[发明专利]基于大数据的城市交通模型构建方法

说明书

本发明公开了一种基于大数据的城市交通模型构建方法，包括依序执行的出行生成阶段、出行分布阶段、方式划分阶段和交通分配阶段，所述方式划分阶段采用非集计模型，所述交通分配阶段执行一次后，将得到的道路断面机动车流量作为背景流量代入出行分布阶段重新开始计算，计算两次道路断面机动车流量的相对误差，如未达到相对误差的要求，则将新的道路断面机动车流量再次带入出行分布阶段重新开始计算，直到相对误差满足要求。通过在方式划分阶段采用非集计模型，在提高了模型精度的同时没有增加过多的计算量。通过将道路断面机动车流量循环迭代，为模型建立过程提供了反馈，保证误差在精度要求内，从而精度更高、能够更准确预测交通需求。

技术领域

本发明涉及交通大数据领域，尤其涉及一种基于大数据的城市交通模型构建方法。

背景技术

我国对城市交通需求预测理论与方法的研究起步较晚，20世纪80年代才开始着手部分城市的交通管理规划的研究与编制，也正是从那个时候开始才展开对相应的城市交通管理规划交通需求预测理论与方法的研究工作。

目前，随着城市综合交通规划的编制，多数城市都建立了交通需求预测模型，但绝大部分城市的交通需求预测模型只用于对本次编制的规划提供定量支持，未能进行很好的维护，不能为其他交通决策提供定量分析。同时新建的模型由于只使用了当时的交通出行数据，不能反映交通出行随城市发展的变化，模型精度较低。

四阶段法是交通规划中的常用方法，然而现有的四阶段法以交通小区为单位将出行者的交通行为进行集体统计分析，按照出行的发生与吸引、出行的分布、交通方式划分和交通流分配的四个阶段，进行模型化预测。然而传统四阶段法缺少反馈机制、缺少对人的选择行为的分析，因此精度较低，难以评价交通管理对于交通需求的影响。

交通需求预测的集计模型通常是将每个人的交通活动按交通小区进行统计处理、分析，从而得到以交通小区为单位的分析模型。需求预测的非集计模型则以实际产生交通活动的个人为单位，调查得到的数据不按交通小区进行统计等处理而直接用于建立模型，因而非集计模型包含了对人的选择行为的分析，具有较好的时间转移和空间转移性，精度更高，但是由于其应用的变量较多，计算比较复杂。

综上，如何合理地结合非集计模型与四阶段法，提供一种精度更高、能够更准确预测交通需求的基于大数据的城市交通模型构建方法，就成为本领域技术人员亟待解决的问题。

发明内容

本发明的目的在于提供一种精度更高、能够更准确预测交通需求的基于大数据的城市交通模型构建方法。

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

根据本发明的一方面，提供了一种基于大数据的城市交通模型构建方法，包括依序执行的出行生成阶段、出行分布阶段、方式划分阶段和交通分配阶段，所述方式划分阶段采用非集计模型，所述交通分配阶段执行一次后，将得到的道路断面机动车流量作为背景流量代入出行分布阶段重新开始计算，计算两次道路断面机动车流量的相对误差，如未达到相对误差的要求，则将新的道路断面机动车流量再次带入出行分布阶段重新开始计算，直到相对误差满足要求。

在一实施例中，该方法的所述出行生成阶段包括：生成基于家工作出行、基于家上学出行、基于家其他出行、非基于家出行以及流动人口出行的OD数据。

在一实施例中，该方法的所述出行分布阶段包括：利用重力模型分析基于家工作出行、基于家上学出行、基于家其他出行和非基于家出行的OD数据；利用FURNESS模型分析流动人口出行的OD数据。