一种居民出行OD的职住平衡区域划分方法与流程

技术特征：
1.一种居民出行od的职住平衡区域划分方法，其特征在于，具体包括如下步骤：步骤1：采集以交通小区为单元的居民出行数据和交通小区地理空间数据，所述居民出行数据包括居民出行起讫点的交通小区编号和每个出行方向上的居民出行数量；所述交通小区地理空间数据包括每个交通小区中心点的经纬度坐标；步骤2：对采集的数据进行数据清洗，去除异常的数据；步骤3：若居民出行的起讫点均在同一个交通小区中，则该出行为区内出行；若居民出行的起讫点不在同一个交通小区中，则该出行为跨区出行；步骤4：根据每一个出行方向上的起讫点交通小区中心点的经纬度坐标，计算该交通出行方向上起讫点交通小区之间的空间距离，并将该空间距离乘以该出行方向上的所有居民数量，得到该交通出行方向上全部居民的出行总距离，然后利用起点交通小区居民人口数进行均值计算，得到每个起点交通小区在每个出行方向上的平均居民出行距离；步骤5：按照第i个交通小区的每个出行方向上的平均居民出行距离和预设的范围，判断第i个交通小区的每个出行方向的出行距离类型；所述出行距离类型包括：近距离，中等距离和远距离；i＝1，2，3.......，n，n为交通小区的总个数；步骤6：根据每个交通小区的区内出行数量和跨区出行出数量，计算该交通小区的独立指数，根据每个交通小区的每个出行方向的出行距离类型计算该交通小区出行强度；并根据该交通小区的独立指数判定该交通小区的区域类型，根据该交通小区的出行强度判定该交通小区的区域特征；步骤7：根据每个交通小区的区域类型和区域特判定该交通小区是否为职住平衡区域。2.根据权利要求1所述的一种居民出行od的职住平衡区域划分方法，其特征在于，所述步骤5中若第i个交通小区的某一个出行方向上的平均居民出行距离在[0，x1]的范围内，则该出行方向的出行距离类型为近距离；若第i个交通小区的某一个出行方向上的平均居民出行距离在(x1，x2]的范围内，则该出行方向的出行距离类型为中等距离；若第i个交通小区的某一个出行方向上的平均居民出行距离大于x2，则该出行方向的出行距离类型为远距离，x1和x2分别为预设的中等距离阈值和远距离阈值。3.根据权利要求2所述的一种居民出行od的职住平衡区域划分方法，其特征在于，x1＝5；x2＝10。4.根据权利要求1所述的一种居民出行od的职住平衡区域划分方法，其特征在于，所述步骤6中根据如下公式计算每个交通小区的独立指数：其中，n
i
为第i个交通小区的独立指数，a
i
为第i个交通小区的区内居民出行数量，k
i
为第i个交通小区的跨区出行的总居民数量；根据如下公式计算每个交通小区的出行强度：其中，k
ij
为第i个交通小区的跨区出行中出行距离属于j组的总居民出行数量；j＝1，2，3，j＝1时表示近距离，j＝2时表示中等距离，j＝3时表示远距离。5.根据权利要求1所述的一种居民出行od的职住平衡区域划分方法，其特征在于，所述
步骤6中根据交通小区的独立指数判定该交通小区的区域类型的具体方法为：若第i个交通小区的独立指数n
i
≥1，则该第i个交通小区的区域类型为区内出行主导型；否则该第i个交通小区的区域类型为跨区出行主导型；所述步骤6中根据交通小区的出行强度判定该交通小区的区域特征，具体判定方法如下表1所示：表1表1其中，x和δ均为预设的阈值，且x＞δ。6.根据权利要求5所述的一种居民出行od的职住平衡区域划分方法，其特征在于，所述步骤7中将区域类型为区内出行主导型或区域特征为近距离出行主导型的交通小区作为职住平衡区域。

技术总结
本发明公开了一种居民出行OD的职住平衡区域划分方法，具体为：步骤1：采集以交通小区为单元的居民出行数据和交通小区地理空间数据，步骤2：对采集的数据进行数据清洗，去除异常的数据；步骤3：判断跨区出行和区内出行；步骤4：计算起点交通小区在每个出行方向上的平均居民出行距离；步骤5：判断第i个交通小区的每个交通方向上的出行距离类型；步骤6：计算每个交通小区出行强度和独立指数；并判断该交通小区的区域类型和区域特征；步骤7：根据每个交通小区的区域类型和区域特判定该交通小区是否为职住平衡区域。本发明较好地反映出各职住空间类型居民出行距离的差异，可以从居民交通出行角度提供解决职住不平衡问题新思路。出行角度提供解决职住不平衡问题新思路。出行角度提供解决职住不平衡问题新思路。


技术研发人员：陈茜 丁雪茹
受保护的技术使用者：东南大学
技术研发日：2021.10.25
技术公布日：2022/2/24