。
S32：根据人口与就业、道路网与公共交通站点及线路计算可达性；
其中，可达性的计算通过Cube Voyager交通规划软件进行建模实现，可达性模型中的时间界限阈值由校正年居住土地利用空间量和商业土地利用空间量与不同时间界限阈值下相对应的基准年可达性之间的皮尔逊相关系数r值的最大值来确定。其中，基准年依据数据的可获得性，应选择历史年中的某一年，但是不宜太久远，本发明实施例中可以选择2012年作为基准年。校正年应该根据实际需求和数据支持，选择基准年后的某个年度，本发明实施例选择2015年作为校正年。在本发明实施例中优选取时间界限阈值为5分钟。
本发明实施例中所涉及的可达性包括就业机会可达性、教育机会可达性、服务可达性以及顾客可达性四种类型，应该理解对于可达性的划分不限于本发明实施例所列举的类型，还可以包括其他更加细致的划分。
S4：建立小区级土地利用空间量预测模型；
在本发明实施例中，建立的小区级土地利用空间量预测模型包括：
S41：建立基于地理加权回归的小区级居住土地利用空间量预测模型，如下式所示：
Figure BDA0003339800010000071
其中，i为某交通小区的编号，k为某自变量的编号，
Figure BDA0003339800010000072
为规划年交通小区i的居住土地利用空间量观测值，
Figure BDA0003339800010000073
为基准年交通小区i第k个自变量，k＝1时即就业机会可达性，k＝2时即教育机会可达性，k＝3时即服务可达性，k＝4时即人口，k＝5时即居住楼盘房价，k＝6时即居住最大可开发空间量，(μi,υi)分别为交通小区i的质心的经度和纬度，
Figure BDA0003339800010000074
为交通小区i的截距参数，
Figure BDA0003339800010000075
为交通小区i第k个自变量的回归权重，
Figure BDA0003339800010000076
为交通小区i的残差参数。
S42：建立基于地理加权回归的小区级商业土地利用空间量预测模型，如下式所示：
Figure BDA0003339800010000077
其中，i为某交通小区的编号，k为某自变量的编号，
Figure BDA0003339800010000078
为规划年交通小区i的商业土地利用空间量观测值，
Figure BDA0003339800010000079
为基准年交通小区i第k个自变量，k＝1时即顾客可达性，k＝2时即商业就业量，k＝3时即商业楼盘房价，k＝4时即商业最大可开发空间量，(μi,υi)分别为交通小区i的质心的经度和纬度，
Figure BDA00033398000100000710
为交通小区i的截距参数，
Figure BDA00033398000100000711
为交通小区i第k个自变量的回归权重，
Figure BDA00033398000100000712
为交通小区i的残差参数。
S5：根据各交通小区基准年的人口与就业、分类可达性、房价、最大可开发空间量和校正年的土地利用空间量对小区级土地利用空间量预测模型进行参数标定；
在本发明实施例中，根据各交通小区基准年的人口与就业、分类可达性、房价、最大可开发空间量和校正年的土地利用空间量对小区级土地利用空间量预测模型进行参数标定，其中，标定方法基于自适应的高斯核函数以及AIC(赤池信息准则)。
如图2所示，具体方法如下：
借助MGWR软件，将各交通小区基准年的人口与就业、分类可达性、房价、最大可开发空间量和校正年的土地利用空间量集成为一个“.xlsx”的输入数据文件并加载到MGWR软件中，并按照以下方式设置MGWR软件的参数：
经纬度设置为“Spherical”，“Spatial Kernel”设置为“Adaptive”，“BandwidthSearching”设置为“Golden Section”，“Model Type”设置为“Guassian”，“OptimizationCriterion”设置为“AIC”。
运行MGWR软件即可得到小区级土地利用空间量预测模型中的参数值。
其中，校正年的土地利用空间量(作为观测值)是用于训练土地利用空间量预测模型(模型参数)的，即通过基准年的各个自变量x和校正年的因变量y(也就是校正年的土地利用空间量)来训练各个模型参数。得到了这些模型参数的值之后，后面就可以把校正年的各个自变量x代入到模型公式中，那么计算出来的y就是未来年的土地利用空间量了。注意：每个交通小区都是相同的模型公式，只是模型参数的值不一样而已。
S6：根据标定后的小区级土地利用空间量预测模型预测未来年各交通小区的分类土地利用空间量。
根据标定后的小区级土地利用空间量预测模型，分别将各交通小区规划年的人口与就业、分类可达性、房价、最大可开发空间量输入到标定后的小区级土地利用空间量预测模型中，预测未来年各交通小区的分类土地利用空间量。具体方法如下：
分别将各交通小区规划年的就业机会可达性、教育机会可达性、服务可达性、人口、居住楼盘房价、居住最大可开发空间量输入到标定后的小区级居住土地利用空间量预测模型中，预测未来年各交通小区的居住土地利用空间量。
分别将各交通小区规划年的顾客可达性、商业就业量、商业楼盘房价、商业最大可开发空间量输入到标定后的小区级商业土地利用空间量预测模型中，预测未来年各交通小区的商业土地利用空间量。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于综合交通的小区级土地利用空间量预测方法，其特征在于，包括以下步骤：
S1、划分交通小区；
S2、获取各交通小区的数据，包括人口与就业、道路网与公共交通站点及线路、房价、最大可开发空间量、土地利用空间量；
S3、建立可达性模型，根据人口与就业、道路网与公共交通站点及线路计算可达性；可达性用于表示在一定时间内，通过综合交通系统从特定区域出发所能获得的某种服务或机会的程度；
S4、建立小区级土地利用空间量预测模型；
S5、根据各交通小区基准年的人口与就业、分类可达性、房价、最大可开发空间量和校正年的土地利用空间量对小区级土地利用空间量预测模型进行参数标定；
S6、根据标定后的小区级土地利用空间量预测模型预测未来年各交通小区的分类土地利用空间量。
2.根据权利要求1所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，步骤S1划分交通小区包括：
S11、绘制研究区域轮廓；
S12、以研究区域轮廓为边界，以天然屏障为划分界限，将土地利用、经济、社会情况相似的区域划分为一个交通小区。
3.根据权利要求1所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，就业数据包括商业、工业仓储、行政办公、教育科研、公共服务及其他就业量；公共交通包括轨道交通和常规公交；房价包括居住楼盘房价和商业楼盘房价；最大可开发空间量包括居住最大可开发空间量和商业最大可开发空间量；土地利用空间量包括居住土地利用空间量和商业土地利用空间量。
4.根据权利要求1或3所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，根据可开发用地存量、控规最大容积率数据推算最大可开发空间量：
Figure FDA0003339800000000011
式中，
Figure FDA0003339800000000012
为交通小区i中第p种土地利用类型最大可开发的空间量，
Figure FDA0003339800000000013
为交通小区i中第p种土地利用类型的可开发用地存量，FARp为第p种土地利用类型的控规最大容积率。
5.根据权利要求1所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，可达性模型如下式所示：
Figure FDA0003339800000000021
式中，i和j均为某个交通小区，k为某种交通方式，l为某种类型的可达性，n为交通小区总数，m为交通方式总数，
Figure FDA0003339800000000022
为交通小区i第l种可达性，
Figure FDA0003339800000000023
为交通小区i到交通小区j通过交通方式k的交通效用，
Figure FDA0003339800000000024
为交通小区j第l种服务或机会的数量；B为时间界限，在自由流情况下出行时，如果交通时间超过一定的时间界限阈值，则B取值为0，反之则取值为1。
6.根据权利要求1或5所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，可达性包括就业机会可达性、教育机会可达性、服务可达性以及顾客可达性。
7.根据权利要求5所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，时间界限阈值由校正年居住土地利用空间量和商业土地利用空间量与不同时间界限阈值下相对应的基准年可达性之间的皮尔逊相关系数r值的最大值来确定；校正年为基准年后的某个年度。
8.根据权利要求1所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，步骤S4建立小区级土地利用空间量预测模型包括：
S41、建立基于地理加权回归的小区级居住土地利用空间量预测模型，如下式所示：
Figure FDA0003339800000000025
式中，i为某交通小区的编号，k为某自变量的编号，
Figure FDA0003339800000000026
为规划年交通小区i的居住土地利用空间量观测值，
Figure FDA0003339800000000027
为基准年交通小区i第k个自变量，自变量包括就业机会可达性、教育机会可达性、服务可达性、人口、居住楼盘房价以及居住最大可开发空间量，(μi,vi)分别为交通小区i的质心的经度和纬度，
Figure FDA0003339800000000028
为交通小区i的截距参数，
Figure FDA0003339800000000029
为交通小区i第k个自变量的回归权重，
Figure FDA00033398000000000210
为交通小区i的残差参数；
S42、建立基于地理加权回归的小区级商业土地利用空间量预测模型，如下式所示：
Figure FDA00033398000000000211
式中，i为某交通小区的编号，k为某自变量的编号，
Figure FDA00033398000000000212
为规划年交通小区i的商业土地利用空间量观测值，
Figure FDA00033398000000000213
为基准年交通小区i第k个自变量，自变量包括顾客可达性、商业就业量、商业楼盘房价以及商业最大可开发空间量，(μi,vi)分别为交通小区i的质心的经度和纬度，
Figure FDA00033398000000000214
为交通小区i的截距参数，
Figure FDA00033398000000000215
为交通小区i第k个自变量的回归权重，
Figure FDA00033398000000000216
为交通小区i的残差参数。
9.根据权利要求8所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，步骤S6包括：
分别将各交通小区规划年的就业机会可达性、教育机会可达性、服务可达性、人口、居住楼盘房价、居住最大可开发空间量输入到标定后的小区级居住土地利用空间量预测模型中，预测未来年各交通小区的居住土地利用空间量；
分别将各交通小区规划年的顾客可达性、商业就业量、商业楼盘房价、商业最大可开发空间量输入到标定后的小区级商业土地利用空间量预测模型中，预测未来年各交通小区的商业土地利用空间量。
10.根据权利要求1所述的基于综合交通的小区级土地利用空间量预测方法，其特征在于，参数标定方法基于自适应的高斯核函数以及AIC赤池信息准则。
CN202111304904.XA 2021-11-05 2021-11-05 基于综合交通的小区级土地利用空间量预测方法 Active CN113988447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111304904.XA CN113988447B (zh) 2021-11-05 2021-11-05 基于综合交通的小区级土地利用空间量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111304904.XA CN113988447B (zh) 2021-11-05 2021-11-05 基于综合交通的小区级土地利用空间量预测方法

Publications (2)

Publication Number Publication Date
CN113988447A true CN113988447A (zh) 2022-01-28
CN113988447B CN113988447B (zh) 2024-08-20

Family

ID=79746685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111304904.XA Active CN113988447B (zh) 2021-11-05 2021-11-05 基于综合交通的小区级土地利用空间量预测方法

Country Status (1)

Country Link
CN (1) CN113988447B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102368309A (zh) * 2011-04-02 2012-03-07 复旦大学 一种城市土地使用与交通一体化规划决策支持方法及系统
CN110956305A (zh) * 2019-10-22 2020-04-03 中国科学院地理科学与资源研究所 城市空间预测模型的建立方法及城市空间预测系统
CN111612223A (zh) * 2020-05-06 2020-09-01 武汉理工大学 基于土地和交通多源数据的人口就业分布预测方法及装置
KR20200132225A (ko) * 2019-05-16 2020-11-25 한국과학기술원 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102368309A (zh) * 2011-04-02 2012-03-07 复旦大学 一种城市土地使用与交通一体化规划决策支持方法及系统
KR20200132225A (ko) * 2019-05-16 2020-11-25 한국과학기술원 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법
CN110956305A (zh) * 2019-10-22 2020-04-03 中国科学院地理科学与资源研究所 城市空间预测模型的建立方法及城市空间预测系统
CN111612223A (zh) * 2020-05-06 2020-09-01 武汉理工大学 基于土地和交通多源数据的人口就业分布预测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵鹏军;万婕;: "城市交通与土地利用一体化模型的核心算法进展及技术创新", 地球信息科学学报, no. 04, 25 April 2020 (2020-04-25) *

Also Published As

Publication number Publication date
CN113988447B (zh) 2024-08-20

Similar Documents

Publication Publication Date Title
CN108133302B (zh) 一种基于大数据的公共自行车潜在需求预测方法
CN107103392A (zh) 一种基于时空地理加权回归的公交客流影响因素识别与预测方法
CN105809962A (zh) 一种基于手机数据的交通出行方式划分的方法
Balboni et al. Transportation, gentrification, and urban mobility: The inequality effects of place-based policies
CN111612223B (zh) 基于土地和交通多源数据的人口就业分布预测方法及装置
CN107872808A (zh) 一种wlan站址预测分析方法及装置
CN113222271B (zh) 综合交通运输体系下的中小机场选址布局方法
Duan et al. Bi-level programming model for resource-shared parking lots allocation
CN108388970A (zh) 一种基于gis的公交站点选址方法
Zhang Can transit-oriented development reduce peak-hour congestion?
Liu et al. High‐speed railway and urban productivity disparities
Jaber et al. How do land use, built environment and transportation facilities affect bike-sharing trip destinations?
CN115600855A (zh) 基于gis的城市规划用地强度分区方法、系统及存储介质
Wong et al. Estimation of multiclass origin-destination matrices from traffic counts
Lin et al. Passenger flow scale prediction of urban rail transit stations based on multilayer perceptron (mlp)
Bao et al. Optimization of airport shuttle bus routes based on travel time reliability
Hasnine et al. Mode shift impacts of optimal time-dependent congestion pricing in large networks: A simulation-based case study in the greater toronto area
Zheng et al. Influence of link-addition strategies on network balance and passenger experience in rail networks
Wong et al. Estimation of origin‐destination matrices for a multimodal public transit network
Rusca et al. Algorithm for traffic allocation when are developed park and ride facilities
CN113988447B (zh) 基于综合交通的小区级土地利用空间量预测方法
CN113343358B (zh) 一种考虑道路信息的电动汽车充电负荷时空分布建模方法
Yang et al. How the urban microclimate and outdoor thermal comfort can affect intra-city mobility patterns: Evidence from New York City
Mirzahossein et al. Land-Use Modification Based on Transit-Oriented Development Adjacent to Historical Context (Case Study: Qazvin City)
Sun et al. A Novel Model for Accessibility of Bus Station and Its Application to Bottlenecks Identification: A Case Study in Harbin

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