[发明专利]一种基于土地利用信息的路网交通流量动态模拟方法

说明书

本发明公开了一种基于土地利用信息的路网交通流量动态模拟方法，通过本方法可以基于部分路段采集流量对全路网交通流进行模拟，从而刻画区域路网交通变化时空分布特征，并可以对路网交通运行状况进行评估。交通需求模型方法是指利用包括交通平衡模型、交通流密度模型在内的交通模型对流量进行模拟。本发明使用的基于土地利用信息的交通流量模拟方法，利用土地利用信息的高分辨率动态模拟路网交通流特征，从而克服传统参数分配方法导致的时空分辨率不足、结果误差大的问题；通过引入随机森林模型进行模拟，不再需要进行复杂交通需求调研，有效提升了模拟的效率，由于土地利用信息的高覆盖率也讲模拟边界从城市内部拓展到城市区域乃至全国层面。

技术领域

本发明属于地理信息数据和交通数据挖掘应用领域，主要是利用土地利用信息数据模拟道路交通流量的方法。

背景技术

对路网交通流量进行全面动态流量模拟，不仅可以识别路网交通运行状况，也可以为后续交通管控和排放治理提供数据支撑。

传统方法是通过交通监测设备，如磁感线圈和视频摄像头等，获取路段的交通流量和路段速度。然而由于上述设备能够采集的交通数据在路网的覆盖范围有限因而无法刻画全路网交通流特征。近年来，车车通信(Vehicle-to-Vehicle，V2V)和车路协同(Vehicle-to-Infrastructure，V2I)技术(如射频识别技术，Radio-Frequency Identification，RFID)不断发展，虽然这些智能交通通信技术能够极大的提升获取的交通流数据的多样性以及准确性，然而其高于传统设备的安装费用使其目前仅能在一些发达城市的核心区域逐步推广应用还难以覆盖到区域乃至全国范围。

为了获取包含城际间道路的全路网的交通流量信息，以往研究往往采用参数分配或者交通模型的方法。参数分配方法中，车队活动水平通常是最为常用的分配参数。国内研究中主要是通过将将不同车型的年均行驶里程(Vehicle Kilometer Travel，VKT)分配到路段层面，再结合以市/县为单位的分车型机动车保有量计算了全国路网层面的车辆活动水平，然而这样的分配方法往往无法反映研究范围下最小划分行政单位内部交通流量的空间差异。美国的研究将美国年均行驶里程数据库(AnnualAverage Daily Traffic，AADT)基于道路类型进行拆分，这种拆分方法相较于国内的年均VKT更能反应道路车流的时空分配特征，但是仍然存在部分问题：首先AADT数据的收集往往仅收集部分道路的样本流量数据(Sample Panel)从而代替整个片区的完整流量(Full Extent)；其次由于AADT数据的上报也是以州为单位，因而也不可避免地使用一些经验分配。上述两种分配方式的结果都不可避免地造成了其与实际道路交通流量空间分布特征的差异。此外由于交通分配参数都是以年为单位统计的，因而在时间分辨率上仅仅能够反映年际之间的空间分布差异，难以反映更为细致的时间分布特征从而无法用于对短期交通管控措施(如京津冀区域重污染时期的交通管控措施)的精准评估。传统的交通需求模型包括交通平衡模型、交通流密度模型。交通需求模型主要基于OD出行矩阵等对方法对路网交通流进行仿真模拟，但是由于这些模型往往要求模拟路网复杂性不高且连通性完整，同时需要对模拟区域的出行特征进行调研或假设，加之模拟过程耗费时间较多，因而应用范围主要集中在某段道路的以及城市的部分核心区域骨干路网的交通流特征模拟，难以在较大的城市乃至区域路网上应用。

此外，上述模型方法采用的交通流数据库在应用上还面临这着计算量巨大、难以实时处理的问题，难以适应未来对多源数据融合、实时传输及处理的需求。针对传统区域路网交通模拟方法存在的计算效率低、时空精度低等问题，本专利研究构建了基于土地利用的机器学习模型实现区域骨干路网交通流特征和污染排放的动态分析，兼具科学性和对大数据实时化处理的适应性，且建模方法迁移能力强，是目前一种理想的模拟交通流时空分布特征的方法。

发明内容

本发明的目的是提供一种基于土地利用信息的路网交通流模拟方法，通过本方法可以基于部分路段采集流量对全路网交通流进行模拟，从而刻画区域路网交通变化时空分布特征，并可以对路网交通运行状况进行评估。