[发明专利]一种基于空间杜宾模型的O-D时空分布预测方法

说明书

本发明涉及一种基于空间杜宾模型的O‑D时空分布预测方法，属于城市交通规划及管理和智能交通系统的技术领域。加入建成环境作为O‑D时空分布的解释变量，并通过案例证明了建成环境对于O‑D时空分布的解释性；给出了一种用某一交通小区交通生成量或吸引量估计邻近小区交通生成或吸引量的方法。本发明的效果和益处是解释了建成环境对O‑D时空分布影响的溢出效应，并将这种溢出效应分解为直接效应、间接效应和总效应，提高城市O‑D时空分布预测结果的精度。

技术领域

本发明属于城市交通规划及管理的技术领域，涉及交通出行起讫点(Origin-Destination，简称O-D)时空分布和ITS智能交通系统领域，特别适用于基于城市建成环境对O-D时空分布的解释和O-D时空分布的预测方法。

背景技术

现有关于O-D需求分布的研究主要分为O-D数据获取、O-D矩阵构建两个步骤来获得城市交通系统的O-D分布。Alexander采用手机三角定位数据作为个人及家庭日常出行轨迹，其准确性和时效性可替代传统的家庭出行调查数据。Hadavi和Shafahi提出了一种基于交通传感器数据的O-D估计，其应用车牌识别传感器并提出了四个位置模型以获取O-D流。O-D矩阵构建方法主要分为两类：统计学方法和数学规划方法。Ge和Fukuda运用极大熵原理，基于手机GPS轨迹数据实现了工作相关的出行O-D需求估计。Lee提出了一种鲁棒优化方法用于O-D网络评估，其能够产生O-D矩阵并克服O-D需求分布的不确定性。

不管是在O-D数据获取过程还是O-D矩阵构建过程，其在研究中更多的是使用历史起讫点数据、采用数学方法进行O-D反推，往往没有(无法)分析影响O-D分布的内在因素。因此，本发明采用出租车数据，提出一种基于空间杜宾模型的O-D时空分布预测方法，充分考虑了城市建成环境对O-D时空分布的影响，从而提出更精确的预测方法。

发明内容

本发明要解决的技术问题是先利用各交通小区内出租车GPS数据得到各小区O-D分布，然后在此基础上构建空间杜宾模型估算城市建成环境对O-D分布的溢出效应，用城市交通小区内车辆O-D的分布数估计邻近小区的O-D分布数的方法。

本发明的技术方案：

一种基于空间杜宾模型的O-D时空分布预测方法，其特征在于，步骤如下：

(1)交通小区划分

首先对研究区域进行交通小区划分，可采用行政乡镇街道划分或栅格化划分方式。

(2)城市建成环境要素提取与统计

依据研究需要，提取交通小区内各种城市建成环境要素的指标，主要包括密度、土地利用多样性、街区设计、目的地可达性和距离公交设施距离，并进行交通小区内建成环境要素统计。此外，还要通过基础数据处理得到研究时段内各交通小区的交通生成量和吸引量。

(3)空间杜宾模型的基本形式

y＝ρWy+Xβ+γWX+ε,ε～N(0,σ²I_n) (1)

式中，n为交通小区数量；y是n×1的向量，表示被解释变量即某交通小区早高峰交通生成量或吸引量；X是n×k数据矩阵，代表解释变量即某交通小区各种建成环境指标，k为城市建成环境要素个数；W是空间权重矩阵，ρ是空间滞后因变量Wy的系数，γ是空间滞后自变量WX的系数，β反映解释变量对因变量y变化产生的影响，ε为随机误差项；

空间权重矩阵W揭示了空间单元之间的相互作用，形式如下：

空间权重矩阵中的每个要素为空间权重，空间权重的计算方法采用反距离权重矩阵，形式如下：

(4)空间杜宾模型的效应分解