CN116433105A - 一种定量评估轨道交通与城市空间要素分布耦合度的方法 - Google Patents

一种定量评估轨道交通与城市空间要素分布耦合度的方法 Download PDF

Info

Publication number
CN116433105A
CN116433105A CN202310577328.9A CN202310577328A CN116433105A CN 116433105 A CN116433105 A CN 116433105A CN 202310577328 A CN202310577328 A CN 202310577328A CN 116433105 A CN116433105 A CN 116433105A
Authority
CN
China
Prior art keywords
index
degree
reachability
track
population
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
CN202310577328.9A
Other languages
English (en)
Other versions
CN116433105B (zh
Inventor
赖亚妮
陈春梅
陈湘生
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 CN202310577328.9A priority Critical patent/CN116433105B/zh
Publication of CN116433105A publication Critical patent/CN116433105A/zh
Application granted granted Critical
Publication of CN116433105B publication Critical patent/CN116433105B/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及轨道城市耦合度处理技术领域，具体是涉及一种定量评估轨道交通与城市空间要素分布耦合度的方法。本发明的两个可达性指数综合在一起能够充分代表整个城市范围内任意地点到达其他任意交通工具站点的便利程度。将综合得到的可达性指数与城市的人口分布数据结合在一起，能够准确评估轨道交通与人口空间分布之间的耦合度。在可达性指数构建方面，本发明侧重于轨道站点在轨道交通网络中的可达性，综合考虑轨道站点度中心性、接近中心性以构建可达性指数，并通过距离加权方法将可达性指数分摊至栅格上。基于栅格尺度的可达性指数，通过双变量空间自相关分析方法评估了轨道站点可达性指数与职住人口密度指数的空间耦合度。

Description

一种定量评估轨道交通与城市空间要素分布耦合度的方法
技术领域
本发明涉及轨道城市耦合度处理技术领域，具体是涉及一种定量评估轨道交通与城市空间要素分布耦合度的方法。
背景技术
耦合作为物理学概念是指两个 ( 或两个以上的) 体系或运动形式通过各种相互作用而彼此影响的现象。而轨道交通与城市职住空间（职住空间指的是就业人员居住的地方和普通居住人员居住的地方）的耦合度的含义为轨道交通工具的布局与城市职住空间的匹配度，也就是用耦合度表征轨道交通工具的布局是否能够满足城市职住空间内的人员对交通工具的需求。
城市中有的区域是设置了交通工具站点（比如地铁站或公交站），有的区域未设置交通工具站点，现有技术只考虑了设置了交通工具站点的区域内的站点与城市职住空间的匹配度。虽然有的区域没有设置站点，但区域也具有交通可达性优势，区域居民可通过就近交通工具站点到达其他任意轨道交通工具站点。因此现有技术只从站点所在的城市区域所对应的交通工具布局与城市职住空间的匹配度去评估轨道交通与人口空间分布之间的耦合度，会降低评估出的耦合度准确性。
综上所述，现有技术评估得到的轨道交通与人口空间分布之间的耦合度准确性较低。
因此，现有技术还有待改进和提高。
发明内容
为解决上述技术问题，本发明提供了一种定量评估轨道交通与城市空间要素分布耦合度的方法，解决了现有技术评估得到的轨道交通与人口空间分布之间的耦合度准确性较低的问题。
为实现上述目的，本发明采用了以下技术方案：
第一方面，本发明提供一种定量评估轨道交通与城市空间要素分布耦合度的方法，其中，包括：
确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度；
确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度；
依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度。
在一种实现方式中，所述确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度，包括：
统计所述轨道区域内的所述交通工具站点所连接的交通线路数量；
统计所述轨道区域内的各个所述交通工具站点之间的距离之和，记为第一距离之和；
统计所述轨道区域内的所述交通工具站点与所述轨道区域外部的各个所述交通工具站点之间的距离之和，记为第二距离之和；
依据所述交通线路数量、所述第一距离之和、所述第二距离之和，得到所述轨道区域所对应的第一可达性指数。
在一种实现方式中，所述依据所述交通线路数量、所述第一距离之和、所述第二距离之和，得到所述轨道区域所对应的第一可达性指数，包括：
依据所述第一距离之和与所述第二距离之和相加之后的倒数，得到接近中心性指数；
对所述交通线路数量和所述接近中心性指数进行加权计算，得到所述轨道区域所对应的第一可达性指数。
在一种实现方式中，所述确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度，包括：
从各个所述交通工具站点中筛选出与所述非轨道区域之间的间距最小所对应的交通工具站点；
确定所述非轨道区域与最小间距的所述交通工具站点之间的距离，记为最小距离；
比较各个所述非轨道区域与最小间距的所述交通工具站点之间的距离、各个所述轨道区域与最小间距的所述交通工具站点之间的距离，得到最大距离；
依据最小间距的所述交通工具站点所在的所述轨道区域的所述第一可达性指数、所述最小距离、所述最大距离，确定城市的非轨道区域所对应的第二可达性指数。
在一种实现方式中，所述依据最小间距的所述交通工具站点所在的所述轨道区域的所述第一可达性指数、所述最小距离、所述最大距离，确定城市的非轨道区域所对应的第二可达性指数，包括：
将所述最小距离与最小间距的所述交通工具站点所在的所述轨道区域的所述第一可达性指数相乘之后除以所述最大距离，得到城市的非轨道区域所对应的第二可达性指数。
在一种实现方式中，所述依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度，包括：
确定所述人口分布数据中的各个所述非轨道区域的人口密度数据和各个所述轨道区域的人口密度数据；
确定由各个所述非轨道区域的人口密度数据和各个所述轨道区域的人口密度数据构成的人口平均密度；
确定由各个所述轨道区域的所述第一可达性指数与各个所述非轨道区域的所述第二可达性指数构成的可达性指数平均值；
确定各个所述轨道区域的所述第一可达性指数与所述可达性指数平均值之间的差值，记为各个第一差值；
确定各个所述非轨道区域的所述第二可达性指数与所述可达性指数平均值之间的差值，记为各个第二差值；
确定各个所述轨道区域的人口密度数据与所述人口平均密度之间的差值，记为各个第三差值；
确定各个所述非轨道区域的人口密度数据与所述人口平均密度之间的差值，记为各个第四差值；
依据各个所述第一差值、各个所述第二差值、各个所述第三差值、各个所述第四差值，评估轨道交通与人口空间分布之间的耦合度。
在一种实现方式中，还包括：
依据所述第一可达性指数和所述第二可达性指数，得到综合可达性指数；
确定所述综合可达性指数和所述人口分布数据中的人口密度数据之间的自相关系数。
第二方面，本发明实施例还提供一种定量评估轨道交通与城市空间要素分布耦合度的装置，其中，所述装置包括如下组成部分：
第一可达性指数处理模块，用于确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度；
第二可达性指数处理模块，用于确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度；
评估模块，用于依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度。
第三方面，本发明实施例还提供一种终端设备，其中，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的定量评估轨道交通与城市空间要素分布耦合度的程序，所述处理器执行所述定量评估轨道交通与城市空间要素分布耦合度的程序时，实现上述所述的定量评估轨道交通与城市空间要素分布耦合度的方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有定量评估轨道交通与城市空间要素分布耦合度的程序，所述定量评估轨道交通与城市空间要素分布耦合度的程序被处理器执行时，实现上述所述的定量评估轨道交通与城市空间要素分布耦合度的方法的步骤。
有益效果：本发明首先分别计算轨道区域的可达性指数和非轨道区域的可达性指数，这两个可达性指数综合在一起能够充分代表整个城市的交通工具站点信息。再将上述两个可达性指数与城市的人口分布数据结合在一起，能够准确评估轨道交通与人口空间分布之间的耦合度。
附图说明
图1为本发明的整体流程图；
图2为本发明实施例中的站点可达性衡量示意图；
图3为本发明实施例中的站点可达性指数分摊至栅格示意图；
图4为本发明实施例中的可达性指数栅格示意图；
图5为本发明实施例中的就业人口密度栅格示意图；
图6为本发明实施例中的居住人口密度栅格示意图；
图7为本发明实施例中的评估耦合度流程图；
图8为本发明实施例中的评估轨道交通与职住人口空间分布耦合度流程图；
图9为本发明实施例中的就业人口密度与可达性指数值之间的关系图；
图10为本发明实施例中的居住人口密度与可达性指数值之间的关系图；
图11为本发明实施例提供的终端设备的内部结构原理框图。
具体实施方式
以下结合实施例和说明书附图，对本发明中的技术方案进行清楚、完整地描述。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。
经研究发现，耦合作为物理学概念是指两个 ( 或两个以上的) 体系或运动形式通过各种相互作用而彼此影响的现象。而轨道交通与城市职住空间（职住空间指的是就业人员居住的地方和普通居住人员居住的地方）的耦合度的含义为轨道交通工具的布局与城市职住空间的匹配度，也就是用耦合度表征轨道交通工具的布局是否能够满足城市职住空间内的人员对交通工具的需求。城市中有的区域是设置了交通工具站点（比如地铁站或公交站），有的区域未设置交通工具站点，现有技术只考虑了设置了交通工具站点的区域内的站点与城市职住空间的匹配度。虽然有的区域没有设置站点，但区域也具有交通可达性优势，区域居民可通过就近交通工具站点到达其他任意轨道交通工具站点。因此现有技术只从站点所在的城市区域所对应的交通工具布局与城市职住空间的匹配度去评估轨道交通与人口空间分布之间的耦合度，会降低评估出的耦合度准确性。
为解决上述技术问题，本发明提供了一种定量评估轨道交通与城市空间要素分布耦合度的方法，解决了现有技术评估得到的轨道交通与人口空间分布之间的耦合度准确性较低的问题。具体实施时，首先分别确定城市的轨道区域所对应的第一可达性指数和非轨道区域所对应的第二可达性指数；之后依据第一可达性指数、第二可达性指数、城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，耦合度用于表征轨道交通与人口空间分布之间的匹配程度。本发明能够实现准确评估耦合度。
举例说明，某一城市开通了地铁，现需要评估该城市的地铁这一交通工具的布局与人口分布之间的耦合度，也就是评估地铁的布局与人口分布之间的匹配程度，耦合度的大小可以表征人口密度（人口分布）大的区域内地铁是否具有较大的可达性优势（通过地铁站点到达其余地铁站点的便利程度）以及表征地铁可达性优势小的区域是否人口密度也小。采用如下方式评估该城市的轨道交通与人口分布之间的耦合度：
首先对该城市进行区域划分，将该城市划分成五个区域：区域A、区域B、区域C、区域D和区域E，其中区域A、区域B、区域C都设置了地铁站（即区域A、区域B、区域C均为轨道区域），区域D和区域E没有地铁站（即区域D和区域E均为非轨道区域）。根据区域A内部的地铁站的分布情况，计算出区域A的第一可达性指数AIa（即站点接近中心性指数），根据区域B内部的地铁站的分布情况，计算出区域B的第一可达性指数AIb，根据区域C内部的地铁站的分布情况，计算出区域C的第一可达性指数AIc。根据区域D周边的地铁站的分布情况，计算出区域D的第二可达性指数AId，根据区域E周边的地铁站的分布情况，计算出区域E的第二可达性指数AIe。
最后根据AIa与区域A内的人口分布数据、AIb与区域B内的人口分布数据、AIc与区域C内的人口分布数据、AId与区域D内的人口分布数据、AIe与区域E内的人口分布数据，评估该城市的轨道交通与人口空间分布之间的耦合度。
示例性方法
本实施例的定量评估轨道交通与城市空间要素分布耦合度的方法可应用于终端设备中，所述终端设备可为具有数据处理功能的终端产品，比如电脑等。在本实施例中，如图1中所示，所述定量评估轨道交通与城市空间要素分布耦合度的方法具体包括如下步骤：
S100，确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度。
在一个实施例中，步骤S100包括如下的步骤：
S101，统计所述轨道区域内的所述交通工具站点所连接的交通线路数量Ni。
当一个轨道区域内有若干个交通工具站点，第
Figure SMS_1
个交通工具站点所连接的交通线路数量为/>
Figure SMS_2
（即第/>
Figure SMS_3
个交通工具站点的度中心性）：
Figure SMS_4
；
Figure SMS_6
表示交通工具站点/>
Figure SMS_9
和交通工具站点/>
Figure SMS_12
之间的连接属性，即/>
Figure SMS_7
取值为1表示/>
Figure SMS_8
和/>
Figure SMS_11
连接，/>
Figure SMS_13
取值为0表示/>
Figure SMS_5
和/>
Figure SMS_10
不连接。m为城市内的交通工具站点的总数量。
通过上述公式计算出了轨道区域内的每一个交通工具站点所连接的交通线路数量，将轨道区域内的各个交通工具站点所连接的交通线路数量进行累加，就是一个轨道区域内所有的交通工具站点所连接的交通线路数量Ni。
当一个轨道区域内只有一个交通工具站点，Ni为该唯一的一个交通工具站点所连接的交通线路数量。
S102，统计所述轨道区域内的各个所述交通工具站点之间的距离之和，记为第一距离之和。
该距离为各个交通工具站点之间的最短距离。
S103，统计所述轨道区域内的所述交通工具站点与所述轨道区域外部的各个所述交通工具站点之间的距离之和，记为第二距离之和。
S104，依据所述第一距离之和与所述第二距离之和相加之后的倒数，得到接近中心性指数Si。
举例说明，一个轨道区域内有三个站点甲、乙、丙，该轨道区域外部还有一个站点丁，该轨道区域所对应的接近中心性指数Si等于
Figure SMS_14
。
在另一个实施例中，该整个城市内指定三个最具有优势的交通工具站点（分别记为站点1、站点2、站点3，最具有优势的三个站点为连接的交通线路最多的三个站点），且轨道区域内只有一个交通工具站点I时，通过计算该交通工具站点与上述指定的三个交通工具站点之间的距离，得到接近中心性指数Si：
Figure SMS_15
；
式中，
Figure SMS_16
为轨道区域内的交通工具站点I与站点1之间的最短距离，/>
Figure SMS_17
为轨道区域内的交通工具站点I与站点2之间的最短距离，/>
Figure SMS_18
为轨道区域内的交通工具站点I与站点3之间的最短距离。
该实施例中，轨道交通站点和线路的空间数据均通过ArcGIS软件进行计算。轨道站点度中心性指标可以通过站点通过的线路数整理而成，通过构建轨道交通网络并采用最短路径算法得到站点的接近中心性指标。
S105，对所述交通线路数量Ni和所述接近中心性指数Si进行加权计算，得到所述轨道区域所对应的第一可达性指数AI：
Figure SMS_19
；
式中，
Figure SMS_20
。
之所以用接近中心性指数和度中心性这两个因素计算可达性指数，是因为只用其中一个因素得到的可达性指数并不相同，如图2所示（图2中a1-a2为A到城市中心最短路径，b1-b2为B到城市中心最短路径，c1为C到城市中心最短路径），只用接近中心性指数（图2中的城市中心的最短距离）和只用度中心性（图2中的点度中心性）得到的可达性指数并不相同，因此需要将这二者进行加权以得到准确的可达性指数。
S200，确定城市的非轨道区域所对应的第二可达性指数
Figure SMS_21
（/>
Figure SMS_22
为第/>
Figure SMS_23
非轨道区域的第二可达性指数），所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度。
非轨道区域即没有交通工具站点的区域（比如没有地铁站）。非轨道区域的第二可达性指数
Figure SMS_24
用于表征非轨道区域与站点之间的位置关系。
在一个实施例中，步骤S200包括如下的步骤S201、S202、S203、S204：
S201，从各个所述交通工具站点中筛选出与所述非轨道区域之间的间距最小所对应的交通工具站点。
S202，确定所述非轨道区域与最小间距的所述交通工具站点之间的距离，记为最小距离
Figure SMS_25
。
Figure SMS_26
为第/>
Figure SMS_27
个非轨道区域与最小间距的所述交通工具站点之间的距离。
S203，比较各个所述非轨道区域与最小间距的所述交通工具站点之间的距离、各个所述轨道区域与最小间距的所述交通工具站点之间的距离，得到最大距离
Figure SMS_28
。
即
Figure SMS_29
为所有空间单元（空间单元即所有的非轨道区域和所有的轨道区域）中到最近站点距离的最大值。
比如，将城市划分成三个区域甲、乙、丙，其中区域甲为非轨道区域，乙和丙为轨道区域，与非轨道区域甲最近距离的交通工具站点为A，
Figure SMS_30
就是非轨道区域甲与站点A之间的距离。甲、乙、丙三个，如果丙与站点A之间的距离最大，那么/>
Figure SMS_31
就是丙与站点A之间的距离。
S204，将所述最小距离与最小间距的所述交通工具站点所在的所述轨道区域的所述第一可达性指数相乘之后除以所述最大距离，得到城市的非轨道区域所对应的第二可达性指数
Figure SMS_32
。
Figure SMS_33
。
在一个实施例中，步骤S100和S200所涉及的轨道交通数据通过如下方式获取：
轨道交通数据包含轨道交通线路（包含线路及站点的工程建设期数、开通运营时间等）及站点信息的空间矢量格式。基于得到的轨道交通数据，通过ArcGIS 10.2（一种数据处理软件）将站点与站点之间的线路进行打断处理，并将站点之间的线路进行赋值（如站点A-站点B），构建了轨道交通网络（共计422条）。此外，通过ArcGIS 10.2的空间数据几何计算功能得到每条线路之间的距离（km）。由此，基于得到的轨道交通网络信息，可以计算轨道交通网络中两个任意站点之间的最短路径（迪杰斯特拉算法，即最短路径算法）、与地铁站点连接的线路数量。
S300，依据所述第一可达性指数AI、所述第二可达性指数
Figure SMS_34
、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度I。
如图3所示的栅格网络，该网络中的一个栅格单元为一个轨道区域或一个非轨道区域，也就是图3中的包括了轨道区域所在的栅格单元和非轨道区域所在的栅格单元。
将第一可达性指数AI和第二可达性指数
Figure SMS_35
放入到图3中对应的栅格单元内，就形成了图4，通过图4可以直观获取到每个栅格单元的可达性指数，如果栅格单元内设置了站点，那么该栅格单元的可达性指数为AI；如果该栅格单元内未设置站点，那么该栅格单元的可达性指数为/>
Figure SMS_36
。
在一个实施例中，步骤S300包括如下的步骤S301至S308：
S301，确定所述人口分布数据中的各个所述非轨道区域的人口密度数据和各个所述轨道区域的人口密度数据。
该实施例中，人口密度数据来源于手机信令数据，手机信令数据字段中包含时间和空间位置属性，还有通话和信息记录等信息。与其他类型的数据相比，手机信令数据具有实时性、完整性、出行时空全覆盖性等其他数据源所不拥有的优势。本实施例使用手机信令数据来识别用户的居住地及就业地，能够在空间尺度上更加精准反映城市的职住人口分布现状。本实施例识别的工作用户指手机用户在一个月的观测时间内，被累积观测到在同一个地方工作超过当月正常工作日的一半时，该手机用户就被定义为当地工作用户。判断一个用户在某一个地方是否工作一天的标准是在白天时段（9点至17点）驻留在同一地点超过4个小时。流动人口、老人、小孩、家庭主妇等非就业人口没有就业地，其余人都有一个就业地与之对应。本实施例识别的居住人口是指手机用户在一个月的观测时间内，被累积观测到在同一个地方居住超过当月天数的一半时，该手机用户就被定义为居住稳定用户。而判断一个用户在某一个地方是否居住一天，则分析在夜间时段（每日21:00-次日8:00）驻留在同一地点是否超过4个小时。
本实施例识别的居住及就业人口空间精度均为250mx250m的栅格，数据格式为GIS，能够在空间层面对居住及就业人口的分布进行可视化及空间分析处理。比如剔除生态控制线范围后，在某市全市范围内共识别居住人口1383.97万人，就业人口1361.87万人。每个栅格单元的就业人口数量在0-95531之间，每个栅格单元的居住人口数量在0-71950之间。
S302，确定由各个所述非轨道区域的人口密度数据和各个所述轨道区域的人口密度数据构成的人口平均密度
Figure SMS_37
。
Figure SMS_38
为由非轨道区域和轨道区域构成的城市的人口平均密度。
为评估城市职住人口密度与轨道站点的空间耦合度，首先将研究区域统一为500x 500m的栅格，将栅格内的职住人口数量转化为可以与站点可达性指标进行比较的指数。由于职住人口数据是以500 x 500m的栅格形式呈现，本实施例仅需计算每个栅格单元范围内就业及居住人口的密度指数。在本发明中，就业人口和居住人口的密度指数反映了每个栅格单元范围内职住人口的密度。本实施例将职住人口密度指数定义为单位栅格面积范围内就业及居住人口的数量。
即人口密度数据包括就业人口密度指数
Figure SMS_39
和居住人口的密度指数/>
Figure SMS_40
：
Figure SMS_41
；
Figure SMS_42
；
Figure SMS_44
是空间单位（栅格单元）/>
Figure SMS_47
中所有就业人口的数量，/>
Figure SMS_50
是空间单元/>
Figure SMS_43
中所有居住人口的数量，/>
Figure SMS_46
是空间单元/>
Figure SMS_49
的面积。其次，研究通过min-max标准化方法对职住人口密度指数进行标准化，/>
Figure SMS_52
的标准化值为：/>
Figure SMS_45
，/>
Figure SMS_48
的标准化值为：/>
Figure SMS_51
；
其中，
Figure SMS_53
为所有/>
Figure SMS_57
中的最小值，/>
Figure SMS_59
为所有/>
Figure SMS_55
中的最大值，/>
Figure SMS_56
为所有/>
Figure SMS_58
中的最小值，/>
Figure SMS_60
为所有/>
Figure SMS_54
中的最大值。
S303，确定由各个所述轨道区域的所述第一可达性指数与各个所述非轨道区域的所述第二可达性指数构成的可达性指数平均值
Figure SMS_61
。
图4中的栅格单元内如果设置了站点，那么该栅格单元属于轨道区域，栅格单元的可达性指数为第一可达性指数。同样，图4中的栅格单元内如果没有站点，那么该栅格单元属于非轨道区域，栅格单元的可达性指数为第二可达性指数。
Figure SMS_62
即为将图4中每个栅格单元的可达性指数相加之后除以栅格单元的总数量得到的。
S304，确定各个所述轨道区域的所述第一可达性指数与所述可达性指数平均值之间的差值，记为各个第一差值。
S305，确定各个所述非轨道区域的所述第二可达性指数与所述可达性指数平均值之间的差值，记为各个第二差值。
S306，确定各个所述轨道区域的人口密度数据与所述人口平均密度之间的差值，记为各个第三差值。
S307，确定各个所述非轨道区域的人口密度数据与所述人口平均密度之间的差值，记为各个第四差值。
S308，依据各个所述第一差值、各个所述第二差值、各个所述第三差值、各个所述第四差值，评估轨道交通与人口空间分布之间的耦合度I。
步骤S304至S308基于如下公式：
Figure SMS_63
；
Figure SMS_65
为轨道区域和非轨道区域构成的区域总数量（一个区域即一个栅格单元，轨道区域和非轨道区域都称为区域），/>
Figure SMS_68
为赋予给第/>
Figure SMS_72
个区域和第/>
Figure SMS_64
个区域之间的邻接关系的权重（也就是用该权重表示第/>个区域和第/>
Figure SMS_75
个区域相关程度，权重为人为设置的一个值），
Figure SMS_78
为第/>
Figure SMS_66
个区域的可达性指数（为第一可达性指数和第二可达性指数构成的综合可达性指数，当第/>
Figure SMS_69
个区域为轨道区域时，/>
Figure SMS_73
就是第一可达性指数；当第/>
Figure SMS_76
个区域为非轨道区域时，/>
Figure SMS_67
就是第二可达性指数） ，/>
Figure SMS_70
为可达性指数平均值，/>
Figure SMS_74
为第/>
Figure SMS_77
个区域（包括轨道区域和非轨道区域）的人口密度。
当耦合度I的值大于0时，表示可达性指数与人口密度存在空间正相关的关系且可达性指数和人口密度的高值和低值聚集在同一区域内，即同一位置栅格中可达性指数和人口密度均为高值或低值。当I的值小于0时，表示可达性指数与人口密度存在空间负相关的关系且一个变量的高值与另一变量的低值聚集在同一区域内（反之亦然）。如果I的值等于0，表明可达性指数与人口密度不存在空间相关的关系。
在一个实施例中，人口密度包括就业人口密度指数
Figure SMS_79
和居住人口的密度指数/>
Figure SMS_80
。采用上述耦合度I的公式分别计算出可达性指数与就业人口密度指数/>
Figure SMS_81
的耦合度，以及可达性指数与居住人口的密度指数/>
Figure SMS_82
的耦合度。
举例说明，图5为就业人口密度指数，图6为居住人口密度指数，当采用上述耦合度I的公式计算可达性指数与就业人口密度之间的相关性时，耦合度I的公式中的
Figure SMS_83
为设置有站点和没有站点的栅格单元的就业人口密度，如图5所示；当采用上述耦合度I的公式计算可达性指数与居住人口密度之间的相关性时，耦合度I的公式中的/>
Figure SMS_84
为设置有站点和没有站点的栅格单元的居住人口密度，如图6所示。
步骤S300计算出的耦合度I为用于反映整个城市的可达性指数与人口密度之间的空间关系，即步骤S300的耦合度I为全局耦合度，但是全局耦合度不能反映局部的可达性指数与人口密度之间的关系。而当整个城市的耦合度I为0时，城市局部的可达性指数与人口密度之间可能也是存在关系的，因此需要评估局部空间自相关系数
Figure SMS_85
。
在一个实施例中评估局部空间自相关系数
Figure SMS_86
的具体过程包括：依据所述第一可达性指数和所述第二可达性指数，得到综合可达性指数；确定所述综合可达性指数和所述人口分布数据中的人口密度数据之间的自相关系数/>
Figure SMS_87
。
Figure SMS_88
；
自相关系数
Figure SMS_91
为局部自相关系数，/>
Figure SMS_94
为第/>
Figure SMS_97
个区域（包括轨道区域和非轨道区域）的综合可达性指数（包括轨道区域的第一可达性指数和非轨道区域的第二可达性指数），/>
Figure SMS_89
为第/>
Figure SMS_95
个区域（包括轨道区域和非轨道区域）的人口密度数据，n为区域的总数量。
Figure SMS_98
为人口平均密度，/>
Figure SMS_100
为可达性指数平均值，/>
Figure SMS_90
均为可达性指数方差，/>
Figure SMS_93
均为人口密度方差，/>
Figure SMS_96
为区域/>
Figure SMS_99
和区域/>
Figure SMS_92
的空间权重矩阵。
举例说明，以评估某市的轨道交通与城市空间要素分布的耦合度为例，说明本发明的评估耦合度的详细过程：
城市空间要素包含就业人口、居住人口、建筑实体等，轨道交通数据包含轨道交通线路、轨道交通站点数据，两类数据均转化为可利用ArcGIS进行空间处理的矢量格式。如图7所示，对于空间要素数据，首先通过将空间要素数据与ArcGIS生成的栅格图层相交，得到栅格尺度的空间要素数据；其次，计算每个栅格单元范围内空间要素的密度，得到每个栅格单元的空间要素密度。对于轨道交通数据，首先通过本发明提出的构建站点可达性指标的方法，得到每个轨道站点的可达性指标；其次，通过将站点可达性指标与ArcGIS生成的栅格图层相交并基于距离加权处理，得到每个栅格单元的可达性指数。最后，通过双变量空间自相关模型，评估轨道交通与城市空间要素分布的耦合度。
比如人口密度数据来源于手机信令数据为例，如图8所示，通过构建双变量全局空间自相关模型、局部自相关模型，在空间上判定轨道站点可达性指数与居住及就业人口密度指数的空间耦合关系方向和耦合程度大小。在构建模型之前，首先通过ArcGIS软件（ArcGIS软件将双变量空间相关性模型结果及轨道站点的空间分布进行叠加，可实现轨道站点尺度的耦合度类型划分）计算了基于栅格的就业、居住人口密度指数以及轨道站点可达性指数，基于3个栅格图层的计算结果，通过GeoDa软件创建双变量空间相关性分析模型以定量评估轨道站点可达性与职住人口密度的耦合度。
图9为当耦合度I为0.320时，可达性指数与就业人口密度之间的关系。图10为当耦合度I为0.343时，可达性指数与居住人口密度之间的关系。
综上，本发明首先分别计算轨道区域的可达性指数和非轨道区域的可达性指数，这两个可达性指数综合在一起能够充分代表整个城市的交通工具站点信息。再将上述两个可达性指数与城市的人口分布数据结合在一起，能够准确评估轨道交通与人口空间分布之间的耦合度。
另外，在可达性指数构建方面，本发明侧重于轨道站点在轨道交通网络中的可达性，综合考虑轨道站点度中心性、接近中心性构建可达性指数，并通过距离加权方法将可达性指数分摊至250m x 250m的栅格。基于栅格尺度的可达性指数，通过双变量空间自相关分析方法评估了轨道站点可达性指数与职住人口密度指数的空间耦合度。本发明以手机信令大数据为基础，数据量大且数据精确，能够在栅格尺度上识别职住人口的具体位置。
基于本发明提出的识别方法，可在快速实现在栅格尺度的轨道交通站点可达性与城市职住人口空间分布的耦合度评估。不仅限于职住人口密度指标，本发明提出的方法也可应用于其余城市空间要素指标，如兴趣点数据、建筑面数据等，这些城市空间要素数据均可在栅格尺度进行处理，结合本发明提出的识别方法可以快速评估轨道交通站点可达性与城市空间要素分布的耦合度。
示例性装置
本实施例还提供一种定量评估轨道交通与城市空间要素分布耦合度的装置，所述装置包括如下组成部分：
第一可达性指数处理模块，用于确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度；
第二可达性指数处理模块，用于确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度；
评估模块，用于依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度。
基于上述实施例，本发明还提供了一种终端设备，其原理框图可以如图11所示。该终端设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该终端设备的处理器用于提供计算和控制能力。该终端设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种定量评估轨道交通与城市空间要素分布耦合度的方法。该终端设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该终端设备的温度传感器是预先在终端设备内部设置，用于检测内部设备的运行温度。
本领域技术人员可以理解，图11中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端设备的限定，具体的终端设备以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种终端设备，终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的定量评估轨道交通与城市空间要素分布耦合度的程序，处理器执行定量评估轨道交通与城市空间要素分布耦合度的程序时，实现如下操作指令：
确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度；
确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度；
依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度。
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的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种定量评估轨道交通与城市空间要素分布耦合度的方法，其特征在于，包括：
确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度；
确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度；
依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度。
2.如权利要求1所述的定量评估轨道交通与城市空间要素分布耦合度的方法，其特征在于，所述确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度，包括：
统计所述轨道区域内的所述交通工具站点所连接的交通线路数量；
统计所述轨道区域内的各个所述交通工具站点之间的距离之和，记为第一距离之和；
统计所述轨道区域内的所述交通工具站点与所述轨道区域外部的各个所述交通工具站点之间的距离之和，记为第二距离之和；
依据所述交通线路数量、所述第一距离之和、所述第二距离之和，得到所述轨道区域所对应的第一可达性指数。
3.如权利要求2所述的定量评估轨道交通与城市空间要素分布耦合度的方法，其特征在于，所述依据所述交通线路数量、所述第一距离之和、所述第二距离之和，得到所述轨道区域所对应的第一可达性指数，包括：
依据所述第一距离之和与所述第二距离之和相加之后的倒数，得到接近中心性指数；
对所述交通线路数量和所述接近中心性指数进行加权计算，得到所述轨道区域所对应的第一可达性指数。
4.如权利要求1所述的定量评估轨道交通与城市空间要素分布耦合度的方法，其特征在于，所述确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度，包括：
从各个所述交通工具站点中筛选出与所述非轨道区域之间的间距最小所对应的交通工具站点；
确定所述非轨道区域与最小间距的所述交通工具站点之间的距离，记为最小距离；
比较各个所述非轨道区域与最小间距的所述交通工具站点之间的距离、各个所述轨道区域与最小间距的所述交通工具站点之间的距离，得到最大距离；
依据最小间距的所述交通工具站点所在的所述轨道区域的所述第一可达性指数、所述最小距离、所述最大距离，确定城市的非轨道区域所对应的第二可达性指数。
5.如权利要求4所述的定量评估轨道交通与城市空间要素分布耦合度的方法，其特征在于，所述依据最小间距的所述交通工具站点所在的所述轨道区域的所述第一可达性指数、所述最小距离、所述最大距离，确定城市的非轨道区域所对应的第二可达性指数，包括：
将所述最小距离与最小间距的所述交通工具站点所在的所述轨道区域的所述第一可达性指数相乘之后除以所述最大距离，得到城市的非轨道区域所对应的第二可达性指数。
6.如权利要求1所述的定量评估轨道交通与城市空间要素分布耦合度的方法，其特征在于，所述依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度，包括：
确定所述人口分布数据中的各个所述非轨道区域的人口密度数据和各个所述轨道区域的人口密度数据；
确定由各个所述非轨道区域的人口密度数据和各个所述轨道区域的人口密度数据构成的人口平均密度；
确定由各个所述轨道区域的所述第一可达性指数与各个所述非轨道区域的所述第二可达性指数构成的可达性指数平均值；
确定各个所述轨道区域的所述第一可达性指数与所述可达性指数平均值之间的差值，记为各个第一差值；
确定各个所述非轨道区域的所述第二可达性指数与所述可达性指数平均值之间的差值，记为各个第二差值；
确定各个所述轨道区域的人口密度数据与所述人口平均密度之间的差值，记为各个第三差值；
确定各个所述非轨道区域的人口密度数据与所述人口平均密度之间的差值，记为各个第四差值；
依据各个所述第一差值、各个所述第二差值、各个所述第三差值、各个所述第四差值，评估轨道交通与人口空间分布之间的耦合度。
7.如权利要求1所述的定量评估轨道交通与城市空间要素分布耦合度的方法，其特征在于，还包括：
依据所述第一可达性指数和所述第二可达性指数，得到综合可达性指数；
确定所述综合可达性指数和所述人口分布数据中的人口密度数据之间的自相关系数。
8.一种定量评估轨道交通与城市空间要素分布耦合度的装置，其特征在于，所述装置包括如下组成部分：
第一可达性指数处理模块，用于确定城市的轨道区域所对应的第一可达性指数，所述轨道区域为所述城市中已设置交通工具站点的区域，所述第一可达性指数用于表征所述轨道区域内的所述交通工具站点到达其他任意所述交通工具站点的便利程度；
第二可达性指数处理模块，用于确定城市的非轨道区域所对应的第二可达性指数，所述非轨道区域为所述城市中未设置交通工具站点的区域，所述第二可达性指数用于表征所述非轨道区域到达其他任意所述交通工具站点的便利程度；
评估模块，用于依据所述第一可达性指数、所述第二可达性指数、所述城市的人口分布数据，评估轨道交通与人口空间分布之间的耦合度，所述耦合度用于表征所述轨道交通与所述人口空间分布之间的匹配程度。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的定量评估轨道交通与城市空间要素分布耦合度的程序，所述处理器执行所述定量评估轨道交通与城市空间要素分布耦合度的程序时，实现如权利要求1-7任一项所述的定量评估轨道交通与城市空间要素分布耦合度的方法的步骤。
10.一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上存储有定量评估轨道交通与城市空间要素分布耦合度的程序，所述定量评估轨道交通与城市空间要素分布耦合度的程序被处理器执行时，实现如权利要求1-7任一项所述的定量评估轨道交通与城市空间要素分布耦合度的方法的步骤。
CN202310577328.9A 2023-05-22 2023-05-22 一种定量评估轨道交通与城市空间要素分布耦合度的方法 Active CN116433105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310577328.9A CN116433105B (zh) 2023-05-22 2023-05-22 一种定量评估轨道交通与城市空间要素分布耦合度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310577328.9A CN116433105B (zh) 2023-05-22 2023-05-22 一种定量评估轨道交通与城市空间要素分布耦合度的方法

Publications (2)

Publication Number Publication Date
CN116433105A true CN116433105A (zh) 2023-07-14
CN116433105B CN116433105B (zh) 2023-09-19

Family

ID=87094625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310577328.9A Active CN116433105B (zh) 2023-05-22 2023-05-22 一种定量评估轨道交通与城市空间要素分布耦合度的方法

Country Status (1)

Country Link
CN (1) CN116433105B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474735A (zh) * 2023-11-07 2024-01-30 北京城建设计发展集团股份有限公司 一种轨道交通网络与城市规划融合评估方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106454729A (zh) * 2016-10-09 2017-02-22 广州杰赛科技股份有限公司 一种城市轨道交通站点选址规划方法和装置
CN108304470A (zh) * 2017-12-27 2018-07-20 浙江工业大学 一种基于ArcGIS的城市地铁路径规划方法
KR20200051205A (ko) * 2018-11-05 2020-05-13 박성훈 상업용 부동산 가치 분석 시스템 및 이를 이용한 상업용 부동산 가치 분석 방법
CN111222744A (zh) * 2019-11-18 2020-06-02 西南交通大学 基于信令数据的建成环境与轨道客流分布关系确定方法
CN113393104A (zh) * 2021-06-03 2021-09-14 东南大学 一种轨道交通运行状态对周边公共自行车影响的评价方法
CN113935583A (zh) * 2021-09-14 2022-01-14 广州市城市规划设计有限公司 基于站点吸引力的轨道交通选址方法、装置及存储介质
CN114331058A (zh) * 2021-12-15 2022-04-12 东南大学 建成环境对交通运行状况影响的评估方法
CN114882703A (zh) * 2022-05-17 2022-08-09 长安大学 一种城市群综合交通评价方法
CN115017658A (zh) * 2022-06-15 2022-09-06 江苏城乡建设职业学院 一种基于可达性和节点重要度的轨道交通网络优化方法
CN115100012A (zh) * 2022-06-28 2022-09-23 浙江大学 一种轨道交通站点步行可达性计算方法
CN115311887A (zh) * 2022-09-29 2022-11-08 深圳市城市交通规划设计研究中心股份有限公司 优质公共服务资源可达性模型构建方法、设备及存储介质
CN115829246A (zh) * 2022-11-22 2023-03-21 交通运输部科学研究院 行程时间不确定环境下公共交通站点可达性评价方法
CN115860520A (zh) * 2022-11-18 2023-03-28 东南大学 一种高铁枢纽与城市公共交通动静态时空可达性评估方法
CN116090903A (zh) * 2023-02-06 2023-05-09 杭州数知梦科技有限公司 基于多源数据的轨道公交两网融合综合评价方法及其应用

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106454729A (zh) * 2016-10-09 2017-02-22 广州杰赛科技股份有限公司 一种城市轨道交通站点选址规划方法和装置
CN108304470A (zh) * 2017-12-27 2018-07-20 浙江工业大学 一种基于ArcGIS的城市地铁路径规划方法
KR20200051205A (ko) * 2018-11-05 2020-05-13 박성훈 상업용 부동산 가치 분석 시스템 및 이를 이용한 상업용 부동산 가치 분석 방법
CN111222744A (zh) * 2019-11-18 2020-06-02 西南交通大学 基于信令数据的建成环境与轨道客流分布关系确定方法
CN113393104A (zh) * 2021-06-03 2021-09-14 东南大学 一种轨道交通运行状态对周边公共自行车影响的评价方法
CN113935583A (zh) * 2021-09-14 2022-01-14 广州市城市规划设计有限公司 基于站点吸引力的轨道交通选址方法、装置及存储介质
CN114331058A (zh) * 2021-12-15 2022-04-12 东南大学 建成环境对交通运行状况影响的评估方法
CN114882703A (zh) * 2022-05-17 2022-08-09 长安大学 一种城市群综合交通评价方法
CN115017658A (zh) * 2022-06-15 2022-09-06 江苏城乡建设职业学院 一种基于可达性和节点重要度的轨道交通网络优化方法
CN115100012A (zh) * 2022-06-28 2022-09-23 浙江大学 一种轨道交通站点步行可达性计算方法
CN115311887A (zh) * 2022-09-29 2022-11-08 深圳市城市交通规划设计研究中心股份有限公司 优质公共服务资源可达性模型构建方法、设备及存储介质
CN115860520A (zh) * 2022-11-18 2023-03-28 东南大学 一种高铁枢纽与城市公共交通动静态时空可达性评估方法
CN115829246A (zh) * 2022-11-22 2023-03-21 交通运输部科学研究院 行程时间不确定环境下公共交通站点可达性评价方法
CN116090903A (zh) * 2023-02-06 2023-05-09 杭州数知梦科技有限公司 基于多源数据的轨道公交两网融合综合评价方法及其应用

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUNLEI CHEN: "An investigation on the spatial coupling relationship between metro station and job: housing spatial structure in shenzhen", 《ICCREM 2002》, vol. 2022, pages 1 - 9 *
YOHEE HAN 等: "analyzing the accessibility of subway stations for transport-vulnerable population segments in seoul: case of bus-to-subway transfer", 《WORLD CONFERENCE ON TRANSPORT RESEARCH SOCIETY》, pages 166 - 174 *
徐学娴 等: "武汉主城区公共交通综合可达性研究", 《武汉工程大学学报》, pages 227 - 232 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117474735A (zh) * 2023-11-07 2024-01-30 北京城建设计发展集团股份有限公司 一种轨道交通网络与城市规划融合评估方法及系统
CN117474735B (zh) * 2023-11-07 2024-06-07 北京城建设计发展集团股份有限公司 一种轨道交通网络与城市规划融合评估方法及系统

Also Published As

Publication number Publication date
CN116433105B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
KR101982159B1 (ko) 카테고리별로 구분된 유동인구 정보를 이용한 유동인구 측정 방법
Liu et al. How urban land use influences commuting flows in Wuhan, Central China: A mobile phone signaling data perspective
Bertazzon et al. Accounting for spatial effects in land use regression for urban air pollution modeling
CN116433105B (zh) 一种定量评估轨道交通与城市空间要素分布耦合度的方法
CN112579922B (zh) 一种基于用户轨迹的兴趣点推荐方法
Chen et al. Probabilistic forecasting of drought: a hidden Markov model aggregated with the RCP 8.5 precipitation projection
CN110689055B (zh) 一种顾及格网单元属性分级的跨尺度统计指标空间化方法
JP2020123011A (ja) 所定圏における滞在圏人口を推定するプログラム、装置及び方法
CN115169764B (zh) 一种可达性计算方法、电子设备及存储介质
CN109840272B (zh) 一种共享电动汽车站点用户需求预测方法
Cebecauer et al. Integrated framework for real‐time urban network travel time prediction on sparse probe data
CN117852975B (zh) 基于数字化设计的城市更新行动可视化评估方法及系统
Lange et al. Small area estimation of poverty under structural change
Lentzakis et al. Predictive distance-based road pricing—Designing tolling zones through unsupervised learning
CN117458450B (zh) 电力数据能耗预测分析方法及系统
CN117037492A (zh) 融合手机信令和出行调查数据的城市交通模型构建方法
Li et al. Equality of public transit connectivity: the influence of mass rapid transit services on individual buildings for Singapore
Huo et al. Exploring the influencing factors on demand-responsive customized bus ridership using multi-source data
CN115994787A (zh) 一种基于神经网络的拼车需求预测匹配方法
CN110837903A (zh) 一种轨道交通短期客流预测方法、系统及电子设备
CN113780880A (zh) 一种基于空间代表性的pm2.5观测站点布局评价方法
Mohammadzadeh et al. Spatiotemporal integration of GCN and E-LSTM networks for PM2. 5 forecasting
CN104835320B (zh) 一种基于移动通信数据的交通流估算方法
Pérez-González et al. Method for travel time prediction in emerging markets based on anonymous truck GPS data
CN102236831A (zh) 一种预测城市用地规模的方法

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