本發(fā)明涉及以公共交通為導(dǎo)向型(TOD)城市發(fā)展模式領(lǐng)域，尤其涉及一種基于城市數(shù)據(jù)的TOD城市區(qū)域劃分與挖掘方法。

背景技術(shù)：

TOD城市發(fā)展模式已經(jīng)成為解決城市可持續(xù)發(fā)展的一種可能方案，該種發(fā)展模式可重塑城市發(fā)展的形態(tài)，提升其品質(zhì)，緩解城市面臨的諸多問題。要想進(jìn)行TOD型城市的建設(shè)，首要的問題便是合理劃分區(qū)域，接著便是要選擇最有價(jià)值的區(qū)域作為TOD區(qū)域進(jìn)行相應(yīng)的開發(fā)。本發(fā)明將利用公共交通站點(diǎn)數(shù)據(jù)來確定區(qū)域中心和邊界方法，之后利用公共交通路線來挖掘TOD區(qū)域。但現(xiàn)有的技術(shù)中，往往是根據(jù)經(jīng)緯度直接將區(qū)域進(jìn)行劃分，或者根據(jù)路網(wǎng)數(shù)據(jù)來進(jìn)行區(qū)域劃分，而這些并不能很好的體現(xiàn)公共交通中心，不利于城市圍繞公共交通進(jìn)行發(fā)展。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的主要針對上述現(xiàn)有研究的一些不足之處，提出一種數(shù)據(jù)驅(qū)動(dòng)的公共交通導(dǎo)向型城市區(qū)域劃分與挖掘方法，通過對公共交通站點(diǎn)數(shù)據(jù)處理，來確定區(qū)域中心和區(qū)域邊界，利用公共交通路線數(shù)據(jù)，來挖掘出TOD區(qū)域，為城市發(fā)展規(guī)劃提供有效信息。

本發(fā)明是通過以下技術(shù)方案達(dá)到上述目的，一種數(shù)據(jù)驅(qū)動(dòng)的公共交通導(dǎo)向型城市區(qū)域劃分與挖掘方法，其包括如下步驟：

1)對于距離小于d的公共交通站點(diǎn)，建立一條邊，得到公共交通網(wǎng)絡(luò)，d為預(yù)先設(shè)置的閾值。

2)根據(jù)1)中的公共交通網(wǎng)絡(luò)，提取出各個(gè)連通分量中的點(diǎn)集S，加入到點(diǎn)集S的集合T中。

3)對于每個(gè)點(diǎn)集檢查是否符合期望。不符合做調(diào)整。

4)計(jì)算每個(gè)點(diǎn)集中的中心，得到區(qū)域中心。

5)根據(jù)4)中的區(qū)域中心，區(qū)域中的的點(diǎn)屬于距離最近的區(qū)域中心，得到區(qū)域邊界。

6)利用公共交通路線數(shù)據(jù)在區(qū)域之間建邊，得到區(qū)域網(wǎng)絡(luò)。

7)根據(jù)6)中的區(qū)域網(wǎng)絡(luò)，來計(jì)算區(qū)域排名。

8)輸出前N個(gè)區(qū)域作為TOD區(qū)域。

步驟1)具體步驟：

將每一個(gè)站點(diǎn)作為一個(gè)節(jié)點(diǎn)，對于任意兩個(gè)距離小于d的站點(diǎn)建立一條邊，則整個(gè)公共交通網(wǎng)絡(luò)中會(huì)形成多個(gè)連通分量。

步驟2)具體步驟：

遍歷圖中的每一個(gè)連通分量，每次遍歷新的連通分量的時(shí)候，生成空集合S，將遍歷的節(jié)點(diǎn)加入到集合S，該連通分量遍歷結(jié)束的時(shí)候，將集合S加入集合的集合T中。

步驟3)對于每個(gè)點(diǎn)集檢查是否符合期望。不符合做調(diào)整。包括以下步驟：

3.1)針對每個(gè)集合中的節(jié)點(diǎn)，如果存在兩個(gè)節(jié)點(diǎn)之間的距離大于2d，則可認(rèn)為該集合中的節(jié)點(diǎn)，至少能分成兩個(gè)集合，則執(zhí)行3.2)；如果均不存在，則可認(rèn)為每個(gè)集合中的所有節(jié)點(diǎn)離其中心位置都不超過d，則點(diǎn)集符合期望，執(zhí)行步驟4)

3.2)將該集合中距離最遠(yuǎn)的兩個(gè)節(jié)點(diǎn)作為k-means算法中初始化的質(zhì)心，然后在該集合中執(zhí)行k-means算法，形成兩個(gè)簇。

3.3)刪除原先的點(diǎn)集合，將兩個(gè)簇當(dāng)成新生成的點(diǎn)集加入T中，繼續(xù)檢查新的集合。

步驟4)計(jì)算每個(gè)點(diǎn)集中中心的公式：

$\ln g\left(center\right)=\frac{1}{n}{\mathrm{\Σ}}_i^n\ln g\left(i\right);lat\left(center\right)=\frac{1}{n}{\mathrm{\Σ}}_i^{n}lat\left(i\right);$

其中n為區(qū)域中的節(jié)點(diǎn)數(shù)量，lat(i)為第i個(gè)節(jié)點(diǎn)的緯度，lng(i)為第i個(gè)節(jié)點(diǎn)的經(jīng)度。lng(center)和lat(center)即為得到的中心的位置。

步驟5)得到區(qū)域邊界的公式：

我們將從基于連通分量的聚類算法中獲得的R個(gè)聚合站點(diǎn)(即候選中心)P＝{p₁,p₂,...,p_R}作為種子，將整個(gè)研究區(qū)域X進(jìn)行Voronoi劃分，從而形成R個(gè)不相交的Voronoi多邊形，一個(gè)多邊形就是一個(gè)以聚合站點(diǎn)p_i為中心的TOD候選發(fā)展區(qū)域r_i，正式定義如公式所下。

r_i＝{x∈X|D(x,p_i)≤D(x,p_j),i,j＝{1,2,...,R},i≠j}

在上式公式中，我們使用歐幾里得度量作為其中的距離函數(shù)D。

步驟6)利用公共交通路線數(shù)據(jù)在區(qū)域之間建邊，得到區(qū)域網(wǎng)絡(luò)具體步驟：

我們賦予每條地鐵線的質(zhì)量為w_k，快速公交線的質(zhì)量為w_n，普通公交線的質(zhì)量為w_m，并且數(shù)值依次降低，然后將所有路線的連續(xù)兩站的區(qū)域，作為兩個(gè)節(jié)點(diǎn)，建立一條相應(yīng)權(quán)值的邊，若路線的連續(xù)兩站在同一區(qū)域，則忽略。

步驟7)計(jì)算區(qū)域排名具體步驟：

我們將基于隨機(jī)游走模型的PageRank算法應(yīng)用在區(qū)域關(guān)系網(wǎng)絡(luò)中，作為計(jì)算區(qū)域重要性的基礎(chǔ)。

7.1)給定所有R個(gè)區(qū)域(即節(jié)點(diǎn))的RandomWalk值(簡稱RW值)RW_i(0)，并且滿足

7.2)迭代進(jìn)行計(jì)算，計(jì)算第k步的公式如下：

${\mathrm{RW}}_i\left(k\right)=d\underset{j=1}{\overset{R}{\Σ}}{s}_{i,j}\×{\mathrm{RW}}_j(k-1)+\frac{1-d}{R}$

其中，d為阻尼系數(shù)，一般取0.85。由s_i,j所組成的R行R列的矩陣S一般稱為轉(zhuǎn)移矩陣。

7.3)當(dāng)RW(k)–RW(k-1)的絕對值的和不超過閾值W的，停止迭代計(jì)算。

7.2)中轉(zhuǎn)移矩陣的具體定義：

7.2.1)連接重要性：

我們賦予每條地鐵線的質(zhì)量為w_k，快速公交線的質(zhì)量為w_n，普通公交線的質(zhì)量為w_m，并且數(shù)值依次降低。那么，在區(qū)域連接網(wǎng)絡(luò)中，節(jié)點(diǎn)v_i和節(jié)點(diǎn)v_j的連接重要性w(v_i,v_j)可由如下公式計(jì)算得出。

w(v_i,v_j)＝m_i,jw_m+n_i,jw_n+k_i,jw_k

7.2.2)轉(zhuǎn)移矩陣：

在確定連接重要性之后，根據(jù)各邊重要性占目標(biāo)節(jié)點(diǎn)出邊總重要性的比例進(jìn)行概率轉(zhuǎn)移，即改進(jìn)后轉(zhuǎn)移矩陣S中的元素s_i,j根據(jù)如下公式計(jì)算，

其中，w(v_i,v_j)代表節(jié)點(diǎn)v_i和節(jié)點(diǎn)v_j之間的連接重要性，可由7.2.1)中公式計(jì)算得出，集合N(v_j)是節(jié)點(diǎn)v_j鄰居節(jié)點(diǎn)的集合，即與節(jié)點(diǎn)v_j相連的節(jié)點(diǎn)。

附圖說明

圖1為本發(fā)明實(shí)施案例提供的一種數(shù)據(jù)驅(qū)動(dòng)的公共交通導(dǎo)向型城市區(qū)域劃分與挖掘方法的流程圖；

圖2為本發(fā)明實(shí)施案例提取出區(qū)域中心的流程圖；

圖3為一種數(shù)據(jù)驅(qū)動(dòng)的公共交通導(dǎo)向型城市區(qū)域劃分與挖掘方法實(shí)施案例利用杭州市公共交通站點(diǎn)數(shù)據(jù)得到的區(qū)域劃分結(jié)果圖；

圖4為一種數(shù)據(jù)驅(qū)動(dòng)的公共交通導(dǎo)向型城市區(qū)域劃分與挖掘方法實(shí)施案例利用杭州市公共交通路線數(shù)據(jù)得到的區(qū)域挖掘結(jié)果圖；

具體實(shí)施方式

本發(fā)明實(shí)施例提供了一種數(shù)據(jù)驅(qū)動(dòng)的公共交通導(dǎo)向型城市區(qū)域劃分與挖掘方法，如圖1所示，該方法包括：

步驟1：利用杭州市公共交通站點(diǎn)數(shù)據(jù)建立公共交通網(wǎng)絡(luò)，d值這里取800，對于每一個(gè)點(diǎn)對(u,v)，若距離distance(u,v)小于d，則添加邊edge(u,v)，最終形成公共交通網(wǎng)絡(luò)。

公共交通線路及站點(diǎn)數(shù)據(jù)如下所示。

本文研究了三種類型的公共交通站點(diǎn)及路線：普通公交、快速公交和地鐵。在我們所獲得的數(shù)據(jù)集中，直接包含了2015年2月杭州市641條普通公交線路的8255個(gè)站點(diǎn)，以及14條快速公交線路的446個(gè)站點(diǎn)信息，其格式如表1所示。

表1 公交線路及站點(diǎn)數(shù)據(jù)格式

Tab.1Format of bus dataset

由于該數(shù)據(jù)集中缺少地鐵的相關(guān)信息，而地鐵在TOD發(fā)展中扮演者不可或缺的作用，所以我們手動(dòng)加入杭州1、2、4、5和6號(hào)地鐵線共127個(gè)地鐵站點(diǎn)，及其相關(guān)的重要信息，例如，經(jīng)度和緯度。

步驟2：根據(jù)杭州市公共交通網(wǎng)絡(luò)，形成點(diǎn)集的集合T。

遍歷圖中的每一個(gè)連通分量，每次遍歷新的連通分量的時(shí)候，生成空集合S，將遍歷的節(jié)點(diǎn)加入到集合S，該連通分量遍歷結(jié)束的時(shí)候，將集合S加入集合的集合T中。

步驟3：對于每個(gè)點(diǎn)集檢查是否符合期望。不符合做調(diào)整。包括以下步驟：

3.1)針對每個(gè)集合中的節(jié)點(diǎn)，如果存在兩個(gè)節(jié)點(diǎn)之間的距離大于2d，則可認(rèn)為該集合中的節(jié)點(diǎn)，至少能分成兩個(gè)集合，則執(zhí)行3.2)；如果均不存在，則可認(rèn)為每個(gè)集合中的所有節(jié)點(diǎn)離其中心位置都不超過d，則點(diǎn)集符合期望，執(zhí)行步驟4)

3.2)將該集合中距離最遠(yuǎn)的兩個(gè)節(jié)點(diǎn)作為k-means算法中初始化的質(zhì)心，然后在該集合中執(zhí)行k-means算法，形成兩個(gè)簇。

3.3)刪除原先的點(diǎn)集合，將兩個(gè)簇當(dāng)成新生成的點(diǎn)集加入T中，繼續(xù)檢查新的集合。

步驟4：根據(jù)每個(gè)點(diǎn)集中中心的公式：

$\ln g\left(center\right)=\frac{1}{n}{\mathrm{\Σ}}_i^n\ln g\left(i\right);lat\left(center\right)=\frac{1}{n}{\mathrm{\Σ}}_i^{n}lat\left(i\right);$

提取出每個(gè)點(diǎn)集的中心。

步驟5：根據(jù)公式r_i＝{x∈X|D(x,p_i)≤D(x,p_j),i,j＝{1,2,...,R},i≠j}，劃分區(qū)域邊界。

步驟6：利用公共交通路線數(shù)據(jù)在區(qū)域之間建邊，得到區(qū)域網(wǎng)絡(luò)具體步驟：

我們賦予每條地鐵線的質(zhì)量為w_k，快速公交線的質(zhì)量為w_n，普通公交線的質(zhì)量為w_m，并且數(shù)值依次降低，然后將所有路線的連續(xù)兩站的區(qū)域，作為兩個(gè)節(jié)點(diǎn)，建立一條相應(yīng)權(quán)值的邊，若路線的連續(xù)兩站在同一區(qū)域，則忽略。這里取w_k＝1，w_n＝2，w_m＝3。

步驟7：計(jì)算區(qū)域排名具體步驟：

我們將基于隨機(jī)游走模型的PageRank算法應(yīng)用在區(qū)域關(guān)系網(wǎng)絡(luò)中，作為計(jì)算區(qū)域重要性的基礎(chǔ)。

7.1)給定所有R個(gè)區(qū)域(即節(jié)點(diǎn))的RandomWalk值(簡稱RW值)RW_i(0)，并且滿足

7.2)迭代進(jìn)行計(jì)算，計(jì)算第k步的公式如下：

${\mathrm{RW}}_i\left(k\right)=d\underset{j=1}{\overset{R}{\Σ}}{s}_{i,j}\×{\mathrm{RW}}_j(k-1)+\frac{1-d}{R}$

其中，d為阻尼系數(shù)，一般取0.85。由s_i,j所組成的R行R列的矩陣S一般稱為轉(zhuǎn)移矩陣。

7.3)當(dāng)RW(k)–RW(k-1)的絕對值的和不超過閾值W的，停止迭代計(jì)算，這里W取的是所有和不超過10^-16。

7.2)中轉(zhuǎn)移矩陣的具體定義：

7.2.1)連接重要性：

我們賦予每條地鐵線的質(zhì)量為w_k，快速公交線的質(zhì)量為w_n，普通公交線的質(zhì)量為w_m，并且數(shù)值依次降低。那么，在區(qū)域連接網(wǎng)絡(luò)中，節(jié)點(diǎn)v_i和節(jié)點(diǎn)v_j的連接重要性w(v_i,v_j)可由如下公式計(jì)算得出。

w(v_i,v_j)＝m_i,jw_m+n_i,jw_n+k_i,jw_k

7.2.2)轉(zhuǎn)移矩陣：

在確定連接重要性之后，根據(jù)各邊重要性占目標(biāo)節(jié)點(diǎn)出邊總重要性的比例進(jìn)行概率轉(zhuǎn)移，即改進(jìn)后轉(zhuǎn)移矩陣S中的元素s_i,j根據(jù)如下公式計(jì)算，

其中，w(v_i,v_j)代表節(jié)點(diǎn)v_i和節(jié)點(diǎn)v_j之間的連接重要性，可由7.2.1)中公式計(jì)算得出，集合N(v_j)是節(jié)點(diǎn)v_j鄰居節(jié)點(diǎn)的集合，即與節(jié)點(diǎn)v_j相連的節(jié)點(diǎn)。

步驟8：輸出排名前N個(gè)區(qū)域作為TOD區(qū)域，這里N取50。

圖3是根據(jù)杭州市公共交通站點(diǎn)數(shù)據(jù)得到的區(qū)域劃分結(jié)果。圖3中劃分出的645個(gè)區(qū)域大小適中，位于繁華和偏僻地段的區(qū)域面積相差不大，并且從多邊形的中心和邊界來看，也符合實(shí)際地理狀況，例如圖中的區(qū)域邊界符合錢塘江的走向。從所得實(shí)驗(yàn)結(jié)果可知，我們提出的基于連通分量聚類的區(qū)域劃分方法可以有效解決冗余車站的問題，能夠劃分出合理的區(qū)域，并且也避免了原始聚類算法中K值的確定以及結(jié)果不穩(wěn)定等問題。

圖4是根據(jù)杭州市公共交通路線數(shù)據(jù)得到的區(qū)域挖掘結(jié)果。從圖4中可以看出，基于連接重要性導(dǎo)向的隨機(jī)游走算法可以識(shí)別出城市規(guī)劃中的絕大部分的各級新城，在整體分散的同時(shí)達(dá)到了局部聚集的效果，與實(shí)際更相符。