一种基于POI的城市交通需求预测方法技术

本发明专利技术公开了一种基于地图兴趣点(Point of Intrest，POI)的城市交通需求预测方法，该方法将城市空间内POI数据首先按照两级分类体系进行类别划分；然后计算出行生成能力因子清单中的每个因子的数值，并进行归一化处理；进而计算能力因子清单中的每个因子的权重值，包括计算各因子的发生能力权重值和吸引能力权重值及相应归一化权重值；最后根据因子清单中的每个因子的归一化数值以及对应的归一化权重值计算POI的出行生成能力指数。本发明专利技术采用实时更新的网络开源数据，通过POI数据的位置、类别等属性计算得到其出行生成能力指数，极大的提高了城市交通需求预测准确度和简化了预测操作流程。

A method of urban traffic demand forecasting based on POI

This invention discloses a method of urban traffic demand prediction based on Point of Intrest (POI). This method divides the POI data in the urban space according to the two class classification system, then calculates the value of each factor in the list of travel generation capacity factor and normalizes it. The weight values of each factor in the list of computational ability factors include the calculation of the weight of each factor and the weight value of the attraction capacity and the corresponding normalized weight value. Finally, the travel generation capacity index of POI is calculated according to the normalized value of each factor in the factor list and the corresponding normalized weight values. The invention uses real-time and updated network open source data to calculate the travel generation capability index through the location and category of POI data, which greatly improves the accuracy of urban traffic demand prediction and simplifies the prediction operation process.

【技术实现步骤摘要】
一种基于POI的城市交通需求预测方法
本专利技术属于城市交通运输规划与管理技术，具体涉及一种基于POI的城市交通需求预测方法。
技术介绍
出行生成量，又称出行需求量，在城市交通领域反映一定区域内居民社会活动的出行强度。出行需求预测结果是决定城市交通基础设施建设规模的关键决策依据，是在进行各类城市交通规划项目实践过程中均需要测算的重要内容。在交通需求量的预测方面，现有技术采用“四阶段”预测法，该方法是基于城市土地利用状况及不同类型用地的出行生成率对局部地块的出行量进行预测，然后进一步将其集计得到交通小区的出行量。这种方法利用了土地利用是一切社会活动的根本动因这一原理，但存在以下两点不足：1、这种集计方法的精度完全依赖于所采用的土地利用数据的准确性，而城市土地利用状况是动态变化的，实践过程中很难获得准确反映用地状态的数据；2、在实际操作过程中，需要测算目标区域内所有类型地块规模，工作量繁琐且艰巨。另外，在土地利用数据预测方法的基础上提出的基于活动的预测方法，能够较大程度的提高预测精度，但该法未能从土地利用这一本质出发来反映个体出行活动，同时，个体出行活动链数据的获取同样是一个复杂而艰难的过程，因此这一方法也很难运用在项目实践过程中。本专利技术基于POI数据的分析与处理，POI是地理信息系统中的数据基础，能够直观反映城市发展在空间维度上的分布状况，目前已经能够比较方便的从网络获取相关数据。
技术实现思路
专利技术目的：针对上述现有技术的不足，本专利技术提供一种基于POI数据的交通需求预测方法，该方法基于POI实时数据采集和分析，在简化预测过程的同时极大的提高了交通生成量的预测精度。技术方案：一种基于POI的城市交通需求预测方法，所述的方法在交通生成预测阶段，基于交通小区内各POI的出行发生和出行吸引特征预测目标区域交通需求特征，包括以下步骤：(1)将目标区域划分为若干交通小区，将分布于目标区域内的POI按其位置属性划分到相应交通小区；(2)建立POI出行生成能力因子清单并计算各类因子数值，所述的能力生成因子包括POI类型重要度、POI区位度、POI密集度，并对各类因子数值作归一化处理；(3)计算出行生成能力因子权重值，包括出行发生能力权重和出行吸引能力权重，并作归一化处理；(4)计算POI出行生成能力指数，包括POI出行发生能力指数和POI出行吸引能力指数；(5)以交通小区为单元集计各POI出行生成能力指数，包括出行发生相对量和出行吸引相对量。进一步的，步骤(2)所述的各类生成能力因子数值计算包括如下步骤：(2.1)将目标区域内的POI数据按照两级分类体系进行划分，包括一级大类和二级小类，所述的大类包括车辆服务、餐饮服务、购物服务、生活服务、体育休闲、医疗保健、住宿住宅、风景名胜、政府社团、科教文化、交通设施、金融保险、公司企业12个，所述的每一级大类细分有二级小类类别；(2.2)计算POI类型重要度：采用德尔菲法对每一细分类别进行评分得到二级类型重要度，将每一大类中所有二级类别重要度取平均作为一级类型重要度，编制成类型重要度量表；分别从预置的类型重要度量表中获取所述待计算POI所属类型对应的一级类型重要度数值和二级类型重要度数值，将所述类型重要度数值的乘积确定为待计算POI类型重要度的数值；(2.3)计算POI区位度：分别计算所述POI距离城市中心及城市组团中心的距离指标作为区位度衡量基础，将其平均距离的倒数作为POI区位度的数值；(2.4)计算POI密集度：计算所述POI周边以单位距离为半径的圆形区域内其他POI点的个数，将该数值作为POI密集度的数值。步骤(3)包括计算能力因子清单中每个因子对应的权重值，具体包括如下步骤：(3.1)采用专家法对三种因子的出行发生能力相对值进行评分得到发生能力相对权重值量表，对三种因子的出行吸引能力相对值进行评分得到吸引能力相对权重值量表；(3.2)从因子间发生能力相对权重值量表和吸引能力相对权重值量表中，分别获取各因子与能力因子清单中其他每一个因子的发生能力相对权重值和吸引能力相对权重值；(3.3)将因子与能力因子清单中其他每一个能力因子的发生能力相对权重值的乘积的3次方根，作为所述能力因子的发生能力权重值，计算方法如下：公式1中，Yi为所述POI第i个能力因子的发生能力权重值，y1、y2、y3分别为第i个能力因子与三个因子的发生能力相对权重值。(3.4)将所述因子与能力因子清单中其他每一个能力因子的吸引能力相对权重值的乘积的3次方根，作为所述能力因子的吸引能力权重值，计算方法如下：公式2中，Si为所述POI第i个能力因子的吸引能力权重值，s1、s2、s3分别为第i个能力因子与三个因子的吸引能力相对权重值。步骤(4)包括计算能力因子的归一化数值及其对应的权重值和POI的出行生成能力指数，包括以下步骤：(4.1)将所有待计算POI的每一类能力因子数值采用min-max方法归一化处理，得到所述待计算POI的归一化能力因子数值，min-max归一化方法如下：归一化处理公式3中，Xi，norm为第i类能力因子的归一化数值，Xi为该POI第i类能力因子数值，Xi，max为所述交通小区内所有POI第i类能力因子数值的最大值；Xi，min为所述交通小区内所有POI第i类能力因子数值的最小值。(4.2)将所有待计算POI的每一类能力因子对应的发生能力相对权重值进行归一化处理，得到所述待计算POI的发生能力因子归一化权重值，归一化方法如下：归一化处理公式4中，Yi，norm为所述POI的第i类能力因子发生能力归一化权重值，Yi为该POI第i类能力因子发生能力权重值。(4.3)将所有待计算POI的每一类能力因子对应的吸引能力相对权重值进行归一化处理，得到所述待计算POI的吸引能力因子归一化权重值，归一化方法如下：归一化处理公式5中，Wi，norm为所述POI的第i类能力因子吸引能力归一化权重值，Si为该POI第i类能力因子吸引能力权重值。(4.4)将所述待计算POI的出行生成能力因子归一化数值与对应发生能力归一化权重值乘积的和作为所述POI的出行发生能力指数，计算方法如下：公式6中，Z为所述POI的出行发生能力指数，Xi，norm为该POI第i类能力因子生成能力归一化数值，Yi，morm为该POI第i类能力因子对应的发生能力归一化权重值。(4.5)将所述待计算POI的出行生成能力因子归一化数值与对应吸引能力归一化权重值乘积的和作为所述POI的出行吸引能力指数，计算方法如下：公式7中，Z为所述POI的出行吸引能力指数，Xi，norm为该POI第i类能力因子生成能力归一化数值，Wi，norm为该POI第i类能力因子对应的吸引能力归一化权重值。更进一步的，所述的预测方法以交通小区为单位，将各交通小区所覆盖的所有POI出行能力生成指数分别进行求和，包括出行生成能力指数和出行吸引能力指数，分别为所述交通小区的出行发生量相对值和出行吸引量相对值，计算公式如下：公式8、9中，Pj为交通小区j的出行发生量相对值，Zi为交通小区j内第i个POI的出行发生能力指数；Aj为交通小区j的出行吸引量相对值，Ui为交通小区j内第i个POI的出行吸引能力指数。有益效果：本专利技术相比现有技术其显著的效果在于，本专利技术基于POI数本文档来自技高网...

【技术保护点】
1.一种基于POI的城市交通需求预测方法，所述的方法在交通生成预测阶段，基于交通小区内各POI的出行发生和出行吸引特征预测目标区域交通需求特征，其特征在于：所述的方法包括以下步骤：(1)将目标区域划分为若干交通小区，将分布于目标区域内的POI按其位置属性划分到相应交通小区；(2)建立POI出行生成能力因子清单并计算各类因子数值，所述的能力生成因子包括POI类型重要度、POI区位度、POI密集度，并对各类因子数值作归一化处理；(3)计算出行生成能力因子权重值，包括出行发生能力权重和出行吸引能力权重，并作归一化处理；(4)计算POI出行生成能力指数，包括POI出行发生能力指数和POI出行吸引能力指数；(5)以交通小区为单元集计各POI出行生成能力指数，包括出行发生相对量和出行吸引相对量。

【技术特征摘要】
1.一种基于POI的城市交通需求预测方法，所述的方法在交通生成预测阶段，基于交通小区内各POI的出行发生和出行吸引特征预测目标区域交通需求特征，其特征在于：所述的方法包括以下步骤：(1)将目标区域划分为若干交通小区，将分布于目标区域内的POI按其位置属性划分到相应交通小区；(2)建立POI出行生成能力因子清单并计算各类因子数值，所述的能力生成因子包括POI类型重要度、POI区位度、POI密集度，并对各类因子数值作归一化处理；(3)计算出行生成能力因子权重值，包括出行发生能力权重和出行吸引能力权重，并作归一化处理；(4)计算POI出行生成能力指数，包括POI出行发生能力指数和POI出行吸引能力指数；(5)以交通小区为单元集计各POI出行生成能力指数，包括出行发生相对量和出行吸引相对量。2.根据权利要求1所述的一种基于POI的城市交通需求预测方法，其特征在于：步骤(2)所述的各类生成能力因子数值计算包括如下步骤：(2.1)将目标区域内的POI数据按照两级分类体系进行划分，包括一级大类和二级小类，所述的大类包括车辆服务、餐饮服务、购物服务、生活服务、体育休闲、医疗保健、住宿住宅、风景名胜、政府社团、科教文化、交通设施、金融保险、公司企业12个，所述的每一级大类细分有二级小类类别；(2.2)计算POI类型重要度：采用德尔菲法对每一细分类别进行评分得到二级类型重要度，将每一大类中所有二级类别重要度取平均作为一级类型重要度，编制成类型重要度量表；然后分别从所述的类型重要度量表中获取所述待计算POI所属类型对应的一级类型重要度数值和二级类型重要度数值，将所述类型重要度数值的乘积确定为待计算POI类型重要度的数值；(2.3)计算POI区位度：分别计算所述POI距离城市中心及城市组团中心的距离指标作为区位度衡量基础，将其平均距离的倒数作为POI区位度的数值；(2.4)计算POI密集度：计算所述POI周边以单位距离为半径的圆形区域内其他POI点的个数，将该数值作为POI密集度的数值。3.根据权利要求1所述的一种基于POI的城市交通需求预测方法，其特征在于：步骤(3)包括计算能力因子清单中每个因子对应的权重值，具体包括如下步骤：(3.1)采用专家法对三种因子的出行发生能力相对值进行评分得到发生能力相对权重值量表，对三种因子的出行吸引能力相对值进行评分得到吸引能力相对权重值量表；(3.2)从因子间发生能力相对权重值量表和吸引能力相对权重值量表中，分别获取各因子与能力因子清单中其他每一个因子的发生能力相对权重值和吸引能力相对权重值；(3.3)将因子与能力因子清单中其他每一个能力因子的发生能力相对权重值的乘积的3次方根，作为所述能力因子的发生能力权重值，计算方法如下：公式1中，Yi为所述POI第i个能力因子的发生能力权重值，y1、y2、y3分别为第i个能力因子与三个因子的发生能力相对权重值；(3.4...

【专利技术属性】
技术研发人员：李旭宏，李瑞，胡桂松，朱诚成，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32