[发明专利]一种基于经纬度坐标和k-means聚类算法的交通需求分析方法

说明书

本发明公开了一种基于经纬度坐标和k‑means聚类算法的交通需求分析方法，该方法包括以下步骤：(1)设计居民出行调查表；(2)发放和回收居民出行调查表；(3)获取出发地点和到达地点的经度与纬度；(4)构建数据库，录入与交通需求有关信息；(5)对经纬度数据进行分析和检查；(6)计算出行距离，删除不合理数据；(7)运用k‑means聚类算法对起讫点进行聚类分析，划分交通小区；(8)调整交通小区划分方案；(9)构建OD矩阵。本发明在精准地获取出发地点和到达地点经纬度坐标的基础上，运用k‑means聚类算法划分交通小区并创建OD矩阵，可以快速高效地分析交通出行数据，更好地满足交通规划、设计与管理的工程实践。

技术领域

本发明涉及交通规划、设计与管理领域，具体涉及一种基于经纬度坐标和k-means聚类算法的交通需求分析方法。

背景技术

随着经济的持续快速增长，人民的生活水平不断提高，机动车数量成倍增长，人、车、路间的矛盾日益显著，而机动车尾气排放的有害物质也逐渐成为威胁居民日常生活和身体健康的主要因素；尾气中的碳排放是温室气体，影响全球的气候变化。为满足居民的出行需求，打造一个快捷高效的交通网，促进交通系统的可持续发展，科学合理的交通规划是十分必要的，而交通需求分析是交通规划的核心技术。

在展开交通需求分析时，需要掌握交通源和交通流的特征，常用的两种交通分析模型有集计模型和非集计模型。非集计模型是以交通出行的个体为单位，能够详尽地掌握个人出行的特点，更加精准地描述交通需求的时空分布；但是该类模型的应用需要针对交通个体开展大量细致、复杂的调查工作，耗费大量的人力和物力。在实际工程中，一般选用集计模型进行交通需求分析。

集计模型需要先按照一定的原则将研究区域划分为若干个有一定规模的交通小区，交通小区的划分应当尽可能地体现出居民出行的时空分布特征，随后的分析均以这些交通小区为基本单位，在此基础上开展居民出行调查，然后统计调查数据，得到反映交通需求空间分布的OD矩阵。传统的出行调查所获得的信息比较简略，难以开展深度分析；传统的交通小区划分方法主要是根据行政区域和若干条划分原则进行划分，优点是容易理解、操作简单，缺点是划分的主观性大、在准确度和工作量之间难以平衡。

发明内容

发明目的：为克服现有交通需求分析方法的缺点，本发明提供了一种基于经纬度坐标和k-means聚类算法的交通需求分析方法，该方法可以解决起讫点信息过于简单，难以开展定量化分析的缺陷。通过对起讫点经纬度坐标的获取和聚类分析，实现了交通小区划分过程的定量化分析，从而可以更加客观高效地获取交通需求的空间分布。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于经纬度坐标和k-means聚类算法的交通需求分析方法，包括以下步骤：

(1)针对研究区域，构建包含若干条居民出行记录的数据库，其中每条居民出行记录包括出发时间、到达时间、出发地点经度坐标、出发地点纬度坐标、到达地点经度坐标、到达地点纬度坐标、出行目的、交通方式；

(2)运用k-means聚类算法对数据库中的出发地点和到达地点进行聚类分析，划分交通小区；

(3)根据交通小区划分结果，构建反映交通需求空间分布的OD矩阵。

进一步，步骤(1)所述的数据库构建步骤如下：

(1)设计居民出行调查表，包括：出发时间、到达时间、出发地点、到达地点、出行目的、交通方式；

(2)进行居民出行调查表的发放和回收工作，剔除信息填写错误或者不完整的调查表；

(3)获取居民出行调查表中出发地点经度、出发地点纬度、到达地点经度和到达地点纬度；