一种基于利用指标和车流数据评估城市群的方法与流程

1.本发明涉及基于乘用车和商用车指标来评估城市群的方法，具体为一种基于车联网大数据与空间定位的方法，属于经济指标研究技术领域。


背景技术：

2.城市是流动变化的，是被一些规律支配的；大数据能够帮我们观察城市街区之细微，也能俯视城市体系之宏大。城市群，是城市发展到成熟阶段的最高空间组织形式，是指在特定地域范围内，一般以1个以上特大城市为核心，由3个以上大城市为构成单元，依托发达的交通通信等基础设施网络所形成的空间组织紧凑、经济联系紧密、并最终实现高度同城化和高度一体化的城市群体。
3.既然城市群强调城市之间的紧密联系，那么就能被人流或物流的大数据捕捉到，也应该可以用人流和物流大数据计算出一些指标对城市群进行评估。而现有的评估方法，第一，由于缺乏能代表城市间经济贸易往来的“流”数据，因而只能用一些间接的指标，如价格一体化程度，进行评估，这类评估方法，不仅不准确，还不容易从直观上理解，应用性较差。第二，一些基于大数据的评估，往往是由纯计算机专业人员、交通规划专业人员或经济学者来进行捕捉的，因为彼此之间存在断点，所以都难以单独完成这个工作；同时，由于城市群涉及城市之间“人”和“货”的交流，只有同时考虑城市间“人流”和“物流”的联系，才能对城市群做出准确的评估，而市面上的大数据，往往只能基于手机、人口流动等某一类数据进行计算和评估，有失偏颇。基于此，本技术提出一种基于乘用车车流和商用车车流的评估城市群的方法。


技术实现要素：

4.本发明的目的就在于为了解决问题而提供一种基于利用指标和车流数据评估城市群的方法。
5.本发明通过以下技术方案来实现上述目的：一种基于利用指标和车流数据评估城市群的方法，包括以下步骤：
6.步骤一、根据车流数据定义城市群内联系紧密度，获取车辆上报的车联网数据，根据乘用车和商用车的车联网数据的上报时间，获取车辆时间持续一年的行程数据，并根据获取的上报数据进行特征数据分析，包括判断定位行程的起终点，在抽取事件特征，从而根据车流数据定义城市群内联系紧密度；
7.步骤二、根据车流数据定义城市群与群外城市联系程度，获取车辆上报的车联网数据，根据乘用车和商用车的车联网数据上报的时间，获取车辆时间持续一年的行程数据，并根据获取的上报数据进行特征数据分析，包括判断定位行程的起终点，再抽取事件特征，从而根据车流数据定义城市群与群外城市联系程度；
8.步骤三、根据计算和汇总后的车流数据定义城市群之间联系程度，定义城市群之间联系程度；
9.作为本发明再进一步的方案：所述步骤一和步骤二中，所获得的车联网数据包括：为更好更快的提供服务，只需提供必要的数据即可，其中应包含车牌号码、行程编号、起始时间、起点经度、起点维度、终点经度、终点纬度。
10.作为本发明再进一步的方案：所述步骤一和步骤二中，根据上报的数据，所获取的车联网特征数据为：根据车联网数据上报的时间，以获取车辆时间持续一年的行程数据和卫星定位数据，并对所取得的卫星定位数据进行分析，主要分析数据点的卫星定位时间、卫星定位经纬度。
11.作为本发明再进一步的方案：所述步骤一和步骤二中，所进行分析的抽取事件特征是指一辆乘用车最少从连续一年的卫星定位数据中进行抽取能够代表车辆驾驶行为的特征。
12.作为本发明再进一步的方案：所述步骤一和步骤二中，所进行分析的行为事件特征包括：行程标记、大行程起点、大行程终点和定位起终城市的特征。
13.作为本发明再进一步的方案：所述步骤一和步骤二中，进行数据筛选处理时，根据卫星定位数据，删除“distance(行驶距离)<＝500米”的行程和其他不必要的指标，定义所有大行程的起终点。
14.作为本发明再进一步的方案：所述步骤一中，根据车流数据定义城市群内联系紧密度：根据车联网数据，定义“城市之间的平均联系”，定义“与核心城市的联系”，定义“与区域中心城市的联系”，定义“普通城市之间的联系”。
15.作为本发明再进一步的方案：所述步骤二中，根据车流数据定义城市群与群外城市联系程度：根据车联网数据，定义“总车流”，定义“平均车流”，定义“城外车流占总车流比重”。
16.作为本发明再进一步的方案：所述步骤三中，根据汇总的总车流进行数据分析和处理，所进行分析的抽取事件特征是指两个城市群的城市之间总车流的特征。
17.本发明的有益效果是：该基于利用指标和车流数据评估城市群的方法设计合理，将大数据与一些分析方法相结合，总结出与城市发展有关的社会科学规律，并为政策评估提供一种有益的指导；根据上报的车联网数据获取车辆，结合多种软件配合使用、城市与交通的背景知识和数据挖掘的方法，精准识别起终点城市的定位，然后通过空间算法定义最终的城市群评估方法，相比手机信令数据、人口迁移数据、铁路运输的车流，能够更加全面、准确地反映城市间联系。
附图说明
18.图1为本发明结构示意图；
19.图2为客车：群内城市间平均车流图；
20.图3为货车：群内城市间平均车流图；
21.图4为客车：群内城市与核心城市的平均车流图；
22.图5为货车：群内城市与核心城市的平均车流图；
23.图6为客车：群内普通城市之间平均车流图；
24.图7为客车：群内普通城市之间平均车流图；
25.图8为客车：城市群对外总车流图；
26.图9为货车：城市群对外总车流图；
27.图10为客车：群外车流占总车流比重图；
28.图11为货车：群外车流占总车流比重图；
29.图12为客车：城市群与群外城市之间平均车流图；
30.图13为货车：城市群与群外城市之间平均车流图；
31.图14为客车：城市群之间车流图；
32.图15为货车：城市群之间车流图。
具体实施方式
33.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
34.实施例一
35.请参阅图1，一种基于利用指标和车流数据评估城市群的方法，包括以下步骤：
36.步骤一、根据车流数据定义城市群内联系紧密度，获取车辆上报的车联网数据，根据乘用车和商用车的车联网数据的上报时间，获取车辆时间持续一年的行程数据，并根据获取的上报数据进行特征数据分析，包括判断定位行程的起终点，在抽取事件特征，从而根据车流数据定义城市群内联系紧密度；
37.步骤二、根据车流数据定义城市群与群外城市联系程度，获取车辆上报的车联网数据，根据乘用车和商用车的车联网数据上报的时间，获取车辆时间持续一年的行程数据，并根据获取的上报数据进行特征数据分析，包括判断定位行程的起终点，再抽取事件特征，从而根据车流数据定义城市群与群外城市联系程度；
38.步骤三、根据计算和汇总后的车流数据定义城市群之间联系程度，定义城市群之间联系程度；
39.进一步的，在本发明实施例中，所述步骤一和步骤二中，所获得的车联网数据包括：为更好更快的提供服务，只需提供必要的数据即可，其中应包含车牌号码、行程编号、起始时间、起点经度、起点维度、终点经度、终点纬度。
40.进一步的，在本发明实施例中，所述步骤一和步骤二中，根据上报的数据，所获取的车联网特征数据为：根据车联网数据上报的时间，以获取车辆时间持续一年的行程数据和卫星定位数据，并对所取得的卫星定位数据进行分析，主要分析数据点的卫星定位时间、卫星定位经纬度。
41.进一步的，在本发明实施例中，所述步骤一和步骤二中，所进行分析的抽取事件特征是指一辆乘用车最少从连续一年的卫星定位数据中进行抽取能够代表车辆驾驶行为的特征。
42.进一步的，在本发明实施例中，所述步骤一和步骤二中，所进行分析的行为事件特征包括：行程标记、大行程起点、大行程终点和定位起终城市的特征。
43.进一步的，在本发明实施例中，所述步骤一和步骤二中，进行数据筛选处理时，根据卫星定位数据，删除“distance(行驶距离)<＝500米”的行程和其他不必要的指标，定义
所有大行程的起终点。
44.进一步的，在本发明实施例中，所述步骤一中，根据车流数据定义城市群内联系紧密度：根据车联网数据，定义“城市之间的平均联系”，定义“与核心城市的联系”，定义“与区域中心城市的联系”，定义“普通城市之间的联系”。
45.进一步的，在本发明实施例中，所述步骤二中，根据车流数据定义城市群与群外城市联系程度：根据车联网数据，定义“总车流”，定义“平均车流”，定义“城外车流占总车流比重”。
46.进一步的，在本发明实施例中，所述步骤三中，根据汇总的总车流进行数据分析和处理，所进行分析的抽取事件特征是指两个城市群的城市之间总车流的特征。
47.实施例二
48.请参阅图2～15，一种基于利用指标和车流数据评估城市群的方法，包括下步骤：
49.步骤一：根据车流数据定义城市群内联系紧密度
50.1.定义“城市之间的平均联系”[0051][0052][0053]
其中f表示车流，c表示城市群，i和j为城市，n为城市群内城市数量。车流有方向，所以f
ij
表示城市i到城市j的车流。
[0054]
2.定义“与核心城市的联系”[0055][0056][0057]
其中j
h
为核心城市，m为城市群内核心城市数量，d表示城市间距离，其余同上。
[0058]
3.定义“与区域中心城市的联系”[0059][0060][0061]
其中j
q
为区域中心城市，n为城市群内区域中心城市数量，其余同上。
[0062]
4.普通城市之间的联系
[0063]
[0064][0065]
符号含义同上。
[0066]
步骤二：根据车流数据定义城市群与群外城市联系程度
[0067]
1.定义“总车流”[0068][0069][0070]
其中p表示第p个城市群，c'表示非城市群，c
′
p
表示第p个城市群之外的城市，k表示用于分析且存在车流的中国城市数量，不同的计算公式k的值不同。其余符号含义同上。
[0071]
2.定义“城外车流占总车流比重”[0072][0073]
符号含义同上。
[0074]
3.定义“平均车流”[0075][0076][0077][0078][0079]
符号含义同上。
[0080]
步骤三：定义“城市群之间联系程度”[0081][0082][0083]
符号含义同上。
[0084]
步骤四：数据校验补充
[0085]
对于数据的校验发现，结果符合常识，并且能做出很多有益的评估和发现；
[0086]
一、城市群内联系紧密度
[0087]
(一)城市之间的平均联系
[0088]
图2～3，因为受距离衰减的影响，大的城市群内城市之间平均车流反而不大，小城市群内城市之间车流比较大，阴影部分面积所示，这样说明大城市群的边界不能太宽，否则经济联系紧密度会下降；但是如果考虑城市群内城市多少，则长三角、珠三角等传统城市群内城市间的车流依然是最大的。
[0089]
货车结果与客车类似，但是有两点值得注意：第一，京津冀、长三角、珠三角等传统城市群内，城市间货车车流比较大，经济联系紧密，无论是否考虑城市规模，结果都类似；第二，除了7个比较成熟的城市群，新城市群中，山东半岛城市群是唯一一个车流密度较高的城市群，值得关注。
[0090]
(二)与核心城市的联系
[0091]
图4～5，受距离衰减的影响，大的城市群中与核心城市的平均车流会相对较低，小的城市群则会偏高，由于衰减速度比较快，即使乘以距离，大城市群的指标也会偏低。但是即便如此，这个指标也部分反映了城市群的凝聚力。
[0092]
与前面的分析略有不同，传统城市群，如珠三角城市群、长三角城市群、成渝城市群、中原城市群、关中平原城市群等等，与核心城市的平均车流依然比较高，尤其珠三角和关中平原城市群核心城市的对外辐射力很强。而几个较新的小城市群，比如呼包鄂榆、天山北坡、滇中、黔中城市群，由于城市群规模较小，与核心城市的平均车流比较高，说明他们仍然处在核心城市较好的辐射范围内。
[0093]
但是货车的指标中，传统城市群，尤其京津冀、长三角、珠三角和中原城市群中，核心城市的凝聚力和辐射能力要远远高于较新的城市群。
[0094]
长江中游城市群该指标较低，甚至其他指标都比较低，是因为以武汉、长沙、南昌为核心的几个城市“小群”之间，经济往来并不密切。
[0095]
(三)普通城市之间的联系
[0096]
图6～7，从客车车流上看，几个小城市群，如呼包鄂榆、山东半岛、黔中城市群，普通城市之间联系比较紧密。其余的城市群，普通城市之间的联系程度差异并不大，一方面说明城市群的边界相对合理，另一方面也说明大的城市群如传统的京津冀、长三角、珠三角城市群，排除外围城市后，距离较近的普通城市之间，车流更大，经济联系更加紧密。
[0097]
从货车车流上看，普通城市之间的联系类似于客车，但是有几点差异：1、山东半岛城市群虽然是规模较小的城市群，车流一般较大，但是指标的结果很高，说明山东半岛城市群经济联系非常紧密；2、京津冀、长三角、珠三角城市群的经济联系，即使已经包含了车流较小的外围城市，从平均货车车流上看，依然要高于其他城市群。
[0098]
一个值得注意的问题是，由几个小群组成的城市群，如长江中游、哈长、兰州
‑
西宁城市群，由于几个小群之间的城市经济往来并不密切，这个指标都非常低。
[0099]
二、城市群与群外城市联系紧密度
[0100]
(一)总车流
[0101]
图8～9，乘用车和货车类似，传统城市群，如京津冀、长三角、长江中游、中原城市群对外的经济影响依然远高于新的城市群。
[0102]
但是山东半岛城市群，无论乘用车车流还是货车车流都比较大。如果考虑对外车
流的距离，那么山东半岛城市群的对外经济影响有所减弱，说明该城市群主要辐射相对比较近的城市。
[0103]
(二)群外车流占总车流比重
[0104]
图10～11，传统几个较成熟的城市群虽然对外总车流比较大，但是只占总车流的较小部分。
[0105]
在群外车流占总车流的比重上，客车车流和货车车流高度一致，几个成熟的城市群，如京津冀、长三角、珠三角、成渝、长江中游、关中平原城市群，群内循环比较好，75％以上的经济联系都在群内发生。而新的城市群，包括山东半岛城市群，对外联系的比例要高得多，但从另一个角度来看，这也说明这些新的城市群内部缺乏强大的核心城市，凝聚群内城市的力量较弱。
[0106]
(三)平均车流
[0107]
图12～13，受较小车流的城市对的影响，小城市群这个指标一般而言会比较高，而大城市群会偏低。但是，1、无论客车车流还是货车车流，均没有发现大城市群指标偏低，既说明这些城市群对外经济的平均联系紧密度类似，也说明排除偏远城市之后，大城市群的对外平均经济联系更强；2、从货车车流看，京津冀城市群和中原城市群，平均对外联系要强于其他城市群。
[0108]
三、城市群之间联系紧密度
[0109]
图14～15，对城市群之间的车流数量进行了分级，采用arcgis的“自然间断点分类法”，使不同级别之间差异最大化，进而分出不同级别。
[0110]
从图中可以看到，京津冀和沿海经济带，城市群之间的客车车流和货车车流依然是最大的。其中，客车车流在沿海经济带的城市群之间最大，货车车流在京津冀一带城市群之间最大。中部的城市群与“京津冀和沿海城市群”之间的联系次之。西部、东北和边疆的城市群与其他城市群之间的联系比较弱。
[0111]
如果将沿海和中部的城市群连起来看成一张弓，这张弓的联系是最紧密的。其中，客车车流南部较大，货车车流北部更密。
[0112]
工作原理：在使用该基于利用指标和车流数据评估城市群的方法时，首先，城市群内，城市之间的平均联系可以看成是城市群内一般意义上联系的紧密度。同时，城市群往往存在核心城市和区域中心城市，那么通过评估与核心城市、区域中心城市的联系紧密度，以及普通城市之间的联系紧密度，可以看到城市群的凝聚力和边界。
[0113]
第二，城市群不仅仅要考察内部的经济活动密度和凝聚力，城市群的对外辐射能力大小，也是城市群影响力的重要特征。因此，我们评估了城市群与群外城市之间的联系紧密度。同时，城市群内循环的比重，可以代表城市群的完善程度，因此，本技术也对此做了评估。
[0114]
最后，城市群之间的联系，既可以让我们看到全国的区域经济发展大局，也可以看到城市群外循环的重要特征。因此，本技术评估了城市群之间的联系紧密度。
[0115]
对结果的检验显示，利用车流数据对城市群所做的评估，符合直觉，但是能帮助我们更加清楚、准确、全面地了解城市群，并且有很多有益的发现。。
[0116]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论
从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0117]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。