基于百度地圖應用程序接口的軌道交通生成預測

李曉峰 ，黃海南 ，李金海，許紅

(1. 北京交通大學城市交通復雜系統(tǒng)理論與技術教育部重點實驗室，北京 100044；2. 福建農林大學交通與土木工程學院，福建 福州350002；3. 北京城建設計發(fā)展集團股份有限公司交通研究中心，北京 100037；)

【交通運輸】

基于百度地圖應用程序接口的軌道交通生成預測

李曉峰1，黃海南2*，李金海3，許紅1

(1. 北京交通大學城市交通復雜系統(tǒng)理論與技術教育部重點實驗室，北京 100044；2. 福建農林大學交通與土木工程學院，福建 福州350002；3. 北京城建設計發(fā)展集團股份有限公司交通研究中心，北京 100037；)

基于百度地圖應用程序接口，設計了收集辨識軌道交通站點范圍內關注點的查詢收集系統(tǒng)，實現(xiàn)了收集關注點信息自動化。通過優(yōu)化交通小區(qū)單元化識別方法構建了出行預測模型，對A市某軌道交通沿線現(xiàn)狀進行分析。研究結果表明，應用該方法對軌道新線進行短期的交通發(fā)生與吸引預測，有助于提高交通生成基礎數(shù)據(jù)的收集效率和預測精度。

百度地圖應用程序接口；土地使用類別；關注點；交通生成；軌道交通

城市軌道交通是公共交通系統(tǒng)的重要組成部分。目前，國內軌道交通的建設熱潮持續(xù)高漲，然而由于前期對客流預測的精確度過低，導致軌道交通運營過程中問題頻發(fā)，成為城市交通一大癥結。從目前建成使用的城市軌道交通統(tǒng)計數(shù)據(jù)可以看出，客流預測值一般高于實際值，表明預測精度還有待于提高[1]。國內外城市軌道交通客流預測一般采用“四階段法”，包括出行生成、出行分布、交通方式劃分和交通流分配4個階段，每一環(huán)節(jié)都是以上一環(huán)節(jié)的計算結果為基礎數(shù)據(jù)的[2]。所以，交通出行生成預測結果的精確度尤為重要。交通出行預測通常由兩部分組成，首先是根據(jù)城市發(fā)展現(xiàn)狀分析規(guī)劃年經濟、人口增長和土地利用特征，推算出行特征參數(shù)；其次應用預測模型計算各交通小區(qū)在規(guī)劃年發(fā)生與吸引的總交通量。目前國內外對于預測模型的研究已經趨于成熟，例如增長率法、交叉分類分析法和Lowry重力模型等[3]。但是現(xiàn)在的交通數(shù)據(jù)收集基本上采取人工現(xiàn)場抽樣調查方法，不僅消耗大量的人力物力，而且其結果的可靠性有待商榷。

百度地圖應用程序接口(applicationprograminterface，API)是一套由JavaScript語言編寫的應用程序接口，能夠幫助在網(wǎng)站中構建功能豐富、交互性強的地圖應用。其包含了構建地圖基本功能的各種接口，提供了諸如本地搜索、路線規(guī)劃等數(shù)據(jù)服務[4]。利用百度地圖API功能，可以實現(xiàn)對POI(pointofinterest)的精細化收集，從中觀層面進行功能細化，不僅節(jié)省了人力物力，提高工作效率，而且使基礎資料收集趨于自動化，預測精度趨于實際化。

本文運用百度地圖API開發(fā)地圖服務，設計了POI查詢收集系統(tǒng)，通過優(yōu)化單元化交通小區(qū)出行預測模型，對軌道交通沿線的交通生成進行預測。

1 調用百度地圖API和POI信息收集

百度API通過地圖服務應用接口將應用開發(fā)平臺和地理信息數(shù)據(jù)捆綁，將復雜的地理信息系統(tǒng)底層進行封裝，用戶可不必了解它的技術細節(jié)就能在應用中快速構建基礎地理底圖[5]。調用API可以進行各種查詢設計的地圖特色化重構，從而能夠構建功能豐富的應用程序，簡便地自動收集地圖中的基本信息。

POI是現(xiàn)代互聯(lián)網(wǎng)與地理信息系統(tǒng)共同的產物，每個POI包含多方面信息，如名稱、類別、經緯度、附近的酒店飯店商鋪等。

1.1 查詢系統(tǒng)設計

系統(tǒng)由界面、Web服務層、百度地圖服務層以及數(shù)據(jù)庫組成。Web服務層用于處理程序界面的查詢訪問，以ASP.NET技術和C#對訪問界面進行分析，接入百度地圖服務器；使用C#調用JavaScript腳本獲取數(shù)據(jù)再進行存儲或者用ajax調用后臺服務儲存。系統(tǒng)設計結構見圖1。

圖1 查詢系統(tǒng)設計Fig.1 The designation of query system

該查詢系統(tǒng)包括接入API應用模塊、站點辨識模塊以及POI興趣點信息收集模塊。POI興趣點信息收集模塊是系統(tǒng)的核心功能模塊，主要實現(xiàn)POI數(shù)據(jù)源的獲取和輸出。系統(tǒng)采用Access數(shù)據(jù)庫建立相應的detail_info表、location表和result表。detail_info表主要包括站點名稱、POI的類型、網(wǎng)址、距離和人均消費等；location表主要包括站點名稱和站點經緯度；result表主要包括站點名稱、POI名稱、地址和電話等。在龐大的數(shù)據(jù)面前，主要是對result表中數(shù)據(jù)的處理和運用。result表結構如表1所示。

表1 result表結構

圖2 POI信息查詢界面Fig.2 POI query interface

1.2 辨識提取POI數(shù)據(jù)信息實現(xiàn)

隨著互聯(lián)網(wǎng)和電子地圖的發(fā)展，POI建設和信息趨向全方位化，API調試平臺逐漸開放。然而,進一步地系統(tǒng)性提取POI信息以及收集整理相關數(shù)據(jù)還存在一定困難。此系統(tǒng)是接入API平臺，利用POI數(shù)據(jù)分析沿線客流的吸引發(fā)生點，對客流預測提供精確的數(shù)據(jù)支撐。設計查詢界面如圖2所示。

首先，輸入查詢POI的類型如購物、學校、住宅區(qū)等關鍵詞，確定搜索半徑和輸出數(shù)據(jù)的儲存位置，采用經緯度來描述地圖上的站點位置，如：varmyPoint=newBMap.Point(118.404,38.915)。具體程序流程如圖3所示。

圖3 POI搜索模塊流程圖Fig.3 The flow chart of POI searching module

2 基于POI數(shù)據(jù)的交通出行生成預測

2.1 單元化交通小區(qū)出行生成預測模型建立

根據(jù)普遍性、一致性、擴展性以及公共性原則，結合土地使用類別將POI分為商用、住宅、教育培訓、醫(yī)療衛(wèi)生、休閑娛樂、餐飲購物和交通設施等[6-7]。根據(jù)孫松偉[8]提出的基于小區(qū)細化建立的交通出行生成預測模型進行改進和參數(shù)更新，使模型充分將交通小區(qū)內的建筑物按照類別單元化，更加契合POI的分類，具體出行模型如下：

GM=Gzz+Gjy+Gqt,

(1)

其中,GM為軌道站點M出行總生成量；Gzz為交通小區(qū)內住宅單元的交通出行生成量；Gjy為交通小區(qū)內教育單元的交通出行生成量；Gqt為交通小區(qū)內其他單元的交通出行生成量。

(2)

(3)

其中，μ2M為站點M教育機構平均人員數(shù)量；γ2M為站點M教育機構日平均人口出行強度；μ2WM為站點M教育機構對外來人口的平均吸引量。

(4)

其中，μ3M為站點M其他機構平均人員數(shù)量；γ3M為站點M其他機構日平均人口出行強度；μ3WM為站點M其他機構外來人口的平均吸引量。

利用設計的程序按照POI屬性，分別提取住宅、教育、其他(醫(yī)療衛(wèi)生、休閑娛樂、餐飲購物、交通設施)的建筑物數(shù)量，自動分類輸出到Access數(shù)據(jù)庫，提供各類設施的數(shù)量規(guī)模，進而統(tǒng)計各類設施的人員數(shù)量，以便得出出行次數(shù)。

2.2 案例應用

以A市某規(guī)劃軌道交通線路為例，規(guī)劃圖詳見圖4，應用所設計的數(shù)據(jù)收集程序進行POI收集并預測各個站點交通生成量，驗證提取方法的實用性和便捷性。

圖4 A市某規(guī)劃軌道線路示意圖Fig.4 The blueprint of a planning urban rail transit line in A city

由于城市區(qū)域發(fā)展不協(xié)調，城市范圍內的出行指標參數(shù)并不完全一致，根據(jù)城市發(fā)展現(xiàn)狀將A市劃分為1類、2類、3類和4類并分別定義各個范圍的模型參數(shù)，如圖4所示。通過實地抽樣調查，分類統(tǒng)計4類地區(qū)的指標和相關系數(shù),如表2所示。

表2 A市相關指標抽樣調查統(tǒng)計

POI搜索半徑R的確定主要考慮以下兩方面：(1)城市軌道沿線站點的有效吸引范圍。通過實地調研、分析城市發(fā)展、站點間距設置以及居民出行特征等因素，設置最小搜索半徑為200m，最大半徑為500m；(2)為避免相鄰站點搜索范圍的重疊造成交通出行預測計算復雜化，選取相鄰站點間距最小值的二分之一值。具體公式如下：

(5)

其中，R為POI提取半徑；DF為站點與其前一站點的站間距；DL為站點與其后一站點的站間距。

以k站為例計算過程如表3所示。

表3 k站點出行生成量計算示例

將軌道站點的數(shù)據(jù)代入公式(1)～(5)，計算各個站點的交通出行生成值見表4，并使用熱力圖呈現(xiàn)，如圖5所示。

表4 各站點POI屬性及其出行生成預測值

圖5 軌道線交通出行生成量熱力示意圖Fig.5 The heat map of an urban rail trip generation

針對不同土地使用性質，將其單元化建立交通出行生成預測模型，應用百度地圖API自動收集相關POI屬性數(shù)據(jù)的系統(tǒng)，大大提高了數(shù)據(jù)收集和處理效率，結果顯示，經此方法預測的出行生成更加契合實際情況，能夠為下一階段的交通方式劃分奠定基礎。

3 結語

城市軌道交通出行生成預測在結合城市的土地利用特點的前提下，深入考慮其發(fā)展結構現(xiàn)狀，并選擇適當?shù)哪Ｐ秃蛥?shù)。本文利用現(xiàn)有百度地圖POI分類，調用百度地圖API，實現(xiàn)站點小區(qū)建筑物自動分類統(tǒng)計，確定規(guī)劃目標，建立單元化出行生成預測模型進行交通出行預測，取得了較好的結果，為新建軌道線提供了更為符合實際的數(shù)據(jù)提取方法。下一步研究是細化系統(tǒng)功能模塊，使其自動識別城市發(fā)展不均衡區(qū)域，生成預測模型中的相關系數(shù)，豐富POI模塊的收集內容并提高計算效率,使其具有先進性、實用性和自動性，力求完全滿足軌道交通出行生成預測的需求。

[1]葉知驍. 城市軌道交通線路客流量與沿線土地利用關系研究[D].南昌：華東交通大學, 2014.

[2]于洪. 城市軌道交通出行生成預測方法研究[D]. 青島：中國海洋大學, 2014.

[3]黃海南,郭建鋼,陳金山,等.TransCAD在大學校園交通需求預測中的應用——以福建農林大學金山校區(qū)為例[J]. 公路與汽運, 2014 (3): 39-43.

[4]蘭燕, 吳明東, 余代俊. 基于百度地圖API高校移動導航地圖制作[J]. 測繪, 2016，38 (6): 249-253.

[5]李艷,高揚.基于地圖API的Web地圖服務及應用研究[J].地理信息世界,2010 (2):54-57

[6]XIEBL,DINGC.Anevaluationoncoordinatedrelationshipbetweenurbanrailtransitandland-useunderTODmode[J].JTranspnSysEng&IT,2013,13(2):9-13.

[7]YIMKKW,WONGSC,CHENA,etal.Areliability-basedlanduseandtransportationoptimizationmodel[J].TransportationResearchPartC:EmergingTechnologies, 2011,19(2):351-362.

[8]孫松偉.城市軌道交通客流預測模型及方法研究[D].成都：西南交通大學,2008

AresearchonrailtrafficgenerationforecastingbasedonBaiduMapAPI

LIXiao-feng1，HUANGHai-nan2*，LIJin-hai3，XUHong1

(1.MOEKeyLaboratoryforUrbanTransportationComplexSystemsTheoryandTechnology,BeijingJiaotongUniversity,Beijing100044,China;2.CollegeofTransportationandCivilEngineering,FujianAgricultureandForestryUniversity,Fuzhou350002,China;3.TRC,BeijingUrbanConstructionDesign&DevelopmentGroupCo.,Ltd.,Beijing100037，China)

∶BasedonBaiduMapAPI(applicationprograminterface),aquerysystemwasdevelopedforcollectingandidentifyingPOI(pointofinterest)inthesurroundingareaofmetrorailtransitstation,whichrealizedtheautomaticcollectionofPOI.Byoptimizingthetrafficzoneblockingmethod,atrafficgenerationforecastingmodelwasconstructed,whichwasusedtoanalyzethestatusquoalonganurbanrailtransitlineinACity.Theresultsshowthatthismethodishelpfultoimprovedatacollectingefficiencyandaccuracyoftrafficgenerationforecastingwhenit’sappliedtoforecasttheshort-termtripgenerationandtripattractionofaplanningurbanrailtransitline.

∶BaiduMapAPI；land-usepatterns；POI；tripgeneration；railtransit

2016-05-15

福建省中青年教師教育科研項目(JAT160167)；福建農林大學校青年教師基金(2012xjj24)

李曉峰(1990—)，男，碩士研究生，研究方向為交通運輸規(guī)劃。

*通信作者，黃海南(1983—)，男，講師，博士。E-mail：hhnan021@foxmail.com

U

A

1002-4026(2017)02-0082-07

10.3976/j.issn.1002-4026.2017.01.014