CN115730763B - 基于终端信令数据的工作日设施可达性计算方法及装置 - Google Patents
基于终端信令数据的工作日设施可达性计算方法及装置 Download PDFInfo
- Publication number
- CN115730763B CN115730763B CN202211413449.1A CN202211413449A CN115730763B CN 115730763 B CN115730763 B CN 115730763B CN 202211413449 A CN202211413449 A CN 202211413449A CN 115730763 B CN115730763 B CN 115730763B
- Authority
- CN
- China
- Prior art keywords
- commute
- population
- facility
- outflow
- inflow
- 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
Links
- 230000011664 signaling Effects 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 73
- 230000009471 action Effects 0.000 claims description 64
- 230000006870 function Effects 0.000 claims description 36
- 238000012937 correction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000003012 network analysis Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于终端信令数据的工作日设施可达性计算方法及装置，所述方法包括：在预设时长内获取信令数据集后，根据信令数据集将统计区域内在工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，通勤类型人口群体包括非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体；分别计算每种通勤类型人口群体分别对应的设施可达性值，并依据若干个设施可达性值计算统计区域内用户对目标设施的总体可达性值。本发明基于终端信令数据划分用户的通勤类型，根据不同通勤类型分别计算设施可达性，最后集合不同类型的可达性计算设施的总体可达性，从而贴合用户的实际出行情况，减少计算误差，提高计算的准确率。
Description
技术领域
本发明涉及公共服务设施的可达性计算技术领域，尤其涉及一种基于终端信令数据的工作日设施可达性计算方法及装置。
背景技术
在图论中，可达性是指在图中从一个顶点到另一个顶点的容易程度。在无向图中，可以通过识别图的连接分量来确定所有顶点对之间的可达性。其中，空间可达性是指从需求点出发到供给点之间的路程需要克服地理阻隔的难易程度，通过评估目标设施的可达性，可以基于可达性确定居民获取该设施服务的便利程度。
常用的可达性计算方法是两步移动搜索法。两步移动搜索法的具体计算方式是先以供给点为中心，根据供给点的服务半径设定时间或距离阈值形成空间作用域，搜索空间作用域内所有需求点，根据服务数量和人口数量计算供需比；接着以需求点为中心，根据人口出行极限半径设定时间或距离阈值，形成另一个空间作用域，搜索作用域内所有供给点，将其供需比进行加总，得到该类设施的可达性。
但上述计算方法有如下技术问题：由于两步移动搜索法仅简单地以二分法处理距离衰减效应，默认为作用域内所有人群对所有设施具有一致的可接近性而不受距离约束，使得计算结果与用户群体的实际有偏差，计算的误差较大；而且采用单一的空间作用域，难以反映用户的实际应用需求，进一步增加计算偏差，导致计算的精度较低。
发明内容
本发明提出一种基于终端信令数据的工作日设施可达性计算方法及装置，所述方法可以基于终端信令数据将用户划分成不同的通勤类型人口群体，确定不同的通勤类型群体对应的实际需求空间作用域，利用不同的空间作用域计算目标设施的可达性，从而减少计算的误差，提高计算的准确率。
本发明实施例的第一方面提供了一种基于终端信令数据的工作日设施可达性计算方法，所述方法包括：
在预设时长内获取信令数据集后，根据所述信令数据集将统计区域内在工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，所述通勤类型人口群体包括非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体；
分别计算统计区域内每种所述通勤类型人口群体分别对应的设施可达性值，并依据若干个所述设施可达性值计算统计区域内用户对目标设施的总体可达性值。
在第一方面的一种可能的实现方式中，计算统计区域内所述非通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述非通勤类型人口群体对应的第一非通勤空间作用域和第二非通勤空间作用域，其中，所述第一非通勤空间作用域是利用目标设施的服务半径构建生成，所述第二非通勤空间作用域是利用预设出行极限阈值构建生成，所述预设出行极限阈值为统计区域内所述非通勤类型人口群体的需求用户出行至目标设施的极限距离值；
采用高斯方程作为距离衰减函数，对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值。
在第一方面的一种可能的实现方式中，所述利用高斯距离衰减函数对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值，包括：
利用高斯方程，对所述第一非通勤空间作用域内的每个所述非通勤类型人口群体的需求用户赋予权重并加和，计算对应的供需比率值，得到非通勤供需比率值；
利用高斯方程，对处于所述第二非通勤空间作用域内的所述非通勤供需比率值赋予权重并求和，得到统计区域内所述非通勤类型人口群体对应的设施可达性值。
在第一方面的一种可能的实现方式中，计算统计区域内所述流出通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流出通勤类型人口群体对应的第一流出空间作用域、第二流出空间作用域和第三流出空间作用域，其中，所述第一流出空间作用域是利用目标设施的服务半径构建生成，所述第二流出空间作用域是利用统计区域内所述流出通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，所述第三流出空间作用域是利用人口出行半径构建生成；
若目标设施同时处于所述第一流出空间作用域和第二流出空间作用域时，采用高斯方程作为距离衰减函数，对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值。
在第一方面的一种可能的实现方式中，所述利用高斯距离衰减函数对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值，包括：
统计区域内所述流出通勤类型人口群体对应的需求用户的数量，得到流出用户数量，并利用高斯方程对处于所述第一流出空间作用域的每个所述流出通勤类型人口群体对应的需求用户进行赋予权重，得到高斯修正后的流出用户数；
加总高斯修正后的流出用户数，计算设施服务能力与所述高斯流出用户数总和的比值，得到流出供需比率值；
利用高斯方程，对同时落在所述第二流出空间作用域和所述第三流出空间作用域内的每个所述流出供需比率值赋予权重并求和，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值。
在第一方面的一种可能的实现方式中，计算统计区域内所述流入通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流入通勤类型人口群体对应的第一流入空间作用域、第二流入空间作用域和第三流入空间作用域，其中，所述第一流入空间作用域是利用目标设施的服务半径构建生成，所述第二流入空间作用域是利用统计区域内所述流入通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，第三流入空间作用域是利用人口出行半径构建生成；
若目标设施同时落入所述第一流入空间作用域和所述第二流入空间作用域内时，采用高斯方程作为距离衰减函数，对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
在第一方面的一种可能的实现方式中，所述利用高斯距离衰减函数对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值，包括：
统计区域内所述流入通勤类型人口群体对应的需求用户的数量，得到流入用户数量，并利用高斯方程对处于所述第一流入空间作用域的每个所述流入通勤类型人口群体对应的需求用户赋予权重，得到高斯修正后的流入用户数；
加总高斯修正后的流入用户数，计算设施服务能力与所述高斯流入用户数总和的比值，得到流入供需比率值；
利用高斯方程，对同时处于所述第二流入空间作用域和所述第三流入空间作用域内的每个所述流入供需比率值赋予权重并求和，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
在第一方面的一种可能的实现方式中，
所述总体可达性值的计算如下式所示：
上式中，mi为非通勤类型人口群体、ml为流入通勤类型人口群体、mk为流出通勤类型人口群体，Pmi为非通勤类型人口群体对应的需求用户的数量，Pmk为流出通勤类型人口群体对应的需求用户的数量，Pml为流入通勤类型人口群体对应的需求用户的数量，Ami为非通勤类型人口群体对应的设施可达性值，Amk为流出通勤类型人口群体对应的设施可达性值，Aml为流入通勤类型人口群体对应的设施可达性值。
在第一方面的一种可能的实现方式中，所述根据所述信令数据集将统计区域内在工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，包括：
在统计区域内确定所述信令数据集中每个工作日信令数据的日间停留时长和夜间停留时长，并分别获取所述日间停留时长所在的地点得到日间停留地，以及获取所述夜间停留时长所在的地点得到夜间停留地，其中，所述日间停留时长为9点至17点，所述夜间停留时长为21点至次日8点；
若所述日间停留地与所述夜间停留地相同，则将所述信令数据集对应的用户群体划分为非通勤类型；
若所述日间停留区域与所述夜间停留区域不相同，则确定用户群体的通勤固定点；
若所述通勤固定点为所述日间停留地，则将所述信令数据集对应的用户群体划分为流入通勤类型；
若所述通勤固定点为所述夜间停留地，则将所述信令数据集对应的用户群体划分为流出通勤类型。
本发明实施例的第二方面提供了一种基于终端信令数据的工作日设施可达性计算装置，所述装置包括：
划分模块，用于在预设时长内获取信令数据集后，根据所述信令数据集将统计区域内在工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，所述通勤类型人口群体包括非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体；
计算模块，用于分别计算每种所述通勤类型人口群体分别对应的设施可达性值，并依据若干个所述设施可达性值计算目标设施的总体可达性值。
相比于现有技术，本发明实施例提供的一种基于终端信令数据的工作日设施可达性计算方法及装置，其有益效果在于：本发明在对设施进行工作日可达性计算时，可以获取用户的终端信令数据，然后基于终端信令数据划分用户的通勤类型，根据用户不同的通勤类型所对应的空间作用域进行可达性计算，最后集合不同类型的可达性计算设施的可达性，从而贴合用户的实际出行情况，减少计算误差，提高计算的准确率。
附图说明
图1是本发明一实施例提供的一种基于终端信令数据的工作日设施可达性计算方法的流程示意图；
图2是本发明一实施例提供的空间作用域的示意图；
图3是本发明一实施例提供的一种基于终端信令数据的工作日设施可达性计算方法的操作流程图；
图4是本发明一实施例提供的一种基于终端信令数据的工作日设施可达性计算装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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例，都属于本发明保护的范围。
随着中国体育事业的发展和民众健康观念的转变，人民对体育服务设施的需求日益增长。由于各种因素(例如基于其空间位置、规模、面积、交通状况、个人时间、设施质量和设施等级等)的差异，不同社区居民使用体育设施的方便程度不同。为此，需要确定该区域的可达性(具体是指从需求点出发到供给点之间的路程需要克服地理阻隔的难易程度)，以确定该区域居民对体育设施的需求，以供后续的规划。
目前常用的计算方法是两步移动搜索法。两步移动搜索法的具体计算方式是先以供给点为中心，根据供给点的服务半径设定时间或距离阈值形成空间作用域，搜索空间作用域内所有需求点，根据服务数量和人口数量计算供需比；接着以需求点为中心，根据人口出行极限半径设定时间或距离阈值，形成另一个空间作用域，搜索作用域内所有供给点，将其供需比进行加总，得到该类设施的可达性。
但上述计算方法有如下技术问题：由于两步移动搜索法仅简单地以二分法处理距离衰减效应，默认为作用域内所有人群对所有设施具有一致的可接近性而不受距离约束，使得计算结果与用户群体的实际有偏差，计算的误差较大；而且采用单一的空间作用域，难以反映用户的实际应用需求，进一步增加计算偏差，导致计算的精度较低；并且计算过程并没有考虑多种交通方式或组合交通方式，也没有考虑到供给点和需求点除空间相对位置和规模以外的其他属性或特征，使其计算结果与实际不符。
为了解决上述问题，下面将通过以下具体的实施例对本申请实施例提供的一种基于终端信令数据的工作日设施可达性计算方法进行详细介绍和说明。
参照图1，示出了本发明一实施例提供的一种基于终端信令数据的工作日设施可达性计算方法的流程示意图。
其中，作为示例的，所述基于终端信令数据的工作日体育设施可达性计算方法，可以包括：
S11、在预设时长内获取信令数据集后，根据所述信令数据集将统计区域内在工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，所述通勤类型人口群体包括非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体。
在一实施例中，信令数据集可以包含多个需求用户的多个终端信令数据。具体可以获取统计区域内多个用户的信令数据，多个需求用户组成一个用户群体，而多个信令数据可以组合成对应的信令数据集。
其中，预设时长可以是用户设定的采集时长，例如一周或一个月。
优选地，预设时长可以是一个月。统计区域可以是设施所在的区域或者评估的潜在用户所在的区域。
在一可选的应用中，工作日的用户，因为要工作，所以可能从工作地点出发至目标设施。因此，可以获取工作日期间的信令数据，从而能根据信令数据确定不同用户的通勤情况。
在一实施例中，可能有多个用户在工作日期间在目标区域内逗留，产生了对应的终端信令数据，但若用户仅短时间逗留，用户可能未产生实际通勤行为，其信令数据不具备参考和计算的价值。为了能筛选不具备参考和分析价值的信令数据，其中，作为示例的，数据筛选可以包括以下步骤：
在预设时长所包含的若干个工作日内，确定信令数据集中每个信令数据的的驻留日数值，得到多个驻留日数值。
从多个驻留日数值中筛选多个大于预设日数值的目标驻留日数值，并将目标驻留日数值对应的终端信令数据汇集成信令数据集。
例如，在一个月内有20个工作日，可以确定这20个工作日内进入目标区域的多个用户，并获取每个用户的终端信令数据，得到多个终端信令数据。统计每个终端信令数据在目标区域内驻留的日数，得到驻留日数值。
在终端信令数据中，用户一天的状态分为“驻留”和“出行”两种。其中，驻留的判断标准是早上的第一个位置、晚上的最后一个位置、或其他时间在同一地点触发了多次信令且起止间隔超过30min的位置。而驻留与驻留之间触发了信令则被判定为出行。
接着，可以在多个驻留日数值中筛选大于或等于预设日数值的驻留日数值，并将大于或等于预设日数值的驻留日数值对应的终端信令数据汇集成信令数据集。
例如，将大于或等于7天的驻留日数值对应的终端信令数据汇集成信令数据集。
通过筛选可以查找有效的需求用户，剔除部分停留时间较短的用户的终端信令数据，从而可以减少数据的处理量，提高数据的处理效率。
在获取用户的信令数据集后，可以将信令数据集所包含的用户划分成不同的通勤类型人口群体，不同的通勤类型人口群体对应一种通勤类型的用户群体，其中，通勤类型将影响用户出行至设施的起点与路径。
在一实施例中，所述通勤类型人口群体包括：非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体；
所述非通勤类型人口群体的用户是指工作日期间，日间与夜间停留地方均在同一区域的用户；一般是白天的工作日与夜间居住地在同一地方的人群、职住不分离人群、无业人群、全职照顾家庭者、退休人群等用户。
所述流入通勤类型人口群体是指工作日期间，日间与夜间停留地方不在同一区域，且用户以其日间停留地方为固定起点的用户，移动到体育设施的通勤类型；例如，用户有固定职业，早上先到目标体育设施进行健身，然后再到一固定地点(其日间停留地方，又称其工作地)进行工作的人士。
所述流出通勤类型人口群体指工作日期间，用户的日间与夜间停留地方不在同一区域，用户以其夜间停留地方为固定起点，移动到体育设施的通勤类型。例如，有固定职业，早上从居住地到工作地上班，中午午休或下班后从工作地到目标设施进行健身，最后再固定返回夜间停留地方(又称居住地)的人士。
其中，作为示例的，步骤S11可以包括以下子步骤：
S111、在统计区域内确定所述信令数据集中每个工作日信令数据的日间停留时长和夜间停留时长，并分别获取所述日间停留时长所在的地点得到日间停留地，以及获取所述夜间停留时长所在的地点得到夜间停留地，其中，所述日间停留时长为9点至17点，所述夜间停留时长为21点至次日8点。
S112、若所述日间停留地与所述夜间停留地相同，则将所述信令数据集对应的用户群体划分为非通勤类型。
S113、若所述日间停留区域与所述夜间停留区域不相同，则确定用户群体的通勤固定点。
S114、若所述通勤固定点为所述日间停留地，则将所述信令数据集对应的用户群体划分为流入通勤类型。
S115、若所述通勤固定点为所述夜间停留地，则将所述信令数据集对应的用户群体划分为流出通勤类型。
例如，可以获取每个信令数据的停留时长，以早上9点到下午5点为其日间停留时长，以晚上9点到第二天早上8点为夜间停留时长。
接着，可以分别获取日间停留时长的所在区域作为日间停留地，以夜间停留时长的所在区域作为夜间停留地。简单地，可以将日间停留地理解为用户的工作地，夜间停留地可以理解为用户的居住地。
若日间停留地与夜间停留地相同，则说明用户可能是职住不分离人群、无业人群、全职照顾家庭者或者退休人群，可以将这部分信令数据对应的用户群体划分为非通勤类型。
若日间停留地与夜间停留地不相同，则用户可能是居住地和职业的工作地不相同的人群。需要确定用户是从居住地出行至体育设施，还是从工作地出行至体育设施。
具体可以确定用户的固定点，具体可以基于信令数据确定用户的起点或者其终点。
若用户以日间停留地(可称为用户的工作地)为通勤固定点，则说明用户是固定以日间停留地作为固定的通勤目的地，可以将这部分信令数据对应的用户群体划分为流入通勤类型。
若用户是以夜间停留地(可称为用户的居住地)为通勤固定点，则说明用户是固定以夜间停留地作为固定的通勤出发地，可以将这部分信令数据对应的用户群体划分为流出通勤类型。
根据用户的信令数据，将用户划分成不同的通勤类型，进而可以贴近用户的实际出现状况，以提高后续计算的准确率。
S12、分别计算统计区域内每种所述通勤类型人口群体分别对应的设施可达性值，并依据若干个所述设施可达性值汇总计算目标设施的总体可达性值。
将统计区域内用户划分成不同的通勤类型人口群体后，可以根据其通勤类型人口群体计算相应的设施可达性，再结合不同通勤类型人口群体的设施可达性汇总计算目标设施的总体可达性，以贴合用户的实际出行情况，提高计算的准确率。
在其中一种的实施例中，计算统计区域内所述非通勤类型人口群体的设施可达性值，可以包括以下子步骤：
S21、分别构建统计区域内所述非通勤类型人口群体对应的第一非通勤空间作用域和第二非通勤空间作用域，其中，所述第一非通勤空间作用域是利用目标设施的服务半径构建生成，所述第二非通勤空间作用域是利用预设出行极限阈值构建生成，所述预设出行极限阈值为统计区域内所述非通勤类型人口群体的需求用户出行至目标设施的极限距离值；
参照图2，示出了本发明一实施例提供的空间作用域的示意图。
对每一个体育设施j，以设施的服务半径(d0，路网距离)形成第一非通勤空间作用域(如图2非通勤者的I1所示)；对每一非通勤人口需求点i(即用户的居住地或工作地)，根据人口对体育设施的出行极限阈值(d0，路网距离)形成另一个空间作用域，得到第二非通勤空间作用域(如图2非通勤者的I2所示)。
需要说明的是，图2的非通勤者(即非通勤类型人口群体的需求用户)中，对于非通勤类型人口群体的用户，只把居住地作为需求点，并且不考虑通勤行为，以设施点j为中心，由d0(体育设施服务半径)形成的第一非通勤空间作用域(即图2非通勤者的I1)内的i1、i2的人口均可享用到体育设施服务，i3不可享用到体育设施服务；以需求点i(即居住地h所在位置)为中心，由d0(人们对体育设施的出行阈值)形成的第二非通勤空间作用域(即图2非通勤者的I2)内的j1、j2均可达，j3不可达。
S22、采用高斯方程作为距离衰减函数，对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值。
在分别构建第一非通勤空间作用域和第二非通勤空间作用域后，可以利用高斯方程对能满足两个作用域的需求点进行赋值计算，从而求出非通勤类型人口群体所对应的设施可达性值。
在一可选的实施例中，所述步骤S22可以包括以下子步骤：
S221、利用高斯方程，对所述第一非通勤空间作用域内的每个所述非通勤类型人口群体的需求用户赋予权重并加和，计算对应的供需比率值，得到非通勤供需比率值。
其计算方式是：高斯方程(距离衰减函数)对作用域范围内的每个人口赋予权重，赋予权重后的人口加总，通过设施服务能力与赋予权重后的人口加总值的比值来计算供需比。
S222、利用高斯方程，对处于所述第二非通勤空间作用域内的所述非通勤供需比率值赋予权重并求和，得到统计区域内非通勤类型人口群体对应的设施可达性值。
具体地，可以利用高斯方程对落在第一非通勤空间作用域(即图2非通勤者的I1所示)内的每个需求点i(非通勤者的居住地所在位置)的非通勤类型人口群体的需求用户数量PNi赋予权重，并对加权后的非通勤类型人口群体的需求用户数量进行相加求和，得到每一个体育设施j的潜在非通勤类型人口群体的需求用户数量；最后计算体育设施j的服务能力与非通勤类型人口群体的潜在需求用户数量的比值，得到非通勤供需比率值RNj。其中，非通勤供需比率值RNj的计算公式如下式所示：
上式中，PNi为体育设施j的体育设施作用域I1内(dij≤d0)需求点i的非通勤类型人口群体的需求用户数量；dij是需求点i到体育设施点j的路网距离；Sj为以设施场地面积(m2)表示的体育设施j的服务能力；G(dij,d0)表示基于高斯方程的空间摩擦系数，其方程如下式所示：
然后，再利用上述高斯方程对第二非通勤空间作用域(即图2非通勤者的I2所示)内的体育设施的区域j的非通勤供需比率(RNj)赋以权重，并对加权后的供需比率进行相加求和，得到每个需求点i的所述非通勤类型人口群体对应的人口-体育设施可达性ANi。
具体地，所述非通勤类型人口群体对应的人口-体育设施可达性ANi的计算如下式所示：
上式中，RNj表示人口点i的第二非通勤空间作用域内(dij≤d0)体育设施j对非通勤者的供需比率；dij表示需求点i到体育设施点j的路网距离；其余变量含义同上。
在一实施例中，所述非通勤类型人口群体对应的人口-体育设施可达性ANi可以理解为在某一研究范围内点i的非通勤者人均体育设施占有量(m2/人)。
在其中一种的实施例中，计算所述流出通勤类型人口群体的设施可达性值，可以包括以下子步骤：
S31、分别构建统计区域内所述流出通勤类型人口群体对应的第一流出空间作用域、第二流出空间作用域和第三流出空间作用域，其中，所述第一流出空间作用域是利用目标设施的服务半径构建生成，所述第二流出空间作用域是利用统计区域内所述流出通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，所述第三流出空间作用域是利用以人口出行半径构建生成。
对每一个体育设施j，以设施服务半径(d0，路网距离)形成第一流出空间作用域(如图2流出通勤者的I1所示)。对每一个落在第一流出空间作用域的需求点k(流出通勤者居住地h所在位置)，以居住地h所对应的流出通勤类型人口群体的需求点k作为通勤起点，以其实际的工作地w作为通勤终点，以实际通勤距离(dhw，路网距离)和最大绕行距离(dd，路网距离)形成第二流出空间作用域(如图2流出通勤者的II1所示)。对每一流出人口需求点k(即流出通勤类型人口群体的用户的居住地h所在位置)，根据人口对体育设施的出行极限阈值(d0，路网距离)形成另一个空间作用域，得到第三流出空间作用域(如图2流出通勤者的I3所示)。
需要说明的是，图2中流出通勤者(即流出通勤类型人口群体的需求用户)，对于流出通勤者，考虑通勤行为，以设施点j为中心，由d0(体育设施服务半径)形成第一流出空间作用域(即图2流出通勤者的I1)，由dkw+d(dkw为流出通勤类型人口群体的用户的居住地与工作地之间的实际通勤路程；d为人们在通勤过程中愿意为体育设施花费的最大绕行距离，采用路网距离表示)形成第二流出空间作用域(即图2流出通勤者的II1)，仅有位于两个作用域交集(通勤绕行作用域)内的k2可享用到体育设施服务；以居住地h为需求点k仅有位于第三流出空间作用域和第二流出空间作用域交集内的j1可达。
S32、若目标设施同时处于所述第一流出空间作用域和第二流出空间作用域时，采用高斯方程作为距离衰减函数，对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值。
如果体育设施j没有落在第二流出空间作用域中，从需求点k(即通勤起点h)出发到体育设施j再到通勤终点w的距离超过了流出通勤类型人口群体的用户所能够承受的范围，需求点k对应的流出通勤类型人口群体的用户不是体育设施j的潜在使用者。
因此，当体育设施j落在第二流出空间作用域，才说明需求点k的流出通勤类型人口群体的用户是体育设施j的潜在使用者。
当确定第一流出空间作用域内的目标设施处于第二流出空间作用域内时，可以利用高斯方程对同时落入第一流出空间作用域、第二流出空间作用域和所述第三流出空间作用域的需求用户进行赋值计算，以计算流出通勤类型人口群体对应的设施可达性值。
在一可选的实施例中，所述步骤S32可以包括以下子步骤：
S321、统计区域内所述流出通勤类型人口群体对应的需求用户的数量，得到流出用户数量，并利用高斯方程对处于所述第一流出空间作用域的每个所述流出通勤类型人口群体对应的需求用户赋予权重，得到高斯修正后的流出用户数。
S322、加总高斯修正后的流出用户数，计算设施服务能力与所述高斯流出用户数总和的比值，得到流出供需比率值。
S323、利用高斯方程，对同时落在所述第二流出空间作用域和所述第三流出空间作用域内的每个所述流出供需比率值赋予权重并求和，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值。
具体地，可以利用高斯方程对同时落在第一流出空间作用域(即图2流出通勤者的I1)和第二流出空间作用域(即图2流出通勤者的II1)内的每个需求点k的流出通勤类型人口群体的需求用户数量(POk)赋予权重，并对加权后的流出通勤类型人口群体的需求用户数量进行相加求和，得到体育设施j的潜在流出通勤类型的需求用户数量；
计算体育设施j的服务规模与潜在流出通勤类型人口群体的需求用户数量的比值，得到流出供需比率值ROj。其中，流出供需比率值ROj的计算公示如下式所示：
上式中，POk为第一流出空间作用域和第二流出空间作用域交集内的通勤人口点k的潜在流出通勤类型人口群体的需求用户数量；dkw为流出通勤类型人口群体的需求用户从居住地到工作地的实际通勤路程(采用路网距离计算)；dd为居民在通勤途中愿意为了体育设施而花费的最大绕行距离；G(dkj,d0)表示设施j与流出通勤类型人口群体的人口点k之间的基于高斯方程的空间摩擦系数。
接着，再利用高斯方程对同时落在第三流出空间作用域(即图2流出通勤者的I3)和第二流出空间作用域(即图2流出通勤者的II1)的设施j的流出供需比率值ROj赋以权重，并对加权后的流出供需比率进行相加求和，得到每个需求点k的所述流出通勤类型人口群体对应的人口-体育设施可达性AOk。其中，流出通勤类型对应的人口-体育设施可达性AOk的计算公式如下式所示：
上式中，ROj表示流出供需比率值；dkj表示流出通勤人口点k到体育设施供给点j的路网距离；其余变量含义同上。
在一实施例中，流出通勤类型人口群体对应的的人口-体育设施可达性AOk可以理解为在某一研究范围内点k的流出通勤类型人口群体的需求用户的人均体育设施占有量(m2/人)。
在其中一种的实施例中，计算统计区域内所述流入通勤类型人口群体的设施可达性值，可以包括以下子步骤：
S41、分别构建统计区域内所述流入通勤类型人口群体对应的第一流入空间作用域、第二流入空间作用域和第三流入空间作用域，其中，所述第一流入空间作用域是利用目标设施的服务半径构建生成，所述第二流入空间作用域是利用统计区域内所述流入通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，第三流入空间作用域是利用人口出行半径构建生成。
具体地，对每一个体育设施j，以设施服务半径(d0，路网距离)形成第一流入空间作用域(如图2流入通勤者的I1所示)；对每一个落在第一流入空间作用域的需求点l(流入通勤者工作地w所在位置)，以工作地w所对应的流入通勤者需求点l作为通勤起点，以其居住地h作为通勤终点，以实际通勤距离(dhw，路网距离)和最大绕行距离(dd，路网距离)形成第二流入空间作用域(如图2流入通勤者的II2所示)。对每一流入人口需求点l(即流入通勤者工作地w所在位置)，根据人口对体育设施的出行极限阈值(d0，路网距离)形成另一个空间作用域，得到第三流入空间作用域(如图2流入通勤者的I4所示)。
需要说明的是，图2中流入通勤者(即流入通勤类型人口群体的需求用户)，对于流入通勤者，考虑通勤行为，以设施点j为中心，由d0(体育设施服务半径)形成第一流入空间作用域(即图2流入通勤者的I1)，由dlh+d(dlh为流入通勤者的居住地与工作地之间的实际通勤路程；d为人们在通勤过程中愿意为体育设施花费的最大绕行距离，采用路网距离表示)形成第二流入空间作用域(即图2流入通勤者的II2)，仅有位于两个作用域交集(通勤绕行作用域)内的wl1可享用到体育设施服务；以工作地w为需求点l，仅有位于第三流入空间作用域和第二流入空间作用域交集内的j2可达。
其中，所述流入通勤类型人口群体对应的需求用户的通勤距离与所述流出通勤类型人口群体对应的需求用户的通勤距离可以相同，也可以不同，具体可以根据是需要进行调整。
S42、若目标设施同时落入所述第一流入空间作用域和所述第二流入空间作用域内时，采用高斯方程作为距离衰减函数，对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
如果体育设施j没有落在第二流入空间作用域，从需求点l(即通勤起点w)出发到体育设施j再到通勤终点h的距离超过了流入通勤者能够承受的范围，可以确定需求点l的流入通勤者不是体育设施j的潜在使用者；如果体育设施j落在第二流入空间作用域中，需求点l的流入通勤者是体育设施j的潜在使用者。
当确定第一流入空间作用域内的目标设施处于第二流入空间作用域内时，可以利用高斯方程对同时落入第一流入空间作用域、第二流入空间作用域和第三流入空间作用域的需求用户进行赋值计算，得到流入类型对应的设施可达性值。
在一可选的实施例中，所述步骤S42可以包括以下子步骤：
S421、统计区域内所述流入通勤类型人口群体对应的需求用户的数量，得到流入用户数量，并利用高斯方程对处于所述第一流入空间作用域的每个所述流入通勤类型人口群体对应的需求用户赋予权重，得到高斯修正后的流入用户数。
S422、加总高斯修正后的流入用户数，计算设施服务能力与所述高斯流入用户数总和的比值，得到流入供需比率值。
S423、利用高斯方程，对同时处于所述第二流入空间作用域和所述第三流入空间作用域内的每个所述流入供需比率值赋予权重并求和，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
具体地，可以先利用高斯方程对同时落在第一流入空间作用域(即图2流入通勤者的I1)和第二流入空间作用域(即图2流入通勤者的II2)内的每个需求点l的流入通勤类型人口群体的需求用户数量(PDl)赋予权重，并对加权后的流入通勤类型人口群体的用户数量进行相加求和，得到体育设施j的潜在流入通勤类型人口群体的需求用户数量。
接着，可以计算体育设施j的服务规模与潜在流入通勤类型人口群体的需求用户数量的比值，得到流入供需比率值RDj。其中，流入供需比率值RDj的计算公示如下式所示：
上式中，PDl为第一流入空间作用域和第二流入空间作用域交集内的通勤人口点l的潜在流入通勤类型人口群体的需求用户数量；dlh为流入通勤者从居住地到工作地的实际通勤路程(采用路网距离计算)；dd为居民在通勤途中愿意为了体育设施而花费的最大绕行距离；G(dlj,d0)表示设施j与流入通勤人口点l之间的基于高斯方程的空间摩擦系数。
利用高斯方程对同时落在第三流入空间作用域(即图2流入通勤者的I4)和第二流入空间作用域(即图2流入通勤者的II2)内的设施j的流入供需比率值RDj赋以权重，并对加权后的流出供需比率进行相加求和，得到每个需求点k的所述流入通勤类型人口群体对应的人口-体育设施可达性ADl。其中，流入通勤类型人口群体对应的人口-体育设施可达性ADl的计算公式如下式所示：
上式中，RDj表示流入供需比率值；dlj表示流入通勤人口点l到体育设施点j的路网距离；其余变量含义同上。
在一实施例中，流入通勤类型人口群体对应的的人口-体育设施可达性ADl可以理解为在某一研究范围内点l的流入通勤者人均体育设施占有量(m2/人)。
需要说明的是，终端信令数据以250×250m网格为基本统计单元，提取网格质心点为需求点开展分析，包含非通勤者需求点i、流出通勤人口需求点k、流入通勤人口需求点l，对应需求人口数量根据“识别职住地”、“识别通勤路径”两个步骤中的扩样后人口数量进行统计，排除对应人口为0的伪需求点。其中，流出通勤类型的需求用户数量PO、流入通勤类型的需求用户数量PD可以直接通过基于手机信令数据的职住人口OD流量获取，非通勤类型的需求用户数量PN则可以根据公式“居住地总人口PR–居住地流出通勤者PO”计算得到。
在一实施例中，通过通勤路径和通勤者为前往体育设施愿意付出的最大距离成本(最大绕行距离)之和构建基于通勤路径的设施最大绕行空间，以体现通勤者体育设施活动受到的通勤路径时空约束作用，成为通勤路径最大绕行空间作用域。
具体而言，基于终端信令识别的“驻留”和“出行”状态，获取职住通勤人口的通勤伪OD连线(通勤者居住地与工作地之间形成的直线)与通勤人数，并基于路网数据通过ArcGIS的网络分析工具为伪OD连线构建最小距离的路网连线，即可获取从居住地前往工作地的最短路网距离，以此路网连线作为实际的OD连线。将实际OD连线的路网距离与通勤者愿意为前往体育设施所花费的最大距离成本(即最大绕行距离)相加构建通勤路径最大绕行空间作用域。考虑通勤者前往体育设施这一活动受到的组合制约，通过提取原有居民出行阈值构成的空间作用域和通勤路径最大绕行空间作用域的重合范围形成通勤者实际会产生体育设施需求的空间(即该范围内的体育设施对于通勤者而言是可接近的)。
在计算各个类型对应的设施可达性后，可以基于各个通勤类型人口群体的设施可达性值计算总的可达性值，得到目标设施可达性值。
具体地，所述目标设施可达性值的计算如下式所示：
上式中，mi为非通勤类型人口群体、ml为流入通勤类型人口群体、mk为流出通勤类型人口群体，Pmi为非通勤类型人口群体对应的需求用户的数量，Pmk为流出通勤类型人口群体对应的需求用户的数量，Pml为流入通勤类型人口群体对应的需求用户的数量，Ami为非通勤类型人口群体对应的设施可达性值，Amk为流出通勤类型人口群体对应的设施可达性值，Aml为流入通勤类型人口群体对应的设施可达性值，Am为目标设施可达性值。
以每个格网m的非通勤类型、流出通勤类型、流入通勤类型的需求用户数量加总作为需求总人口。每个格网m的总人口可达性计算方式为：将非通勤者(mi)、流出通勤者(mk)、流入通勤者(ml)数量占比分别与其在该格网的体育设施可达性得分相乘，然后加总。所计算得到的可达性得分即为赋予权重后的人均体育设施场地面积。
在一实施例中，目标区域的可达性值越高，表示该格网的体育设施可达性水平越高。
参照图3，示出了本发明一实施例提供的一种基于终端信令数据的设施可达性计算方法的操作流程图。
先获取用户的终端信令数据，然后基于终端信令数据确定用户的通勤类型，接着在识别用户的通勤类型后，分别计算每种通勤类型对应的可达性值，最后结合几种可达性值对目标区域进行可达性计算，以确定目标区域的可达性。
在一实施例中，可以训练一模型，利用模型执行上述操作，使其完成可达性计算，以确定目标区域的可接近难以程度。
具体地，模型执行的步骤流程如下：
步骤1：提取体育设施的设施点。
从X市自然资源局获取体育设施数据，包括以下类型的体育设施：多功能运动场/综合场馆、武术、体操、舞蹈类、田径、游泳、健身路径、足球、篮球、网球、羽毛球、排球、其他(不包含高尔夫球场、酒店内健身房等只为少数群体提供服务的体育设施)。设施属性表需要包含以下信息：设施名称、所属单位、具体地址、场地面积(m2)。然后，在百度开放地图平台根据设施的具体地址反查得到体育设施的百度坐标，并转化为WGS84坐标，获得体育设施POI数据(记为点S)。
步骤2：识别需求点。
对X市行政区划边界内的区域进行格网化操作，生成250m×250m的格网。假设每个格网单元内人口是均匀分布的，将带有人口数量属性的格网单元转换成点状数据，以对应的人口格网点作为需求点i，每个人口格网点具有独特的fnid作为唯一标识码。根据手机信令用户驻留数据识别每个用户的居住地和工作地，并提取：①居住地点h及人口(PH)、工作地点w及人口(PW)；②发生职住通勤行为的OD连线(ODLine图层，其中通勤起点O点属于居住地h点，通勤终点D点属于工作地w点，具备O的fnid、D的fnid、O的fnid和D的fnid命名的ODID)及对应连线的通勤人口(PC)；③不发生通勤行为的居住地点i及人口(PN)；④汇总每个人口非零格网i的居住人口数量、工作人口数量、非通勤人口数量、流出通勤人口数量、流入通勤人口数量。
步骤3：处理路网数据。
新建类型为Float的长度字段length，用几何计算器为length赋值为以m为单位的路段长度。
步骤4：计算“非通勤人口点N”和体育设施点S之间的直线距离(为了获取与网络分析对应的ID)。
在ArcGIS中使用Analysis Tools->Proximity->Point Distance工具计算两个点图层之间的直线距离，输出结果保存为DistNS.dbf。Input Features选择“点N”,NearFeatures选择“点S”。
步骤5：运用网络分析中的OD成本矩阵分析计算出居住地点H和体育设施点S之间的实际路网距离。
建立文件数据库和要素数据集。在ArcCatalog的工作目录上右击选择New->FileGeodatabase新建名为Network的文件地理数据库。在新建的数据库上右击选择New->Feature Dataset新建名为RoadNetwork的要素数据集，坐标系统可以导入路网图层的坐标系。
导入数据。在RoadNetwork要素数据集上右击选择Import->Feature Class(single)，导入路网图层，命名为roads。
创建网络数据集。在RoadNetwork要素数据集上右击选择New->NetworkDataset…，创建名为RoadNetwork_ND的网络数据集，其中Model turns时可选NO，modelelevation时可选None，Travel Model直接跳过，driving directions settings选择No。创建完成时直接build。
新建OD成本矩阵。检查菜单Customize->Extensions->Network Analyst是否勾上。在工具栏空白处右击，选择Network Analyst，打开网络分析工具条。点击NetworkAnalyst下拉选择New OD Cost Matrix新建成本矩阵，并打开网络分析窗口。打开设置，在Accumulation中勾选length。
导入Origin和Destination数据。在网络分析窗口中右击Origins，选择LoadLocations，选择“非通勤人口点N”，点击OK。类似地，右击Destinations，选择LoadLocations，选择“体育设施点S”。
点击工具条的Solve按钮，计算路网距离。打开Lines属性表，Total_length即为通过对应NS连线之间路段所需的总路程长度。
步骤6：将人口和体育设施服务能力数据以及两者之间的路程距离连接到非通勤人口点N和体育设施点S的直线距离表DistNS.dbf，并筛选出非通勤人口点N的空间作用域Ⅰ内的设施点，导入距离衰减函数。
其中，导入距离衰减函数是为了反映并非作用域内所有设施为所有人口提供的服务的可能性或供给数量均是一致的，而是会随着距离的变化而发生变化。
高斯方程形式的距离衰减函数在公式中导入的具体操作为分别在两步移动搜索法的第一步与人口P相乘，第二步与供需比R相乘，即可反映服务实际供给随距离发生变化的距离衰减效应。
空间连接获取路网距离。将“非通勤人口点N图层”与Origins图层进行空间连接，输出为Join_Ori，将“体育设施点S图层”与Destinations图层空间连接，输出为Join_Dest。打开DisNS.dbf表，使用INPUT_FID与Join_Ori的FID连接，再使用NEAR_FID与Join_Dest的FID连接，新建类型为Text的HSID字段，使用字段计算器将：
[Join_Ori.Name]+"-"+[Join_Dest.Name]。
赋给NSID字段，取消所有连接。使用NSID与Lines图层的Name字段连接，新建类型为Float的roadlen字段，将Total_Length字段复制给该字段，取消连接，即可在DisNS.dbf表中获取路网距离。
提取位于人口空间作用域内的设施点。从表DisNS.dbf中选取符合要求的记录(路程Total_Length≤2000m)，导出保存为表DistNS2000.dbf。
连接人口数量和设施服务能力数据，计算距离衰减函数。采用高斯函数计算距离衰减效应，参考模型设定部分。具体做法为在表DistNS2000.dbf中新增double型字段GS，赋值为：
(Exp((-1/2)*([roadlen]/2000)*([roadlen]/2000))-Exp(-1/2))/(1-Exp(-1/2))。
(注：2000为体育设施服务半径/居民出行阈值d0，可根据实际研究需求设定为其他值)。打开DistNS2000.dbf，将居住点人口属性表基于FID与INPUT_FID连接到距离表DistNS2000.dbf。新增double型字段Npop_GS，赋值为非通勤人口×距离衰减函数，即：[Npop]*[GS]。
步骤7：汇总每个体育设施阈值范围内的人口数，计算供需比。
汇总作用域内人口数。在DistNS2000.dbf中，按体育设施位置(NEAR_FID)汇总已用距离衰减函数赋权重的人口数(Npop_GS)，生成新表NPop.dbf，其中Sum_Npop_GS为每个体育设施阈值范围内的已用距离衰减函数赋权重的总人口数。具体为打开DistNS2000.dbf属性表，在NEAR_FID字段上右击选择summarize，下拉字段选择NEAR_FID。
计算供需比。将体育设施点S图层(FID字段)连接到表Pop.dbf(NEAR_FID)，在Pop.dbf表中新增类型为double的列NR，按：
[体育.total_area]/([NPop.Sum_Join_Count])。
计算数值，得到赋予权重后的人均体育设施用地面积。取消连接。
步骤8：按人口位置汇总供需比数据，计算体育设施可达性。
将供需比连接到距离表。打开DistNS2000.dbf，将表Pop.dbf按体育设施FID(NEAR_FID)连接到表DistNS2000.dbf(NEAR_FID)。
打开DistNS2000.dbf，新增double型字段NR_GS，赋值为：[NR]*[GS]，按人口位置(INPUT_FID)汇总NR_GS，得到新表NAccu.dbf，结果中的sum_NR_GS汇总了每个格网点对所有体育设施的可达性。具体操作为在INPUT_FID字段上右击选择summarize。
对于通勤者(Cpop)(包含流出通勤者Opop和流入通勤者Dpop)。
计算通勤起点O与体育设施点S之间、通勤终点D与体育设施点S之间、通勤起点O与通勤终点D之间的直线距离(为了获取与网络分析对应的ID)。输出结果分别保存为DistOS.dbf、DistDS.dbf、DistOD.dbf。
运用网络分析中的OD成本矩阵分析计算出通勤起点O与体育设施点S之间、通勤终点D与体育设施点S之间、通勤起点O与通勤终点D之间的实际路网距离，并关联和赋值在DistOS.dbf、DistDS.dbf、DistOD.dbf的roadlen字段中。
注：上述步骤计算出了每个通勤起点O与通勤终点D之间的路程距离，然而并非所有通勤起点O与通勤终点D之间都发生了实际通勤(未发生实际通勤意味着两点之间的通勤人口数为0，OD连线不存在)，因此还需要进一步筛选出发生了实际通勤的OD及其之间的实际路程距离。
筛选出发生了实际通勤的OD，并获取其实际路程距离。
基于实际发生通勤的ODline图层，通过创建唯一字段，在DistOD.dbf筛选出实际发生了通勤的OD连线及其路网距离，结果保存为DistOD2.dbf。
对于通勤者，需要同时满足位于空间作用域I1和空间作用域II2的体育设施点才可达，根据空间作用域Ⅱ筛选设施点。结合发生实际通勤的DistOD2.dbf表，将DistOS.dbf、DistDS.dbf通过体育设施点S相连，最后形成包含通勤起点O、通勤终点D、体育设施点S两两之间以及三者之间路程距离的表格，结果保存为DistOSD.dbf(注意：表格中每一行的元素表示为一条O→S→D路径，对应距离包括ODlen、OSlen、DSlen、OSDlen)。然后根据dkj≤d0且dhj+dwj≤dhw+dd筛选出同时满足空间作用域I1和空间作用域II2的体育设施点对应的O→S→D路径，即“OSlen≤2000m且OSDlen≤1000m+ODlen”或“DSlen≤2000m且OSDlen≤1000m+ODlen”，保存为DistOSD2.dbf。
可选地，2000米为体育设施服务半径/居民出行阈值d0，可根据实际研究需求设定为其他值；1000米为通勤者愿意为前往体育设施花费的最大绕行距离，具体可以根据实际研究需求设定为其他值。
计算距离衰减函数，汇总每个体育设施阈值范围内的人口数，分别计算流出通勤人口与流入通勤人口的供需比。
汇总作用域内人口数。在DistOSD2.dbf中通过Ofnid和Dfnid与人口表进行关联，并新增字段GS，根据前面所述步骤的高斯函数计算距离衰减函数。将人口和体育设施服务能力数据连接到距离表DistOSD2.dbf，按照体育设施点S的ID用summarize汇总已用高斯函数赋予权重的流入通勤人口和流出通勤人口数量，保存在ODpop.dbf中，对应字段名称分别为Sum_Opop_GS、Sum_Dpop_GS。
计算供需比。将体育设施点S图层(FID字段)连接到表ODpop.dbf(NEAR_FID)，在ODpop.dbf表中新增类型为double的列OR、DR，分别按：
[体育.total_area]/([ODpop.Sum_Opop_GS])。
[体育.total_area]/([ODpop.Sum_Dpop_GS])。
计算数值，得到赋予权重后的人均体育设施用地面积。取消连接。
步骤9：按人口位置汇总供需比数据，分别计算通勤者在居住地和工作地均有体育设施需求情况下的体育设施可达性。将ODpop.dbf表通过设施S的ID连接到距离表DistOSD2.dbf中，运用高斯方程供需比OR、DR赋予权重，计算结果字段记录为OR_GS、DR_GS，然后分别根据对应人口的Ofnid和Dfnid汇总OR_GS、DR_GS，可达性结果字段记录为sum_OR_GS、sum_DR_GS，统计在表OAccu.dbf、表DAccu.dbf中。
在一实际操作中，可以训练得到CB2SFCA，采用CB2SFCA模型计算的总人口可达性。对于每个格网，将其非通勤人口可达性得分与该类人口占比(以“非通勤人口+流出通勤人口+流入通勤人口”为分母计算某类人口占比)相乘、流出通勤人口可达性得分与该类人口占比相乘、流入通勤人口可达性得分与该类人口占比相乘，然后相加，即可得到该格网的总人口体育设施空间可达性得分。
在本实施例中，本发明实施例提供了一种基于终端信令数据的设施可达性计算方法，其有益效果在于：本发明在对设施进行可达性计算时，可以获取用户的终端信令数据，然后基于终端信令数据划分用户的通勤类型，根据用户不同的通勤类型所对应的空间作用域进行可达性计算，最后集合不同类型的可达性计算设施的可达性，从而贴合用户的实际出行情况，减少计算误差，提高计算的准确率。
本发明实施例还提供了一种基于终端信令数据的工作日设施可达性计算装置，参见图4，示出了本发明一实施例提供的一种基于终端信令数据的工作日设施可达性计算装置的结构示意图。
其中，作为示例的，所述基于终端信令数据的工作日设施可达性计算装置可以包括：
划分模块，用于在预设时长内获取信令数据集后，根据所述信令数据集将统计区域内工作日期间使用设施的用户划分为若干种通勤类型人口群体，所述通勤类型人口群体包括非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体；
计算模块，用于分别计算统计区域内每种所述通勤类型人口群体分别对应的设施可达性值，并依据若干个所述设施可达性值计算目标设施的总体可达性值。
可选地，计算统计区域内所述非通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述非通勤类型人口群体对应的第一非通勤空间作用域和第二非通勤空间作用域，其中，所述第一非通勤空间作用域是利用目标设施的服务半径构建生成，所述第二非通勤空间作用域是利用预设出行极限阈值构建生成，所述预设出行极限阈值为统计区域内所述非通勤类型人口群体的需求用户出行至目标设施的极限距离值；
采用高斯方程作为距离衰减函数，对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值。
可选地，所述利用高斯距离衰减函数对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值，包括：
利用高斯方程，对所述第一非通勤空间作用域内的每个所述非通勤类型人口群体的需求用户赋予权重并加和，计算对应的供需比率值，得到非通勤供需比率值；
利用高斯方程，对处于所述第二非通勤空间作用域内的所述非通勤供需比率值赋予权重并求和，得到统计区域内所述非通勤类型人口群体对应的设施可达性值。
可选地，计算统计区域内所述流出通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流出通勤类型人口群体对应的第一流出空间作用域、第二流出空间作用域和第三流出空间作用域，其中，所述第一流出空间作用域是利用目标设施的服务半径构建生成，所述第二流出空间作用域是利用统计区域内所述流出通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，所述第三流出空间作用域是利用人口出行半径构建生成；
若目标设施同时处于所述第一流出空间作用域和第二流出空间作用域时，采用高斯方程作为距离衰减函数，对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值。
可选地，所述利用高斯距离衰减函数对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值，包括：
统计区域内所述流出通勤类型人口群体对应的需求用户的数量，得到流出用户数量，并利用高斯方程对处于所述第一流出空间作用域的每个所述流出通勤类型人口群体对应的需求用户赋予权重，得到高斯修正后的流出用户数；
加总高斯修正后的流出用户数，计算设施服务能力与所述高斯流出用户数总和的比值，得到流出供需比率值；
利用高斯方程，对同时落在所述第二流出空间作用域和所述第三流出空间作用域内的每个所述流出供需比率值赋予权重并求和，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值。
可选地，计算所述流入通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流入通勤类型人口群体对应的第一流入空间作用域、第二流入空间作用域和第三流入空间作用域，其中，所述第一流入空间作用域是利用目标设施的服务半径构建生成，所述第二流入空间作用域是利用统计区域内所述流入通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，第三流入空间作用域是利用人口出行半径构建生成；
若目标设施同时落入所述第一流入空间作用域和所述第二流入空间作用域内时，采用高斯方程作为距离衰减函数，对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
可选地，所述利用高斯距离衰减函数，对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值，包括：
统计区域内所述流入通勤类型人口群体对应的需求用户的数量，得到流入用户数量，并利用高斯方程对处于所述第一流入空间作用域的每个所述流入通勤类型人口群体对应的需求用户赋予权重，得到高斯修正后的流入用户数；
加总高斯修正后的流入用户数，计算设施服务能力与所述高斯流入用户数总和的比值，得到流入供需比率值；
利用高斯方程，对同时处于所述第二流入空间作用域和所述第三流入空间作用域内的每个所述流入供需比率值赋予权重并求和，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
可选地，所述目标设施总体可达性值的计算如下式所示：
上式中，mi为非通勤类型人口群体、ml为流入通勤类型人口群体、mk为流出通勤类型人口群体，Pmi为非通勤类型人口群体对应的需求用户的数量，Pmk为流出通勤类型人口群体对应的需求用户的数量，Pml为流入通勤类型人口群体对应的需求用户的数量，Ami为非通勤类型人口群体对应的设施可达性值，Amk为流出通勤类型人口群体对应的设施可达性值，Aml为流入通勤类型人口群体对应的设施可达性值。
可选地，所述划分模块，还用于：
在统计区域内确定所述信令数据集中每个工作日信令数据的日间停留时长和夜间停留时长，并分别获取所述日间停留时长所在的地点得到日间停留地，以及获取所述夜间停留时长所在的地点得到夜间停留地，其中，所述日间停留时长为9点至17点，所述夜间停留时长为21点至次日8点；
若所述日间停留地与所述夜间停留地相同，则将所述信令数据集对应的用户群体划分为非通勤类型；
若所述日间停留区域与所述夜间停留区域不相同，则确定用户群体的通勤固定点；
若所述通勤固定点为所述日间停留地，则将所述信令数据集对应的用户群体划分为流入通勤类型；
若所述通勤固定点为所述夜间停留地，则将所述信令数据集对应的用户群体划分为流出通勤类型。
所属技术领域的技术人员可以清楚地了解到，为方便的描述和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
进一步的，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例所述的基于终端信令数据的设施可达性计算方法。
进一步的，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行程序，所述计算机可执行程序用于使计算机执行如上述实施例所述的基于终端信令数据的设施可达性计算方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于终端信令数据的工作日设施可达性计算方法，其特征在于，所述方法包括：
在预设时长内获取信令数据集后，根据所述信令数据集将统计区域内在工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，所述通勤类型人口群体包括非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体；
分别计算统计区域内每种所述通勤类型人口群体分别对应的设施可达性值，并依据若干个所述设施可达性值计算目标设施的总体可达性值；
计算统计区域内所述非通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述非通勤类型人口群体对应的第一非通勤空间作用域和第二非通勤空间作用域，其中，所述第一非通勤空间作用域是利用目标设施的服务半径构建生成，所述第二非通勤空间作用域是利用预设出行极限阈值构建生成，所述预设出行极限阈值为统计区域内所述非通勤类型人口群体的需求用户出行至目标设施的极限距离值；
采用高斯方程作为距离衰减函数，对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值；
计算所述统计区域内流出通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流出通勤类型人口群体对应的第一流出空间作用域、第二流出空间作用域和第三流出空间作用域，其中，所述第一流出空间作用域是利用目标设施的服务半径构建生成，所述第二流出空间作用域是利用统计区域内所述流出通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，所述第三流出空间作用域是利用人口出行半径构建生成；
若目标设施同时处于所述第一流出空间作用域和第二流出空间作用域时，采用高斯方程作为距离衰减函数，对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值；
计算所述统计区域内流入通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流入通勤类型人口群体对应的第一流入空间作用域、第二流入空间作用域和第三流入空间作用域，其中，所述第一流入空间作用域是利用目标设施的服务半径构建生成，所述第二流入空间作用域是利用统计区域内所述流入通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，第三流入空间作用域是利用人口出行半径构建生成；
若目标设施同时落入所述第一流入空间作用域和所述第二流入空间作用域内时，采用高斯方程作为距离衰减函数，对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
2.根据权利要求1所述的基于终端信令数据的工作日设施可达性计算方法，其特征在于，所述利用高斯距离衰减函数，对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值，包括：
利用高斯方程，对所述第一非通勤空间作用域内的每个所述非通勤类型人口群体的需求用户赋予权重并加和，计算对应的供需比率值，得到非通勤供需比率值；
利用高斯方程，对处于所述第二非通勤空间作用域内的所述非通勤供需比率值赋予权重并求和，得到统计区域内所述非通勤类型人口群体对应的设施可达性值。
3.根据权利要求2所述的基于终端信令数据的工作日设施可达性计算方法，其特征在于，所述利用高斯距离衰减函数，对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值，包括：
统计区域内所述流出通勤类型人口群体对应的需求用户的数量，得到流出用户数量，并利用高斯方程对处于所述第一流出空间作用域的每个所述流出通勤类型人口群体对应的需求用户赋予权重，得到高斯修正后流出用户数；
加总高斯修正后的流出用户数，计算设施服务能力与所述高斯流出用户数总和的比值，得到流出供需比率值；
利用高斯方程，对同时落在所述第二流出空间作用域和所述第三流出空间作用域内的每个所述流出供需比率值赋予权重并求和，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值。
4.根据权利要求1所述的基于终端信令数据的工作日设施可达性计算方法，其特征在于，所述利用高斯方程对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值，包括：
统计区域内所述流入通勤类型人口群体对应的需求用户的数量，得到流入用户数量，并利用高斯方程对处于所述第一流入空间作用域的每个所述流入通勤类型人口群体对应的需求用户进行赋予权重，得到高斯修正后的流入用户数；
加总高斯修正后的流入用户数，计算设施服务能力与所述高斯流入用户数总和的比值，得到流入供需比率值；
利用高斯方程，对同时处于所述第二流入空间作用域和所述第三流入空间作用域内的每个所述流入供需比率值赋予权重并求和，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
5.根据权利要求1所述的基于终端信令数据的工作日设施可达性计算方法，其特征在于，
所述总体可达性值的计算如下式所示：
上式中，mi为非通勤类型人口群体、ml为流入通勤类型人口群体、mk为流出通勤类型人口群体，Pmi为非通勤类型人口群体对应的需求用户的数量，Pmk为流出通勤类型人口群体对应的需求用户的数量，Pml为流入通勤类型人口群体对应的需求用户的数量，Ami为非通勤类型人口群体对应的设施可达性值，Amk为流出通勤类型人口群体对应的设施可达性值，Aml为流入通勤类型人口群体对应的设施可达性值，Am为总体可达性值。
6.根据权利要求1-5任意一项所述的基于终端信令数据的工作日设施可达性计算方法，其特征在于，所述根据所述信令数据集将统计区域内在工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，包括：
在统计区域内确定所述信令数据集中每个工作日信令数据的日间停留时长和夜间停留时长，并分别获取所述日间停留时长所在的地点得到日间停留地，以及获取所述夜间停留时长所在的地点得到夜间停留地，其中，所述日间停留时长为9点至17点，所述夜间停留时长为21点至次日8点；
若所述日间停留地与所述夜间停留地相同，则将所述信令数据集对应的用户群体划分为非通勤类型；
若所述日间停留区域与所述夜间停留区域不相同，则确定用户群体的通勤固定点；
若所述通勤固定点为所述日间停留地，则将所述信令数据集对应的用户群体划分为流入通勤类型；
若所述通勤固定点为所述夜间停留地，则将所述信令数据集对应的用户群体划分为流出通勤类型。
7.一种基于终端信令数据的工作日设施可达性计算装置，其特征在于，所述装置包括：
划分模块，用于在预设时长内获取信令数据集后，根据所述信令数据集将工作日期间使用设施的潜在用户划分为若干种通勤类型人口群体，所述通勤类型人口群体包括非通勤类型人口群体、流入通勤类型人口群体和流出通勤类型人口群体；
计算模块，用于分别计算每种所述通勤类型人口群体分别对应的设施可达性值，并依据若干个所述设施可达性值计算目标设施的总体可达性值；
计算统计区域内所述非通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述非通勤类型人口群体对应的第一非通勤空间作用域和第二非通勤空间作用域，其中，所述第一非通勤空间作用域是利用目标设施的服务半径构建生成，所述第二非通勤空间作用域是利用预设出行极限阈值构建生成，所述预设出行极限阈值为统计区域内所述非通勤类型人口群体的需求用户出行至目标设施的极限距离值；
采用高斯方程作为距离衰减函数，对所述第一非通勤空间作用域和所述第二非通勤空间作用域进行赋值计算，得到统计区域内所述非通勤类型人口群体对应的设施可达性值；
计算所述统计区域内流出通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流出通勤类型人口群体对应的第一流出空间作用域、第二流出空间作用域和第三流出空间作用域，其中，所述第一流出空间作用域是利用目标设施的服务半径构建生成，所述第二流出空间作用域是利用统计区域内所述流出通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，所述第三流出空间作用域是利用人口出行半径构建生成；
若目标设施同时处于所述第一流出空间作用域和第二流出空间作用域时，采用高斯方程作为距离衰减函数，对所述第一流出空间作用域、所述第二流出空间作用域和所述第三流出空间作用域进行赋值计算，得到统计区域内所述流出通勤类型人口群体对应的设施可达性值；
计算所述统计区域内流入通勤类型人口群体的设施可达性值，具体为：
分别构建统计区域内所述流入通勤类型人口群体对应的第一流入空间作用域、第二流入空间作用域和第三流入空间作用域，其中，所述第一流入空间作用域是利用目标设施的服务半径构建生成，所述第二流入空间作用域是利用统计区域内所述流入通勤类型人口群体对应的需求用户的通勤距离和最大绕行距离构建生成，第三流入空间作用域是利用人口出行半径构建生成；
若目标设施同时落入所述第一流入空间作用域和所述第二流入空间作用域内时，采用高斯方程作为距离衰减函数，对所述第一流入空间作用域、所述第二流入空间作用域和所述第三流入空间作用域进行赋值计算，得到统计区域内所述流入通勤类型人口群体对应的设施可达性值。
8.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任意一项所述的基于终端信令数据的工作日设施可达性计算方法。
9.一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计算机可执行程序，所述计算机可执行程序用于使计算机执行如权利要求1-6任意一项所述的基于终端信令数据的工作日设施可达性计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211413449.1A CN115730763B (zh) | 2022-11-11 | 2022-11-11 | 基于终端信令数据的工作日设施可达性计算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211413449.1A CN115730763B (zh) | 2022-11-11 | 2022-11-11 | 基于终端信令数据的工作日设施可达性计算方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115730763A CN115730763A (zh) | 2023-03-03 |
| CN115730763B true CN115730763B (zh) | 2024-05-21 |
Family
ID=85295336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211413449.1A Active CN115730763B (zh) | 2022-11-11 | 2022-11-11 | 基于终端信令数据的工作日设施可达性计算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115730763B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116437291B (zh) * | 2023-04-21 | 2024-07-23 | 浙江大学建筑设计研究院有限公司 | 一种基于手机信令的文化圈规划方法和系统 |
| CN116861197B (zh) * | 2023-09-01 | 2024-04-05 | 北京融信数联科技有限公司 | 一种基于大数据的流动人口监测方法、系统和存储介质 |
| CN117853300A (zh) * | 2024-01-31 | 2024-04-09 | 广东省城乡规划设计研究院科技集团股份有限公司 | 人防设施可达性确定方法和装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106097222A (zh) * | 2016-06-12 | 2016-11-09 | 河南理工大学 | 顾及用户特征的公共设施空间可达性分析方法及装置 |
| CN106447573A (zh) * | 2016-09-08 | 2017-02-22 | 河南理工大学 | 一种基于公共设施差异性的空间可达性分析方法及装置 |
| CN107194525A (zh) * | 2017-03-23 | 2017-09-22 | 同济大学 | 一种基于手机信令的城市中心评估方法 |
| CN110972073A (zh) * | 2019-11-14 | 2020-04-07 | 常州市规划设计院 | 一种基于手机大数据及步行可达性的生活圈划定方法 |
| AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
| CN111385753A (zh) * | 2019-10-24 | 2020-07-07 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的医疗设施可达性评估方法 |
| CN111784111A (zh) * | 2020-06-05 | 2020-10-16 | 长江勘测规划设计研究有限责任公司 | 一种空间可达性评价方法 |
| WO2020238631A1 (zh) * | 2019-05-31 | 2020-12-03 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的人群类型识别方法 |
| CN114118512A (zh) * | 2021-09-03 | 2022-03-01 | 武汉物信网联科技有限公司 | 基于动态人口数据模型的群体化公共医疗设施配置方法 |
-
2022
- 2022-11-11 CN CN202211413449.1A patent/CN115730763B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106097222A (zh) * | 2016-06-12 | 2016-11-09 | 河南理工大学 | 顾及用户特征的公共设施空间可达性分析方法及装置 |
| CN106447573A (zh) * | 2016-09-08 | 2017-02-22 | 河南理工大学 | 一种基于公共设施差异性的空间可达性分析方法及装置 |
| CN107194525A (zh) * | 2017-03-23 | 2017-09-22 | 同济大学 | 一种基于手机信令的城市中心评估方法 |
| WO2020238631A1 (zh) * | 2019-05-31 | 2020-12-03 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的人群类型识别方法 |
| CN111385753A (zh) * | 2019-10-24 | 2020-07-07 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的医疗设施可达性评估方法 |
| CN110972073A (zh) * | 2019-11-14 | 2020-04-07 | 常州市规划设计院 | 一种基于手机大数据及步行可达性的生活圈划定方法 |
| AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
| CN111784111A (zh) * | 2020-06-05 | 2020-10-16 | 长江勘测规划设计研究有限责任公司 | 一种空间可达性评价方法 |
| CN114118512A (zh) * | 2021-09-03 | 2022-03-01 | 武汉物信网联科技有限公司 | 基于动态人口数据模型的群体化公共医疗设施配置方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115730763A (zh) | 2023-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115730763B (zh) | 基于终端信令数据的工作日设施可达性计算方法及装置 | |
| Jelokhani-Niaraki et al. | A group multicriteria spatial decision support system for parking site selection problem: A case study | |
| Czepkiewicz et al. | Geo-questionnaire: a spatially explicit method for eliciting public preferences, behavioural patterns, and local knowledge–an overview | |
| Yasumoto et al. | Longitudinal trends in equity of park accessibility in Yokohama, Japan: An investigation into the role of causal mechanisms | |
| CN106919641A (zh) | 一种兴趣点搜索方法及装置、电子设备 | |
| CN111554408B (zh) | 城市内部登革热时空预测方法、系统及电子设备 | |
| CN114399128B (zh) | 一种基于可持续发展理念的城市体检评估系统及方法 | |
| CN110399445B (zh) | 一种兴趣点的处理方法、装置及设备 | |
| Jahanshahi et al. | Evaluation and relocating bicycle sharing stations in mashhad city using multi-criteria analysis | |
| CN112085250B (zh) | 一种人口空间分布模拟方法、终端设备及存储介质 | |
| Ahmadzai | Analyses and modeling of urban land use and road network interactions using spatial-based disaggregate accessibility to land use | |
| Shi et al. | Analysis of trip generation rates in residential commuting based on mobile phone signaling data | |
| CN115630129A (zh) | 一种社区体育健身设施步行适应性的评价方法 | |
| CN108171532A (zh) | 一种用户群分布预测方法及系统 | |
| Kaziyeva et al. | Large-scale agent-based simulation model of pedestrian traffic flows | |
| Wu et al. | Tourist versus resident movement patterns in open scenic areas: case study of Confucius Temple Scenic area, Nanjing, China | |
| Liu et al. | Prediction approach on pedestrian outdoor activity preference under factors of public open space integrated microclimate | |
| McArdle et al. | City-scale traffic simulation from digital footprints | |
| Oses et al. | Monitoring and benchmarking the performance of a destination's hotel industry: the case study of Bilbao in 2014 | |
| CN114723316A (zh) | 一种基于gis的城区公共设施的可达性评价方法、系统及可读存储模块 | |
| CN114462503A (zh) | 一种基于可达性的医疗资源供需匹配关系获取方法 | |
| Foti | A behavioral framework for measuring walkability and its impact on home values and residential location choices | |
| CN109635047B (zh) | 地理网格的信息处理方法、装置、设备及可读存储介质 | |
| CN112488749A (zh) | 商圈信息评估方法 | |
| Liu et al. | Effects of air pollution on Beijing residents’ willingness to pay for green amenities |
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 |