一种量化分析城市建成环境对道路行程时间影响的方法技术

本发明专利技术属于城市交通规划及交通大数据研究技术领域，提供了一种量化分析城市建成环境对道路行程时间影响的方法。首先根据道路上出租车GPS数据和地理信息数据提取出各小路段平均速度和建成环境属性信息。然后以各小路段平均速度作为因变量，建成环境属性作为关键自变量，最近交叉口类型虚拟变量作为调节变量，考虑关键自变量与调节变量的交互影响做回归分析，并从回归结果中选取出显著影响路段平均速度的关键自变量。最后将提取的关键自变量带入地理加权回归模型中，进行量化分析。本发明专利技术的效果和益处是为交通规划和管理部门调整城市建成环境属性，提高路网运行效率提供了决策依据。

A quantitative method for analyzing the influence of urban built environment on road travel time

The invention belongs to the technical field of urban traffic planning and traffic large data research, and provides a method for quantifying and analyzing the influence of urban built environment on road travel time. Firstly, according to the GPS data of taxi and geographic information data, the average speed of each lane and the attribute information of built environment are extracted. Then the path segment average speed as the dependent variable, the built environment attributes as key variables, recent intersection type dummy variable as a variable, taking into account the influence of key variables and interaction variable to do regression analysis, the key variables and select the significant influence of section average velocity from the regression results. Finally, the extracted critical variables are brought into the geographically weighted regression model for quantitative analysis. The effect and the benefit of the invention provide a basis for the traffic planning and management department to adjust the environmental attribute of the city and improve the operation efficiency of the road network.

【技术实现步骤摘要】
一种量化分析城市建成环境对道路行程时间影响的方法
本专利技术属于城市交通规划及交通大数据研究领域，特别涉及应用城市出租车GPS数据和空间地理信息数据来研究城市建成环境对道路行程时间的影响。
技术介绍
近年来，伴随着人们出行时间观念的加强以及交通路网运行效率的恶化，道路行程时间的研究已经成为智能交通系统研究的热点。现有关于道路行程时间的研究多是基于交通流理论或数据驱动方法进行道路行程时间估计和预测。如HofleitnerA在《Arterialtraveltimeforecastwithstreamingdata:Ahybridapproachofflowmodelingandmachinelearning》中用大量浮动车GPS数据提出一种混合模型框架来估计干线出行时间；MucsiK在《AnAdaptiveNeuro-FuzzyInferenceSystemforestimatingthenumberofvehiclesforqueuemanagementatsignalizedintersections》中利用浮动车采集的稀疏数据预测整个路段行程时间的三层神经网络；马超锋在《基于低频采样GPS数据的路段行程时间估计》中基于交通流理论重点考虑交叉口的影响，并用低频GPS数据对路段行程时间进行深入研究以提高估计精度。然而，这些方法往往无法分析影响道路行程时间的主要因素，且受限于所研究区域自身建成环境属性和数据，研究成果很难被直接应用到其他区域。以往的研究已经证实城市建成环境与出行者出行行为之间存在密切关系，城市建成环境会影响出行者的出行目的地、出行方式、出行频率、出行路线等出行行为，并最终影响道路网络行程时间。因此，有必要从城市建成环境的角度入手，深入研究影响道路行程时间的主要因素。此外，由于空间异质性的存在，城市建成环境对不同区域道路行程时间的影响规律也不尽相同。本专利技术在此基础上，应用城市出租车GPS数据和空间地理数据，提出一种量化分析城市建成环境对道路行程时间影响的方法。
技术实现思路
本专利技术要解决的技术问题是：先将研究道路分成多个小路段，并基于研究道路上的出租车GPS数据和空间地理信息数据提取出各小路段的平均速度和建成环境属性信息。然后以各小路段的平均速度作为因变量，路段建成环境属性作为关键自变量，路段最近交叉口类型虚拟变量作为调节变量，考虑关键自变量与调节变量的交互影响做回归分析，并从回归结果中选取出显著影响路段平均速度的关键自变量。最后将提取的关键自变量带入地理加权回归模型(GWR)中，进行量化分析。本专利技术的技术方案：一种量化分析城市建成环境对道路行程时间影响的方法，步骤如下：1.基础数据对选取的研究道路(8公里以上)，按每20—30米进行分段。(1)路段平均速度和载客比数据提取根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，得到各个路段上含有速度和载客状态的出租车GPS数据，记为表a，然后根据表a中出租车GPS数据，分别计算每个路段所有出租车的平均速度和载客比(各路段载客状态下出租车样本量与全状态下出租车样本量之比)。(2)路段建成环境属性信息提取根据路网地理信息数据，首先统计研究路段周边500米范围内的大厦数量、银行数量、宾馆酒店数量、药店数量、停车场数量、超市数量、餐饮店数量、公交站点数量以及学校数量；然后统计距离各小路段最近的学校距离、最近的交叉口距离以及最近的公交站点距离；最后统计各小路段的限速大小。(3)道路交叉口类型分类对研究道路上所有交叉口按进口车道数、是否有左转车道、左转车道是否独立分成n(n>＝2)类。然后将最后一种交叉口类型(即类型n)作为参照项，其余n-1种交叉口类型设为“虚拟变量”，具体设置如表1所示：表1交叉口类型虚拟变量的设置交叉口类型D1D2…Dn-1类型110…0类型201…0……………类型n-100…12.含交叉项的全局回归分析在全局回归分析中，以各路段平均速度作为因变量，路段建成环境属性作为关键自变量，路段最近交叉口类型虚拟变量作为调节变量，考虑关键自变量与调节变量的交互影响。具体模型结构如下：其中：模型中S表示路段平均速度大小；βo为回归常数；χ1，χ2，…，χ14分别表示大厦数量、银行数量、宾馆酒店数量、药店数量、停车场数量、超市数量、餐饮店数量、公交站点数量、载客比、学校数量、最近学校距离、最近交叉口距离、最近公交站点距离、限速大小，共14个关键自变量，其中β1，β2，…，β14为其对应的回归系数；D1，D2，…，Dn-1分别表示n-1个交叉口类型虚拟变量，其中η1，η2，…，ηn-1为其对应的回归系数；λkp为建成环境属性与交叉口类型虚拟变量的交互影响系数；ε为随机误差项；通过全局回归分析，可以得到显著影响道路行程时间的关键自变量，并且可以证明了空间异质性的存在，因此需要使用空间局部模型做进一步的量化分析。3.空间局部模型分析将全局回归分析中得到的显著影响道路行程时间的关键自变量，带入空间局部模型中，即地理加权回归模型(GWR模型)。具体模型结构如下：其中：Si为第i个路段的平均速度；(ui,vi)为第i个路段坐标；βo(ui,vi)为第i个路段回归常数；χik为第i个路段第k个自变量，βk(ui,vi)为其对应的回归系数；m表示在全局回归中有m个关键自变量是显著的；εi为第i个路段的随机误差项；空间局部模型考虑不同地理位置建成环境对道路行程时间影响的空间异质性，从定量角度研究这种空间异质性现象和成因，从而揭示城市建成环境与道路行程时间的内在影响规律。本专利技术的有益效果：本专利技术从根源上分析了道路行程时间的影响因素，因此得到的结果反映的是更普遍的规律，易于推广和应用到其他研究区域；本专利技术的结果可以得到研究线路各区域路段的影响规律，因此可以帮助交通管理者明确了城市路网中问题存在地点，进而有针对性的设计方案来改善交通系统的性能；本专利技术的结果还有助于提升交通规划者和管理者对城市建成环境与交通系统关系的认识，从而制定有针对性的城市规划和管理策略，以期通过城市建成环境的改善进而从根源上提高路网通行效率，减少交通拥堵和道路行程时间时间。附图说明图1是研究道路交叉口位置图。图2是公交站点数量的回归系数空间分布图。图3是公交站点数量的t值空间分布图。图4是最近交叉口距离的回归系数空间分布图。图5是最近交叉口距离的t值的空间分布图。具体实施方式以下结合实例详细叙述本专利技术的具体实施方式，并模拟专利技术的实施效果。1.基础数据选取深圳市南山区工业八路与后海大道交叉口到侨城东路与白石路交叉口之间的路段作为案例研究对象。使用2014年6月9日到2014年6月13日7：:30到9:30之间该路段上所有的出租车实际数据。先将该研究道路按25米一段，分成397段。然后根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，并计算每个路段上所有出租车平均速度和载客比。最后根据路网地理信息数据，统计研究路段周边500米范围内大厦数量、银行数量、宾馆酒店数量、药店数量、停车场数量、超市数量、餐饮店数量、公交站点数量以及学校数量，各小路段最近学校距离、最近交叉口距离、最近公交站点距离以及限速大小。由于要考虑交叉口类型与建成环境的交互影响，需要对本文档来自技高网...

【技术保护点】
一种量化分析城市建成环境对道路行程时间影响的方法，其特征在于，步骤如下：一、基础数据对选取的研究道路按每20～30米进行分段，形成多个路段；所述的研究道路为8公里以上；(1)路段平均速度和载客比数据提取根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，得到各个路段上含有速度和载客状态的出租车GPS数据，记为表a，然后根据表a中出租车GPS数据，分别计算每个路段所有出租车的平均速度和载客比，即各路段载客状态下出租车样本量与全状态下出租车样本量之比；(2)路段建成环境属性信息提取根据路网地理信息数据，首先统计研究道路周边500米范围内的大厦数量、银行数量、宾馆酒店数量、药店数量、停车场数量、超市数量、餐饮店数量、公交站点数量以及学校数量；然后统计距离各路段最近学校距离、最近交叉口距离以及最近公交站点距离；最后统计各路段的限速大小；(3)道路交叉口类型分类对研究道路上所有交叉口按进口车道数、是否有左转车道、左转车道是否独立分成n类，n>＝2；然后将最后一种交叉口类型n作为参照项，其余n‑1种交叉口类型设为“虚拟变量”，具体设置如表1所示：表1交叉口类型虚拟变量的设置...

【技术特征摘要】
1.一种量化分析城市建成环境对道路行程时间影响的方法，其特征在于，步骤如下：一、基础数据对选取的研究道路按每20～30米进行分段，形成多个路段；所述的研究道路为8公里以上；(1)路段平均速度和载客比数据提取根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，得到各个路段上含有速度和载客状态的出租车GPS数据，记为表a，然后根据表a中出租车GPS数据，分别计算每个路段所有出租车的平均速度和载客比，即各路段载客状态下出租车样本量与全状态下出租车样本量之比；(2)路段建成环境属性信息提取根据路网地理信息数据，首先统计研究道路周边500米范围内的大厦数量、银行数量、宾馆酒店数量、药店数量、停车场数量、超市数量、餐饮店数量、公交站点数量以及学校数量；然后统计距离各路段最近学校距离、最近交叉口距离以及最近公交站点距离；最后统计各路段的限速大小；(3)道路交叉口类型分类对研究道路上所有交叉口按进口车道数、是否有左转车道、左转车道是否独立分成n类，n>＝2；然后将最后一种交叉口类型n作为参照项，其余n-1种交叉口类型设为“虚拟变量”，具体设置如表1所示：表1交叉口类型虚拟变量的设置交叉口类型D1D2…Dn-1类型110…0类型201…0……………类型n-100…1二、含交叉项的全局回归分析在全局回归分析中，以各路段平均速度作为因变量，路段建成环境属性作为关键自变量，路段最近交叉口类型虚拟变量作为调...

【专利技术属性】
技术研发人员：钟绍鹏，王全志，王仲，邹延权，程荣，李旭丰，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21