一种改进重力模型交通分布预测方法技术

本发明专利技术提出一种改进重力模型交通出行分布预测方法，该方法包括如下步骤：首先，采集城市交通出行需求分布相关数据；其次，依据上述采集的城市交通出行需求分布相关数据将交通小区划分为不同类别；然后，对不同类别交通小区间的需求分布采用改进的重力模型进行模型参数标定；最后，利用标定好的重力模型进行城市交通出行需求分布预测。本发明专利技术既充分继承了重力模型的优势，又提高了对现状出行需求分布信息的利用程度，考虑了不同交通小区之间的社会经济发展水平与功能定位的差异，更加符合实际情况，可以为城市交通运输的规划与管理提供参考依据。参考依据。参考依据。

【技术实现步骤摘要】
一种改进重力模型交通分布预测方法


[0001]本专利技术涉及一种考虑交通小区类别的改进重力模型交通分布预测方法，属于交通需求与交通分布预测


技术介绍

[0002]城市交通出行需求分布预测是交通规划四阶段法的关键步骤之一，主要任务是将前一步交通生成预测获得的交通出行需求总量转换成各交通小区之间的出行需求分布矩阵。城市交通出行需求分布预测的准确性直接影响着交通分配过程的精度，对于交通规划研究和城市交通管理部门的决策分析具有非常重要的意义。
[0003]当前，国内外对交通分布模型的研究众多，但是大多数都局限于理论研究，难以满足现阶段的工程实践要求。对于大多数城市交通规划与管理而言，增长系数法和重力模型法是当前应用最为成熟的交通分布预测模型。重力模型法因为综合考虑了交通小区的发生吸引量和交通阻抗对出行需求分布的影响，相对而言更加符合实际。然而，常规的重力模型法将各类交通小区等同对待，忽略了不同交通小区之间的社会经济发展水平与功能定位的差异。事实上，不同功能定位的交通小区的发生量和吸引量对交通分布量的驱动强度不同，例如，住宅主导型的交通小区与商业或工业主导型的交通小区之间因为职住关系而往往具备更高的交通出行需求。另一方面，常规的重力模型法无法考虑区内出行与区间出行的特征差异，对现状出行需求分布规律的把握不足，因而在工程实践应用时往往与预期情况存在偏差。

技术实现思路

[0004]专利技术目的：为了解决现有技术中存在的不足与缺陷，本专利技术提出一种考虑交通小区类别的城市交通出行需求分布预测方法，可以对常规的重力模型进行改进，既充分继承了重力模型的优势，又提高了对现状出行需求分布信息的利用程度，更加符合实际情况。
[0005]技术方案：为实现上述目的，本专利技术采用的技术方案为：一种改进重力模型交通分布预测方法，包括以下步骤：
[0006]步骤1)，采集城市交通出行需求分布相关数据；
[0007]步骤2)，依据上述采集的城市交通出行需求分布相关数据将交通小区划分为不同类别；
[0008]步骤3)，对不同类别交通小区间的需求分布采用改进的重力模型进行模型参数标定；
[0009]步骤4)，利用标定好的重力模型进行城市交通出行需求分布预测。
[0010]进一步地，步骤1)中采集的城市交通出行需求分布相关数据包括交通小区特征数据、交通小区内的土地使用数据和人口结构数据，各交通小区之间的现状交通出行需求分布矩阵和出行阻抗矩阵以及未来年各交通小区的发生量和吸引量和出行阻抗矩阵，具体如下：
[0011]步骤1.1)，采集交通小区特征数据，包括交通小区划分范围、交通小区面积和工作岗位总量；
[0012]步骤1.2)，采集交通小区内的土地使用数据，包括交通小区内的不同用地类型(公共管理与公共服务设施用地、商业服务业设施用地、绿地与广场用地、建设用地、工业用地、居住用地、道路与交通设施用地、公用设施用地、物流仓储用地)的建筑总面积和开发强度；
[0013]步骤1.3)，采集交通小区内的人口结构数据，包括交通小区内的人口总量，性别比例，年龄分布和失业人口比例；
[0014]作为优选，步骤2)中，依据上述采集的城市交通出行需求分布相关数据将交通小区划分为不同的类别，具体如下：
[0015]步骤2.1)，根据研究范围和采集到的城市交通出行需求分布相关数据确定分类特征；
[0016]步骤2.2)，根据分类特征，采用GMM(高斯混合模型)聚类算法，将交通小区划分为四种类别(住宅主导型交通小区、商业主导型交通小区、工业主导型交通小区和综合型交通小区)。
[0017]进一步地，步骤3)中所述的改进的重力模型为：
[0018][0019]其中，T
ij
为交通小区i到交通小区j的出行需求分布量；O
i
，D
j
分别为交通小区i的发生量和交通小区j的吸引量；C
ij
为交通小区i到交通小区j的阻抗；k
a
，k
b
，k
c
，α1，α2，α3，β1，β2，β3，γ1，γ2，γ3为模型参数，采用不同的交通小区类别样本对其进行标定；k
a
，k
b
，k
c
可反应不同功能定位的交通小区的发生量和吸引量对交通分布量的驱动强度，交通小区i到交通小区j的阻抗即为对应交通小区i和交通小区j间的交通出行阻抗，用出行时间和/或出行费用的广义出行费用表示，发生量O
i
即为从交通小区i到所有其它交通小区之间的出行需求总量，吸引量D
j
即为从所有其它交通小区到交通小区j之间的出行需求总量。
[0020]进一步地，在步骤4)中，利用标定好的重力模型进行城市交通出行需求分布预测，具体包括：
[0021]步骤4.1)，判断交通小区i和交通小区j的类别；
[0022]步骤4.2)，将未来年各交通小区的发生量和吸引量和出行阻抗矩阵带入标定好的改进的重力模型，得到未来年交通小区i到交通小区j的出行需求分布量；
[0023]步骤4.3)，重复步骤4.1和4.2，直至得到全部交通小区之间的出行需求分布量，进而获得未来年的城市交通出行需求分布矩阵。
[0024]有益效果：与现有技术相比，本专利技术的技术方案具有以下有益技术效果：
[0025]本专利技术的技术方案既充分继承了重力模型的优势，又提高了对现状出行需求分布信息的利用程度，考虑了不同交通小区之间的社会经济发展水平与功能定位的差异，更加符合实际情况，对城市交通出行需求分布的预测具有更好的预测效果。
附图说明
[0026]图1为本专利技术的流程框图。
具体实施方式
[0027]为了便于本领域技术人员理解和实施本专利技术，以下结合附图及实施例对本专利技术作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0028]应当说明，本专利技术所述的交通小区为一般专业术语，并被本专业技术人员所公知，即在城市交通规划中，按照一定原则将城市交通网络划分为若干个交通子区，这些功能子区称为交通小区。
[0029]本实施例采集了某地级市中心区范围内的城市交通出行需求相关数据，包括交通小区面积，人口总量，失业人口比例，老年或儿童人口比例，商业服务业设施用地面积，居住用地面积，道路与交通设施用地面积和工业用地面积，如表1所示，并以此作为分类特征，将全部交通小区划分为住宅主导型交通小区、商业主导型交通小区、工业主导型交通小区和综合型交通小区四类，划分结果如表2所示。
[0030]表1城市交通出行需求相关数据
[0031][0032]表2交通小区类别划分结果
[0033]交通小区类别交通小区编号住宅主导型交通小区2，4，7，31，
……
，41，49，50商业主导型交通小区5，6，8，13，
……
，34，43，46工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进重力模型交通出行分布预测方法，其特征在于，包括以下步骤：步骤1)，采集城市交通出行需求分布相关数据；步骤2)，依据上述采集的城市交通出行需求分布相关数据将交通小区划分为不同类别；步骤3)，对不同类别交通小区间的需求分布采用改进的重力模型进行模型参数标定；步骤4)，利用标定好的重力模型进行城市交通出行需求分布预测。2.根据权利要求1所述的一种改进重力模型交通分布预测方法，其特征在于，步骤1)中采集的城市交通出行需求分布相关数据包括：交通小区特征数据、交通小区内的土地使用数据和人口结构数据，各交通小区之间的现状交通出行需求分布矩阵和出行阻抗矩阵以及未来年各交通小区的发生量和吸引量和出行阻抗矩阵，具体如下：步骤1.1)，采集交通小区特征数据，包括交通小区划分范围、交通小区面积和工作岗位总量；步骤1.2)，采集交通小区内的土地使用数据，包括交通小区内的不同用地类型的建筑总面积和开发强度，所述用地类型包括：公共管理与公共服务设施用地、商业服务业设施用地、绿地与广场用地、建设用地、工业用地、居住用地、道路与交通设施用地、公用设施用地、物流仓储用地；步骤1.3)，采集交通小区内的人口结构数据，包括交通小区内的人口总量，性别比例，年龄分布和失业人口比例。3.根据权利要求2所述的一种改进重力模型交通分布预测方法，其特征在于，步骤2)中，依据上述采集的城市交通出行需求分布相关数据将交通小区划分为不同的类别，具体如下：步骤2.1)，根据研究范围和采集到的城市交通出行需求分布相关数据确定分类特征；步骤2.2)，根据分类特征，采用聚类算法，将交通小区划分为四种类别：住宅主导型交通小区、商业主导型交...

【专利技术属性】
技术研发人员：赵德，陈宇，金坤，王炜，华雪东，秦韶阳，魏雪延，
申请(专利权)人：东南大学，
类型：发明
国别省市：