一种基于商业空间活力的评价商业街区方案的方法技术

本发明专利技术提出了一种基于商业空间活力的评价商业街区方案的方法，该方法包括：获取参照商业街区的空间特征数据、样本人群的行人特征数据和样本人群的运动轨迹数据，然后训练获得轨迹生成模型，利用该模型生成样本人群的在规划新建商业街区内的运动轨迹数据，再利用视觉运动模型模拟修正样本人员在将新建规划商业街区的运动轨迹数据，最后获得样本人群在规划的新建商业街区内的店铺访问情况和运动轨迹分布热力图，从而评价规划的新建商业街区的设计方案。本发明专利技术为规划新建商业街区的评价提供了科学的评价方法，从而优选规划设计方案。从而优选规划设计方案。从而优选规划设计方案。

【技术实现步骤摘要】
一种基于商业空间活力的评价商业街区方案的方法


[0001]本专利技术属于轨迹预测
，具体涉及一种基于商业空间活力的评价商业街区方案的方法。

技术介绍

[0002]行为轨迹预测多是基于当前运动轨迹的视频预测未来轨迹概率，这种预测不适用于商业空间开发与设计。
[0003]当前商业空间行为轨迹预测技术主要集中于疏散人群运动行为，而忽视休闲购物人群行为的研究。仅有休闲购物人群行为轨迹的研究多采用视觉原理或者行为效用原理，但是视觉与效用在运动选择过程中共同作用，单一考量的准确性势必不足，。

技术实现思路

[0004]本专利技术所要解决的技术问题在于针对上述现有技术的不足，提供了一种基于商业空间活力的评价商业街区方案的方法，该方法采用参照商业街区的行人特征数据和运动轨迹数据，以及参照商业街区的空间特征数据训练得到轨迹生成模型，然后模拟出样本人员在将新建规划商业街区的运动轨迹数据，再利用视觉运动模型模拟修正样本人员在将新建规划商业街区的运动轨迹数据，最后获得样本人群在规划的新建商业街区内的店铺访问情况和运动轨迹分布热力图，从而评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于商业空间活力的评价商业街区方案的方法，其特征在于，包括：S1、获取参照商业街区的空间特征数据，以及采集参照商业街区内样本人群的行人特征数据和样本人群的运动轨迹数据；若新商业街区为规划新建商业街区，则以规划新建商业街区为中心，寻找周边与所述规划新建商业街区类似的商业街区，将其作为参照商业街区，获取所述参照商业街区的空间特征数据、样本人群的行人特征数据和运动轨迹数据；若新商业街区为改造原商业街区，则以原商业街区作为参照商业街区，获取原商业街区的的空间特征数据、样本人群的行人特征数据和运动轨迹数据；S2、基于逻辑回归模型，将S1中获取的参照商业街区的空间特征数据和样本人群的行人特征数据作为自变量，将样本人群的运动轨迹数据作为因变量，通过训练学习生成轨迹生成模型；S3、将S1中获取的参照商业街区的样本人群的行人特征数据和规划方案中新建商业街区的空间特征数据作为输入，输入到S2中训练好的轨迹生成模型，输出所述样本人群在规划新建商业街区内的运动轨迹数据；S4、根据S3中输出的所述样本人群在规划新建商业街区内的运动轨迹数据，在视觉运动模型中模拟修正样本人群在规划的新建商业街区中的运动轨迹数据，完成模拟后，得到样本人群在规划的新建商业街区内的店铺访问情况和运动轨迹分布热力图；店铺访问情况包括所有店铺的总访问量、单店铺的访问量、单人平均访问量；S5、根据店铺访问情况和运动轨迹分布热力图评价规划的新建商业街区的设计方案。2.根据权利要求1所述的一种基于商业空间活力的评价商业街区方案的方法，其特征在于，S1中所述样本人群的行人特征数据包括样本人群的年龄、性别、年龄群组、人数群组、性别群组、店铺类型访问历史和行进类型；所述所述年龄群组按照所述样本人群中每个样本人员的年龄进行划分，可分为小孩组、成年人组、老年人组与年龄混合组四类；所述人数群组按照所述样本人群中每个样本人员是否与朋友、家人等其他人一起到所述参照商业街区进行划分，可分为个人、两人群，三人以上群；所述性别群组按照所述群组样本人群中每个人的性别进行划分，可分为女性组、男性组与男女混合组三类；所述店铺类型访问历史指样本人群内每个样本人员从进入到离开所述参照商业街区这段时间内访问店铺类型的情况；所述行进类型根据所述样本人群内每个样本人员在所述参照商业街区内离开开口与起点开口是否相同的关系，划分为两种，分别定义为行进类型1和行进类型2；所述样本人群的运动轨迹数据记录了所述样本人群每个样本人员在参照商业街区内的运动轨迹，所述运动轨迹包括运动路径与运动目的地，运动目的地由包括进入的店铺和离开参照商业街区的出口；所述所述空间特征数据包括场地形状与尺寸、店铺类型与面积，店铺广告牌尺寸以及店铺的用户评价。3.根据权利要求1或2所述的一种基于商业空间活力的评价商业街区方案的方法，其特征在于，S2中所述轨迹生成模型的训练过程包括：
S201、将S1中样本人群随机分成两组，其中一组样本人群的行人特征数据和运动轨迹数据作为训练集，另一组样本人群行人特征数据和运动轨迹数据作为测试集；S202、将训练集内的样本人群的行人特征数据和参照商业街区的空间特征数据作为自变量，训练集内的样本人群的运动轨迹数据作为因变量，输入到逻辑回归模型中，基于支持向量机的机器学习，生成轨迹生成模型的方程，该方程包括自变量、因变量与各变量的系数；S203、将测试集内的样本人群的行人特征数据和参照商业街区的空间特征数据输入到生成的轨迹生成模型中，采用蒙特卡洛随机分配算法，得到测试集内每个样本人员的预测运动轨迹，与测试集内记载的每个样本人员的实际的运动轨迹...

【专利技术属性】
技术研发人员：连海涛，胡一可，白梅，王振报，张思迦，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：