CN117035469B - 公铁联运枢纽功能区建设用地指标测算的方法及装置 - Google Patents

Abstract

本公开提出了一种公铁联运枢纽功能区建设用地指标测算的方法及装置，涉及数据处理技术领域，包括：获取与公铁联运枢纽功能区作业用地需求对应的第一数据；对收集到的第一数据进行数据清洗和预处理，以得到处理后的第二数据；根据所述第二数据中包含的所述物流处理量和所述交通流量信息，计算每个类型的综合货运枢纽对应的用地规模；根据第二数据和用地指标，进行用地需求计算，以得到计算结果；根据用地规模、计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，评估结果中包含有优化调整方向。由此，计算得到的评估结果有助于实现对公铁联运枢纽功能区建设用地的合理处理和规划，对土地实现高效利用。

Description

公铁联运枢纽功能区建设用地指标测算的方法及装置

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种公铁联运枢纽功能区建设用地指标测算的方法及装置。

背景技术

在高质量发展和土地节约集约的要求下，研究、制定综合货运的建设指标，非常必要。首先，综合货运枢纽涉及多式联运，功能及建设内容复杂，建设投资巨大。缺乏建设标准指引，导致每个综合货运枢纽建设，都需要花大量的人力、物力对已有的行业标准、综合货运枢纽特点进行研究，确定合理的建设指标。其次，目前我国已建成多个综合货运枢纽，已积累了一定的建设经验和教训。然而，目前还是依赖人为的通过经验来制定综合货运枢纽的用地建设指标，对土地进行布局和利用，准确度不高，对土地的利用效率依旧在一个较低的水平。如何实现对公铁联运枢纽功能区建设用地的合理处理和规划，对土地实现高效利用，是目前亟需解决的问题。

发明内容

本公开旨在至少在一定程度上解决相关技术中的技术问题之一。

本公开第一方面实施例提出了一种公铁联运枢纽功能区建设用地指标测算的方法，包括：

基于物联网技术，获取与公铁联运枢纽功能区作业用地需求对应的第一数据，所述第一数据至少包含有交通流量、物流处理量、联运作业流线信息；

对收集到的所述第一数据进行数据清洗和预处理，以得到处理后的第二数据；

根据所述第二数据中包含的所述物流处理量和所述交通流量信息，计算每个类型的综合货运枢纽对应的用地规模；

根据所述第二数据和用地指标，进行用地需求计算，以得到计算结果，其中，所述用地指标是预先根据公铁联运枢纽的功能要求和规划要求所确定的指标，所述用地指标包含有交通流量密度、货物流通量、作业面积比例、存储面积比例、停车场容量比例中的一个或者多个；

根据所述用地规模、所述计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，所述评估结果中包含有优化调整方向。

本公开第二方面实施例提出了一种公铁联运枢纽功能区建设用地指标测算的装置，包括：

获取模块，用于基于物联网技术，获取与公铁联运枢纽功能区作业用地需求对应的第一数据，所述第一数据至少包含有交通流量、物流处理量、联运作业流线信息；

处理模块，用于对收集到的所述第一数据进行数据清洗和预处理，以得到处理后的第二数据；

第一计算模块，用于根据所述第二数据中包含的所述物流处理量和所述交通流量信息进行回归分析，计算每个类型的综合货运枢纽对应的用地规模；

第二计算模块，用于根据所述第二数据和用地指标，进行用地需求计算，以得到计算结果，其中，所述用地指标是预先根据公铁联运枢纽的功能要求和规划要求所确定的指标，所述用地指标包含有交通流量密度、货物流通量、作业面积比例、存储面积比例、停车场容量比例中的一个或者多个；

生成模块，用于根据所述用地规模、所述计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，所述评估结果中包含有优化调整方向。

本公开第三方面实施例提出了一种电子设备，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，实现如本公开第一方面实施例提出的公铁联运枢纽功能区建设用地指标测算的方法。

本公开第四方面实施例提出了一种非临时性计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面实施例提出的公铁联运枢纽功能区建设用地指标测算的方法。

本公开提供的公铁联运枢纽功能区建设用地指标测算的方法及装置，存在如下有益效果：

本公开实施例中，通过物联网技术获取实时的交通流量、物流处理量和联运作业流线信息，减少了传统手工收集数据的不确定性和延迟，提高了数据质量和准确性。通过数据清洗和预处理，得到处理后的第二数据，为后续多元线性回归分析提供可靠数据基础。利用多元线性回归模型，结合物流处理量和交通流量等因素，进行更精准的用地规模计算和预测。根据预设的用地指标和计算结果，进行用地需求计算，并生成每个类型的综合货运枢纽的评估结果。这些评估结果有助于规划者了解每个枢纽的用地规模和优化调整方向，为公铁联运枢纽的规划和设计提供科学依据，实现对公铁联运枢纽功能区建设用地的合理处理和规划，对土地实现高效利用。

本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。

附图说明

本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本公开实施例所提供的一种公铁联运枢纽功能区建设用地指标测算的方法的流程示意图；

图2为本公开实施例所提供的一种公铁联运枢纽功能区建设用地指标测算的装置的结构框图。

具体实施方式

下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。

下面参考附图描述本公开实施例的公铁联运枢纽功能区建设用地指标测算的方法及装置。

图1为本公开第一实施例所提供的公铁联运枢纽功能区建设用地指标测算的方法的流程示意图。

如图1所示，该公铁联运枢纽功能区建设用地指标测算的方法可以包括以下步骤：

步骤101，基于物联网技术，获取与公铁联运枢纽功能区作业用地需求对应的第一数据，第一数据至少包含有交通流量、物流处理量、联运作业流线信息。

其中，公铁联运枢纽功能区是指以公路和铁路为主要交通方式，结合多种物流配送和转运方式，构建的综合性货物运输枢纽。该功能区致力于实现公路与铁路之间的无缝衔接和高效联运，提供多种物流服务，促进货物的快速、安全、高效运输。公铁联运枢纽功能区通常包括以下几个方面的功能：

货运集散功能、综合运输服务功能、货物仓储和物流配送功能、信息管理和物流信息服务功能。

公铁联运枢纽功能区的作业用地需求会因具体情况而异，取决于该功能区的规模、服务范围和运营模式等因素。以下是一些可能需要考虑的作业用地需求：

货场和货物集散区：公铁联运枢纽功能区通常需要足够的露天货场和货物集散区，用于货物的装卸、分拨和临时存放等作业活动。这些区域需要具备合适的面积和专用设施，以支持高效的物流操作。

仓储设施：为了满足物流配送和转运的需求，公铁联运枢纽功能区可能需要配备一定规模的仓储设施，包括普通仓库、集装箱堆场等。这些设施应考虑货物种类、储运方式及保管要求，并合理布局以支持作业流程的顺畅进行。

运输设施：公铁联运枢纽功能区需要与公路和铁路网相连，并提供相应的运输设施，如货运站、货运中心、调度楼等。这些设施应该便于货物的转运和运输，同时需考虑适当的停车场和交通组织，以满足运输车辆和人员的需求。

办公区和服务设施：为了支持公铁联运枢纽功能区的管理和运营，通常需要规划办公区、管理中心和相关服务设施，如物流信息系统、监控中心、维修保养设施等。这些设施有助于提供管理支持和技术服务，并提高整体运营效率。

其中，第一数据包括但不限于以下几种：

用地规模和布局数据：包括公铁联运枢纽功能区的总面积、各个区域的用地面积、用途分类等。

货运量和流量数据：包括货物的吞吐量、装卸量、分拨量，以及交通流量数据，如车辆进出量、客流量等。

仓储设施数据：包括仓库的面积、容量、利用率等数据，以及集装箱堆场的容量、使用情况等。

运输设施数据：包括货运站的数量、面积，交通设施的规模、容量，以及装卸设备的数量、类型等。

办公区和服务设施数据：包括办公楼的面积、使用率，物流信息系统的数据监控情况，相关服务设施的设备状况等。

为了采集第一数据并进行实时监测和管理，可以利用物联网技术。以下是一些常见的物联网技术应用方法：

传感器：通过安装传感器，如温度传感器、湿度传感器、重量传感器等，获取环境和设备状态数据，如仓库温湿度、堆场集装箱重量等。

RFID技术：使用射频识别设备，对货物、车辆、集装箱等物品进行标记和追踪，实现实时监控和管理。

智能设备：通过连接智能设备，如智能摄像头、智能门禁系统等，获取场地、设备和运输活动的视觉数据，例如车辆进出情况、货物装卸过程等。

数据采集和传输：利用物联网技术建立数据采集和传输系统，将各类传感器和设备的数据汇总并传输到中央服务器或云平台进行处理和分析。

数据分析和应用：通过数据分析和应用平台，对采集到的数据进行整合、分析和可视化展示，帮助监测作业用地需求和提供决策支持。

本公开实施例所实现的方式可以是在任一城市所实现的，也即公铁联运枢纽功能区作业用地需求可以是根据某个城市的公铁联运枢纽功能区作业用地需求，如A市，获取的数据也可以是针对该城市的数据。

步骤102，对收集到的第一数据进行数据清洗和预处理，以得到处理后的第二数据。

具体的，可以通过去除冗余和重复数据、统一数据命名规范和数据格式，以及验证数据的完整性、准确性和一致性，提高数据质量和可靠程度。对于缺失值的数据可以采用插值、填充等方法进行填补，可以根据领域知识和数据背景，以及常用的处理方法，如中位数、众数等来进行处理。对于异常值可以采用统计分析方法、可视化方法等进行检测和处理，以避免影响数据质量。对于不同类型的数据（如货物类型、运输方式等），可以采用适当的分类变量处理方法。对于数值变量（如货物流量、运输时间等），可以采用数据归一化或标准化的方法，以便更加准确地计算和分析。对于不同的综合货运枢纽，需要对其数据进行分类处理，例如按照区域划分、按照运输方式划分、按照货物类型划分等，以便更好地进行分析和比较。

步骤103，根据第二数据中包含的物流处理量和交通流量信息，计算每个类型的综合货运枢纽对应的用地规模。

需要对该步骤进行解释说明的是，虽然综合货运枢纽在实际应用中是具备一定的实际应用面积的，但是其对应的用地规模并不能简单的通过人为简单的进行勘测或者根据遥感图像来进行确认，用地规模通常是跟物流作业动态相关的，因而，本公开实施例中，可以结合每个综合货运枢纽的物流处理量和交通流量信息来预测得到一个综合货运枢纽对应的用地规模，这个用地规模可以在之后的数据处理和分析中作为对综合货运枢纽当前对应的一个参考用地规模。

进一步的，还可以同样的利用第二数据中每个综合货运枢纽中每个功能区的物流处理量和交通流量信息，来预测得到一个功能区对应的用地规模。

需要注意的是，在每个综合货运枢纽中，不同的功能区所实际对应的用地面积可能存在重合，比如生活区中可能包含有道路区和仓库区，商品汽车作业区中也可能包含有道路区，因而通过确定不同的功能区对应的用地规模，来为之后的土地利用进行规划，能够更加的合理和准确。

具体的，可以将综合货运枢纽分为以下几种:公路运输主导型、铁路运输主导型、水路运输主导型和航空运输主导型等四类综合货运枢纽,同理不同类型的综合货运枢纽对应的功能区也不同，用地特点不同，建设内容也不同，物流作业强度也不同，相应的用地标准也不同。需要说明的是，综合货运枢纽也可以是上述四种类型的中的结合，比如公铁联运货运枢纽为公路运输主导型和铁路运输主导型的结合。

下面的表格1为一种公铁联运货运枢纽的功能分区的表格：

表格1

基于对上述现有的行业内相关规范标准和地方标准的分析，货运枢纽的功能区主要包含生产设施、办公设施、生产辅助设施和生活服务设施四大类。在用地建设标准上，综合货运枢纽容积率不低于0.6，建筑密度不低于40%，物流运营面积比例应大于总用地面积的50%，行政办公、生活服务设施用地面积比例应不大于总用地面积的15%。

具体的，可以基于预设的多元线性回归模型，根据第二数据中包含的物流处理量和交通流量信息进行多元线性回归分析，计算每个类型的综合货运枢纽对应的用地规模。

针对每个类型的综合货运枢纽，可以使用多元线性回归模型来计算其对应的用地规模，有以下预设的多元线性回归模型：

用地规模 = β0 + β1 * 物流处理量 + β2 * 交通流量

其中，β0、β1、β2 是回归模型中的系数，物流处理量和交通流量是第二数据中的变量。

根据实际收集到的第二数据，包含了物流处理量和交通流量信息，我们可以利用这些数据进行多元线性回归分析，以得到每个类型的综合货运枢纽对应的用地规模。

以下是构建多元线性回归模型的步骤：

首先将历史数据中的物流处理量作为自变量 X1，交通流量作为自变量 X2，用地规模作为因变量 Y。模型建立：根据以上多元线性回归模型，设定目标变量 Y 和自变量X1、X2 的关系。求解模型的系数 β0、β1、β2。之后，可以使用最小二乘法，拟合模型，得到回归方程。最后，可以通过评估回归方程的拟合优度，如决定系数 R² 和均方误差等指标，判断模型的拟合程度和预测能力。

其中，多元线性回归模型中的系数 β0、β1、β2，可以是由历史数据所进行训练求解得到的。其中，历史数据也需要确保数据清洗和预处理已完成。具体的，可以根据已求得的回归方程和第二数据中的新的物流处理量、交通流量数据，计算预测的用地规模。

可选的，还可以通过以下方式计算用地规模：

通过综合货运枢纽的年物流处理目标量与不同类型枢纽最低物流强度比值，确定不同类型综合货运枢纽的用地规模。

其中，用地面积=年物流处理目标量/最低物流强度。

可选的，还可以首先根据所述第二数据中包含的所述物流处理量，确定每个类型的综合货运枢纽对应的年物流处理量，之后基于每个所述年物流处理量，以及所述每个类型的综合货运枢纽所对应的最低物流强度进行回归分析，确定每个类型的综合货运枢纽对应的用地规模。

具体的，也可以预先构建好多元线性回归模型，并以年物流处理量和最低物流强度作为自变量，来预测每个类型的综合货运枢纽对应的用地规模。具体实现方式可以参照上述内容，此处不再赘述。

更精细化的，可以建立好任一功能区所对应的多元线性回归模型。来实现对综合货运枢纽任一功能区对应的用地规模进行预测。

步骤104，根据第二数据和用地指标，进行用地需求计算，以得到计算结果。

其中，用地指标是预先根据公铁联运枢纽的功能要求和规划要求所确定的指标，用地指标包含有交通流量密度、货物流通量、作业面积比例、存储面积比例、停车场容量比例中的一个或者多个。

具体的，可以通过以下步骤实现：

从所述第二数据中确定与第一用地指标和每个所述综合货运枢纽对应的第三数据。

第一用地指标中包含有货物流通量、存储面积比例、作业面积比例和停车场容量比例。

根据每个所述综合货运枢纽对应的所述货物流通量、存储面积比例、作业面积比例和停车场容量比例，计算每个所述综合货运枢纽对应的第一用地需求面积。

其中，货物流通量表示单位时间内通过综合货运枢纽的货物量，存储面积比例表示用于货物存储的面积占总用地面积的比例，作业面积比例表示用于货物装卸操作的面积占总用地面积的比例，停车场容量比例表示用于停放车辆的面积占总用地面积的比例。

在从第二数据中确定了每个综合货运枢纽的货物流通量、存储面积比例、作业面积比例和停车场容量比例的数据之后可以计算用地需求面积，对于每个综合货运枢纽，根据已收集到的货物流通量、存储面积比例、作业面积比例和停车场容量比例，按照下述公式计算第一用地需求面积：

第一用地需求面积 = 货物流通量 / (1 - 存储面积比例 - 作业面积比例 - 停车场容量比例)

需要说明的是，还需要实时的对停车场容量比例进行修正。

其中，停车场的总车位数 = 各类车辆日均存放量 * 存放形式的车位系数 * (1+ 到发波动系数) * 占用车位时间

各类车辆日均存放量：不同类型的车辆每天平均需要存放的数量。

存放形式的车位系数：不同存放形式对应的车位利用率系数，考虑到实际存放方式对车位利用率的影响。例如，堆放、停车库等不同存放形式可能有不同的车位利用率。

到发波动系数：反映车辆到达和离开的波动程度，通常用于考虑车辆到达和离开时间的不确定性。该系数是一个百分比，如果波动系数为10%，则应将1加上0.1。

占用车位时间：每辆车在存放区占用车位的平均时间，单位可以是小时或分钟。通过将上述因素带入公式，就可以计算得到停车场的总车位数。

需要说明的是，根据汽车存放区的总车位数，可以对停车场容量比例进行修正，以确保停车场的规模能够满足实际需求。修正停车场容量比例的方法如下：

计算当前停车场容量比例：根据现有数据或设定的比例，计算出当前的停车场容量比例。

计算修正后的停车场容量比例：将汽车存放区的总车位数与实际需要的停车位数进行比较，得出修正比例。修正后的停车场容量比例 = 实际需要的停车位数 / 汽车存放区的总车位数

实际需要的停车位数根据需求和规划进行计算，可以考虑各类车辆的存放需求以及不同时间段内的停车需求，之后根据计算得到的修正后的停车场容量比例，对原有的停车场规划进行调整。

如果修正后的停车场容量比例大于当前比例，说明停车场规模过小，可以考虑扩大停车场的面积或增加停车位数量。

如果修正后的停车场容量比例小于当前比例，说明停车场规模过大，可以考虑缩减停车场的面积或减少停车位数量。

修正停车场容量比例的目的是根据实际情况和需求进行调整，以确保停车场能够满足预期的停车需求，并提高停车位的利用率。

由此，在修正了停车场容量比例之后，则可以对第一用地需求面积进行更新。

进一步的，可以从第二数据中确定与第二用地指标和每个综合货运枢纽对应的第四数据，将每个第四数据输入到预设的每个所述综合货运枢纽对应的模拟仿真模型，以得到每个所述综合货运枢纽对应的第二用地需求面积。

下面对模拟仿真模型的构建过程进行简要说明：

首先，可以数据收集与准备，从历史数据中确定与综合货运枢纽相关的交通流量密度、货物流通量、作业面积比例、存储面积比例和停车场容量比例等用地指标对应的数据，并进行清理和整理，以便后续使用。进一步的，可以从收集到的数据中选择与用地规模相关的特征。可以使用统计分析、领域知识和专家经验等方法来确定哪些特征对用地规模的预测具有较高的影响力。之后进行模型开发与参数定义，选择合适的模型结构来建立预测模型，并定义模型中所需的参数。可以考虑使用多元回归模型、神经网络、决策树等机器学习方法。参数定义包括特征权重、偏置项等。之后可以进行数据集划分，将数据划分为训练集和测试集。训练集用于模型的参数估计和调整，测试集用于评估模型的预测性能。之后进行模型训练与优化：使用训练集数据对模型进行训练，并通过优化方法（如梯度下降）调整模型参数以提高预测性能。可以根据需要进行多次迭代训练和调整。最后可以使用测试集数据对经过训练和优化的模型进行评估，并验证其预测性能。可以使用各种评价指标，如均方误差、决定系数等来评估模型的拟合程度和预测准确性。

将经过验证的模拟仿真模型应用于第四数据，即综合货运枢纽的交通流量密度、货物流通量、作业面积比例、存储面积比例和停车场容量比例等数据，进行用地规模的预测。

可选的，还可以根据实际预测结果，对模型进行调整和改进，进一步提高预测精度和稳定性。

需要注意的是，模型的准确性和预测性能受到数据质量、特征选择和模型选择等因素的影响，可以结合实际情况选择合适的特征和模型结构。同时，模型的应用也需要考虑到实际场景的复杂性和不确定性。因此，在实际应用中，可能需要不断优化和调整模型，以适应不同的情况和需求，本公开实施例中，在此不进行赘述。

进一步的，还可以从第二数据中确定与第三用地指标和每个综合货运枢纽对应的第五数据，基于主成分分析法和聚类分析方法，根据每个第五数据，计算每个综合货运枢纽对应的第三用地需求面积。

其中，第三用地指标为预先根据专家经验确定的各个用地指标中与对所述综合货运枢纽用地规模影响较大的用地指标。其中，第五数据可以为第二数据中与所述第三用地指标所对应的数据。

可选的，可以首先基于主成分分析方法、所述第五数据和所述第二用地指标，确定目标特征，以及所述第五数据中与所述目标特征对应的目标数据，其中，所述目标特征表征对所述综合货运枢纽用地规模影响较大的特征。

其中，主成分分析（Principal Component Analysis，PCA）是一种常用的降维技术，可以将多个相关变量转化为少数几个无关的主成分，保留原始数据中的主要信息，同时减少数据的维度。

在确定了第五数据之后，可以基于第三用地指标将第五数据整理为适合主成分分析的数据集，以确保数据的完整性和一致性。之后可以对该数据集进行标准化处理，以确保各个第二用地指标对应的第五数据具有相同的比例和数据格式。之后，可以使用主成分分析方法对标准化后的数据集进行分析。主成分分析将计算出一组新的变量，称为主成分，它们是原始指标的线性组合。每个主成分都具有不同的方差解释度，表示原始数据中的不同信息，进一步的，可以查看每个主成分的方差解释度，并根据专家经验预先确定的第三用地指标，选择具有高方差解释度（比如大于预设的方差解释度阈值）且与第三用地指标相关的主成分作为目标特征，随后可以从第五数据中提取与目标特征对应的数据作为目标数据。由此，可以使用主成分分析方法确定对综合货运枢纽用地规模影响较大的目标特征，并提取相应的目标数据。这些目标数据可以用于进一步分析和预测综合货运枢纽的用地规模。

进一步的，可以将目标特征输入到k-means聚类算法中进行计算，以得到聚类结果，之后可以根据聚类结果，来确定每个综合货运枢纽对应的第三用地需求面积。

具体的，可以首先整理包含目标特征的数据集，之后将目标特征输入到K-means聚类算法中，在使用K-means算法前，需要确定聚类的数量（K值），然后根据K-means算法的结果，得到每个样本点所属的聚类簇，每个聚类簇代表一个特定的用地需求类型，最后可以根据聚类结果，统计每个聚类簇中综合货运枢纽对应的第三用地需求面积。这可以通过计算每个簇中样本点对应的第三用地需求面积的平均值、中位数或其他统计指标来实现。

由此，可以利用K-means聚类算法将综合货运枢纽按照第三用地需求特征进行分类，并据此确定每个聚类簇中综合货运枢纽的第三用地需求面积。这些结果有助于进一步了解和规划综合货运枢纽的用地需求。

需要说明的是，在使用K-means聚类算法时，需要根据实际情况选择合适的K值。

可选的，在选择K-means聚类算法时，本公开实施例中可以选择K-means变体算法。例如，Mini-Batch K-means，由此可以提高计算效率，或者可以选择K-means++可以更好地初始化聚类中心。

为了选择一个较优的K值选择，本公开实施例中，可以选择轮廓系数、间隔统计量来评估不同K值下的聚类结果，并选择最优的K值。

可选的，还可以进行层次聚类，从而可以通过构建聚类树来分析综合货运枢纽的层次结构，有助于更好地理解聚类结果。或者，还可以使用密度聚类算法，密度聚类方法如DBSCAN可以发现不规则形状的聚类簇，适用于复杂的综合货运枢纽特征。这些改进方向可以提高聚类结果的可靠度，并在一定程度上减少算力的消耗。

最后，可以基于预设的参考权重，对所述第一用地需求面积、所述第二用地需求面积和所述第三用地需求面积进行加权计算，以确定每个所述综合货运枢纽对应的计算结果，其中，所述计算结果用于作为所述综合货运枢纽对应的参考用地面积。

确定预设的参考权重：首先需要确定用于计算加权总和的预设参考权重。假设我们使用三个权重分别为 w1、w2 和 w3，分别对应第一、第二和第三用地需求面积。

计算加权总和：对于每个综合货运枢纽，将第一、第二和第三用地需求面积乘以对应的权重，并将它们相加，得到加权总和。

加权总和 = (w1 * 第一用地需求面积) + (w2 * 第二用地需求面积) + (w3 *第三用地需求面积)

根据加权总和确定计算结果：根据加权总和的值，可以对每个综合货运枢纽进行分类或排序，以确定计算结果。

进一步的，还可以将货运枢纽按照加权总和的值进行排序，从高到低排列：

举例说明：假设有两个综合货运枢纽 A 和 B，其第一、第二和第三用地需求面积如下：

货运枢纽 A：第一用地需求面积为 5000 平米，第二用地需求面积为 3000 平米，第三用地需求面积为 2000 平米。

货运枢纽 B：第一用地需求面积为 4000 平米，第二用地需求面积为 2500 平米，第三用地需求面积为 3500 平米。

假设参考权重分别为 w1 = 0.4、w2 = 0.3 和 w3 = 0.3，代入计算公式进行加权总和计算：

A 的加权总和 = (0.4 * 5000) + (0.3 * 3000) + (0.3 * 2000) = 4000

B 的加权总和 = (0.4 * 4000) + (0.3 * 2500) + (0.3 * 3500) = 3550

根据加权总和的值可知，A 的加权总和为 4000，B 的加权总和为 3550。因此，在这个例子中，货运枢纽 A 的计算结果较高。

以上仅作为示例解释，可以根据实际需求和情况，自行调整权重和进行计算。

步骤105，根据用地规模、计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，评估结果中包含有优化调整方向。

其中，实际规划目标为对不同的类型的综合货运枢纽所预先确定的每个功能区对应的用地规模。举例来说，对于S市的综合货运枢纽A包含有21个功能区，每个功能区所对应的用地规模分别为a1,a2,a3,a4,a5....a21。

其中，计算结果中包含有不同的类型的综合货运枢纽所对应的用地需求面积。更精细化的，计算结果中还可以包含有每个类型的综合货运枢纽所对应的每个功能区对应的用地需求面积。

其中，用地规模可以为当前实验城市的不同的综合货运枢纽所对应的各个实际用地规模，以及不同的综合货运枢纽每个功能区所对应的用地规模。

具体的，可以首先比较用地规模和实际规划目标，以确定每个类型的综合货运枢纽对应的第一评估结果，其中，第一评估结果用于表征用地规模和实际规划目标之间的差距，第一评估结果中含有第一优化调整方向，之后根据计算结果和实际规划目标，确定每个类型的综合货运枢纽对应的第二评估结果，第二评估结果用于表征实际规划目标的合理程度，然后可以根据第二评估结果对第一评估结果中第一优化调整方向进行修正，以得到第二优化调整方向。

具体的，在比较用地规模和实际规划目标时，是将每个类型的综合货运枢纽的用地规模与相应的实际规划目标进行比较。可以考虑使用各种指标、标准或阈值进行比较，以衡量两者之间的差距。之后可以确定第一评估结果：根据比较结果，为每个类型的综合货运枢纽确定第一评估结果，该结果反映用地规模与实际目标之间的差距。第一评估结果可以使用适当的量化度量来表示差距的程度，并包含第一优化调整方向。之后可以确定第二评估结果，根据计算结果和实际规划目标，为每个类型的综合货运枢纽确定第二评估结果，该结果表征实际规划目标的合理程度。可以使用适当的指标或评估方法来衡量实际规划目标的达成程度。最后可以基于第二评估结果，对第一评估结果中的第一优化调整方向进行修正。

需要说明的是，用地规模中可以包含有每个类型的综合货运枢纽所对应的用地规模，也即用地面积，举例来说，若综合货运枢纽分别为A1、A2、A3，分别对应的用地规模为b1、b2、b3,分别对应的实际规划目标为c1、c2、c3,则可以分别比较b1和c1、b2和c2、b3和c3，以得到每个类型的综合货运枢纽所对应的第一评估结果。

若用地规模小于实际规划目标，则第一评估结果为当前用地规模需要进行扩张，若差值越大，则说明需要扩张的越多，对应的第一优化调整方向为调整当前用地规模。若差值大于一定阈值，则需要提醒专门的人员。

若用地规模大于实际规划目标，则第一评估结果为实际规划目标不能满足当前的用地规模需要，对应的第一优化调整方向为调整实际规划目标。

需要说明的是，计算结果中也可以包含有每个类型的综合货运枢纽所对应的用地规模，也即用地面积，而计算结果中的用地面积是从综合货运枢纽的各个用地指标当前所对应的表现来综合确定的，每个类型的综合货运枢纽应当具备的用地面积。需要说明的是，综合货运枢纽按照该计算结果中包含的第三用地需求面积，能够更好的发挥土地利用率，实现运能利用的效率、运输服务的质量、运营机制的可持续的提升，启到指导作用。

举例来说，若综合货运枢纽分别为A1、A2、A3，分别对应的参考用地面积（计算结果中包含的用地面积）为k1、k2、k3,分别对应的实际规划目标为c1、c2、c3,则可以分别比较k1和c1、k2和c2、k3和c3，以得到每个类型的综合货运枢纽所对应的第二评估结果。若k1和c1、k2和c2、k3和c3之间的差距越小，则说明实际规划目标越合理。第二评估结果可以为评估等级，评估等级越高，则计算结果和实际规划目标之间的差距越小，实际规划目标的合理程度越高。

进一步的，可以根据第二评估结果对第一评估结果中第一优化调整方向进行修正，以得到第二优化调整方向。

举例来说，若评估等级有4级，分别为1级，2级，3级，4级，以2级作为一个分界点，若评估等级为1级或者2级，比较低，则说明实际规划目标的合理程度较低，不够合理，因而需要调整第一优化调整方向。比如，若当前综合货运枢纽A的用地规模为S1小于实际规划目标S2，第一优化调整方向为调整用地规模，也即增大用地规模S1，来达到S2，但是第二评估结果显示为1级，说明实际规划目标的合理程度较低，此时则可以将第一优化调整方向修改为调整实际规划目标，比如缩小实际规划目标，并且可以根据计算结果中包含的参考用地面积作为第二优化调整方向，来提高用地规模，或者缩小用地规模。

需要说明的是，上述举例仅为一种示意性说明，不作为对本公开的限定。

可选的，可以基于第二评估结果，确定对应的修正参数，并基于修正参数对所述多元线性回归模型进行修正处理。

具体的，可以设置有映射关系表，用以记录不同的评估等级对应的修正参数，由此，可以直接根据第二评估结果中的评估等级对应的修正参数，来对多元线性回归模型进行修正处理。具体的，可以是对多元线性回归模型的系数进行修正处理，从而提高多元线性回归模型的准确性和可靠性。

本公开提供的公铁联运枢纽功能区建设用地指标测算的方法，存在如下有益效果：

本公开实施例中，通过物联网技术获取实时的交通流量、物流处理量和联运作业流线信息，减少了传统手工收集数据的不确定性和延迟，提高了数据质量和准确性。通过数据清洗和预处理，得到处理后的第二数据，为后续多元线性回归分析提供可靠数据基础。利用多元线性回归模型，结合物流处理量和交通流量等因素，进行更精准的用地规模计算和预测。根据预设的用地指标和计算结果，进行用地需求计算，并生成每个类型的综合货运枢纽的评估结果。这些评估结果有助于规划者了解每个枢纽的用地规模和优化调整方向，为公铁联运枢纽的规划和设计提供科学依据，实现对公铁联运枢纽功能区建设用地的合理处理和规划，对土地实现高效利用，具有很高的可参考性。

图2为本公开第二实施例所提供的公铁联运枢纽功能区建设用地指标测算的装置的结构框图。

如图2所示，该公铁联运枢纽功能区建设用地指标测算的装置200可以包括：

获取模块210，用于基于物联网技术，获取与公铁联运枢纽功能区作业用地需求对应的第一数据，所述第一数据至少包含有交通流量、物流处理量、联运作业流线信息；

处理模块220，用于对收集到的所述第一数据进行数据清洗和预处理，以得到处理后的第二数据；

第一计算模块230，用于根据所述第二数据中包含的所述物流处理量和所述交通流量信息进行回归分析，计算每个类型的综合货运枢纽对应的用地规模；

第二计算模块240，用于根据所述第二数据和用地指标，进行用地需求计算，以得到计算结果，其中，所述用地指标是预先根据公铁联运枢纽的功能要求和规划要求所确定的指标，所述用地指标包含有交通流量密度、货物流通量、作业面积比例、存储面积比例、停车场容量比例中的一个或者多个；

生成模块250，用于根据所述用地规模、所述计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，所述评估结果中包含有优化调整方向。

可选的，所述第一计算模块，具体用于：

基于预设的多元线性回归模型，根据所述第二数据中包含的所述物流处理量和所述交通流量信息进行多元线性回归分析，计算每个类型的综合货运枢纽对应的用地规模；

或者，

根据所述第二数据中包含的所述物流处理量，确定每个类型的综合货运枢纽对应的年物流处理量；

基于每个所述年物流处理量，以及所述每个类型的综合货运枢纽所对应的最低物流强度进行回归分析，确定每个类型的综合货运枢纽对应的用地规模。

可选的，所述第二计算模块，具体用于：

从所述第二数据中确定与第一用地指标和每个所述综合货运枢纽对应的第三数据，所述第一用地指标中包含有货物流通量、存储面积比例、作业面积比例和停车场容量比例；

根据每个所述综合货运枢纽对应的所述货物流通量、存储面积比例、作业面积比例和停车场容量比例，计算每个所述综合货运枢纽对应的第一用地需求面积；

从所述第二数据中确定与第二用地指标和每个所述综合货运枢纽对应的第四数据，将每个所述第四数据输入到预设的每个所述综合货运枢纽对应的模拟仿真模型，以得到每个所述综合货运枢纽对应的第二用地需求面积；

从所述第二数据中确定与第三用地指标和每个所述综合货运枢纽对应的第五数据，基于主成分分析法和聚类分析方法，根据每个所述第五数据，计算每个所述综合货运枢纽对应的第三用地需求面积；

基于预设的参考权重，对所述第一用地需求面积、所述第二用地需求面积和所述第三用地需求面积进行加权计算，以确定每个所述综合货运枢纽对应的计算结果，其中，所述计算结果用于作为所述综合货运枢纽对应的参考用地面积。

可选的，所述生成模块，具体用于：

比较所述用地规模和所述实际规划目标，以确定所述每个类型的综合货运枢纽对应的第一评估结果，其中，所述第一评估结果用于表征所述用地规模和所述实际规划目标之间的差距，所述第一评估结果中含有第一优化调整方向；

根据所述计算结果和所述实际规划目标，确定所述每个类型的综合货运枢纽对应的第二评估结果，所述第二评估结果用于表征所述实际规划目标的合理程度；

根据所述第二评估结果对所述第一评估结果中所述第一优化调整方向进行修正，以得到第二优化调整方向。

本公开实施例中，通过物联网技术获取实时的交通流量、物流处理量和联运作业流线信息，减少了传统手工收集数据的不确定性和延迟，提高了数据质量和准确性。通过数据清洗和预处理，得到处理后的第二数据，为后续多元线性回归分析提供可靠数据基础。利用多元线性回归模型，结合物流处理量和交通流量等因素，进行更精准的用地规模计算和预测。根据预设的用地指标和计算结果，进行用地需求计算，并生成每个类型的综合货运枢纽的评估结果。这些评估结果有助于规划者了解每个枢纽的用地规模和优化调整方向，为公铁联运枢纽的规划和设计提供科学依据。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种公铁联运枢纽功能区建设用地指标测算的方法，其特征在于，包括：

基于物联网技术，获取与公铁联运枢纽功能区作业用地需求对应的第一数据，所述第一数据至少包含有交通流量、物流处理量、联运作业流线信息；

对收集到的所述第一数据进行数据清洗和预处理，以得到处理后的第二数据；

根据所述第二数据中包含的所述物流处理量和所述交通流量信息，计算每个类型的综合货运枢纽对应的用地规模；

从所述第二数据中确定与第一用地指标和每个所述综合货运枢纽对应的第三数据，所述第一用地指标中包含有货物流通量、存储面积比例、作业面积比例和停车场容量比例；

根据每个所述综合货运枢纽对应的所述货物流通量、存储面积比例、作业面积比例和停车场容量比例，计算每个所述综合货运枢纽对应的第一用地需求面积；

从所述第二数据中确定与第二用地指标和每个所述综合货运枢纽对应的第四数据，将每个所述第四数据输入到预设的每个所述综合货运枢纽对应的模拟仿真模型，以得到每个所述综合货运枢纽对应的第二用地需求面积，其中，所述第二用地指标包含有交通流量密度、货物流通量、作业面积比例、存储面积比例和停车场容量；

从所述第二数据中确定与第三用地指标和每个所述综合货运枢纽对应的第五数据，基于主成分分析法和聚类分析方法，根据每个所述第五数据，计算每个所述综合货运枢纽对应的第三用地需求面积，所述第三用地指标为预先根据专家经验确定的各个用地指标中与对所述综合货运枢纽用地规模影响较大的用地指标，所述第五数据为第二数据中与所述第三用地指标所对应的数据；

基于预设的参考权重，对所述第一用地需求面积、所述第二用地需求面积和所述第三用地需求面积进行加权计算，以确定每个所述综合货运枢纽对应的计算结果，其中，所述计算结果用于作为所述综合货运枢纽对应的参考用地面积；

根据所述用地规模、所述计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，所述评估结果中包含有优化调整方向。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第二数据中包含的所述物流处理量和所述交通流量信息进行回归分析，计算每个类型的综合货运枢纽对应的用地规模，包括：

基于预设的多元线性回归模型，根据所述第二数据中包含的所述物流处理量和所述交通流量信息进行多元线性回归分析，计算每个类型的综合货运枢纽对应的用地规模；

或者，

根据所述第二数据中包含的所述物流处理量，确定每个类型的综合货运枢纽对应的年物流处理量；

基于每个所述年物流处理量，以及所述每个类型的综合货运枢纽所对应的最低物流强度进行回归分析，确定每个类型的综合货运枢纽对应的用地规模。

3.根据权利要求2所述的方法，其特征在于，所述基于主成分分析法和聚类分析方法，根据每个所述第五数据，计算每个所述综合货运枢纽对应的第三用地需求面积，包括：

基于主成分分析方法、所述第五数据和所述第三用地指标，确定目标特征，以及所述第五数据中与所述目标特征对应的目标数据，其中，所述目标特征表征对所述综合货运枢纽用地规模影响较大的特征；

将所述目标特征输入到k-means聚类算法中进行计算，以得到聚类结果；

根据所述聚类结果，来确定每个所述综合货运枢纽对应的第三用地需求面积。

4.根据权利要求2所述的方法，其特征在于，所述根据所述用地规模、所述计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，包括：

比较所述用地规模和所述实际规划目标，以确定所述每个类型的综合货运枢纽对应的第一评估结果，其中，所述第一评估结果用于表征所述用地规模和所述实际规划目标之间的差距，所述第一评估结果中含有第一优化调整方向；

根据所述计算结果和所述实际规划目标，确定所述每个类型的综合货运枢纽对应的第二评估结果，所述第二评估结果用于表征所述实际规划目标的合理程度；

根据所述第二评估结果对所述第一评估结果中所述第一优化调整方向进行修正，以得到第二优化调整方向。

5.根据权利要求4所述的方法，其特征在于，在所述根据所述计算结果和所述实际规划目标，确定所述每个类型的综合货运枢纽对应的第二评估结果之后，还包括：

基于所述第二评估结果，确定对应的修正参数，并基于所述修正参数对所述多元线性回归模型进行修正处理。

6.一种公铁联运枢纽功能区建设用地指标测算的装置，其特征在于，包括：

获取模块，用于基于物联网技术，获取与公铁联运枢纽功能区作业用地需求对应的第一数据，所述第一数据至少包含有交通流量、物流处理量、联运作业流线信息；

处理模块，用于对收集到的所述第一数据进行数据清洗和预处理，以得到处理后的第二数据；

第一计算模块，用于根据所述第二数据中包含的所述物流处理量和所述交通流量信息进行回归分析，计算每个类型的综合货运枢纽对应的用地规模；

第二计算模块，用于从所述第二数据中确定与第一用地指标和每个所述综合货运枢纽对应的第三数据，所述第一用地指标中包含有货物流通量、存储面积比例、作业面积比例和停车场容量比例；根据每个所述综合货运枢纽对应的所述货物流通量、存储面积比例、作业面积比例和停车场容量比例，计算每个所述综合货运枢纽对应的第一用地需求面积；从所述第二数据中确定与第二用地指标和每个所述综合货运枢纽对应的第四数据，将每个所述第四数据输入到预设的每个所述综合货运枢纽对应的模拟仿真模型，以得到每个所述综合货运枢纽对应的第二用地需求面积，其中，所述第二用地指标包含有交通流量密度、货物流通量、作业面积比例、存储面积比例和停车场容量；从所述第二数据中确定与第三用地指标和每个所述综合货运枢纽对应的第五数据，基于主成分分析法和聚类分析方法，根据每个所述第五数据，计算每个所述综合货运枢纽对应的第三用地需求面积，第三用地指标为预先根据专家经验确定的各个用地指标中与对所述综合货运枢纽用地规模影响较大的用地指标，其中，第五数据为第二数据中与所述第三用地指标所对应的数据；基于预设的参考权重，对所述第一用地需求面积、所述第二用地需求面积和所述第三用地需求面积进行加权计算，以确定每个所述综合货运枢纽对应的计算结果，所述计算结果用于作为所述综合货运枢纽对应的参考用地面积根据所述第二数据和用地指标，进行用地需求计算，以得到计算结果；

生成模块，用于根据所述用地规模、所述计算结果和实际规划目标，生成对每个类型的综合货运枢纽的评估结果，所述评估结果中包含有优化调整方向。

7.根据权利要求6所述的装置，其特征在于，所述第一计算模块，具体用于：

基于预设的多元线性回归模型，根据所述第二数据中包含的所述物流处理量和所述交通流量信息进行多元线性回归分析，计算每个类型的综合货运枢纽对应的用地规模；

或者，

根据所述第二数据中包含的所述物流处理量，确定每个类型的综合货运枢纽对应的年物流处理量；

基于每个所述年物流处理量，以及所述每个类型的综合货运枢纽所对应的最低物流强度进行回归分析，确定每个类型的综合货运枢纽对应的用地规模。

8.根据权利要求7所述的装置，其特征在于，所述生成模块，具体用于：

比较所述用地规模和所述实际规划目标，以确定所述每个类型的综合货运枢纽对应的第一评估结果，其中，所述第一评估结果用于表征所述用地规模和所述实际规划目标之间的差距，所述第一评估结果中含有第一优化调整方向；

根据所述计算结果和所述实际规划目标，确定所述每个类型的综合货运枢纽对应的第二评估结果，所述第二评估结果用于表征所述实际规划目标的合理程度；

根据所述第二评估结果对所述第一评估结果中所述第一优化调整方向进行修正，以得到第二优化调整方向。