基于多源数据的交通小区划分方法研究
发布时间：2021-10-27 11:36
交通小区是交通特征分析的基本单元,交通小区划分是否得当将直接影响后续交通规划工作。在大数据时代,传统的交通小区划分方法由于其静态性难以兼顾当前的居民出行特性,通过结合实际的城市出行大数据和土地利用情况得到的交通分区结果更加有益于交通规划和城市空间结构分析。基于上述背景,本文提出一种多源城市大数据驱动的、以实际街区地块为基本聚合单元的交通小区划分方法。首先从多源城市大数据中挖掘多种街区聚合特征;从POI兴趣点数据中挖掘街区的土地利用特征;从公共交通智能卡数据、共享单车租赁数据和出租车与网约车出行数据中挖掘街区的时空出行特征和换乘出行特征。其次基于这些数据特征提出一种交通小区聚合算法,将街区聚合为交通小区。交通小区聚合算法首先基于公交、地铁站点的时空出行流量特征,应用模糊K-均值聚类算法对站点进行聚类分析,进而根据站点聚类结果结合街区的核心贡献度选定交通小区的核心区块。以选定的核心区块为中心,根据从POI大数据驱动更新的街区实际土地使用特征以及从出租车、网约车、共享单车等多源数据挖掘出的时空出行特征,将街区地块聚合成交通小区。并提出一种同质性损失量计算方法,以确定最优的分区数量。本文以交通...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
各类POI数量图
哈尔滨工业大学工程硕士学位论文31图3-2不同土地利用类别面积比例3.6本章小结本章通过对多源城市大数据的挖掘和融合，提出多种数据特征提取方法用于下文的交通小区聚合算法。挖掘公共交通站点的时空出行特征，并对站点进行性质标定；通过提取共享单车和出租车出行的时空出行特征，并将出行OD与街区进行位置匹配提取街区的出行相似性特征；对共享单车出行中的换乘出行行为进行挖掘筛选，并与街区进行位置匹配以提取街区的换乘特征；对POI数据进行重新分类，通过统计街区内部的POI数据类别，对街区的土地利用性质进行更新。最后在简要介绍本文应用的多源大数据来源及特征的基础上，对包括公交IC卡数据、地铁AFS数据、共享单车租赁数据、出租车和网约车出行数据以及POI数据的原始数据进行了地图校正与匹配、标准化、冗余数据删减等预处理。
哈尔滨工业大学工程硕士学位论文48第5章基于多源数据的北京市区交通小区划分继引入和定义了基于多源数据的交通小区聚合算法原理之后，本章将该分区算法应用于案例研究，并对其过程和结果进行描述分析，本文以北京市六环以内的区域为研究区域进行案例实验。通过执行交通小区聚合算法，得到不同划分数量下的交通小区结果，并对每种分区结果计算其同质性损失量，从而选出最佳的分区数量方案得到最优的交通小区划分。为了验证本文提出的基于多源数据的交通小区划分方法的有效性和优越性，本章提出了用于评价交通小区分区系统的指标算法。并将其应用于本文的交通小区分区结果和北京市2015年的交通小区划分方案，对计算结果进行分析比较，验证本文提出的基于多源数据的交通划分方法具有一定优势。5.1研究区域背景北京市总面积约16410.54平方公里。六条环线将城市划分为几个职住关系不平衡的区域。六环以内的居民占全市常住人口的78%，五环以内的居民占总人口的43%。本文的研究区域为北京六环以内的城区，区域总面积为2267平方公里。北京拥有一个现代化的立体交通网络，四通八达。截至2017年，共有公交线路1020条，总里程19158公里；19条轨道交通线路，运营里程574公里。2017年，北京地铁年乘客量达到45.3亿人次，日均客流为1241.1万人次，单日客运量最高达1327.46万人次。本文以北京街区地块数据为基础合并单元数据，即作为聚合成交通小区的基本单元。数据包含北京市六环内的7.8万个街区地块，主要包含两个数据特征：街区的编号和地块的面积（面积m2）。街区样例图如下所示：图5-1北京市实际街区地块
【参考文献】：
期刊论文
[1]基于随机游走算法的交通诱导小区划分方法[J]. 刘翔宇,杨庆芳,隗海林. 吉林大学学报(工学版). 2018(05)
[2]基于划分的聚类在交通规划小区中的应用[J]. 刘彦斌,智伟,温熙华,刘云鹏,程元晖,方志远. 物流科技. 2017(08)
[3]交通小区划分对路网流量分配结果的影响分析[J]. 蒋萌露,邵敏华,孙立军. 交通信息与安全. 2017(02)
[4]利用公交刷卡数据分析北京职住关系和通勤出行[J]. 龙瀛,张宇,崔承印. 地理学报. 2012(10)
[5]基于模糊聚类的交通小区划分方法研究[J]. 刘乙霏. 物流科技. 2011(09)
[6]基于聚类分析方法的公交站点客流匹配方法研究[J]. 尹长勇,陈艳艳,陈绍辉. 交通信息与安全. 2010(03)
[7]基于出租车GPS数据聚类分析的交通小区动态划分方法研究[J]. 吕玉强,秦勇,贾利民,董宏辉,贾献博,孙智源. 物流技术. 2010(09)
[8]居民出行调查中交通小区划分方法的改进[J]. 赵锦焕,李文权. 交通运输工程与信息学报. 2009(02)
[9]城市道路网络交通小区划分方法研究[J]. 李晓丹,杨晓光,陈华杰. 计算机工程与应用. 2009(05)
[10]基于聚类分析的交通小区划分方法的改进[J]. 杨波,刘海洲. 交通与运输(学术版). 2007(01)
硕士论文
[1]基于出行相似性的交通小区划分方法研究[D]. 李明.北京交通大学 2019
[2]基于GWR的共享单车出行特征及影响因素空间异质性研究[D]. 程小丹.长安大学 2019
[3]基于公交通勤的城市职住空间特征研究[D]. 林龙.华南理工大学 2018
[4]自行车换乘轨道交通影响范围研究[D]. 刘伟丹.华东交通大学 2016
[5]基于轨道交通的城市自行车换乘系统研究[D]. 武静.重庆交通大学 2016
[6]基于多源数据的公共交通通勤出行特征提取方法研究[D]. 王月玥.北京工业大学 2014
[7]交通小区的理论分析和划分方法研究[D]. 宋亮.长安大学 2011
[8]交通小区在交通规划中若干技术问题的研究[D]. 于慧杰.西安电子科技大学 2008
[9]大城市自行车与轨道交通换乘系统研究[D]. 米文勇.西南交通大学 2007
[10]基于公交IC信息的公交数据分析方法研究[D]. 戴霄.东南大学 2006
本文编号：3461521
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
各类POI数量图
哈尔滨工业大学工程硕士学位论文31图3-2不同土地利用类别面积比例3.6本章小结本章通过对多源城市大数据的挖掘和融合，提出多种数据特征提取方法用于下文的交通小区聚合算法。挖掘公共交通站点的时空出行特征，并对站点进行性质标定；通过提取共享单车和出租车出行的时空出行特征，并将出行OD与街区进行位置匹配提取街区的出行相似性特征；对共享单车出行中的换乘出行行为进行挖掘筛选，并与街区进行位置匹配以提取街区的换乘特征；对POI数据进行重新分类，通过统计街区内部的POI数据类别，对街区的土地利用性质进行更新。最后在简要介绍本文应用的多源大数据来源及特征的基础上，对包括公交IC卡数据、地铁AFS数据、共享单车租赁数据、出租车和网约车出行数据以及POI数据的原始数据进行了地图校正与匹配、标准化、冗余数据删减等预处理。
哈尔滨工业大学工程硕士学位论文48第5章基于多源数据的北京市区交通小区划分继引入和定义了基于多源数据的交通小区聚合算法原理之后，本章将该分区算法应用于案例研究，并对其过程和结果进行描述分析，本文以北京市六环以内的区域为研究区域进行案例实验。通过执行交通小区聚合算法，得到不同划分数量下的交通小区结果，并对每种分区结果计算其同质性损失量，从而选出最佳的分区数量方案得到最优的交通小区划分。为了验证本文提出的基于多源数据的交通小区划分方法的有效性和优越性，本章提出了用于评价交通小区分区系统的指标算法。并将其应用于本文的交通小区分区结果和北京市2015年的交通小区划分方案，对计算结果进行分析比较，验证本文提出的基于多源数据的交通划分方法具有一定优势。5.1研究区域背景北京市总面积约16410.54平方公里。六条环线将城市划分为几个职住关系不平衡的区域。六环以内的居民占全市常住人口的78%，五环以内的居民占总人口的43%。本文的研究区域为北京六环以内的城区，区域总面积为2267平方公里。北京拥有一个现代化的立体交通网络，四通八达。截至2017年，共有公交线路1020条，总里程19158公里；19条轨道交通线路，运营里程574公里。2017年，北京地铁年乘客量达到45.3亿人次，日均客流为1241.1万人次，单日客运量最高达1327.46万人次。本文以北京街区地块数据为基础合并单元数据，即作为聚合成交通小区的基本单元。数据包含北京市六环内的7.8万个街区地块，主要包含两个数据特征：街区的编号和地块的面积（面积m2）。街区样例图如下所示：图5-1北京市实际街区地块
【参考文献】：
期刊论文
[1]基于随机游走算法的交通诱导小区划分方法[J]. 刘翔宇,杨庆芳,隗海林. 吉林大学学报(工学版). 2018(05)
[2]基于划分的聚类在交通规划小区中的应用[J]. 刘彦斌,智伟,温熙华,刘云鹏,程元晖,方志远. 物流科技. 2017(08)
[3]交通小区划分对路网流量分配结果的影响分析[J]. 蒋萌露,邵敏华,孙立军. 交通信息与安全. 2017(02)
[4]利用公交刷卡数据分析北京职住关系和通勤出行[J]. 龙瀛,张宇,崔承印. 地理学报. 2012(10)
[5]基于模糊聚类的交通小区划分方法研究[J]. 刘乙霏. 物流科技. 2011(09)
[6]基于聚类分析方法的公交站点客流匹配方法研究[J]. 尹长勇,陈艳艳,陈绍辉. 交通信息与安全. 2010(03)
[7]基于出租车GPS数据聚类分析的交通小区动态划分方法研究[J]. 吕玉强,秦勇,贾利民,董宏辉,贾献博,孙智源. 物流技术. 2010(09)
[8]居民出行调查中交通小区划分方法的改进[J]. 赵锦焕,李文权. 交通运输工程与信息学报. 2009(02)
[9]城市道路网络交通小区划分方法研究[J]. 李晓丹,杨晓光,陈华杰. 计算机工程与应用. 2009(05)
[10]基于聚类分析的交通小区划分方法的改进[J]. 杨波,刘海洲. 交通与运输(学术版). 2007(01)
硕士论文
[1]基于出行相似性的交通小区划分方法研究[D]. 李明.北京交通大学 2019
[2]基于GWR的共享单车出行特征及影响因素空间异质性研究[D]. 程小丹.长安大学 2019
[3]基于公交通勤的城市职住空间特征研究[D]. 林龙.华南理工大学 2018
[4]自行车换乘轨道交通影响范围研究[D]. 刘伟丹.华东交通大学 2016
[5]基于轨道交通的城市自行车换乘系统研究[D]. 武静.重庆交通大学 2016
[6]基于多源数据的公共交通通勤出行特征提取方法研究[D]. 王月玥.北京工业大学 2014
[7]交通小区的理论分析和划分方法研究[D]. 宋亮.长安大学 2011
[8]交通小区在交通规划中若干技术问题的研究[D]. 于慧杰.西安电子科技大学 2008
[9]大城市自行车与轨道交通换乘系统研究[D]. 米文勇.西南交通大学 2007
[10]基于公交IC信息的公交数据分析方法研究[D]. 戴霄.东南大学 2006
本文编号：3461521
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3461521.html
