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，實現了收集關注點信息自動化。通過優化交通小區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生與吸引預測，有助于提高交通生成基礎數據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的重要組成部分。目前，國內軌道交通的建設熱潮持續高漲，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，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計數據可以看出，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，每一環節都是以上一環節的計算結果為基礎數據的[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，首先是根據城市發展現狀分析規劃年經濟、人口增長和土地利用特征，推算出行特征參數；其次應用預測模型計算各交通小區在規劃年發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]。但是現在的交通數據收集基本上采取人工現場抽樣調查方法，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、路線規劃等數據服務[4]。利用百度地圖API功能，可以實現對POI(pointofinterest)的精細化收集，從中觀層面進行功能細化，不僅節省了人力物力，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開發地圖服務，設計了POI查詢收集系統，通過優化單元化交通小區出行預測模型，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平臺和地理信息數據捆綁，將復雜的地理信息系統底層進行封裝，用戶可不必了解它的技術細節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是現代互聯網與地理信息系統共同的產物，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 查詢系統設計

系統由界面、Web服務層、百度地圖服務層以及數據庫組成。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腳本獲取數據再進行存儲或者用ajax調用后臺服務儲存。系統設計結構見圖1。

圖1 查詢系統設計Fig.1 The designation of query system

該查詢系統包括接入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的核心功能模塊，主要實現POI數據源的獲取和輸出。系統采用Access數據庫建立相應的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。在龐大的數據面前，主要是對result表中數據的處理和運用。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數據信息實現

隨著互聯網和電子地圖的發展，POI建設和信息趨向全方位化，API調試平臺逐漸開放。然而,進一步地系統性提取POI信息以及收集整理相關數據還存在一定困難。此系統是接入API平臺，利用POI數據分析沿線客流的吸引發生點，對客流預測提供精確的數據支撐。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、住宅區等關鍵詞，確定搜索半徑和輸出數據的儲存位置，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數據的交通出行生成預測

2.1 單元化交通小區出行生成預測模型建立

根據普遍性、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、醫療衛生、休閑娛樂、餐飲購物和交通設施等[6-7]。根據孫松偉[8]提出的基于小區細化建立的交通出行生成預測模型進行改進和參數更新，使模型充分將交通小區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為交通小區內住宅單元的交通出行生成量；Gjy為交通小區內教育單元的交通出行生成量；Gqt為交通小區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(醫療衛生、休閑娛樂、餐飲購物、交通設施)的建筑物數量，自動分類輸出到Access數據庫，提供各類設施的數量規模，進而統計各類設施的人員數量，以便得出出行次數。

2.2 案例應用

以A市某規劃軌道交通線路為例，規劃圖詳見圖4，應用所設計的數據收集程序進行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

由于城市區域發展不協調，城市范圍內的出行指標參數并不完全一致，根據城市發展現狀將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，如圖4所示。通過實地抽樣調查，分類統計4類地區的指標和相關系數,如表2所示。

表2 A市相關指標抽樣調查統計

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

將軌道站點的數據代入公式(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，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屬性數據的系統，大大提高了數據收集和處理效率，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，深入考慮其發展結構現狀，并選擇適當的模型和參數。本文利用現有百度地圖POI分類，調用百度地圖API，實現站點小區建筑物自動分類統計，確定規劃目標，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據提取方法。下一步研究是細化系統功能模塊，使其自動識別城市發展不均衡區域，生成預測模型中的相關系數，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