基于XGBoost模型的城市交通结构分析方法及系统技术方案

本发明专利技术涉及城市交通规划分析技术领域，公开了一种基于XGBoost模型的城市交通结构分析方法及系统，S1、通过居民入户抽样调查和多元数据融合分析对居民出行方式进行采集，获取居民出行方式数据；S2、提取所述居民出行方式数据的特征指标；S3、将所述特征指标划分为训练集和测试集，将训练集输入至XGBoost模型中对所述XGBoost模型进行训练，并对训练后的XGBoost模型进行测试，得到合格的城市交通结构分析模型；S4、将需要调查的地区的所有居民的手机信令数据输入至所述城市交通结构分析模型中，得到该地区的城市交通结构分析结果。本发明专利技术处理分析规模和空间尺度更大、更广。更广。更广。

【技术实现步骤摘要】
基于XGBoost模型的城市交通结构分析方法及系统


[0001]本专利技术涉及城市交通规划分析
，具体涉及一种基于XGBoost模型的城市交通结构分析方法及系统。

技术介绍

[0002]城市交通结构是指在城市居民出行总量中，小汽车、轨道交通、常规公交及慢行交通(含非机动车和步行)等出行方式的占比情况。城市交通结构是评估分析城市交通发展状况、制定城市交通发展战略目标的基本指标，其在城市交通领域的重要性类似于“用地结构”在城市规划领域中的重要性。在“低碳绿色、集约高效”的发展导向下，以发展绿色交通(轨道交通、常规公交、慢行交通等)为目标、优化调整城市交通结构是北京、上海、广州、深圳等超大城市共同的战略选择，如北京提出力争中心城区绿色出行比例达到76.5％；上海将“中心城绿色交通(轨道交通、公共汽电车、轮渡、自行车和步行)出行比例不低于75％”作为未来10年城市交通结构转型的发展目标；成都提出“2025年，中心城区(12+2城区范围)绿色出行比例达到70％”。因此，为实现全国城市交通结构优化调整转型，准确掌握城市交通结构现状情况是国内城市普通存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost模型的城市交通结构分析方法，其特征在于，包括如下步骤：S1、通过居民入户抽样调查和多元数据融合分析对居民出行方式进行采集，获取居民出行方式数据；S2、提取所述居民出行方式数据的特征指标；S3、将所述特征指标划分为训练集和测试集，将训练集输入至XGBoost模型中对所述XGBoost模型进行训练，并对训练后的XGBoost模型进行测试，得到合格的城市交通结构分析模型；S4、将需要调查的地区的所有居民的手机信令数据输入至所述城市交通结构分析模型中，得到该地区的城市交通结构分析结果。2.根据权利要求1所述的一种基于XGBoost模型的城市交通结构分析方法，其特征在于，所述居民出行方式数据包括居民入户抽样调查得到的居民出行调查数据、多元数据融合分析获取的轨道刷卡、公交刷卡、共享单车、网约出租运行数据。3.根据权利要求2所述的一种基于XGBoost模型的城市交通结构分析方法，其特征在于，通过居民入户抽样调查得到的居民出行调查数据占所述居民出行方式数据的3.5％
‑
4.0％。4.根据权利要求2所述的一种基于XGBoost模型的城市交通结构分析方法，其特征在于，提取所述居民出行方式数据的特征指标的具体步骤为：S2.1、将所述居民出行方式数据的经纬度数据在ArcGIS平台中进行空间化构建面板数据；S2.2、以所述经纬度数据分别作500米缓冲区，将所述面板数据叠合城市用地、房屋租赁、道路拥堵、轨道站点、公交线网的数据，匹配得到每一个所述居民出行方式数据的特征指标。5.根据权利要求4所述的一种基于XGBoost模型的城市交通结构分析方法，其特征在于，所述特征指标包括出行特征、居民属性和交通状态，其中，所述出行特征包括居民的出行距离、出行时耗、出行时段、起点属性和终点属性；所述居民属性包括居民的收入水平、拥车情况和年龄结构；所述交通状态包括起点附近公交设施、轨道设施、共享单车供给情况和出行时段的道路拥堵情况。6.根据权利要求1所述的一种基于XGBoost模型的城市交通结构分析方法，其特征在于，S3的训练过程为：S3.1、将所述训练集的特征指标按照标准格式构建为面板数据，所述面板数据的字段内容和顺序依次为：1.出行方式；2.出行距离；3.出行时段；4.出发区域；5.到达区域；6.收入条件；7.停车条件；8.年龄情况；9.拥堵情况；10.轨道设施；11.公交设施；12.共享单车供给；S3.2、运用python语言，调用...

【专利技术属性】
技术研发人员：蒋源，张晓荣，唐鹏，于儒海，周垠，曹塽，张娜，丁睿，
申请(专利权)人：成都市规划设计研究院，
类型：发明
国别省市：