一种城市轨道交通站点的出行模式可视化分析方法技术

本发明专利技术公开了一种城市轨道交通站点的出行模式可视化分析方法，从时间和空间两个层面对城市居民的出行行为模式进行分析。首先，从空间的角度对一个城市的不同区间的流动性和不同区间的客流量分布情况进行挖掘并可视化；其次，基于前面的内容，从时间的角度对城市居民在不同时间段的流动性的变化情况进行挖掘并可视化，可为城市交通管理和规范部门提出指导性意见以及轨道交通运营组织方案的制定和城市土地利用的规划提供依据。

【技术实现步骤摘要】
一种城市轨道交通站点的出行模式可视化分析方法
本专利技术属于可视化分析领域，具体为城市轨道交通出行模式的可视化分析。从时间和空间两个方面对城市轨道交通站点的出行模式进行挖掘，然后对出行模式进行可视化并分析。
技术介绍
随着经济社会的快速发展，中国的城市化水平日益提高。中国城市的机动化程度也在不断提高，交通系统也在不断完善。同时，居民的出行行为越来越复杂，城市交通问题也越来越严重。目前的交通方式已经不能满足城市居民的需求。交通问题已经成为影响经济社会快速健康发展的主要问题之一。同时，土地利用的问题也会导致不健康的经济发展。居民的出行行为在城市规划、社会行为分析等诸多应用领域具有重要价值。因此，研究居民的出行行为具有重要意义。首先，城市交通是利用不同的交通设施将人和货物从起点运送到终点。因此，研究居民的出行特征，发现居民的出行行为和规律，对城市交通管理和规划具有重要的影响。其次，居民出行的目的不同，如购物、工作等。居民出行的目的在一定程度上决定了目的地和来源地的选择。因此，城市土地利用在一定程度上影响了居民的出行行为。同时，当大量居民在某一地区有特定的出行需求时，也会带动该地区土地的开发利用。因此，居民的出行行为在一定程度上影响着土地的开发利用。因此，研究居民的出行特征，发现他们的行为和规律，有助于更好地了解城市现有的土地利用情况。第三，居民出行行为研究除对城市交通管理和土地利用规划具有重要意义外，对公共安全管理和传染病防控也有一定的借鉴意义。随着信息技术的发展和成熟，获取大量详细、准确的居民出行数据变得更加方便。目前，居民出行数据的主要来源包括GPS数据、手机数据和智能卡数据。许多学者基于GPS数据、手机数据和智能卡数据对居民出行模式进行了分析。专利技术研究了基于智能卡数据的居民出行模式。自动收费站(AFC)的智能卡数据被交通部门广泛用于管理收入，并以分散的方式收集大量的旅客登机和下车信息(登机地点、登机时间、下车地点和下车时间)。越来越多的研究人员使用AFC系统记录的数据来挖掘居民的行为。本专利技术使用2013年6月至2013年7月北京城市轨道交通智能卡记录，共包含从15081258张交通卡和227个站点获取的483,614,919条出入境记录。赵等人利用深圳的智能卡数据，从时间、空间和时空三个方面探讨了居民的出行方式。基于统计方法和无监督聚类方法对居民出行模式进行了分析。基于统计方法，分析了居民出行方式特征的分布，总结了居民个体的出行行为。基于无监督聚类方法，根据居民出行模式的相似性对其进行分类。马等人利用北京的智能卡数据，利用多种数据挖掘技术，发现了单个居民的时空出行模式，包括居住地、出发地点、出发时间等。采用空间聚类和多标准决策分析方法对公共交通出行人群进行识别。Le等人提出了一种基于智能卡数据的乘客分类方法。在基于智能卡数据的出行路线重构后，基于DBSCAN聚类算法分析每个居民的行为模式，并根据已有的知识将居民分为四类。以往关于居民出行方式分析的研究主要集中在居民个体的出行方式上。在本专利技术中，主要关注的是大众流动的出行模式。
技术实现思路
本专利技术的目的在于提供一种城市轨道交通站点的出行模式可视化分析方法。主要从时间和空间两个层面对城市居民的出行行为模式进行分析。首先，从空间的角度对一个城市的不同区间的流动性和不同区间的客流量分布情况进行挖掘并可视化；其次，基于前面的内容，从时间的角度对城市居民在不同时间段的流动性的变化情况进行挖掘并可视化。本专利技术采用技术方案为一种城市轨道交通站点的出行模式可视化分析方法，包括如下步骤，步骤1：从空间的角度对一个城市的不同区间的流动性和不同区间的客流量分布情况进行挖掘并可视化包括以下步骤：步骤1.1：基于智能卡数据进行空间聚合。步骤1.1.1：将城市划分成m个区域。首先需要确定城市的中心点O，以O为中心点，整个城市可以看作一个以O点正上方为始点的且顺时针0°到360°的二维平面。为了能够均匀的划分区域，O的经纬度坐标分别如公式(1)和公式(2)所示，其中max_lng是城市的最大经度，min_lng是城市的最小经度；max_lat是城市的最大维度，min_lat是城市的最小维度。其中每个区域占据该二维平面中的角度范围如公式(3)所示，其中m指的是欲划分的区域个数，start_angle是起始角度，i∈[0,m)。步骤1.1.2：将城市划分成m个区域，将所有城市轨道交通站点根据其物理位置分别划分到这m个区域。通过计算城市轨道交通站点和O间的线段和从O点开始一直向上的射线之间的夹角确定城市轨道交通站点所处的区域。步骤1.1.3：将所有的城市轨道交通站点聚合成m个区域后，得到各个区域所包含的城市轨道交通站点。现计算这m个区域间的客流量，任意两个区域间的客流量都是一个区域中包含的站点站到另一个区域包含的站点的客流量之和。区域Ro与区域Rd之间的客流量如公式(4)所示。flow(RO,Rd)＝∑flow(si,sj)(4)步骤1.2：基于步骤1.1，得到各个区域间的客流量，接下来设计一个时空弦图将空间聚合后的智能卡数据进行可视化。弦图广泛用于表示对象之间的关系。如果想要表示5个对象(A,B,C,D,E)之间的关系，需要输入一个5×5的矩阵。需要注意的是，虽然(A,B)和(B,A)都表示了矩阵中对象A和对象B之间的关系，但它们的含义不同。当原点为A，终点为B时，用(A,B)的值来表示它们之间的关系。当原点为B，终点为A时，用(B,A)的值来表示它们之间的关系。图2(a)是一个表示所有对象之间关系的弦图。将鼠标悬停在图2(a)中的节点C上，得到图2(b)所示的与对象C相关的所有关系。在弦图中，节点A的所占的弧长是矩阵中对象A所在行的所有元素的和，即(A,A)、(A,B)、(A,C)、(A,D)和(A,E)。因此，使用节点A的弧长代表以对象A为始点的所有流量。节点C和节点D之间的弦代表对象C和对象D之间的关联，连接节点的弧长C的值实际上是(C,D)，代表从C到对象D的流量，同样，与节点D连接的弧长实际上是(D,C)的值，表示从对象D到对象的C的流量。为更好表达空间信息，基于弦图设计一个空间弦图。空间弦图也由节点和弦两部分组成。节点的弧长表示区域的空间位置，与弦图中节点的弧长所表达的含义是不同。在传统的弦图中，节点的弧长表示从该节点出发的流量。因此，需要计算每个节点所占据的弧长。步骤1.2.1：计算每个区域的流入流量，描述如下。flow(Ri)＝∑flow(Ri,Rj)(5)步骤1.2.2：得到各个区域的流入流量后，确定其中的最大值max_flow。基于max_flow，计算一个单位的客流量所占的弧长，其中m为区域的个数。步骤1.2.3：确定从节点出发的流量所占的弧长，描述如下。randianOfChord＝radianOfUnitFlow×flow(7)步骤2：从时间的角度对城市居民在不同时间段的流动性的本文档来自技高网...

【技术保护点】
1.一种城市轨道交通站点的出行模式可视化分析方法，其特征在于，该方法包括如下步骤，/n步骤1：基于智能卡数据进行空间聚合；/n步骤1.1：将城市划分成m个区域；首先需要确定城市的中心点O，以O为中心点，整个城市看作一个以O点正上方为始点的且顺时针0°到360°的二维平面；为了能够均匀的划分区域，O的经纬度坐标分别如公式(1)和公式(2)所示，其中max_lng是城市的最大经度，min_lng是城市的最小经度；max_lat是城市的最大维度，min_lat是城市的最小维度；/n

【技术特征摘要】
1.一种城市轨道交通站点的出行模式可视化分析方法，其特征在于，该方法包括如下步骤，
步骤1：基于智能卡数据进行空间聚合；
步骤1.1：将城市划分成m个区域；首先需要确定城市的中心点O，以O为中心点，整个城市看作一个以O点正上方为始点的且顺时针0°到360°的二维平面；为了能够均匀的划分区域，O的经纬度坐标分别如公式(1)和公式(2)所示，其中max_lng是城市的最大经度，min_lng是城市的最小经度；max_lat是城市的最大维度，min_lat是城市的最小维度；






其中每个区域占据该二维平面中的角度范围如公式(3)所示，其中m指的是欲划分的区域个数，start_angle是起始角度，i∈[0,m)；



步骤1.2：将城市划分成m个区域，将所有的城市轨道交通站点根据其物理位置分别划分到这m个区域；通过计算城市轨道交通站点和O间的线段和从O点开始一直向上的射线之间的夹角可以确定城市轨道交通站点所处的区域；
步骤1.3：将所有的城市轨道交通站点聚合成m个区域后，得到各个区域所包含的城市轨道交通站点；现计算这m个区域间的客流量，任意两个区域间的客流量都是一个区域中包含的站点站到另一个区域包含的站点的客流量之和；区域Ro与区域Rd之间的客流量如公式(4)所示；
flow(RO,Rd)＝∑flow(si,sj)(4)
步骤2：基于步骤1.1，得到各个区域间的客流量，接下来设计一个时空弦图将空间聚合后的智能卡数据进行可视化。...

【专利技术属性】
技术研发人员：才智，孙功玉，米庆，苏醒，刘芷凝，郎琨，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11