基于空间区位的城市群客运交通出行预测方法及系统与流程
本发明涉及交通预测,具体涉及基于空间区位的城市群客运交通出行预测方法及系统。
背景技术:
1、随着城市群建设持续提速,区域一体化发展进程不断加快,城镇空间联动日益紧密,跨城出行客流规模持续攀升。
2、区域重大交通项目投资规模大、建设周期长、影响范围广,其线路布局、通道选型、运力配置及建设时序均需以出行需求为重要依据。而开展城市群范围城市-区-街道/乡镇多空间尺度的跨城市客流预测研究,有助于精准研判城际客流空间走廊与出行特征。
3、城市群客运交通出行预测涉及多个城市,覆盖范围广,涉及人员规模大,基础数据获取困难,相关研究较少。目前,有基于出行频次的客运交通生成、基于目的地选择的客运交通分布等技术方法在内的区域交通建模方法,基于出行频次的客运交通生成模型变量包含出行者性别、年龄、职业、收入、拥车情况等信息,但该技术方法需依赖居民出行调查,且未实现城市间不同方式出行的预测;也有基于大数据实现城市间的出行空间分布、出行方式划分预测,但未明确区、街道/乡镇等更细颗粒度下跨城市出行预测方法及模型精度。
4、鉴于城市群客运交通出行调研数据获取难度较高,且实际工作存在多空间尺度预测需求,研究基于多源大数据实现城市群范围内城市、行政区、街道/乡镇多空间尺度跨城市客流预测具有重要意义。
技术实现思路
1、针对现有技术中存在的问题,本发明提供基于空间区位的城市群客运交通出行预测方法及系统,能够完成细颗粒度下多空间尺度跨城市客流预测。
2、本技术的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本技术的实践而习得。
3、根据本技术的第一方面,提供了一种基于空间区位的城市群客运交通出行预测方法,包括:
4、将研究城市群划分为若干城市,将每一所述城市划分为若干交通区域;
5、基于采集到的多源轨迹与通行数据,获取每一所述交通区域的跨城市出行产生量和吸引量,根据所述交通区域的跨城市出行产生量,获取所述交通区域的跨城市出行占比指标,根据所述交通区域的跨城市出行占比指标进行空间区位判别,将所述交通区域划分为市郊片区和中心片区;
6、基于所述城市的市郊片区和中心片区分别包含的交通区域的跨城市出行产生量和吸引量、及交通区域的多模型变量,分别拟合得到所述城市的市郊片区和中心片区的跨城市出行生成量线性回归模型和吸引量线性回归模型,以预测所述交通区域的未来跨城市出行产生量和出行吸引量;
7、采用双约束重力模型,对所述交通区域的跨城市出行产生量和吸引量处理,得到所述交通区域的出行需求量,基于所述交通区域的出行需求量,构建所述交通区域的跨城市出行分布矩阵;
8、基于所述城市的市郊片区和中心片区分别包含的所述交通区域的跨城市出行产生量和吸引量,分别构建所述城市的市郊片区和中心片区的二项logit方式分担模型,以获取所述交通区域的铁路出行分担率和公路出行分担率。
9、在本技术的一些实施例中,基于前述方案,所述获取每一所述交通区域的跨城市出行产生量和吸引量,包括:
10、融合所述交通区域各交通方式的跨城市出行产生量和吸引量,获取所述交通区域的跨城市出行产生量和吸引量。
11、在本技术的一些实施例中,基于前述方案,所述交通方式包括公路和铁路,所述交通区域各交通方式的跨城市出行产生量和吸引量,获取方法为:
12、基于所述交通区域与跨城市的所有其他交通区域之间的往返通行车次载客量及客流占比,获取所述交通区域的公路跨城市出行产生量和吸引量;
13、基于所述交通区域与跨城市的所有其他交通区域之间的往返铁路旅客数量、手机信令识别到的铁路旅客在出发交通区域的进站占比和铁路旅客在到达交通区域的出站占比,获取所述交通区域的铁路跨城市出行产生量和吸引量。
14、在本技术的一些实施例中,基于前述方案,还包括:
15、融合所述交通区域各交通方式的市内出行产生量,获取所述交通区域的市内出行产生量;
16、将所述交通区域的市内出行产生量和跨城市出行产生量加和,得到所述交通区域的总出行量;
17、根据所述交通区域的跨城市出行产生量相对于总出行量的占比,得到所述交通区域的跨城市出行占比,若所述跨城市出行占比大于预设比值,则所述交通区域为中心片区,若所述跨城市出行占比不大于预设比值,则所述交通区域为市郊片区。
18、在本技术的一些实施例中,基于前述方案,所述基于所述城市的市郊片区和中心片区分别包含的交通区域的跨城市出行产生量和吸引量、及交通区域的多模型变量,分别拟合得到所述城市的市郊片区和中心片区的跨城市出行生成量线性回归模型和吸引量线性回归模型,以预测所述交通区域的未来跨城市出行产生量和出行吸引量,包括:
19、基于所述城市的市郊片区和中心片区分别包含的交通区域的跨城市出行产生量、及交通区域的多模型变量,拟合得到所述城市的市郊片区和中心片区的跨城市出行生成量线性回归模型;
20、根据所述交通区域划分到的市郊片区或中心片区的跨城市出行生成量线性回归模型,预测所述交通区域的未来跨城市出行产生量;
21、基于所述城市的市郊片区和中心片区分别包含的交通区域的跨城市出行吸引量、及交通区域的多模型变量,拟合得到所述城市的市郊片区和中心片区的跨城市出行吸引量线性回归模型;
22、根据所述交通区域划分到的市郊片区或中心片区的跨城市出行吸引量线性回归模型,预测所述交通区域的未来跨城市出行吸引量。
23、在本技术的一些实施例中,基于前述方案,采用双约束重力模型,对所述交通区域的跨城市出行产生量和吸引量处理,得到所述交通区域的出行需求量,基于所述交通区域的出行需求量,构建所述交通区域的跨城市出行分布矩阵,包括:
24、采用双约束重力模型,对所述交通区域的跨城市出行产生量和吸引量处理,得到所述交通区域的出行需求量,计算公式为:
25、
26、式中:为从交通区域前往跨城市的交通区域的出行需求量,、分别为交通区域、对应的出行产生吸引平衡系数,为交通区域的出行产生量,为交通区域的出行吸引量,为交通区域、间的综合阻抗;
27、为阻抗函数,形式为:
28、
29、其中,、为标定参数;
30、基于所述交通区域前往所有跨城市的其他交通区域的出行需求量,构建所述交通区域的跨城市出行分布矩阵。
31、在本技术的一些实施例中,基于前述方案,所述交通区域的跨城市出行综合阻抗的获取方法,包括:
32、获取所述交通区域前往其他交通区域时,每一交通方式对应的跨城市交通方式的全程出行费用,将所述全程出行费用和旅客出行时间价值的比值和所述交通方式对应的全程出行时间相加,获取所述交通区域每一交通方式对应的广义出行成本;
33、基于所述交通区域前往其他交通区域时,每一交通方式对应的出行量与所有交通方式对应的总出行量,获取所述交通区域每一交通方式对应的出行分担率;
34、基于所述交通区域每一交通方式对应的广义出行成本和出行分担率,得到所述交通区域每一交通方式对应的等效阻抗;
35、融合所有所述等效阻抗,获取所述交通区域的跨城市出行综合阻抗。
36、在本技术的一些实施例中,基于前述方案,所述基于所述城市的市郊片区和中心片区分别包含的所述交通区域的跨城市出行产生量和吸引量,分别构建所述城市的市郊片区和中心片区的二项logit方式分担模型,以获取所述交通区域的铁路出行分担率和所述公路出行分担率,包括:
37、基于所述交通区域的跨城市出行产生量和吸引量加和,获取所述交通区域的跨城市出行总量;
38、基于所述城市的市郊片区和中心片区分别包含的交通区域的跨城市出行总量,拟合得到所述城市的市郊片区和中心片区分别对应的铁路出行方式效用及公路出行方式效用;
39、根据所述交通区域划分的市郊片区或中心片区铁路出行方式效用及公路出行方式效用,获取所述交通区域的铁路出行分担率和所述公路出行分担率。
40、根据本技术的第二方面,提供了一种基于空间区位的城市群客运交通出行预测系统,包括:
41、划分模块,用于将研究城市群划分为若干城市,将每一所述城市划分为若干交通区域;
42、出行发生吸引量获取模块,用于基于采集到的多源轨迹与通行数据,获取每一所述交通区域的跨城市出行产生量和吸引量,根据所述交通区域的跨城市出行产生量,获取所述交通区域的跨城市出行占比指标,根据所述交通区域的跨城市出行占比指标进行空间区位判别,将所述交通区域划分为市郊片区和中心片区;
43、出行线性回归模型构建模块,用于基于所述城市的市郊片区和中心片区分别包含的交通区域的跨城市出行产生量和吸引量、及交通区域的多模型变量,分别拟合得到所述城市的市郊片区和中心片区的跨城市出行生成量线性回归模型和吸引量线性回归模型,以预测所述交通区域的未来跨城市出行产生量和出行吸引量;
44、出行分布矩阵构建模块,用于采用双约束重力模型,对所述交通区域的跨城市出行产生量和吸引量处理,得到所述交通区域的出行需求量,基于所述交通区域的出行需求量,构建所述交通区域的跨城市出行分布矩阵;
45、出行分担率获取模块,用于基于所述城市的市郊片区和中心片区分别包含的所述交通区域的跨城市出行产生量和吸引量,分别构建所述城市的市郊片区和中心片区的二项logit方式分担模型,以获取所述交通区域的铁路出行分担率和公路出行分担率。
46、根据本技术的第三方面,提供了一种电子设备,包括:
47、一个或多个处理器;
48、存储器,用于存储所述处理器的可执行指令,当所述可执行指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。
49、本技术的有益效果如下:
50、本技术提供的基于空间区位的城市群客运交通出行预测方法及系统,通过将城市群范围内每个城市的空间网格依据跨城市出行占比指标划分为市郊片区和中心片区,基于空间区位差异在出行生成、方式划分阶段构建一系列差异化的模型参数体系,实现对城市、行政区、街道/乡镇多空间尺度跨城市客流预测,空间尺度更精细,提高城市群客运交通的精细度、准确度,且能够区分不同区位跨城市出行特征的差异性。本技术通过逐层聚合可得到城市、行政区、街道/乡镇多尺度空间尺度不同方式跨城市客流预测结果,解决了现有技术难以兼顾多层级空间预测的技术痛点,显著提升城市群客运客流预测的精细化程度,克服了传统预测模型参数统一固化、难以适配城市群多城市复杂出行特征的缺陷,有效提升模型预测精度与适用范围。
51、应当理解的是,以上的一般描述和后文的细节描述仅是实例性和解释性的,并不能限制本技术。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com