大数据环境下交通模型解决方案

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

校核线调查 手机信令调查
其他调查…
一、互联网+交通大数据时代的福利
3、道路网络的建立
一、互联网+交通大数据时代的数据资源
4、公交线网数据的获得以及建立路网映射模型数据库
商业地图公交线 路和站点获取和
图形化
WGS84转换商业 地图坐标
公交线路和站点 坐标校准
TransCAD公交系 统 (公交模型数
据库)生成
站点集群、城市 坐标转换,其他模
型软件接口
• JavaScript
• Python
• GISDK
• GISDK
• GISDK
公交与路网数据关联表
工作效率提高: 2500条线路,57000个站点 人工维护:150天
自动维护:95%精度,10天 100%精度,25天
一、互联网+交通大数据时代的数据资源
24%21% 6%
4%
191%5% 3%2%
4%5%101%3%
29% 19%
2%2%
0%
21 18 15 百 12 分 比9 ( %6 )
3 0
嘉定新城
青浦新城
松江新城
新城居民工作岗位分布区域
金山新城
居民出行调查 手机调查
通勤距离(km)
一、互联网+交通大数据时代的数据资源
5.1、从单独的空间分析扩展到空间联系
一、互联网+交通大数据时代的数据资源
5.1、从单独的空间分析扩展到空间联系
居民的工作地分布
区域
工作地 内环内 内外环间 周边地区 其他 合计
内环内 71% 22%
4% 3% 100%
居住地 内外环间 32% 57%
7% 4% 100%
周边地区 12% 21%
58% 9% 100%
岗位的居住地分布
区域
一、互联网+交通大数据时代的数据资源
5.4、职住平衡分析
① 最小通勤与城市空间形态,人口 规模和土地使用关系不大;
② 最大通勤、随机通勤与城市和人 口规模有较大关系;
③ 实际通勤上海较好; ④ 剩余通勤和东京还有较大差距,
主要是东京的最小通勤较大。职 住平衡不在于讲究小范围的人口 岗位平衡或用地混合配置; ⑤ 潜在通勤和东京接近; ⑥ 和随机通勤差距越大,越具有较 强的中心集聚作用。
① 最小通勤Tmin :2.1km ② 最大通勤Tmax :48.6km ③ 随机通勤Tran :33.6km ④ 实际通勤Tact :8.2km 剩余通勤:EC= (1-Tmin/Tact)*100 潜在通勤:Cu=(Tact-Tmin)/(Tmax-Tmin)*100 经济通勤:Ce=(1-Tact/Tran)*100 正规化经济通勤:NCe=(Tran-Tact)/(Tran-Tmin)*100 越小越好!
一、互联网+交通大数据时代的的数据资源
5、手机 信令的职 住分析
工作岗位分布比例
新城内部 中心城 其他
新城内部 中心城 其他
新城内部 中心城 其他
新城内部 中心城 其他
100% 90% 80% 75% 70% 70%
手机信令分析
78%83%
居民出行调查
86% 82%
69% 79%
60%
50%
40% 30% 20% 10%
9.1
7.9
0.9
9.0
7.7
0.9
邻域栅格联系紧密度
一、互联网+交通大数据时代的数据资源
5.2、大数据提供了足够的小区域研究样本 1-2%的居民出行抽样抽样调查无法分析 小区域的吸引点的空间分布
一、互联网+交通大数据时代的的数据资源
5.3、AFC和手机信令的印证
一、互联网+交通大数据时代的数据资源
5.4、职住通道不平衡,交通设施规划处于两难境地
0% 1号线 2号线 3号线 4号线 5号线 6号线 7号线 8号线 9号线 10号线 11号线 13号线
5%
10%
15%
20%
12% 12%
14% 13%
20% 17% 16% 14% 13% 13% 14% 15%
上海轨道交通线路客流特征
线路
1号线 2号线 3号线 4号线 5号线 6号线 7号线 8号线 9号线 10号线 11号线 12号线 13号线 16号线 全网
平均乘 高断面客流 距(km) (万人次/小时)
9.01
5.1
8.74
4.7
8.56
2.6
6.14
2.4
8.95
1.3
6.74
2.6
7.74
4.0
6.71
3.5
11.15
4.2
6.87
2.7
13.78
3.3
6.74
1.5
5.86
1.0
22.89
0.6
14.6
-
一、互联网+交通大数据时代的数据资源
5.4、职住平衡分析
大数据环境下的 交通模型解决方案
提纲
一、互联网+交通大数据时代的数据资源 二、挖掘大数据,改进交通模型 三、大数据在上海交通规划模型中的应用 四、正确看待大数据
一、互联网+交通大数据时代的数据资源
1、数据是交通模型的基本原材料
交通模型 数 据 数学模型 软件工具 模 型 师
一、互联网+交通大数据时代的的数据资源
2、Baidu Nhomakorabea通模型的主要数据
交通模型基础数据
GIS和数据库技术
土地利用
建筑量
人口岗位
综合交通网络
航空影像图、 地形图
交通调查
其他数据……
现状用地
现状建筑量
人口普查
道路交通网络
居民出行调查
规划用地
规划测算
经济普查
核心数据: 用地和人口岗位
规划预测
综合交通交通网络
基于交通调查的模型参数
轨道交通网络 公交线网 模型辅助线
居住地 内环内 内外环间 周边地区 其他 合计
内环内 45% 44%
9% 2% 100%
工作地 内外环间 13% 周边地区 4%
70% 17%
14% 71%
3% 100% 9% 100%
居住/工作地
内环内 内外环 周边地区
通勤距离
通勤距离(km) 居住地居民 工作地岗位 岗位/居住
6.8
8.6
1.3
长度
36.9 60.3 40.2 33.8 16.6 32.7 43.9 37.0 49.8 35.2 70.6 19.0 12.0 58.2 546.2
工作日 客流量
121 147 57 84 14 38 73 95 82 73 60 17 12
6 880
客运强度(万 乘次/km) 3.27 2.44 1.41 2.49 0.85 1.17 1.65 2.57 1.65 2.06 0.86 0.92 1.00 0.11 1.61
29-30 28-29 27-28 26-27 25-26 24-25 23-24 22-23 21-22 20-21 19-20 18-19 17-18 16-17 15-16 14-15 13-14 12-13 11-12 10-11 9-10 8- 9 7- 8 6- 7 5- 6 4- 5 3- 4 2- 3 1- 2 0- 1
相关文档
最新文档