鬼佬大哥大
  • / 29
  • 下載費用:30 金幣  

用于評估當前出行需求及預測未來出行需求的方法及系統.pdf

關 鍵 詞:
用于 評估 當前 出行 需求 預測 未來 方法 系統
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201510303268.7

申請日:

2015.06.05

公開號:

CN104899443A

公開日:

2015.09.09

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 19/00申請日:20150605|||公開
IPC分類號: G06F19/00(2011.01)I 主分類號: G06F19/00
申請人: 陸化普
發明人: 陸洋; 陸化普; 屈聞聰
地址: 100084北京市海淀區清華大學新土木館313室
優先權:
專利代理機構: 北京三聚陽光知識產權代理有限公司11250 代理人: 李敏
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510303268.7

授權公告號:

||||||

法律狀態公告日:

2018.03.06|||2015.10.07|||2015.09.09

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

用于評估預定區域當前出行需求的方法和設備以及用于預測預定區域未來出行需求的方法及系統,其中,評估當前出行需求的方法包括:獲取預定區域在預定時間段內對應的土地使用數據、居民活動特性數據和無線通訊設備數據;按照一定規則將預定區域劃分為n個子區域,并通過分析得到各個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據;對每個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據分別進行融合處理,得到第一融合數據;根據第一融合數據以及居民活動特性數據獲取預定區域的當前出行需求信息。本發明解決了現有技術評估結果不準確不及時和未考慮并非所有出行者均擁有可以產生移動數據的設備導致數據不準確的問題。

權利要求書

權利要求書
1.  一種用于評估預定區域當前出行需求的方法,其特征在于,包括以下步驟:
獲取所述預定區域在預定時間段內對應的土地使用數據、居民活動特性數據和無線通訊設備數據;
按照一定的規則將所述預定區域劃分為n個子區域,并通過分析得到各個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據;
對每個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據分別進行融合處理,得到第一融合數據;
根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息,
所述土地使用數據包括子區域的編號和/或子區域的用地屬性。

2.  根據權利要求1所述的用于評估預定區域當前出行需求的方法,其特征在于,所述當前出行需求信息包括所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據、第二融合數據和所述預定區域在預定時間段內各個子區域之間的以一特定的出行目的的實際出行需求OD矩陣數據中的至少一個,所述特定的出行目的為去工作地、回家、去購物休閑地中的一種。

3.  根據權利要求1或2所述的用于評估預定區域當前出行需求的方法,其特征在于,根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息的步驟包括:
設置一個n×n的矩陣:t1,1t1,2...t1,j...t1,nt2,1t2,2...t2,j...t2,n...ti,1ti,2...ti,j...ti,n...tn,1tn,2...tn,j...tn,n,]]>其中tij表示以子區域i為起點,子區域j為終點的交通量,i和j均小等于n;
將矩陣中的所有數據清零;
根據所述第一融合數據中同一用戶產生的所有定位點分別所在的子區域的編號,分析該用戶在子區域之間的出行路線;
根據所述出行路線的子區域的編號修改所述矩陣中相應位置的數據;
依次統計所述第一融合數據中的每個用戶的出行路線并修改所述矩陣中相應位置的數據,直到統計完所有的用戶的出行路線以獲得最終的OD矩陣數據;
根據所述居民活動特性數據對所述最終的OD矩陣數據進行校核,得到所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據。

4.  根據權利要求1或2所述的用于評估預定區域當前出行需求的方法,其特征在于,根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息的步驟進一步包括:
根據所述第一融合數據中的用戶在定位點停留的時間長度、所處時間段和所述定位點所在的子區域的用地屬性中的至少一項特征來判定所述定位點作為目的地的目的地類型;
依次將判定得到的定位點作為目的地的目的地類型信息標記到所述第一融合數據中的相應記錄中以獲得第二融合數據,所述第二融合數據表示出行目的標記后的用戶數據,
所述目的地類型包括居住地、工作地和購物休閑地中的至少一種。

5.  根據權利要求4所述的用于評估預定區域當前出行需求的方法,其特征在于,在獲得第二融合數據的步驟之后還包括:
選取一特定的出行目的,根據所述第二融合數據統計獲得所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據;
根據所述居民活動特性數據對所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據進行校核,得到所述預 定區域在預定時間段內各個子區域之間的以所述特定的出行目的的實際出行需求OD矩陣數據。

6.  根據權利要求3或5所述的用于評估預定區域當前出行需求的方法,其特征在于,所述校核包括如下步驟:
根據所述最終的OD矩陣數據在預定時間段內獲取各個子區域的交通發生吸引量;
根據所述各個子區域的交通發生吸引量計算所述預定區域的總出行次數;
根據居民活動特性數據計算所述預定區域的實際出行次數;
將所述總出行次數除以所述實際出行次數得到的比例值作為校核因子;
將最終的OD矩陣中的數據除以所述校核因子,得到所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據,或
將所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據除以所述校核因子,得到所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的實際出行需求OD矩陣數據。

7.  根據權利要求1-6任一所述的用于評估預定區域當前出行需求的方法,其特征在于,獲得所述第一融合數據所進行的所述融合處理包括:
將待融合的無線通訊設備數據中的所有定位點的定位位置信息加載至待融合的土地使用數據對應的土地使用地圖;
利用地圖匹配的方法判斷所述定位點是否位于所述土地使用地圖中;
如果位于,獲取該定位點所在子區域的土地使用數據,并將該土地使用數據與該定位點的定位位置信息關聯。

8.  一種用于預測預定區域未來出行需求的方法,該方法根據如權利要求1-7所述的用于評估預定區域當前出行需求的方法所獲得的在預定時間段內在預定時間段內數據預測所述預定區域未來出行需求。

9.  一種用于評估預定區域當前出行需求的系統,其特征在于,包括:
數據獲取單元,用于獲取所述預定區域在預定時間段內對應的土地使用數據、居民活動特性數據和無線通訊設備數據;
數據分析單元,用于按照一定的規則將所述預定區域劃分為n個子區域,并通過分析得到各個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據;
數據融合單元,用于對每個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據分別進行融合處理,得到第一融合數據;
信息計算單元,根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息。

10.  一種用于預測預定區域未來出行需求的系統,該系統包括信息預測單元,所述信息預測單元根據如權利要求9所述的用于評估預定區域當前出行需求的系統所獲得的在預定時間段內在預定時間段內數據預測所述預定區域未來出行需求。

說明書

說明書用于評估當前出行需求及預測未來出行需求的方法及系統
技術領域
本發明涉及交通規劃技術領域,具體來說涉及一種交通需求評估及預測的方法及系統。
背景技術
由于OD矩陣量化地展示了網絡中交通需求的空間分布,對于分析解決城市交通問題具有重要的意義,因此在我國逐漸得到重視,部分城市定期進行交通調查以便了解交通需求特性。
然而在居民出行調查中要求出行者回憶先前的出行情況并記錄,受訪者常常無法準確回憶起自己的出行信息,或由于調查項目過于瑣碎而失去耐心,拒絕填寫或隨意填寫,對出行調查的準確性帶來影響。
隨著我國城市化進程的快速推進,城市規模日益擴大,新區建設和舊城改造使得交通需求常在短時間內產生較大的變化,然而一次全面細致的交通調查和數據匯總分析常常需要耗費大量時間,使得相關人員難以及時掌握城市交通需求狀況。
已知的是,移動通信網絡在很多國家和地區的覆蓋率已經達到90%以上,并且無線通訊設備等的使用也越來越普及。另外,移動網絡一般都能基于小區基站來記錄用戶的位置,這就提供了獲得人們在特定位置的逗留時間的可能性。因此,可以基于移動網絡來進行交通需求數據的采集,其基本原理是在預定區域內獲得人們的主要位置,諸如“居住地”、“工作地”、“購物休閑地”等。
目前,現有技術中已出現一些利用手機信令數據對交通小區間的交通需 求進行分析的技術,但是實際情況是,并非所有居民均持有無線通訊設備或或部分居民持有設備但并未參與調查,也就是說,并非所有的出行者均擁有可以產生移動數據的設備。基于以傳統的居民出行調查這樣的數據采集方式以及前文介紹的現有技術中利用無線通訊設備數據獲取居民出行信息的方式均無法準確地評估當前出行需求。并且,現有技術也沒有提供基于較為準確地評估得到的當前出行需求對交通小區未來的出行需求進行預測的方法和系統。
發明內容
為此,本發明公開了一種用于評估預定區域當前出行需求的方法和設備,以及一種用于預測預定區域未來出行需求的方法及系統,其至少部分上消除或者緩解了上述問題。
在根據本發明的第一方面中,提供了一種用于評估預定區域當前出行需求的方法,包括以下步驟:
獲取所述預定區域在預定時間段內對應的土地使用數據、居民活動特性數據和無線通訊設備數據;
按照一定的規則將所述預定區域劃分為n個子區域,并通過分析得到各個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據;
對每個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據分別進行融合處理,得到第一融合數據;
根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息,
所述土地使用數據包括子區域的編號和/或子區域的用地屬性。
其中,所述當前出行需求信息包括所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據、第二融合數據和所述預定區域在預定時間段內各個子區域之間的以一特定的出行目的的實際出行需求OD矩陣數據中的至少一個,所述特定的出行目的為去工作地、回家、去購物休閑地中的 一種。
優選地,根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息的步驟包括:
設置一個n×n的矩陣:t1,1t1,2...t1,j...t1,nt2,1t2,2...t2,j...t2,n...ti,1ti,2...ti,j...ti,n...tn,1tn,2...tn,j...tn,n,]]>其中tij表示以子區域i為起點,子區域j為終點的交通量,i和j均小等于n;
將矩陣中的所有數據清零;
根據所述第一融合數據中同一用戶產生的所有定位點分別所在的子區域的編號,分析該用戶在子區域之間的出行路線;
根據所述出行路線的子區域的編號修改所述矩陣中相應位置的數據;
依次統計所述第一融合數據中的每個用戶的出行路線并修改所述矩陣中相應位置的數據,直到統計完所有的用戶的出行路線以獲得最終的OD矩陣數據;
根據所述居民活動特性數據對所述最終的OD矩陣數據進行校核,得到所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據。
優選地,根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息的步驟進一步包括:
根據所述第一融合數據中的用戶在定位點停留的時間長度、所處時間段和所述定位點所在的子區域的用地屬性中的至少一項特征來判定所述定位點作為目的地的目的地類型;
依次將判定得到的定位點作為目的地的目的地類型信息標記到所述第一融合數據中的相應記錄中以獲得第二融合數據,所述第二融合數據表示出行目的標記后的用戶數據,
所述目的地類型包括居住地、工作地和購物休閑地中的至少一種。
優選地,在獲得第二融合數據的步驟之后還包括:
選取一特定的出行目的,根據所述第二融合數據統計獲得所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據;
根據所述居民活動特性數據對所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據進行校核,得到所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的實際出行需求OD矩陣數據。
優選地,所述校核包括如下步驟:
根據所述最終的OD矩陣數據在預定時間段內獲取各個子區域的交通發生吸引量;
根據所述各個子區域的交通發生吸引量計算所述預定區域的總出行次數;
根據居民活動特性數據計算所述預定區域的實際出行次數;
將所述總出行次數除以所述實際出行次數得到的比例值作為校核因子;
將最終的OD矩陣中的數據除以所述校核因子,得到所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據,或
將所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據除以所述校核因子,得到所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的實際出行需求OD矩陣數據。
優選地,獲得所述第一融合數據所進行的所述融合處理包括:
將待融合的無線通訊設備數據中的所有定位點的定位位置信息加載至待融合的土地使用數據對應的土地使用地圖;
利用地圖匹配的方法判斷所述定位點是否位于所述土地使用地圖中;
如果位于,獲取該定位點所在子區域的土地使用數據,并將該土地使用數據與該定位點的定位位置信息關聯。
在根據本發明的第二方面中,提供了一種用于預測預定區域未來出行需求的方法,該方法根據如前所述的用于評估預定區域當前出行需求的方法所獲得的在預定時間段內在預定時間段內數據預測所述預定區域未來出行需求。
在根據本發明的第三方面中,提供了一種用于評估預定區域當前出行需求的系統,包括:
數據獲取單元,用于獲取所述預定區域在預定時間段內對應的土地使用數據、居民活動特性數據和無線通訊設備數據;
數據分析單元,用于按照一定的規則將所述預定區域劃分為n個子區域,并通過分析得到各個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據;
數據融合單元,用于對每個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據分別進行融合處理,得到第一融合數據;
信息計算單元,根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息。
在根據本發明的第四方面中,提供了一種用于預測預定區域未來出行需求的系統,該系統包括信息預測單元,所述信息預測單元根據如前所述的用于評估預定區域當前出行需求的系統所獲得的在預定時間段內在預定時間段內數據預測所述預定區域未來出行需求。
本發明的上述技術方案相比現有技術具有以下優點:
1、本發明提出的評估預定區域當前出行需求的方法及系統以及預測預定區域未來出行需求的方法及系統綜合利用了土地使用數據、居民活動特性數據和無線通訊設備數據,并對多種數據進行匯總分析,既解決了傳統的居民出行調查的數據采集方式所帶來的評估結果不準確、不及時等問題,又解決了現有的利用無線通訊設備數據獲取居民出行信息的方式所帶來的評估結果 未考慮并非所有的出行者均擁有可以產生移動數據的設備導致數據不準確的問題,本發明通過將土地使用數據和無線通訊設備數據進行融合,進而根據融合得到的數據與居民活動特性數據評估待研究區域的當前出行需求信息并基于評估的結果對所述預定區域的未來出行需求進行預測,所評估以及預測的結果均與實際的交通狀況更接近、提高了對于交通發生吸引量的評估以及預測的準確性。
2、本發明所評估的預定區域當前出行需求信息包括所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據、第二融合數據和所述預定區域在預定時間段內各個子區域之間的以一特定的出行目的的實際出行需求OD矩陣數據中的至少一個,其中,各個子區域之間的實際出行需求OD矩陣數據使人們可以很方便直觀地獲知預定區域在預定時間段內的出行需求;所述第二融合數據使人們充分認識區域內居民的出行目的、行為模式,同時為出行需求分析提供基礎數據;所述預定區域在預定時間段內各個子區域之間的以一特定的出行目的的實際出行需求OD矩陣數據使人們得以分析各個子區域作為不同類型目的地的交通吸引力,便于認識各個子區域的出行特性,并為預測未來的不同出行目的的出行需求提供基礎數據。
3、本發明在判斷定位點作為目的地的類型時結合了用戶在定位點停留的時間長度、所處時間段和所述定位點所在的子區域的用地屬性進行判斷,由于在判別過程中同時考慮了定位點所在的子區域的用地屬性,使得對于定位點作為目的地的類型的判定更加嚴謹,判斷結果更加準確可靠。
4、本發明在對數據進入融合處理之前還進行了數據清洗處理,通過數據清洗單元自動對獲取的數據進行清洗,去除異常數據對后續處理的干擾,降低系統計算和存儲的負擔。
5、本發明在對交通需求進行預測的過程中采用增長系數法,該方法構造簡單,收斂速度較快,適用于分時段、分目的的交通需求矩陣預測,應用 較為便捷。
附圖說明
為了使本發明的內容更容易被清楚的理解,下面根據本發明的具體實施例并結合附圖,對本發明作進一步詳細的說明,其中
圖1是本發明實施例1的一種用于評估預定區域當前出行需求的方法;
圖2是本發明實施例1中待研究區域交通小區劃分示意圖;
圖3是本發明實施例3的一種用于預測預定區域未來出行需求的系統的示意圖;
圖4是本發明實施例3的一種用于預測預定區域未來出行需求的系統的變形例的示意圖;
具體實施方式
在下文中,將參考附圖通過實施方式對本發明提供的用于評估預定區域當前出行需求的方法和設備,以及用于預測預定區域未來出行需求的方法及系統進行詳細的描述。
需要說明的是,本文中的術語“第一”、“第二”、“第三”、“第四”等(如果存在)用于在類似要素之間進行區別,并且不一定是描述特定的次序或者按時間的順序。要理解,這樣使用的這些術語在適當的環境下是可互換的,使得在此描述的主題的實施例例如是能夠以與那些說明的次序不同的次序或者以在此描述的另外的次序來進行操作。
實施例1:
本實施例提供一種用于評估預定區域當前出行需求的方法,如圖1所示,包括以下步驟:
S1:獲取所述預定區域在預定時間段內對應的土地使用數據、居民活動特性數據和無線通訊設備數據。以北京上地-清河地區為例,假設該地區為我們將要研究的區域,研究區域的用地規劃圖可以為GIS格式,顯示用地規劃中對于不同類型用地區域的劃分情況。
對于居民活動特性數據,可以通過對所述預定區域內的居民在預定時間段內的出行情況進行訪問調查,將調查的結果以列表或其它形式存儲。
數據表的形式及模型標定的結果如表1所示。
表1居民活動特性數據表樣例

對于無線通訊設備數據,可以從無線通訊設備原始數據列表中提取需要的數據,例如信令數據或GPS定位數據等,數據表的樣例如表2所示,用戶名已經匿名處理。
表2無線通訊設備數據表樣例

S2:按照一定的規則將所述預定區域劃分為n個子區域,并通過分析得到各個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據。研究區域交通小區劃分圖如圖2所示,該圖中主要依據道路分割形式以及小區用地性質進行劃分。交通小區的劃分原則主要包括:盡量保證分區內土地使用、經濟社會屬性較為一致;盡量以鐵路、河川等天然屏障作為分區界限;考慮路網構成;分區數量和分區中的人口適當;對已經做過OD調查的城市盡量維持原有劃分等等。為了方便起見,將研究區域外的北京市區分為3個區 域。
S3:對每個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據分別進行融合處理,得到第一融合數據。
所述的融合處理包括:
將待融合的無線通訊設備數據中的所有定位點的定位位置信息加載至待融合的土地使用數據對應的土地使用地圖,加載定位信息后的地圖樣例如圖4所示。
利用地圖匹配的方法判斷所述定位點是否位于所述土地使用地圖中;
如果位于,獲取該定位點所在子區域的土地使用數據,并將該土地使用數據與該定位點的定位位置信息關聯。所述土地使用數據包括子區域的編號和/或子區域的用地屬性。經過數據融合后的無線通訊設備數據樣例如表3所示:
表3數據融合處理后的無線通訊設備數據表

S4:根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區 域的當前出行需求信息。所述當前出行需求信息包括在預定時間段內各個子區域之間的實際出行需求OD矩陣數據、所述預定區域在預定時間段內所有用戶的出行鏈信息和所述預定區域在預定時間段內各個子區域之間的以一特定的出行目的的實際出行需求OD矩陣數據中的至少一個。所述特定的出行目的為去工作地、回家、去購物休閑地中的一種。其中,各個子區域之間的出行需求OD矩陣信息使人們可以很方便直觀地獲知預定區域在預定時間段內的出行需求;所述第二融合數據使人們充分認識區域內居民的出行目的、行為模式,同時為出行需求分析提供基礎數據;所述預定區域在預定時間段內各個子區域之間的以一特定的出行目的的實際出行需求OD矩陣數據使人們得以分析各個子區域作為不同類型目的地的交通吸引力,便于認識各個子區域的出行特性,并為預測未來的不同出行目的的出行需求提供基礎數據。
獲取所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據的步驟包括:
(S41)設置一個n×n的矩陣:t1,1t1,2...t1,j...t1,nt2,1t2,2...t2,j...t2,n...ti,1ti,2...ti,j...ti,n...tn,1tn,2...tn,j...tn,n,]]>其中tij表示以子區域i為起點,子區域j為終點的交通量,i和j均小等于n。
(S42)將矩陣中的所有數據清零,即初始矩陣中所有數字均為0。
(S43)根據所述第一融合數據中同一用戶產生的所有定位點分別所在的子區域的編號,分析該用戶在子區域之間的出行路線。對于不同日期不同時段的出行需求分析,只需要選取所需時段的無線通訊設備數據即可。下面以某工作日全天案例區域出行需求為例說明。
對于案例區域,包括外圍區域共有18個交通小區,則出行需求矩陣可以表示為18*18的矩陣,第m行第n列的數字表明以小區m為起點以小區n為終點的出行需求量。根據同一用戶產生的所有定位點分別所在的小區編號, 分析用戶在小區間的出行路線,例如,根據表3中數據可以判斷的用戶1-005-ZXY-6的出行路線為11-17-1-11,用戶1-015-ZXY-16的出行路線為2-12-2。
(S44)根據所述出行路線的子區域的編號修改所述矩陣中的數據。將矩陣中相應位置的數字分別加1。
(S45)依次統計所述第一融合數據中的每個用戶的出行路線并修改所述矩陣中相應位置的數據,直到統計完所有的用戶的出行路線以獲得最終的OD矩陣數據,如下表所示:
表4居民工作日出行需求矩陣



(S46)根據所述居民活動特性數據對所述最終的OD矩陣數據進行校核,得到所述預定區域在預定時間段內各個子區域之間的出行需求OD矩陣信息。
與居民活動特性數據對比,區域總人口為256343人,人均日出行次數為2.93,因此估計總出行次數為750184,而無線通訊設備統計結果顯示總出行次數為202628,存在差異的原因是并非所有居民均持有無線通訊設備或或部分居民持有設備但并未參與調查。假設參與調查的人口在研究區域內均勻分布,據此對統計結果進行校核。
所述校核具體包括如下步驟:
(S461)根據所述最終的OD矩陣數據在預定時間段內獲取各個子區域的交通發生吸引量。如根據前面得到的表4的信息獲取各個小區的交通發生吸引量,得到的各個子區域的交通發生吸引量如表5所示:
表5各小區工作日交通發生吸引量


(S462)根據所述各個子區域的交通發生吸引量計算所述預定區域的總出行次數。以表5為例,通過對交通發生量或吸引量求和統計出總出行次數為202628。
(S463)根據居民活動特性數據計算所述預定區域的實際出行次數。將從居民出行調查結果列表中獲得的研究區域的總人口乘以該區域的人均出行次數所得到的乘積即為該區域的實際出行次數。
(S464)將所述總出行次數除以所述實際出行次數得到的比例值作為校核因子;
(S465)將最終的OD矩陣中的數據除以所述校核因子,得到所述預定區域在預定時間段內各個子區域之間的出行需求OD矩陣信息。以表4為例,將表4中的數據除以校核因子,即可得到所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據。
校核后的居民工作日出行需求矩陣如下表所示:
表6居民工作日出行需求矩陣(校核后)



在進一步的實施方案中,步驟S4還可以包括:
(S4_1)根據所述第一融合數據中的用戶在定位點停留的時間長度、所處時間段和所述定位點所在的子區域的用地屬性中的至少一項特征來判斷所述定位點作為目的地的目的地類型。所述目的地的類型包括居住地、工作地和購物休閑地中的至少一種。
對于一個用戶,分析其在較長的研究時間段內的工作時間中主要停留的小區,定義為工作地,例如設定如下標準:在工作日的9:00-18:00中停留6小時以上的地點記為一日工作地;在研究時間段內(大于一周),若一半以上工作日在同一個一日工作地,則將其記為用戶的工作地。用戶的居住地根據夜間主要停駐地點用類似的方法判定。判定標準可以根據實際情況適當提高或降低。
其次,判定除工作地和居住地以外的停留地點是否是商業用地,從而獲取購物/休閑目的的出行。
(S4_2)依次將判定得到的定位點作為目的地的目的地類型信息標記到所述第一融合數據中的相應記錄中以獲得第二融合數據,所述第二融合數據表示出行目的標記后的用戶數據。表7為所述第二融合數據的樣例,其對經過出行目的判定后的用戶數據進行標記:
表7出行目的標記后的用戶數據



上述實施方式在判斷定位點作為目的地的類型時結合了用戶在定位點停留的時間長度、所處時間段和所述定位點所在的子區域的用地屬性進行判斷,由于在判別過程中同時考慮了定位點所在的子區域的用地屬性,使得對于定位點作為目的地的類型的判定更加嚴謹,判斷結果更加準確可靠。
作為優選實施方案,上述步驟S4_2之后還可以進一步包括如下步驟:(S4_3)選取一特定的出行目的,根據所述第二融合數據如表7的數據統計獲得所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據在預定時間段內。
(S4_4)根據所述居民活動特性數據對所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據進行校核,得到所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的實際出行需求OD矩陣數據在預定時間段內。
如前所述,與居民活動特性數據對比,區域總人口為256343人,人均日出行次數為2.93,因此估計總出行次數為750184,而無線通訊設備統計結果顯示總出行次數為202628,存在差異的原因是并非所有居民均持有無線通訊設備或部分居民持有設備但并未參與調查。假設參與調查的人口在研究區域內均勻分布,據此對統計結果進行校核。
所述校核中對于獲得校核因子的過程同前述的步驟(S461)-(S464),此處不再贅述。在獲取所述校核因子之后,將所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的出行需求OD矩陣數據除以所述校核因子,得到所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的實際出行需求OD矩陣數據。以工作出行目的為例,表8示出了校核后的工作日工作出行目的的出行需求矩陣。
表8工作日工作出行目的的出行需求矩陣(校核后)




作為優選實施方案,上述的步驟S3也可以被替換為:
(S3_1)對所述土地使用數據、居民活動特性數據和無線通訊設備數據進行清洗處理。所述清洗處理例如可以通過以下方法實現:判斷土地使用數據和居民活動特性數據的數據格式是否正確,剔除錯誤格式的數據;對無線通訊設備數據中冗余重復數據和格式錯誤的數據進行剔除。本領域技術人員應當理解,對數據的清洗處理不以上述方法為限,只要能夠實現剔除異常的數據即可。通過對獲取的數據進行清洗,去除異常數據對后續處理的干擾,降低了系統計算和存儲的負擔。
(S3_2)對清洗處理過的土地使用數據和所述無線通訊設備數據進行融合處理,得到第一融合數據。此步驟與前述的步驟S3的原理基本相同,此處不再贅述。
實施例2:
不同出行目的大致反映了各個小區的人口、崗位以及商業吸引力等情況。根據小區的特點、交通規劃領域的相關規范以及專業技術人員的經驗,對不同預測時間后的人口、崗位以及商業吸引力等的增長率進行估計,即可獲得未來各交通小區的交通發生與吸引量。
本實施例提出了一種用于預測預定區域未來出行需求的方法,該方法根據實施例1所提供的用于評估預定區域當前出行需求的方法所獲得的數據預測所述預定區域未來出行需求,所述數據包括各個子區域的交通發生吸引量數據和所述在預定時間段內各個子區域之間的實際出行需求OD矩陣數據,或各個子區域的交通發生吸引量數據和所述預定區域在預定時間段內各個子區域之間的以所述特定的出行目的的實際出行需求OD矩陣數據在預定時間段 內。所述預測預定區域未來出行需求的步驟包括:假定未來OD交通量的分布形態與當前出行需求的OD矩陣的分布形態相同,利用前述步驟中得到的數據預估未來各子區域的發生、吸引交通量,通過循環迭代的方式計算預測OD矩陣。每次循環中計算各子區域的發生、吸引交通量的增長系數,分別利用發生、吸引交通量的增長系數推算OD矩陣,求兩者的平均值作為本次循環中的分布交通量的計算結果,對分布交通量求和得到發生吸引量,將其作為下次循環中的已知發生吸引量。具體地,所述預測預定區域未來出行需求的步驟包括:
設tij表示以子區域i為起點,子區域j為終點的交通量,為子區域i的未來發生交通量,為子區域j的未來吸引交通量,對Gi和Aj的估計是在考慮預測時間的基礎上,根據子區域的特點、相關規范以及專業技術人員的經驗對子區域在未來即所述預測時間的發生吸引出行量的預測,為子區域i的現狀發生交通量,為子區域j的現狀吸引交通量,
求得各子區域的發生、吸引交通量的增長系數分別為:
Fgi(0)=GiGi(0),Faj(0)=AjAj(0)---(1)]]>
要推算的交通量的第一次近似值由的函數表示:
tij(1)=tij×f(Fgi(0),Faj(0))---(2)]]>
此時的發生與吸引交通量分別為:與Gi、Aj并不一致,此時用代替式(1)中的計算增長系數,并求解第二次迭代的近似值得:
tij(2)=tij(1)×f(Fgi(1),Faj(1))---(3)]]>
重復上述步驟直至都接近1,當Gi(0)、Aj(0)為所述預定區域各個小區當前所有出行目的的交通發生與吸引量時,Gi、Aj為所述預定區域在所述預測時間在預定時間段內的交通發生與吸引量的估計,此時對應的tij(k)即為所述預定區域在所述預測時間在預定時間段內各個子區域之間的出行需求OD矩陣數據;當Gi(0)、Aj(0)為所述預定區域各個小區當前以一特定的出行目的的交通發生與吸引量時,Gi、Aj為所述預定區域在所述預測時間在預定時間段內以一特定的出行目的的交通發生與吸引量的估計,此時對應的tij(k)即為所述預定區域在所述預測時間在預定時間段內各個子區域之間的以一特定的出行目的的出行需求OD矩陣數據。
上述公式(2)中的函數f(Fgi(0),Faj(0))通過以下步驟獲得:
子區域i發生的交通量中,以子區域j為終點的交通量的比例為:
tij(0)Σjtij(0)---(4)]]>
吸引交通量以增長率為Faj的速度各自增長,其比率為:
Fij(0)Faj(0)Σjtij(0)Faj(0)---(5)]]>
子區域i的發生交通量增長為Gi(0)Fgi(0),則tij由下式求出:
tij(a)=Gi(0)Fgi(0)tij(0)Faj(0)Σjtij(0)Faj(0)---(6)]]>
子區域j吸引的交通量中,以子區域i為起點的交通量的比例為:
tij(0)Σitij(0)---(7)]]>
發生交通量以增長率為Fgi的速度各自增長,其比率為:
tij(0)Fgi(0)Σitij(0)Fgi(0)---(8)]]>
子區域j的吸引交通量增長為Aj(0)Faj(0),得到tij的另一種表達式:
tij(b)=Aj(0)Faj(0)tij(0)Fgi(0)Σitij(0)Fgi(0)---(9),]]>
上述(6)、(9)兩式表達同一內容,如果將兩者平均值取為tij,即并將式(1)代入,可得:
函數f=GiAjGi(0)Aj(0)·Gi(0)/Σj(tij(0)Aj/Aj(0))+Aj(0)/Σi(tij(0)Gi/Gi(0))2.]]>
利用上述方法即可對研究區域在預測時間例如1年后的不同小區間的所有出行目的的出行需求OD矩陣數據進行預測,也可以對研究區域在預測時間例如1年后的不同小區之間以一特定的出行目的的出行需求OD矩陣數據進行預測。也就是說,預測的內容取決于上述公式中輸入的數據源Gi(0)和Aj(0),當數據源為待研究區域在早高峰時段內不同小區之間的實際出行需求OD矩陣數據時,我們就可以預測該區域在所述預測時間在預定時間段內的交通發生與吸引量,從而計算該待研究區域在預測時間在早高峰時段內各小區之間的出行需求OD矩陣數據;當數據源為待研究區域在工作日不同小區之間以去工作地為出行目的的實際出行需求OD矩陣數據時,我們就可以預測該區域在所述預測時間在預定時間段內以去工作地為出行目的的交通發生與吸引量,從而計算該待研究區域在預測時間在工作日各小區之間以去工作地為出行目的的出行需求OD矩陣數據。表9示出了1年后居民工作日出行需求矩陣數據。
表9預測居民工作日出行需求矩陣




在選取某時段的數據作為數據源時,獲取某時段居民出行需求矩陣,根據小區的特點、相關規范以及專業技術人員的經驗對不同小區的交通發生吸引量增長率進行判斷,以此為基礎即可預測未來某時段居民出行需求,例如,對各小區工作日早高峰交通發生吸引量的預測結果如表10所示:
表10預測各小區工作日早高峰交通發生吸引量


據此可得預測工作日早高峰(7:00-9:00)出行需求矩陣如下:
表11預測居民工作日早高峰出行需求矩陣



實施例3:
本實施例提供一種用于評估預定區域當前出行需求的系統,如圖3所示,包括:
數據獲取單元,用于獲取所述預定區域在預定時間段內對應的土地使用數據、居民活動特性數據和無線通訊設備數據;
數據分析單元,用于按照一定的規則將所述預定區域劃分為n個子區域,并通過分析得到各個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據;
數據融合單元,用于對每個子區域在預定時間段內對應的土地使用數據和無線通訊設備數據分別進行融合處理,得到第一融合數據;
信息計算單元,根據所述第一融合數據以及所述居民活動特性數據獲取所述預定區域的當前出行需求信息。
其中,所述當前出行需求信息包括所述預定區域在預定時間段內各個子區域之間的實際出行需求OD矩陣數據、第二融合數據和所述預定區域在預定時間段內各個子區域之間的以一特定的出行目的的實際出行需求OD矩陣數據中的至少一個,所述特定的出行目的為去工作地、回家、去購物休閑地中的一種。
作為優選實施方案,如圖4所示,上述的數據融合單元也可以被替換為:
數據清洗單元,用于對所述土地使用數據、居民活動特性數據和無線通訊設備數據進行清洗處理。所述清洗處理例如可以通過以下方法實現:判斷土地使用數據和居民活動特性數據的數據格式是否正確,剔除錯誤格式的數據;對無線通訊設備數據中冗余重復數據和格式錯誤的數據進行剔除。本領域技術人員應當理解,對數據的清洗處理不以上述方法為限,只要能夠實現剔除不需要的數據即可。
數據融合單元,用于對清洗處理過的土地使用數據和所述無線通訊設備數據進行融合處理,得到第一融合數據。
實施例4:
本實施例提供一種用于預測預定區域未來出行需求的系統,該系統包括信息預測單元,所述信息預測單元根據實施例3所提供的用于評估預定區域當前出行需求的系統所獲得的數據預測所述預定區域未來出行需求。
本發明提出的評估預定區域當前出行需求的方法及系統以及預測預定區域未來出行需求的方法及系統綜合利用了土地使用數據、居民活動特性數據和無線通訊設備數據,并對多種數據進行匯總分析,既解決了傳統的居民出行調查的數據采集方式所帶來的評估結果不準確、不及時等問題,又解決了現有的利用無線通訊設備數據獲取居民出行信息的方式所帶來的評估結果未考慮并非所有的出行者均擁有可以產生移動數據的設備導致數據不準確的問題,本發明通過將土地使用數據和無線通訊設備數據進行融合,進而根據融合得到的數據與居民活動特性數據評估待研究區域的當前出行需求信息并基于評估的結果對所述預定區域的未來出行需求進行預測,所評估以及預測的結果均與實際的交通狀況更接近、提高了對于交通發生吸引量的評估以及預測的準確性。
顯然,上述實施例僅僅是為清楚地說明所作的舉例,而并非對實施方式的限定。對于所屬領域的普通技術人員來說,在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發明創造的保護范圍之中。
本領域內的技術人員應明白,本發明的實施例可提供為方法、系統、或計算機程序產品。因此,本發明可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且,本發明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產品的形式。
本發明是參照根據本發明實施例的方法、設備(系統)、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器,使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中,使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品,該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
這些計算機程序指令也可裝載到計算機或其他可編程數據處理設備上,使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理,從而在計算機或其他可編程設備上執行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
盡管已描述了本發明的優選實施例,但本領域內的技術人員一旦得知了基本創造性概念,則可對這些實施例作出另外的變更和修改。所以,所附權利要求意欲解釋為包括優選實施例以及落入本發明范圍的所有變更和修改。

關于本文
本文標題:用于評估當前出行需求及預測未來出行需求的方法及系統.pdf
鏈接地址:http://www.wwszu.club/p-6369570.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大