CN113128899A - 一种基于移动位置数据的城市通勤特征解析*** - Google Patents
一种基于移动位置数据的城市通勤特征解析*** Download PDFInfo
- Publication number
- CN113128899A CN113128899A CN202110482770.4A CN202110482770A CN113128899A CN 113128899 A CN113128899 A CN 113128899A CN 202110482770 A CN202110482770 A CN 202110482770A CN 113128899 A CN113128899 A CN 113128899A
- Authority
- CN
- China
- Prior art keywords
- area
- determining
- commuting
- employment
- commute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011160 research Methods 0.000 claims abstract description 125
- 238000000926 separation method Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 230000005855 radiation Effects 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000011835 investigation Methods 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 7
- 238000005192 partition Methods 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于移动位置数据的城市通勤特征解析***,涉及城市规划及数据处理技术领域,包括:通勤辐射范围确定模块,职住分离评价指标计算模块,空间职住特征分类模块,5公里以内通勤人口比重确定模块,公交通勤服务能力确定模块和轨道覆盖通勤计算模块。上述模块均是通过基于研究区域的移动位置数据,确定相应的通勤特征。通勤特征包括通勤辐射范围、职住分离评价指标、职住平衡型、5公里以内通勤人口比重、公交通勤服务能力和轨道覆盖通勤。因此,本发明能够准确全面了解研究区域的通勤特征。
Description
技术领域
本发明涉及城市规划及数据处理技术领域,特别是涉及一种基于移动位置数据的城市通勤特征解析***。
背景技术
快速城镇化进程使得中国大城市的职住空间关系发生了深刻的嬗变,同时也带来长距离通勤和交通拥堵等城市病问题。科学研判城市职住空间演变规律及通勤需求,是城市体检、轨道交通建设、风险防控等城市热点工作关键环节。因此应用大数据来定量分析我国影响城市发展形态的主要因素具有重要意义。。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于移动位置数据的城市通勤特征解析***,能够基于移动位置数据准确解析城市通勤特征,通过通勤数据指标、空间分析,呈现出城市空间的特征、关系和问题。
为实现上述目的,本发明提供了如下方案:
一种基于移动位置数据的城市通勤特征解析***,包括:
通勤辐射范围确定模块,用于基于研究区域的移动位置数据,确定椭圆形的通勤辐射范围;
职住分离评价指标计算模块,用于基于研究区域的移动位置数据,计算职住分离评价指标;所述职住分离评价指标包括职住分离度、实际平均通勤距离和过剩通勤系数;
空间职住特征分类模块,用于基于研究区域的移动位置数据,确定职住平衡型;所述职住平衡类型包括职住平衡型、居住主导型、就业主导型和职住双重主导型;
5公里以内通勤人口比重确定模块,用于基于研究区域的移动位置数据,从中计算距离小于5公里的通勤人口比重;
公交通勤服务能力确定模块,用于基于研究区域的移动位置数据,确定公交通勤服务能力;所述公交通勤服务能力包括公交通勤服务能力指数和公交薄弱供给指数;
轨道覆盖通勤计算模块,用于基于研究区域的移动位置数据,计算轨道覆盖通勤;所述轨道覆盖通勤包括轨道覆盖居住人口比例、轨道覆盖就业人口比例和轨道覆盖通勤个体。
可选地,还包括:
数据获取模块,用于获取研究区域的移动位置数据;所述移动位置数据为通勤OD数据。
可选地,还包括:
数据显示模块,用于显示研究区域的通勤特征;所述通勤特征包括通勤辐射范围、职住分离评价指标、职住平衡型、5公里以内通勤人口比重、公交通勤服务能力和轨道覆盖通勤。
可选地,所述通勤辐射范围确定模块,包括:
工具调用单元,用于调用标准差椭圆工具;
通勤辐射范围确定单元,用于基于研究区域的移动位置数据和所述标准差椭圆工具,确定椭圆形的通勤辐射范围;所述椭圆形的通勤辐射范围的属性值包括平均中心、长轴、短轴以及椭圆方向。
可选地,所述职住分离评价指标计算模块,包括:
空间单元尺度确定单元,用于基于研究区域的移动位置数据,确定研究区域的空间单元尺度;
职住分离评价指标计算单元,用于基于研究区域的移动位置数据和空间单元尺度,采用聚类优化算法,计算职住分离评价指标。
可选地,所述空间职住特征分类模块,包括:
样本集合确定单元,用于基于研究区域的移动位置数据,确定研究区域对应的目标样本集合和目标单元集合;所述目标样本集合包括多个目标研究个体;所述目标单元集合包括多个子区域;
隶属关系确定单元,用于根据所述目标样本集合和所述目标单元集合,确定每个所述目标研究个体的隶属关系;所述隶属关系包括居住区域关系、就业区域关系、以及居住就业区域关系;
计数单元,用于确定每个所述子区域对应的第一计数、第二计数、第三计数以及第四计数;所述第一计数为在所述子区域内,隶属关系为居住区域关系的目标研究个体的数量;所述第二计数为在所述子区域内,隶属关系为居住区域关系或居住就业区域关系的目标研究个体的数量;所述第三计数为在所述子区域内,隶属关系为就业区域关系的目标研究个体的数量;所述第四计数为在所述子区域内,隶属关系为就业区域关系或居住就业区域关系的目标研究个体的数量;
第一比值和第二比值计算单元,用于根据所述第一计数和所述第二计数确定每个所述子区域的第一比值,根据所述第三计数和所述第四计数确定每个所述子区域的第二比值;其中,所述第一比值为所述第一计数与所述第二计数的比值;所述第二比值为所述第三计数与所述第四计数的比值;
区域职住平衡空间类型第一确定单元,用于计算每个所述子区域的居住独立性指数和就业独立性指数,并根据所述居住独立性指数和所述就业独立性指数确定每个所述子区域的职住平衡空间类型;所述居住独立性指数为一个所述第一比值与第一平均值的比值;所述就业独立性指数为一个所述第二比值与第二平均值的比值;所述第一平均值为所有所述第一比值的平均值;所述第二平均值为所有所述第二比值的平均值;
区域职住平衡空间类型第二确定单元,用于根据第一职住平衡特征值和第二职住平衡特征值确定每个所述子区域的职住平衡空间类型;所述第一职住平衡特征值是根据所述居住独立性指数、子区域居住人口密度以及研究区域居住人口密度确定的,所述第二职住平衡特征值是根据所述就业独立性指数、子区域就业人口密度以及研究区域就业人口密度确定的。
可选地,所述5公里以内通勤人口比重确定模块,具体包括:
5公里内通勤人口数量确定单元,用于基于研究区域的移动位置数据,确定5公里内通勤人口数量;
5公里以内通勤人口比重计算单元,用于基于研究区域的移动位置数据和所述5公里内通勤人口数量,计算距离小于5公里的通勤人口比重。
可选地,所述公交通勤服务能力确定模块,具体包括:
OD出行数据确定单元,用于基于研究区域的移动位置数据,确定多条OD出行数据;每条所述OD出行数据均包括O点空间坐标、D点空间坐标以及OD间出行量;
公交信息确定单元,用于根据每条所述OD出行数据,调用互联网地图公交出行路径API程序,确定每条所述OD出行数据对应的完整公交出行链信息与公交出行时间;所述互联网地图公交路径API程序内置有所述研究区域对应的公交线路数据;所述公交线路数据包括公交线路、公交站点属性信息及公交站点空间坐标;
公交出行链总时间计算单元,用于根据每条公交线路发车时间频率数据、每条所述OD出行数据对应的完整公交出行链信息,确定每条所述OD出行数据对应的乘降站点候车时间,并将所述公交出行时间和所述乘降站点候车时间之和确定为每条OD出行数据对应的公交出行链总时间;
公交通勤服务能力指数计算单元,用于将每条OD出行数据对应的所述公交出行链总出行时间,分别与第一设定时间阈值进行比较以确定第一比较结果,然后根据每个所述第一比较结果以及每个所述第一比较结果对应的所述OD出行数据确定所述研究区域的公交通勤服务能力指数;
平均公交通勤时耗计算单元,用于根据所有所述公交出行链总出行时间,与每条所述OD出行数据进行地理空间匹配,确定所述研究区域各出行空间单元的平均公交通勤时耗;
公交薄弱供给指数计算单元,用于将各出行空间单元的平均公交通勤时耗,分别与第二设定时间阈值进行比较以确定第二比较结果,然后根据每个所述第二比较结果确定研究区域的公交薄弱供给指数。
可选地,所述轨道覆盖通勤计算模块,包括:
样本集合确定单元,用于基于研究区域的移动位置数据,确定研究区域对应的目标研究样本集合、区域范围内居住样本集合和区域范围内就业样本集合;
轨道范围确定单元,用于确定所述研究区域对应的轨道范围;
轨道覆盖居住人口比例计算单元,用于根据所述区域范围内居住样本集合和所述轨道范围,计算所述研究区域的轨道覆盖居住人口比例;
轨道覆盖就业人口比例计算单元,用于根据所述区域范围内就业样本集合和所述轨道范围,计算所述研究区域的轨道覆盖就业人口比例;
轨道覆盖通勤人口比例计算单元,用于根据所述目标研究样本集合和所述轨道范围,计算所述研究区域的轨道覆盖通勤人口比例。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种基于移动位置数据的城市通勤特征解析***,从通勤范围、空间匹配、通勤距离、幸福通勤、公交服务以及轨道覆盖这几个角度出发,基于移动位置数据准确全面了解研究区域的通勤特征。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于移动位置数据的城市通勤特征解析***的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于移动位置数据的城市通勤特征解析***,能够基于移动位置数据准确确定城市通勤特征。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例提供了一种基于移动位置数据的城市通勤特征解析***,如图1所示,包括:
通勤辐射范围确定模块,用于基于研究区域的移动位置数据,确定椭圆形的通勤辐射范围。
职住分离评价指标计算模块,用于基于研究区域的移动位置数据,计算职住分离评价指标;所述职住分离评价指标包括职住分离度、实际平均通勤距离和过剩通勤系数。
空间职住特征分类模块,用于基于研究区域的移动位置数据,确定职住平衡型;所述职住平衡类型包括职住平衡型、居住主导型、就业主导型和职住双重主导型。
5公里以内通勤人口比重确定模块,用于基于研究区域的移动位置数据,从中计算距离小于5公里的通勤人口比重。
公交通勤服务能力确定模块,用于基于研究区域的移动位置数据,确定公交通勤服务能力。所述公交通勤服务能力包括公交通勤服务能力指数和公交薄弱供给指数。
轨道覆盖通勤计算模块,用于基于研究区域的移动位置数据,计算轨道覆盖通勤;所述轨道覆盖通勤包括轨道覆盖居住人口比例、轨道覆盖就业人口比例和轨道覆盖通勤个体。
作为一种优选的具体实施方式,本发明实施例所述的确定***还包括:
数据获取模块,用于获取研究区域的移动位置数据;所述移动位置数据为通勤OD数据。
通勤OD数据:来自互联网地图位置服务或移动通信运营商手机数据获得的居民居住地信息、居民就业地信息,形成通勤人口的移动轨迹数据。
作为一种优选的具体实施方式,本发明实施例所述的确定***还包括:
数据显示模块,用于显示研究区域的通勤特征;所述通勤特征包括通勤辐射范围、职住分离评价指标、职住平衡型、5公里以内通勤人口比重、公交通勤服务能力和轨道覆盖通勤。
本发明实施例所述的数据显示模块的显示界面可以为人机交互界面,可以选择其中一个通勤特征、多个通勤特征或者全部通勤特征进行显示。
作为一种优选的具体实施方式,本发明实施例所述的通勤辐射范围确定模块,从通勤范围角度出发,以通勤椭圆的长轴半径来体现城市运行需要支撑的空间尺度。
所述通勤辐射范围确定模块包括:
工具调用单元,用于调用标准差椭圆工具;其中,标准差椭圆工具为现有工具,在此不过多赘述。
通勤辐射范围确定单元,用于基于研究区域的移动位置数据和所述标准差椭圆工具,确定椭圆形的通勤辐射范围;所述椭圆形的通勤辐射范围的属性值包括平均中心、长轴、短轴以及椭圆方向。
一个示例:构建了覆盖90%中心城区通勤人口居住与就业分布的空间椭圆,以椭圆长轴定义通勤空间半径,作为城市通勤范围测度,且通勤空间半径越大,说明城市功能辐射的空间范围越大。
作为一种优选的具体实施方式,本发明实施例所述的职住分离评价指标计算模块,从空间投放或者空间匹配角度出发,审视现有职住供给是否合理,在现有居住和就业空间分布的基础上,按通勤距离最短原则重新匹配每个居民的职住对应关系,获得理论最小平均通勤距离。
所述职住分离评价指标计算模块包括:
空间单元尺度确定单元,用于基于研究区域的移动位置数据,确定研究区域的空间单元尺度。
职住分离评价指标计算单元,用于基于研究区域的移动位置数据和空间单元尺度,采用聚类优化算法,计算职住分离评价指标。
作为一种优选的具体实施方式,本发明实施例所述的职住平衡型确定模块,以职住特征分区,呈现通勤空间联系以及分区通勤人口构成特征。
所述空间职住特征分类模块包括:
样本集合确定单元,用于基于研究区域的移动位置数据,确定研究区域对应的目标样本集合和目标单元集合;所述目标样本集合包括多个目标研究个体;所述目标单元集合包括多个子区域。
其中,所述样本集合确定单元具体包括:根据研究区域的边界范围,确定区域范围矢量文件;将所述区域范围矢量文件按照设定区域划分规则划分为多个子区域;基于研究区域的移动位置数据确定研究区域对应的每个样本个体的居住地坐标和就业地坐标;以所述居住地坐标和所述就业地坐标为圆心,以第一尺寸为半径,确定每个所述样本个体对应的居住圆和就业圆;计算每个所述样本个体对应的第一并集区域;所述第一并集区域为所述居住圆和所述就业圆在平面上的并集区域;计算每个所述样本个体对应的第一交集区域;所述第一交集区域为所述第一并集区域与所述区域范围矢量文件在平面上的交集区域;判断每个所述样本个体对应的所述第一交集区域的面积值是否大于0;若是,则将所述样本个体标记为目标研究个体;根据所有所述目标研究个体,构建目标样本集合;根据所有所述子区域,构建目标单元集合。
隶属关系确定单元,用于根据所述目标样本集合和所述目标单元集合,确定每个所述目标研究个体的隶属关系;所述隶属关系包括居住区域关系、就业区域关系、以及居住就业区域关系。
其中,所述隶属关系确定单元具体包括:将所述目标研究个体对应的居住圆与每个所述子区域的交集区域整合,得到每个所述目标研究个体对应的第二交集集合;所述第二交集集合内的元素数为一个或者多个;所述第二交集集合内的元素表示所述居住圆与一个所述子区域的交集区域;判断每个所述目标研究个体对应的第二交集集合的元素个数是否等于1,若所述第二交集集合的元素个数等于1则将所述第二交集集合中元素对应的子区域与目标研究个体的对应关系确定为居住区域关系,若所述第二交集集合的元素个数大于1则确定所述第二交集集合中每个元素的面积值,并将面积值最大的元素所对应的子区域与目标研究个体的对应关系确定为居住区域关系;将所述目标研究个体对应的就业圆与每个所述子区域的交集区域整合,得到每个所述目标研究个体对应的第三交集集合;所述第三交集集合内的元素数为一个或者多个;所述第三交集集合内的元素表示所述就业圆与一个所述子区域的交集区域;判断每个所述目标研究个体对应的第三交集集合的元素个数是否等于1,若所述第三交集集合的元素个数等于1则将所述第三交集集合中元素对应的子区域与目标研究个体的对应关系确定为就业区域关系,若所述第三交集集合的元素个数大于1则确定所述第三交集集合中每个元素的面积值,并将面积值最大的元素所对应的子区域与目标研究个体的对应关系确定为就业区域关系;当所述目标研究个体仅对应居住区域关系时,标记所述目标研究个体的隶属关系为居住区域关系;当所述目标研究个体仅对应就业区域关系时,标记所述目标研究个体的隶属关系为就业区域关系;当所述目标研究个体对应居住区域关系和就业区域关系时,标记所述目标研究个体的隶属关系为居住就业区域关系。
计数单元,用于确定每个所述子区域对应的第一计数、第二计数、第三计数以及第四计数;所述第一计数为在所述子区域内,隶属关系为居住区域关系的目标研究个体的数量;所述第二计数为在所述子区域内,隶属关系为居住区域关系或居住就业区域关系的目标研究个体的数量;所述第三计数为在所述子区域内,隶属关系为就业区域关系的目标研究个体的数量;所述第四计数为在所述子区域内,隶属关系为就业区域关系或居住就业区域关系的目标研究个体的数量。
第一比值和第二比值计算单元,用于根据所述第一计数和所述第二计数确定每个所述子区域的第一比值,根据所述第三计数和所述第四计数确定每个所述子区域的第二比值;其中,所述第一比值为所述第一计数与所述第二计数的比值;所述第二比值为所述第三计数与所述第四计数的比值。
区域职住平衡空间类型第一确定单元,用于计算每个所述子区域的居住独立性指数和就业独立性指数,并根据所述居住独立性指数和所述就业独立性指数确定每个所述子区域的职住平衡空间类型;所述居住独立性指数为一个所述第一比值与第一平均值的比值;所述就业独立性指数为一个所述第二比值与第二平均值的比值;所述第一平均值为所有所述第一比值的平均值;所述第二平均值为所有所述第二比值的平均值。
其中,Ni为第i个子区域对应的第一比值,Ri为第i个子区域对应的居住独立性指数,n表示子区域总数;Mi为第i个子区域对应的第二比值,Ei为第i个子区域对应的就业独立性指数。
所述根据所述居住独立性指数和所述就业独立性指数确定每个所述子区域的职住平衡空间类型,具体包括:
当所述子区域对应的居住独立性指数小于等于第一阈值且所述就业独立性指数小于等于第二阈值时,所述子区域的职住平衡空间类型为职住平衡型;当所述子区域对应的居住独立性指数大于第一阈值且所述就业独立性指数小于等于第二阈值时,所述子区域的职住平衡空间类型为居住主导型;当所述子区域对应的居住独立性指数小于等于第一阈值且所述就业独立性指数大于第二阈值时,所述子区域的职住平衡空间类型为就业主导型;当所述子区域对应的居住独立性指数大于第一阈值且所述就业独立性指数大于第二阈值时,所述子区域的职住平衡空间类型为职住双重主导型。
区域职住平衡空间类型第二确定单元,用于根据第一职住平衡特征值和第二职住平衡特征值确定每个所述子区域的职住平衡空间类型;所述第一职住平衡特征值是根据所述居住独立性指数、子区域居住人口密度以及研究区域居住人口密度确定的,所述第二职住平衡特征值是根据所述就业独立性指数、子区域就业人口密度以及研究区域就业人口密度确定的。
其中,Xi表示第i个子区域对应的第一职住平衡特征值,Ri表示第i个子区域对应的居住独立性指数,Pi表示第i个子区域范围内的居住人口密度,P表示研究区域范围内的居住人口密度;Yi表示第i个子区域对应的第二职住平衡特征值,Ei表示第i个子区域对应的就业独立性指数,Qi表示第i个子区域范围内的就业人口密度,Q表示研究区域范围内的就业人口密度。
所述根据第一职住平衡特征值和第二职住平衡特征值确定每个所述子区域的职住平衡空间类型,具体包括:
当所述子区域对应的第一职住平衡特征值小于等于第三阈值且所述第二职住平衡特征值小于等于第四阈值时,所述子区域的职住平衡空间类型为职住平衡型。
当所述子区域对应的第一职住平衡特征值大于第三阈值且所述第二职住平衡特征值小于等于第四阈值时,所述子区域的职住平衡空间类型为居住主导型。
当所述子区域对应的第一职住平衡特征值小于等于第三阈值且所述第二职住平衡特征值大于第四阈值时,所述子区域的职住平衡空间类型为就业主导型。
当所述子区域对应的第一职住平衡特征值大于第三阈值且所述第二职住平衡特征值大于第四阈值时,所述子区域的职住平衡空间类型为职住双重主导型。
作为一种优选的具体实施方式,本发明实施例所述的5公里以内通勤人口比重确定模块,从幸福通勤角度出发,以距离小于5公里的通勤人口比重作为衡量城市职住平衡和通勤幸福的指标。
所述5公里以内通勤人口比重确定模块包括:
5公里内通勤人口数量确定单元,用于基于研究区域的移动位置数据,确定5公里内通勤人口数量。
5公里以内通勤人口比重计算单元,用于基于研究区域的移动位置数据和所述5公里内通勤人口数量,计算距离小于5公里的通勤人口比重。
作为一种优选的具体实施方式,本发明实施例所述的公交通勤服务能力确定模块,从公交服务角度出发,以45分钟公交通勤作为城市运行的基本保障。45分钟公交通勤服务能力,呈现公交效率与城市职住布局的匹配程度
所述公交通勤服务能力确定模块包括:
OD出行数据确定单元,用于基于研究区域的移动位置数据,确定多条OD出行数据;所述移动位置数据为通勤OD数据;每条所述OD出行数据均包括O点空间坐标、D点空间坐标以及OD间出行量。
公交信息确定单元,用于根据每条所述OD出行数据,调用互联网地图公交出行路径API程序,确定每条所述OD出行数据对应的完整公交出行链信息(包括出行使用的公交线路、乘降站点、步行距离)与公交出行时间T1,所述互联网地图公交路径API程序内置有所述研究区域对应的公交线路数据;所述公交线路数据包括公交线路、公交站点属性信息及公交站点空间坐标。
公交出行链总时间计算单元,用于根据每条公交线路发车时间频率数据、每条所述OD出行数据对应的完整公交出行链信息,确定每条所述OD出行数据在乘降站点候车时间T2,并将公交出行时间T1与乘降站点候车时间T2之和确定为每条OD出行数据对应的公交出行链总时间T。其中,公交运营时间表数据包括每条公交线路发车时间频率数据。
公交通勤服务能力指数计算单元,用于将每条OD出行数据对应的所述公交出行链总出行时间T,分别与第一设定时间阈值进行比较以确定第一比较结果,然后根据每个所述第一比较结果以及每个所述第一比较结果对应的所述OD出行数据确定所述研究区域的公交通勤服务能力指数。
平均公交通勤时耗计算单元,用于根据所有所述公交出行链总出行时间T,与每条所述OD出行数据进行地理空间匹配,确定所述研究区域各出行空间单元的平均公交通勤时耗。
公交薄弱供给指数计算单元,用于将各出行空间单元的平均公交通勤时耗,分别与第二设定时间阈值进行比较以确定第二比较结果,然后根据每个所述第二比较结果确定研究区域的公交薄弱供给指数。
综合评价单元,用于根据所述公交通勤服务能力指数和所述公交薄弱供给指数,综合评价所述研究区域的公交路线设置及运营服务的合理性,并实现对公交服务薄弱空间单元的精准落位。
作为一种优选的具体实施方式,本发明实施例所述的轨道覆盖通勤计算模块,包括:
样本集合确定单元,用于基于研究区域的移动位置数据,确定研究区域对应的目标研究样本集合、区域范围内居住样本集合和区域范围内就业样本集合。
其中,上述样本集合的确定过程为:根据研究区域的边界范围,确定区域范围矢量文件;基于研究区域的移动位置数据,确定研究区域对应的每个样本个体的居住地坐标和就业地坐标;以所述居住地坐标和所述就业地坐标为圆心,以第一尺寸为半径,确定每个所述样本个体对应的居住圆和就业圆;计算每个所述样本个体对应的第一并集区域;所述第一并集区域为所述居住圆和所述就业圆在平面上的并集区域;计算每个所述样本个体对应的第一交集区域;所述第一交集区域为所述第一并集区域与所述区域范围矢量文件在平面上的交集区域;计算每个所述样本个体对应的第二交集区域;所述第二交集区域为所述居住圆与所述区域范围矢量文件在平面上的交集区域;计算每个所述样本个体对应的第三交集区域;所述第三交集区域为所述就业圆与所述区域范围矢量文件在平面上的交集区域;若样本个体对应的第一交集区域的面积值大于0,则将样本个体标记为目标研究个体;若样本个体对应的第二交集区域的面积值大于0,则将样本个体标记为区域范围内居住个体;若样本个体对应的第三交集区域的面积值大于0,则将样本个体标记为区域范围内就业个体;根据所有所述目标研究个体,构建目标研究样本集合N;根据所有所述区域范围内居住个体,构建区域范围内居住样本集合NR;根据所有所述区域范围内就业个体,构建区域范围内就业样本集合NW;轨道范围确定单元,用于确定所述研究区域对应的轨道范围;
轨道范围确定单元,用于确定所述研究区域对应的轨道范围。
其中,所述轨道范围确定单元具体包括:
确定所述研究区域的边界范围内所有运营地铁对应的所有轨道站点确定每个所述轨道站点对应的所有出入站站点;确定每个所述出入站站点的经纬度坐标;分别以每个所述出入站站点的经纬度坐标为圆心,以第二尺寸为半径,确定每个所述出入站站点对应的出入站站点圆;确定每个轨道站点对应的第二并集区域;所述第二并集区域为一个轨道站点对应的所有所述出入站站点圆在平面上的并集区域;将所有所述第二并集区域进行并集操作处理,得到所述研究区域对应的轨道范围。
轨道覆盖居住人口比例计算单元,用于根据所述区域范围内居住样本集合和所述轨道范围,计算所述研究区域的轨道覆盖居住人口比例。
其中,所述轨道覆盖居住人口比例计算单元具体包括:依次判断所述区域范围内居住样本集合中每个区域范围内居住个体对应的居住圆是否与所述轨道范围有交集区域;若是则将所述区域范围内居住个体标记为轨道覆盖居住个体;根据公式Ra=L/A计算所述研究区域的轨道覆盖居住人口比例;其中,Ra表示轨道覆盖居住人口比例,L表示轨道覆盖居住个体的数量,A表示区域范围内居住样本集合内区域范围内居住个体的数量。
轨道覆盖就业人口比例计算单元,用于根据所述区域范围内就业样本集合和所述轨道范围,计算所述研究区域的轨道覆盖就业人口比例。
其中,所述轨道覆盖就业人口比例计算单元具体包括:依次判断所述区域范围内就业样本集合中每个区域范围内就业个体对应的就业圆是否与所述轨道范围有交集区域;若是则将所述区域范围内就业个体标记为轨道覆盖就业个体;根据公式Rb=Q/B计算所述研究区域的轨道覆盖就业人口比例;其中,Rb表示轨道覆盖就业人口比例,Q表示轨道覆盖就业个体的数量,B表示区域范围内就业样本集合内区域范围内就业个体的数量;
轨道覆盖通勤人口比例计算单元,用于根据所述目标研究样本集合和所述轨道范围,计算所述研究区域的轨道覆盖通勤人口比例。
其中,所述轨道覆盖通勤人口比例计算单元具体包括:依次判断所述目标研究样本集合中每个目标研究个体对应的居住圆和就业圆是否均与所述轨道范围有交集区域;若是则将所述目标研究个体标记为轨道覆盖通勤个体;根据公式Rc=G/B计算所述研究区域的轨道覆盖通勤人口比例;其中,Rc表示轨道覆盖通勤人口比例,G表示轨道覆盖通勤个体的数量,B表示区域范围内就业样本集合内区域范围内就业个体的数量。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于移动位置数据的城市通勤特征解析***,其特征在于,包括:
通勤辐射范围确定模块,用于基于研究区域的移动位置数据,确定椭圆形的通勤辐射范围;
职住分离评价指标计算模块,用于基于研究区域的移动位置数据,计算职住分离评价指标;所述职住分离评价指标包括职住分离度、实际平均通勤距离和过剩通勤系数;
空间职住特征分类模块,用于基于研究区域的移动位置数据,确定职住平衡型;所述职住平衡类型包括职住平衡型、居住主导型、就业主导型和职住双重主导型;
5公里以内通勤人口比重确定模块,用于基于研究区域的移动位置数据,从中计算距离小于5公里的通勤人口比重;
公交通勤服务能力确定模块,用于基于研究区域的移动位置数据,确定公交通勤服务能力;所述公交通勤服务能力包括公交通勤服务能力指数和公交薄弱供给指数;
轨道覆盖通勤计算模块,用于基于研究区域的移动位置数据,计算轨道覆盖通勤;所述轨道覆盖通勤包括轨道覆盖居住人口比例、轨道覆盖就业人口比例和轨道覆盖通勤个体。
2.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,还包括:
数据获取模块,用于获取研究区域的移动位置数据;所述移动位置数据为通勤OD数据。
3.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,还包括:
数据显示模块,用于显示研究区域的通勤特征;所述通勤特征包括通勤辐射范围、职住分离评价指标、职住平衡型、5公里以内通勤人口比重、公交通勤服务能力和轨道覆盖通勤。
4.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,所述通勤辐射范围确定模块,包括:
工具调用单元,用于调用标准差椭圆工具;
通勤辐射范围确定单元,用于基于研究区域的移动位置数据和所述标准差椭圆工具,确定椭圆形的通勤辐射范围;所述椭圆形的通勤辐射范围的属性值包括平均中心、长轴、短轴以及椭圆方向。
5.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,所述职住分离评价指标计算模块,包括:
空间单元尺度确定单元,用于基于研究区域的移动位置数据,确定研究区域的空间单元尺度;
职住分离评价指标计算单元,用于基于研究区域的移动位置数据和空间单元尺度,采用聚类优化算法,计算职住分离评价指标。
6.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,所述空间职住特征分类模块,包括:
样本集合确定单元,用于基于研究区域的移动位置数据,确定研究区域对应的目标样本集合和目标单元集合;所述目标样本集合包括多个目标研究个体;所述目标单元集合包括多个子区域;
隶属关系确定单元,用于根据所述目标样本集合和所述目标单元集合,确定每个所述目标研究个体的隶属关系;所述隶属关系包括居住区域关系、就业区域关系、以及居住就业区域关系;
计数单元,用于确定每个所述子区域对应的第一计数、第二计数、第三计数以及第四计数;所述第一计数为在所述子区域内,隶属关系为居住区域关系的目标研究个体的数量;所述第二计数为在所述子区域内,隶属关系为居住区域关系或居住就业区域关系的目标研究个体的数量;所述第三计数为在所述子区域内,隶属关系为就业区域关系的目标研究个体的数量;所述第四计数为在所述子区域内,隶属关系为就业区域关系或居住就业区域关系的目标研究个体的数量;
第一比值和第二比值计算单元,用于根据所述第一计数和所述第二计数确定每个所述子区域的第一比值,根据所述第三计数和所述第四计数确定每个所述子区域的第二比值;其中,所述第一比值为所述第一计数与所述第二计数的比值;所述第二比值为所述第三计数与所述第四计数的比值;
区域职住平衡空间类型第一确定单元,用于计算每个所述子区域的居住独立性指数和就业独立性指数,并根据所述居住独立性指数和所述就业独立性指数确定每个所述子区域的职住平衡空间类型;所述居住独立性指数为一个所述第一比值与第一平均值的比值;所述就业独立性指数为一个所述第二比值与第二平均值的比值;所述第一平均值为所有所述第一比值的平均值;所述第二平均值为所有所述第二比值的平均值;
区域职住平衡空间类型第二确定单元,用于根据第一职住平衡特征值和第二职住平衡特征值确定每个所述子区域的职住平衡空间类型;所述第一职住平衡特征值是根据所述居住独立性指数、子区域居住人口密度以及研究区域居住人口密度确定的,所述第二职住平衡特征值是根据所述就业独立性指数、子区域就业人口密度以及研究区域就业人口密度确定的。
7.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,所述5公里以内通勤人口比重确定模块,具体包括:
5公里内通勤人口数量确定单元,用于基于研究区域的移动位置数据,确定5公里内通勤人口数量;
5公里以内通勤人口比重计算单元,用于基于研究区域的移动位置数据和所述5公里内通勤人口数量,计算距离小于5公里的通勤人口比重。
8.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,所述公交通勤服务能力确定模块,具体包括:
OD出行数据确定单元,用于基于研究区域的移动位置数据,确定多条OD出行数据;每条所述OD出行数据均包括O点空间坐标、D点空间坐标以及OD间出行量;
公交信息确定单元,用于根据每条所述OD出行数据,调用互联网地图公交出行路径API程序,确定每条所述OD出行数据对应的完整公交出行链信息与公交出行时间;所述互联网地图公交路径API程序内置有所述研究区域对应的公交线路数据;所述公交线路数据包括公交线路、公交站点属性信息及公交站点空间坐标;
公交出行链总时间计算单元,用于根据每条公交线路发车时间频率数据、每条所述OD出行数据对应的完整公交出行链信息,确定每条所述OD出行数据对应的乘降站点候车时间,并将所述公交出行时间和所述乘降站点候车时间之和确定为每条OD出行数据对应的公交出行链总时间;
公交通勤服务能力指数计算单元,用于将每条OD出行数据对应的所述公交出行链总出行时间,分别与第一设定时间阈值进行比较以确定第一比较结果,然后根据每个所述第一比较结果以及每个所述第一比较结果对应的所述OD出行数据确定所述研究区域的公交通勤服务能力指数;
平均公交通勤时耗计算单元,用于根据所有所述公交出行链总出行时间,与每条所述OD出行数据进行地理空间匹配,确定所述研究区域各出行空间单元的平均公交通勤时耗;
公交薄弱供给指数计算单元,用于将各出行空间单元的平均公交通勤时耗,分别与第二设定时间阈值进行比较以确定第二比较结果,然后根据每个所述第二比较结果确定研究区域的公交薄弱供给指数。
9.根据权利要求1所述的一种基于移动位置数据的城市通勤特征解析***,其特征在于,所述轨道覆盖通勤计算模块,包括:
样本集合确定单元,用于基于研究区域的移动位置数据,确定研究区域对应的目标研究样本集合、区域范围内居住样本集合和区域范围内就业样本集合;
轨道范围确定单元,用于确定所述研究区域对应的轨道范围;
轨道覆盖居住人口比例计算单元,用于根据所述区域范围内居住样本集合和所述轨道范围,计算所述研究区域的轨道覆盖居住人口比例;
轨道覆盖就业人口比例计算单元,用于根据所述区域范围内就业样本集合和所述轨道范围,计算所述研究区域的轨道覆盖就业人口比例;
轨道覆盖通勤人口比例计算单元,用于根据所述目标研究样本集合和所述轨道范围,计算所述研究区域的轨道覆盖通勤人口比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482770.4A CN113128899B (zh) | 2021-04-30 | 2021-04-30 | 一种基于移动位置数据的城市通勤特征解析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482770.4A CN113128899B (zh) | 2021-04-30 | 2021-04-30 | 一种基于移动位置数据的城市通勤特征解析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113128899A true CN113128899A (zh) | 2021-07-16 |
CN113128899B CN113128899B (zh) | 2023-03-24 |
Family
ID=76780709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110482770.4A Active CN113128899B (zh) | 2021-04-30 | 2021-04-30 | 一种基于移动位置数据的城市通勤特征解析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128899B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862097A (zh) * | 2023-06-08 | 2023-10-10 | 深圳市蕾奥规划设计咨询股份有限公司 | 一种信息确定方法及设备 |
CN117808169A (zh) * | 2024-01-17 | 2024-04-02 | 中国科学院地理科学与资源研究所 | 城市通勤数据预测方法、终端设备及存储介质 |
CN117973915A (zh) * | 2023-12-22 | 2024-05-03 | 中国城市规划设计研究院 | 一种城市绿色出行发展水平评价方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960406A (zh) * | 2017-02-10 | 2017-07-18 | 浙江大学 | 一种考虑居民出行od的公交服务覆盖率计算方法 |
CN110473132A (zh) * | 2019-08-27 | 2019-11-19 | 上海云砥信息科技有限公司 | 一种基于移动通信数据的区域职住平衡评价方法 |
CN110502567A (zh) * | 2019-07-26 | 2019-11-26 | 北京工业大学 | 一种面向主题的城市轨道交通站点层次poi提取方法 |
CN110705848A (zh) * | 2019-09-18 | 2020-01-17 | 交通运输部公路科学研究所 | 一种基于个体出行链的综合交通服务评价方法及装置 |
CN110705904A (zh) * | 2019-10-15 | 2020-01-17 | 中国城市规划设计研究院 | 一种在线交通承载能力评价*** |
CN110728454A (zh) * | 2019-10-15 | 2020-01-24 | 中国城市规划设计研究院 | 一种个体出行分析*** |
CN111260221A (zh) * | 2020-01-16 | 2020-06-09 | 广州市交通规划研究院 | 一种面向城市全局基于动态模型的交通设施承载力评估方法 |
CN111915200A (zh) * | 2020-08-10 | 2020-11-10 | 北京大学 | 一种基于公交分担率的精细空间尺度的城市公共交通供需状态划分方法 |
CN111932084A (zh) * | 2020-07-15 | 2020-11-13 | 江苏大学 | 一种评估城市公共交通可达性的*** |
-
2021
- 2021-04-30 CN CN202110482770.4A patent/CN113128899B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960406A (zh) * | 2017-02-10 | 2017-07-18 | 浙江大学 | 一种考虑居民出行od的公交服务覆盖率计算方法 |
CN110502567A (zh) * | 2019-07-26 | 2019-11-26 | 北京工业大学 | 一种面向主题的城市轨道交通站点层次poi提取方法 |
CN110473132A (zh) * | 2019-08-27 | 2019-11-19 | 上海云砥信息科技有限公司 | 一种基于移动通信数据的区域职住平衡评价方法 |
CN110705848A (zh) * | 2019-09-18 | 2020-01-17 | 交通运输部公路科学研究所 | 一种基于个体出行链的综合交通服务评价方法及装置 |
CN110705904A (zh) * | 2019-10-15 | 2020-01-17 | 中国城市规划设计研究院 | 一种在线交通承载能力评价*** |
CN110728454A (zh) * | 2019-10-15 | 2020-01-24 | 中国城市规划设计研究院 | 一种个体出行分析*** |
CN111260221A (zh) * | 2020-01-16 | 2020-06-09 | 广州市交通规划研究院 | 一种面向城市全局基于动态模型的交通设施承载力评估方法 |
CN111932084A (zh) * | 2020-07-15 | 2020-11-13 | 江苏大学 | 一种评估城市公共交通可达性的*** |
CN111915200A (zh) * | 2020-08-10 | 2020-11-10 | 北京大学 | 一种基于公交分担率的精细空间尺度的城市公共交通供需状态划分方法 |
Non-Patent Citations (3)
Title |
---|
付凌峰: "基于互联网位置数据城市职住平衡特征研究", 《交通与运输》 * |
张振龙等: "基于职住平衡与通勤的苏州城市职住空间结构特征", 《规划师》 * |
邓敏等: "《空间分析》", 28 February 2015, 测绘出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862097A (zh) * | 2023-06-08 | 2023-10-10 | 深圳市蕾奥规划设计咨询股份有限公司 | 一种信息确定方法及设备 |
CN116862097B (zh) * | 2023-06-08 | 2024-05-31 | 深圳市蕾奥规划设计咨询股份有限公司 | 一种信息确定方法及设备 |
CN117973915A (zh) * | 2023-12-22 | 2024-05-03 | 中国城市规划设计研究院 | 一种城市绿色出行发展水平评价方法及*** |
CN117808169A (zh) * | 2024-01-17 | 2024-04-02 | 中国科学院地理科学与资源研究所 | 城市通勤数据预测方法、终端设备及存储介质 |
CN117808169B (zh) * | 2024-01-17 | 2024-05-07 | 中国科学院地理科学与资源研究所 | 城市通勤数据预测方法、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113128899B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113128899B (zh) | 一种基于移动位置数据的城市通勤特征解析*** | |
CN108564226B (zh) | 一种基于出租车gps及手机信令数据的公交线路优化方法 | |
Calabrese et al. | Understanding individual mobility patterns from urban sensing data: A mobile phone trace example | |
CN112133090A (zh) | 一种基于手机信令数据的多方式交通分布模型构建方法 | |
CN107103392A (zh) | 一种基于时空地理加权回归的公交客流影响因素识别与预测方法 | |
CN108876475B (zh) | 一种基于兴趣点采集的城市功能区识别方法、服务器及存储介质 | |
Wang et al. | Analyzing urban traffic demand distribution and the correlation between traffic flow and the built environment based on detector data and POIs | |
CN109101559B (zh) | 一种基于poi和公交刷卡数据的城市功能区识别方法 | |
CN115168529B (zh) | 一种基于手机定位数据的枢纽客流溯源方法 | |
CN114969007A (zh) | 一种基于功能混合度和集成学习的城市功能区识别方法 | |
CN111738484B (zh) | 一种公交站点选址的方法、装置及计算机可读存储介质 | |
CN110362640B (zh) | 一种基于电子地图数据的任务分配方法及装置 | |
CN108648453A (zh) | 一种基于手机位置更新信息进行交通出行数据画像的方法 | |
Patlins et al. | The new approach for passenger counting in public transport system | |
Chia et al. | Extending public transit accessibility models to recognise transfer location | |
CN116562545A (zh) | 融合多源大数据分析与需求预测的公交规划gis平台 | |
Mou et al. | Urban function identification based on POI and taxi trajectory data | |
CN110728433B (zh) | 一种基于手机信令的地块居住人口测算方法 | |
US20240265409A1 (en) | Methods for determining locations of passenger flow corridors based on card swiping data | |
CN113205213B (zh) | 一种基于互联网地图数据的公交评价方法及*** | |
Sun et al. | Evaluation of bus accessibility based on hotspot detection and matter-element analysis | |
CN117196197A (zh) | 一种公共交通站点布局优化方法 | |
Hatziioannidu et al. | Passenger Demand And Patterns Of Tourists’ Mobility In The Aegean Archipelago With Combined Use Of Big Datasets From Mobile Phones And Statistical Data From Ports And Airports | |
CN112566025B (zh) | 公交客流来源去向识别方法、装置、电子设备和存储介质 | |
CN109508815B (zh) | 基于地铁ic卡数据的通学活动空间测度分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |