城市空中交通分担率的确定方法、装置、电子设备及介质

1.本发明涉及城市交通技术领域，具体而言，本发明涉及城市空中交通 分担率的确定方法、装置、电子设备及介质。


背景技术：

2.目前一种进入城市空间的新型交通方式的分担率的预测方法大多数采 用三种方式，第一种，利用相关的智能算法预测某一年的某种新型交通方式 的分担率。第二种，根据研究重点设计调查问卷，将rp(revealedpreference)调查和sp(stated preference)调查相结合，通过问卷结果 计算城市中各种交通方式的分担率和需求量，第三种，采用四阶段法，四阶 段法在进行分担率的预测时需要利用城市各交通方式的现状分担率、现状和 预测的某一年的每一种交通方式在不同交通小区之间各因素数据：时间、费 用、可达性等。
3.上述三种方式有以下缺点，
4.第一种，采用监督分类的智能算法：训练样本的选择人为主观因素较强， 所选择的训练样本并不一定可以很好的代表现在的城市交通系统的出行结 构；训练样本的选择和评估需要耗费较多的人力和时间；只能识别用于构建 模型的影响交通方式选择的因素，若某类别由于训练者不知道或者其数量太 少未被定义，则监督分类不能识别。采用非监督分类的智能算法：非监督分 类产生的影响交通方式选择的因素需要大量的后续分析和处理，将其与研究 区的因素相匹配，才能得到最终结果；分析者较难对影响交通方式选择的因 素进行控制。综上，智能算法的鲁棒性较差，预测的结果准确性较差。
5.第二种，调查问卷：调查问卷设计的合理性难以评估；分发调查问卷， 收集调查问卷结果，从而得到一个足够大，足够具有代表性的样本，需要耗 费极大的人力、物力和时间。
6.第三种，但一种新型交通方式在未进入城市交通系统中时并无现状分担 率，可能会导致预测的结果准确性较差，另外，四阶段法中的logit模型具 有iia(independence of irrelevant alternative)特性,会影响预测的精 度。logit模型的iia特性指的是在城市区域内，两种交通方式的优劣比值 是固定的，即不管城市内部是否有uam(urban air mobility,城市空中交通) 这种交通方式，居民出行选择小汽车或公交车的概率比值是相等的。


技术实现要素：

7.本发明所要解决的技术问题是提供了一种城市空中交通分担率的确 定方法、装置、电子设备及介质，旨在解决上述至少一个技术问题。
8.第一方面，本发明解决上述技术问题的技术方案如下：一种城市空 中交通分担率的确定方法，该方法包括：
9.获取各交通方式在研究区域对应的当前交通总流量，并根据当前交通总 流量，预测出各交通方式在指定时间对应的第一预测交通总流量，各交通方 式包括小汽车、公共交
通和城市空中交通；
10.获取各交通方式中每种交通方式在研究区域对应的当前分担率、当前数 据和指定时间对应的预测数据，当前数据和预测数据为不同时间对应的相同 参数，参数包括时间、费用和可达性；
11.根据当前分担率和当前数据，通过双层nl模型，确定模型参数值，上 述双层nl模型用于表征各交通方式对应的分担率、当前数据和模型参数值 之间的关联关系；
12.根据模型参数值、第一预测交通总流量和预测数据，通过mnl模型，预 测出城市空中交通在指定时间的研究区域对应的分担率，上述mnl模型用于 表征城市空中交通在指定时间的研究区域对应的分担率、第一预测交通总流 量、预测数据和模型参数值之间的关联关系。
13.本发明的有益效果是：先基于当前交通总流量，预测出各交通方式在 指定时间对应的第一预测交通总流量，然后根据各交通方式对应的当前分担 率和当前数据，通过双层nl模型确定模型参数值，双层nl模型中的模型参 数值与mnl模型的模型参数值相同，则基于确定出的模型参数值、第一预测 交通总流量和预测数据，通过mnl模型，预测出城市空中交通在指定时间的 研究区域对应的分担率，本技术方案中，通过影响分担率的各因素(时间、 费用和可达性)来预测城市空中交通在指定时间对应的分担率相较于现有技 术更加准确，同时，通过本发明的方案，不需要采用人工的方式统计数据， 节省人力、物力和时间。另外，本技术方案将nl模型与mnl模型结合使用， 不仅可以降低logit模型的iia特性的影响，还可以绕过uam无现状共享率 数据的问题。
14.在上述技术方案的基础上，本发明还可以做如下改进。
15.进一步，上述研究区域包括多个交通小区，上述方法还包括：
16.获取研究区域对应的各个交通小区的分布；
17.根据当前交通总流量和各个交通小区的分布，确定指定时间对应的每个 交通小区的第二预测交通总流量，第一预测交通总流量包括各个交通小区的 第二预测交通总流量；
18.上述根据模型参数值、第一预测交通总流量和预测数据，通过mnl模型， 预测出城市空中交通在指定时间对应的分担率，包括：
19.根据模型参数值、预测数据和各第二预测交通总流量，通过mnl模型， 预测出在指定时间，城市空中交通在各交通小区对应的分担率；
20.其中，mnl模型用于表征在指定时间，城市空中交通在各交通小区对应 的分担率、各第二预测交通总流量、预测数据和模型参数值之间的关联关系。
21.采用上述进一步方案的有益效果是，考虑到每个交通小区的交通总流量 可能不同，则在预测城市空中交通在指定时间的研究区域对应的分担率时， 可基于根据模型参数值、预测数据和各第二预测交通总流量，通过mnl模型， 预测在指定时间，城市空中交通在各交通小区对应的分担率，从而使得预测 得到的分担率更加准确。
22.进一步，上述方法还包括：
23.根据当前交通总流量和各个交通小区的分布，确定每个交通小区的当前 交通总流量；
24.上述根据当前交通总流量和各个交通小区的分布，确定指定时间对应的 每个交
通小区的第二预测交通总流量，包括：
25.获取研究区域的当前人口数量和在指定时间对应的预测人口数量；
26.根据当前人口数量、预测人口数量和各交通小区的当前交通总流量，确 定指定时间对应的每个交通小区的第二预测交通总流量。
27.采用上述进一步方案的有益效果是，考虑到每个交通小区的交通总流量 可能不同，以及当前人口数量和预测人口数量对于每个交通小区的交通总流 量的影响，在本发明方案中，可先确定出每个交通小区的当前交通总流量， 然后根据每个交通小区的当前交通总流量、当前人口数量和预测人口数量， 预测指定时间对应的每个交通小区的第二预测交通总流量，使得预测的第二 预测交通总流量更加准确。
28.进一步，上述方法还包括：
29.根据城市空中交通在各交通小区对应的分担率和各交通小区的第二预 测交通总流量，确定城市空中交通在各交通小区对应的交通流量。
30.采用上述进一步方案的有益效果是，在确定了城市空中交通在各交通小 区对应的分担率之后，可根据该分担率和各交通小区的第二预测交通总流 量，确定城市空中交通在各交通小区对应的交通流量，以通过该交通流量反 映城市空中交通在各交通小区的交通分布情况。
31.进一步，上述方法还包括：
32.根据城市空中交通在各交通小区对应的交通流量，为每个居民提供出行 路线。
33.采用上述进一步方案的有益效果是，考虑到城市空中交通在各交通小区 对应的交通流量，可以根据该交通流量为居民提供出行路线。
34.进一步，上述方法还包括：
35.获取当前初始交通总流量，并根据当前初始交通总流量，确定当前初始 交通总流量对应区域中每条道路对应的当量交通量；
36.获取当前载货汽车占所有汽车的比例；
37.根据各条道路对应的当量交通量和比例，确定每条道路对应的实际载客 流量；
38.根据每条道路对应的实际载客流量和小汽车的当前分担率，确定各交通 方式对应的当前交通总流量。
39.采用上述进一步方案的有益效果是，当前初始交通总流量中包括载货汽 车的交通流量，当前交通总流量指的是居民出行时采用不同交通方式对应的 交通总流量，不包括载货汽车的交通流量，因此，可将载货汽车的交通流量 从当前初始交通总流量中去除，以提高预测分担率的准确性。
40.进一步，上述根据当前交通总流量，预测出各交通方式在指定时间对应 的第一预测交通总流量，包括：
41.获取研究区域的当前人口数量和在指定时间对应的预测人口数量；
42.根据当前人口数量、预测人口数量和当前交通总流量，预测出各交通方 式在指定时间对应的第一预测交通总流量。
43.采用上述进一步方案的有益效果是，考虑到当前人口数量和预测人口数 量对于第一预测交通总流量的影响，在本发明方案中，可根据当前交通总流 量、当前人口数量和预测人口数量，预测第一预测交通总流量，使得预测的 第一预测交通总流量更加准确。
44.第二方面，本发明为了解决上述技术问题还提供了一种城市空中交 通分担率的确定装置，该装置包括：
45.交通总流量预测模块，用于获取各交通方式在研究区域对应的当前交通 总流量，并根据当前交通总流量，预测出各交通方式在指定时间对应的第一 预测交通总流量，各交通方式包括小汽车、公共交通和城市空中交通；
46.参数预测模块，用于获取各交通方式中每种交通方式在研究区域对应的 当前分担率、当前数据和指定时间对应的预测数据，当前数据和预测数据为 不同时间对应的相同参数，参数包括时间、费用和可达性；
47.模型参数值确定模块，用于根据当前分担率和当前数据，通过双层nl 模型，确定模型参数值，双层nl模型用于表征各交通方式对应的分担率、 当前数据和模型参数值之间的关联关系；
48.分担率预测模块，用于根据模型参数值、第一预测交通总流量和预测数 据，通过mnl模型，预测出城市空中交通在指定时间的研究区域对应的分担 率，mnl模型用于表征城市空中交通在指定时间的研究区域对应的分担率、 第一预测交通总流量、预测数据和模型参数值之间的关联关系。
49.第三方面，本发明为了解决上述技术问题还提供了一种电子设备， 该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行 的计算机程序，处理器执行该计算机程序时实现本技术的城市空中交通 分担率的确定方法。
50.第四方面，本发明为了解决上述技术问题还提供了一种计算机可读 存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序 被处理器执行时实现本技术的城市空中交通分担率的确定方法。
51.本技术附加的方面和优点将在下面的描述中部分给出，这些将从下 面的描述中变得明显，或通过本技术的实践了解到。
附图说明
52.为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实 施例描述中所需要使用的附图作简单地介绍。
53.图1为本发明一个实施例提供的一种城市空中交通分担率的确定方 法的流程示意图；
54.图2为本发明一个实施例提供的一种双层nl模型结构示意图；
55.图3为本发明一个实施例提供的又一种城市空中交通分担率的确定 方法的流程示意图；
56.图4为本发明一个实施例提供的一种城市空中交通分担率的确定装 置的结构示意图；
57.图5为本发明一个实施例提供的一种电子设备的结构示意图。
具体实施方式
58.以下对本发明的原理和特征进行描述，所举实例只用于解释本发明， 并非用于限定本发明的范围。
59.下面以具体实施例对本发明的技术方案以及本发明的技术方案如何 解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结 合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面 将结合附图，对本发明的实施例进行描述。
60.本发明实施例所提供的方案可以适用于任何需要在预测城市空中交 通分担率的应用场景中。本发明实施例所提供的方案可以由任一电子设 备执行，比如，可以是用户的终端设备，上述终端设备可以是任何可以 安装应用，并可通过应用预测城市空中交通分担率的终端设备，包括以 下至少一项：智能手机、平板电脑、笔记本电脑、台式计算机、智能音 箱、智能手表、智能电视、智能车载设备。
61.本发明实施例提供了一种可能的实现方式，如图1所示，提供了一 种城市空中交通分担率的确定方法的流程图，该方案可以由任一电子设 备执行，例如，可以是终端设备，或者由终端设备和服务器(下文可称 为文件服务器)共同执行。为描述方便，下面将以服务器作为执行主体 为例对本发明实施例提供的方法进行说明，如图1中所示的流程图，该方 法可以包括以下步骤：
62.步骤s110，获取各交通方式在研究区域对应的当前交通总流量，并根据 当前交通总流量，预测出各交通方式在指定时间对应的第一预测交通总流 量，各交通方式包括小汽车、公共交通和城市空中交通；
63.步骤s120，获取各交通方式中每种交通方式在研究区域对应的当前分 担率、当前数据和指定时间对应的预测数据，当前数据和预测数据为不同时 间对应的相同参数，参数包括时间、费用和可达性；
64.步骤s130，根据当前分担率和当前数据，通过双层nl模型，确定模型 参数值，双层nl模型用于表征各交通方式对应的分担率、当前数据和模型 参数值之间的关联关系；
65.步骤s140，根据模型参数值、第一预测交通总流量和预测数据，通过 mnl模型，预测出城市空中交通在指定时间的研究区域对应的分担率，mnl 模型用于表征城市空中交通在指定时间的研究区域对应的分担率、第一预测 交通总流量、预测数据和模型参数值之间的关联关系。
66.通过本发明的方法，基于当前交通总流量，预测出各交通方式在指定时 间对应的第一预测交通总流量，然后根据各交通方式对应的当前分担率和当 前数据，通过双层nl模型确定模型参数值，双层nl模型中的模型参数值与 mnl模型的模型参数值相同，则基于确定出的模型参数值、第一预测交通总 流量和预测数据，通过mnl模型，预测出城市空中交通在指定时间的研究区 域对应的分担率，本技术方案中，通过影响分担率的各因素(时间、费用和 可达性)来预测城市空中交通在指定时间对应的分担率相较于现有技术更加 准确，同时，通过本发明的方案，不需要采用人工的方式统计数据，节省人 力、物力和时间。另外，本技术方案将nl模型与mnl模型结合使用，不仅 可以降低logit模型的iia特性的影响，还可以绕过uam无现状共享率数据 的问题。
67.下面结合以下具体的实施例，对本发明的方案进行进一步的说明，在该 实施例中，城市空中交通分担率的确定方法可以包括以下步骤：
68.步骤s110，获取各交通方式在研究区域对应的当前交通总流量，并根据 当前交通总流量，预测出各交通方式在指定时间对应的第一预测交通总流 量，各交通方式包括小汽车、公共交通和城市空中交通。
69.其中，研究区域指的是需要进行分担率确定的一个城市的区域，当前交 通总流量指的是上述三个交通方式共同对应的交通总流量，该当前交通总流 量可反映某个城市的一个区域对应的交通情况，比如，a市的b区域(研究 区域)，当前交通总流量可通过需要进行分析的区域(比如，b区域)中所 设置的道路摄像头获取的数据分析确定。上述公共交通可包括公交车、地铁、 轻轨等公共交通出行方式。
70.指定时间指的是未来的某个时间段，比如可以是未来的某几个月，或未 来的某年，或未来的几周。指定时间可根据研究需求进行设定。作为一个示 例，比如，当前交通总流量为a市的b区域的交通总流量，第一预测交通 总流量指的是在指定时间，上述a市的区域b的交通总流量。
71.可选的，在步骤s110之前，该方法还包括：
72.获取当前初始交通总流量，并根据当前初始交通总流量，确定当前初始 交通总流量对应区域中每条道路对应的当量交通量；
73.获取当前载货汽车占所有汽车的比例；
74.根据各条道路对应的当量交通量和比例，确定每条道路对应的实际载客 流量；
75.根据每条道路对应的实际载客流量和小汽车的当前分担率，确定各交通 方式对应的当前交通总流量。
76.由于当前初始交通总流量中包括载货汽车的交通流量，当前交通总流 量指的是居民出行时采用不同交通方式对应的交通总流量，不包括载货汽车 的交通流量，因此，可将载货汽车的交通流量从当前初始交通总流量中去除， 以提高预测分担率的准确性。
77.其中，当前载货汽车占所有汽车的比例可基于当前初始交通总流量对应 区域设置的采集设备采集的数据分析确定。
78.作为一个示例，区域a中包括m条道路，n个监控设备，通过这n个监 控设备获取区域a对应的m条道路的当前初始交通总流量，将该当前初始 交通总流量转化为不同方向的道路的当量交通量，将每条道路的当量交通量 乘以当前载货汽车占所有汽车的比例，可以确定每条道路对应的实际载客流 量。由于每条道路上的交通量仅为小汽车的交通量，因此，根据每条道路对 应的实际载客流量，除以小汽车对应的分担率，可计算得到各条道路对应的 当前交通总流量，即居民出行总量。
79.步骤s120，获取各交通方式中每种交通方式在研究区域对应的当前分 担率、当前数据和指定时间对应的预测数据，当前数据和预测数据为不同时 间对应的相同参数，参数包括时间、费用和可达性。
80.其中，当前数据为影响交通方式划分的各因素现状数据，基于前文描述 的三个交通方式，每个交通方式对应一个当前分担率，即小汽车对应一个当 前分担率，公共交通对应一个当前分担率，城市空中交通对应一个当前分担 率。当前数据包括当前对应的时间、费用和可达性，预测数据包括指定时间 对应的时间、费用和可达性。时间指的是交通工具的行驶时间，比如，乘坐 小汽车从a点到b点所花费的时间，乘坐公交车从b点到c点所花费的时间。 费用指的是居民乘坐交通工具所花费的费用，比如，乘坐小汽车从a点到b 点的费用，乘坐公交车从b点到c点的费用。可达性指的是利用交通工具从 某一地点到达另一个地点的便利程度。可选的，上述a点、b点和c点可以 为交通小区。
81.可选的，上述预测数据可基于当前数据和当前数据对应的区域的人口变 化确定。
82.步骤s130，根据当前分担率和当前数据，通过双层nl模型，确定模型 参数值，双层nl模型用于表征各交通方式对应的分担率、当前数据和模型 参数值之间的关联关系。
83.其中，上述双层nl模型为预先建立的模型，该双层nl模型用于表征各 交通方式对应的分担率、当前数据和模型参数值之间的关联关系，模型参数 值为影响分担率的因素，不同的当前数据对应不同的分担率，不同的分担率 和不同的当前数据所对应的模型参数值不同。
84.可选的，参见图2，双层nl模型构建的原理为将城市内部现状交通方式 划分为非机动类和机动类两种，其中，非机动类包括自行车和步行，机动类 包括小汽车和公共交通，其中,公共交通分为公交、地铁。上述双层nl模型 可通过以下方式建立：以某年的a市b区域为例，获取各个交通方式中每种 交通方式对应的时间、费用和可达性，以及每种交通方式对应的分担率。
85.通过以下公式(1)至(5)表征每种交通方式对应的时间、费用、可达 性和该种交通方式对应的分担率之间的关系:
[0086][0087]
p
ijcar
＝1-p
ijbus
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0088][0089]
其中，p
ijbus
、p
ijcar
分别表示小汽车和公共汽车的分担率；分别表示 小汽车和公共汽车的行驶时间；分别表示小汽车和公共汽车的费用；分别表示小汽车和公共汽车的可达性；表示小汽车对应的交通 总流量,表示公共汽车对应的交通总流量，α、β、γ、θ表示模型参数值。
[0090]
其中，小汽车的可达性可通过以下公式(4)确定：
[0091][0092]
其中，表示的是在规定时间段p内，从交通小区i出发的可达性，表示在时间段p内交通小区j的机会数量，即表示的是在时间段p内，从交 通小区j出发能接近的机会的多少；表示在时间段p内，交通小区i到交 通小区j的最短出行时间，t表示研究时间区间，即预先设定的一个时间段， 时，表示所确定的可达性是在研究时间区间内，则可选择对应的参 数确定可达性，此时，同理，表示所确定的可达性是在研 究时间区间之外，则对应的参数不选择用来确定可达性，此时， n表示b区域内的交通小区的数量。
[0093]
公共交通以及城市空中交通uam的可达性可通过以下公式(5)确定：
[0094][0095]
其中，af表示公共交通或城市空中交通uam的可达性，ρ表示辐射区 域(b区域)内乘客出行密度；s表示辐射区域内面积；t表示辐射区域内乘 客平均出行时间；m表示辐射区域内公共交通或城市空中交通uam中包括 的站点数。
[0096]
在本发明的可选方案中，上述根据当前交通总流量，预测出各交通方式 在指定时间对应的第一预测交通总流量，包括：
[0097]
获取研究区域的当前人口数量和在指定时间对应的预测人口数量；
[0098]
根据当前人口数量、预测人口数量和当前交通总流量，预测出各交通方 式在指定时间对应的第一预测交通总流量。
[0099]
考虑到当前人口数量和预测人口数量对于第一预测交通总流量的影响， 在本发明方案中，可先根据当前人口数量和预测人口数量，通过原单位法来 确定常驻人口原单位，常驻人口原单位等于预测人口数量与当前人口数量的 比值。然后将常驻人口原单位乘以当前交通总流量(各交通方式对应的交通 总流量)，可得到各交通方式在指定时间对应的第一预测交通总流量。本发 明方案中，根据当前交通总流量、当前人口数量和预测人口数量，预测第一 预测交通总流量，使得预测的第一预测交通总流量更加准确。
[0100]
需要说明的是，如果无法获取城市空中交通的当前分担率，则可基于其 他两种交通方式各自对应的当前分担率，以及其他两种交通方式各自对应的 当前数据来确定模型参数值，这样可以解决没有新型交通方式的当前分担率 的问题。
[0101]
步骤s140，根据模型参数值、第一预测交通总流量和预测数据，通过 mnl模型，预测出城市空中交通在指定时间的研究区域对应的分担率，mnl 模型用于表征城市空中交通在指定时间的研究区域对应的分担率、第一预测 交通总流量、预测数据和模型参数值之间的关联关系。
[0102]
其中，上述mnl模型为预先建立的模型，该mnl模型用于表征城市空中 交通在指定时间对应的分担率、第一预测交通总流量、预测数据和模型参数 值之间的关联关系，mnl模型的模型参数值包括双层nl模型中的模型参数 值，mnl模型的作用是在模型参数值已知的前提下，根据预测数据和第一预 测交通总流量预测出城市空中交通在指定时间的研究区域对应的分担率。由 于预测数据包括各不同交通方式的参数，第一预测交通总流量包括各个不同 的交通方式对应的第一预测交通总流量，则通过mnl模型不但可以确定出城 市空中交通在指定时间对应的分担率，还可分别预测出公共交通和小汽车在 指定时间对应的分担率。
[0103]
可选的，上述mnl模型在预测城市空中交通在指定时间的研究区域对应 的分担率时，可通过以下公式(6)和公式(7)
[0104][0105][0106]
其中，表示城市空中交通在指定时间，从交通小区i到交通小区j 对应的时
间，表示城市空中交通在指定时间，从交通小区i到交通小区 j对应的费用，表示城市空中交通在指定时间，从交通小区i到交通小 区j对应的可达性；和v
uam
均表示城市空中交通在指定时间对应的第 一预测交通总流量，v
all
表示三种交通方式共同对应的第一预测交通总流量， p
uam
表示城市空中交通在指定时间对应的分担率，α、β和γ表示模型参数 值。
[0107]
在本技术的可选方案中，研究区域包括多个交通小区，考虑到每个交通 小区的交通总流量可能不同，则在预测城市空中交通在指定时间对应的分担 率时，可通过以下方式确定在指定时间，各个交通小区的第二预测交通总流 量，具体包括：
[0108]
获取研究区域对应的各个交通小区的分布；
[0109]
根据当前交通总流量和各个交通小区的分布，确定指定时间对应的每个 交通小区的第二预测交通总流量，第一预测交通总流量包括各个交通小区的 第二预测交通总流量；
[0110]
则上述根据模型参数值、第一预测交通总流量和预测数据，通过mnl模 型，预测出城市空中交通在指定时间对应的分担率，包括：
[0111]
根据模型参数值、预测数据和各第二预测交通总流量，通过mnl模型， 预测出在指定时间，城市空中交通在各交通小区对应的分担率；
[0112]
其中，上述mnl模型用于表征在指定时间，城市空中交通在各交通小区 对应的分担率、各第二预测交通总流量、预测数据和模型参数值之间的关联 关系。
[0113]
在本技术方案中，基于根据模型参数值、预测数据和各第二预测交通总 流量，通过mnl模型，预测在指定时间，城市空中交通在各交通小区对应的 分担率，从而使得预测得到的分担率更加准确。
[0114]
其中，第一预测交通总流量等于各个交通小区对应的第二预测交通总流 量之和，第二预测交通总流量指的是各交通方式在所有交通小区对应的交通 总流量。城市空中交通在指定时间对应的分担率等于在指定时间，城市空中 交通在各交通小区对应的分担率之和。
[0115]
可选的，该方法还包括：
[0116]
根据当前交通总流量和各个交通小区的分布，确定每个交通小区的当前 交通总流量；
[0117]
上述根据当前交通总流量和各个交通小区的分布，确定指定时间对应的 每个交通小区的第二预测交通总流量，包括：
[0118]
获取研究区域的当前人口数量和在指定时间对应的预测人口数量；
[0119]
根据当前人口数量、预测人口数量和各交通小区的当前交通总流量，确 定指定时间对应的每个交通小区的第二预测交通总流量。
[0120]
考虑到每个交通小区的交通总流量可能不同，以及当前人口数量和预测 人口数量对于每个交通小区的交通总流量的影响，在本发明方案中，可先确 定出每个交通小区的当前交通总流量，然后根据每个交通小区的当前交通总 流量、当前人口数量和预测人口数量，预测指定时间对应的每个交通小区的 第二预测交通总流量，使得预测的第二预测交通总流量更加准确。
[0121]
可选的，可根据当前交通总流量和各个交通小区的分布，通过od反推 确定每个交通小区的当前交通总流量。然后，根据当前人口数量和预测人口 数量，通过原单位法来确定常驻人口原单位，常驻人口原单位等于预测人口 数量与当前人口数量的比值。然后将常驻人口原单位乘以每个交通小区的当 前交通总流量，可得到每个交通小区对应的第二预测交通总流量，每个交通 小区对应的第二预测交通总流量还可称为od交通量。每个交通小区对应的 第二预测交通总流量还可称为两个交通小区之间的第二预测交通总流量。
[0122]
在本发明的可选方案中，在确定了城市空中交通在各交通小区对应的分 担率之后，还可根据城市空中交通在各交通小区对应的分担率和各交通小区 的第二预测交通总流量，确定城市空中交通在各交通小区对应的交通流量， 以通过该交通流量反映城市空中交通在各交通小区的交通分布情况。
[0123]
其中，对于每个交通小区，将该交通小区对应的分担率乘以该交通小区 的第二预测交通总流量等于城市空中交通在该交通小区对应的交通流量，通 过该交通流量可以反映出城市空中在该交通小区的交通分布情况。
[0124]
在本发明的可选方案中，上述方法还包括：
[0125]
根据城市空中交通在各交通小区对应的交通流量，为每个居民提供出行 路线。
[0126]
考虑到城市空中交通在各交通小区对应的交通流量，可以根据该交通 流量为居民提供出行路线。
[0127]
本发明选用用户最优平衡原理，即道路上的每个人都会选择综合成本 (时间短、花费少、可达性高)最小的路线，综合成本指标为居民出行会选 择到达目的地所用时间最短的路径(出行路线)。也就是说，基于在各交通 小区对应的交通流量，可为用户选择一条综合成本最小的路线作为出行路 线，以为用户提供更好的出行体验，同时还可以缓解当前的交通压力。
[0128]
为了更好的说明及理解本发明所提供的方法的原理，下面结合一个可选 的具体实施例对本发明的方案进行说明。需要说明的是，该具体实施例中的 各步骤的具体实现方式并不应当理解为对于本发明方案的限定，在本发明所 提供的方案的原理的基础上，本领域技术人员能够想到的其他实现方式也应 视为本发明的保护范围之内。
[0129]
参见图3所示的一种城市空中交通分担率的确定方法的示意图，在本示 例中，该方法包括以下步骤：
[0130]
步骤1，根据分担率预测需求，获取各交通方式在各个交通小区对应的 当前初始交通总流量。
[0131]
其中，在在本示例中，分担率预测需求中包括研究区域a，区域a为b 城市向北控制在四环路(北段)以内，向东控制在成都绕城高速公路以内， 向南控制在成都绕城高速公路以内，向西控制在四环路(西段)以内。空间 边界大致与国道一致，范围内面积约625平方公里。规划年限为2020年至 2025年，即2020年的交通总流量作为当前初始交通总流量，根据2020年的 当前初始交通总流量预测2025年城市空中交通的分担率，指定时间即为 2025年。上述当前交通总流量根据四环内部分道路上监控设备采集的车流量 数据确定，车流量数据包括的信息有采集时间、采集位置、车道数、不同类 型机动车数以及不同车道机动车数等。
[0132]
步骤2，区域a中包括m条道路，n个交通小区，将该当前初始交通总 流量转化为不
同方向的道路的当量交通量，将每条道路的当量交通量乘以当 前载货汽车占所有汽车的比例，可以确定每条道路对应的实际载客流量。由 于每条道路上的交通量仅为小汽车的交通量，因此，根据每条道路对应的实 际载客流量，除以小汽车对应的分担率，可计算得到各条道路对应的当前交 通总流量，即居民出行总量。
[0133]
步骤3，根据各条道路对应的当前交通总流量和各个交通小区的分布， 通过od反推的方式，确定每个交通小区的当前交通总流量，即上述n个交 通小区中，每个交通小区对应一个当前交通总流量。
[0134]
步骤4，获取区域a的当前人口数量(2020年的人口数量)和2025年 对应的预测人口数量；根据当前人口数量和预测人口数量，通过原单位法来 确定常驻人口原单位，常驻人口原单位等于预测人口数量与当前人口数量的 比值，本示例中，该比值为1.08。然后将常驻人口原单位1.08乘以每个交 通小区的当前交通总流量，可得到每个交通小区对应的第二预测交通总流 量，每个交通小区对应的第二预测交通总流量还可称为od交通量。每个交 通小区对应的第二预测交通总流量还可称为两个交通小区之间的第二预测 交通总流量。该步骤4对应图3中所示的交通的发生与吸引，得到的每个交 通小区对应的第二预测交通总流量对应图3中所示的2025年b市交通流总 量。
[0135]
步骤5，根据每个交通小区对应的第二预测交通总流量以及2025年各交 通方式对应的时间、费用和可达性数据，通过双约束重力模型，预测出2025 年，每个交通小区对应的第一预测交通总流量。对应图3中的2025年交通 分布，以及对应图3中的交通分布。
[0136]
在进行四阶段法的预测前，需要将研究区域划分成一定数量、大小的交 通小区，而交通分布就是研究这些交通小区之间的出行量变化。研究区域内 每个交通小区产生多少交通量(可称之为产生交通量)，吸引多少交通量(可 称为吸引交通量)即构成了研究区域内的交通流量空间od分布。这个阶段 可以很好的反映不同用地类型的城市布局中居民出行的空间特性，即居民在 何种用地类型、哪个位置产生或吸引的交通量较多。在交通预测中，由于数 据处理误差、原始数据集误差、影响交通方式选择的多个因素的交通阻抗的 综合计算误差等，往往会导致交通发生总量与吸引总量的不守恒问题。本申 请所采用的双约束重力模型在进行交通分布预测时，可以同时考虑发生量和 吸引量的守恒，可大大提高预测结果的准确性，避免后续可能出现需要纠正 交通吸引量与发生量的值的问题。
[0137]
其中，上述双约束重力模型可通过以下公式(8)表示：
[0138][0139]
其中，本文以幂指数作为交通阻抗函数用于双约束重力模型 中交通分布的预测，其中，f(c
ij
)表示每个交通小区对应的od交通量，c
ij
表示从交通小区i到交通小区j的费用，ai表示i交通小区的发生原单位(该 发生原单位等于该i交通小区的当前交通总流量除以该i交通小区的当前人 口总数)，bj表示j交通小区的吸引原单位(该吸引原单位等于该i交通小区 的当前交通总流量除以该i交通小区的当前人口总数)，q
ij
表示交通
小区和j 交通小区之间的出行量(第一预测交通总流量)，oi表示交通小区i的发生交 通量；dj表示交通小区j的吸引交通量。
[0140]
上述双约束重力模型可通过以下方式训练得到：
[0141]
步骤a，令m＝0,m为计算次数；
[0142]
步骤b，给出γ(通过最小二乘法求出)；
[0143]
步骤c，令求出
[0144]
步骤d，求出和
[0145]
步骤e，令m＝m+1，继续求和多次循环迭代；
[0146]
步骤f，双约束重力模型的收敛判定，若满足ai和bj对应的精度，结束 计算；反之，返回步骤b重新计算,其中，ai和bj对应的精度分别通过以下 公式表示。
[0147][0148]
其中，ε为设定值。
[0149]
步骤6，交通方式划分包括两个部分，第一个部分，将2020年各交通方 式中每个交通方式对应的分担率，2020年每个交通方式对应的时间、费用和 可达性数据输入至双层nl模型中，计算得到模型参数值(对应图3中所示 的时间、费用、可达性参数值)。本示例中，模型参数值分别为：α：-0.5503； β：-0.0022；γ:0.00015；θ：-0.6297。第二部分，将模型参数值，2025年每个交 通方式对应的时间、费用和可达性数据，以及步骤4中得到的每个交通小区 对应的第二预测交通总流量输入至mnl模型，得到2025年uam在每个交通 小区的分担率(对应图3中所示的2025年uam分担率)。
[0150]
步骤7，根据2025年uam在每个交通小区的分担率和2025年每个交通 小区对应的第二预测交通总流量，可以确定得到2025年uam在每个交通小 区的交通流量，对应图3中所示的2025年od流量。具体为：三环以内uam 的流量相对较小，三环外流量较大。三环与四环之间范围内，成都市东南方 向uam流量较小，西北方向流量较大。
[0151]
步骤8，根据2025年uam在每个交通小区的交通流量，结合人口密度分 布uam航线网，通过用户最优平衡原理，可以确定以下至少一项信息：uam 费用与分担率的关系、人口增长量与uam分担率的关系、距离与uam分担率 的关系、uam流量分布模式(uam在各个交通小区的交通流量分布情况)和 uam航线规划的建议(为用户提供较优的出行路线)。步骤8对应图3中所示 的交通流分配。
[0152]
通过本发明的方案对城市空中交通uam的分担率和交通流需求大小及 分布进行了预测，通过预测结果分析出乘客的出行成本对uam的分担率影 响很大，在完全进行共享运营时，uam很有潜力面向市场，且uam分担 率随着距离的增大而增大，当距离超过15km时，uam更具有运输优势。 人口的变化对uam分担率的影响不大，但对uam交通流量影响很大。通 过交通流的分配将od交通量分配到路网上，根据交通流大小的分布、分担 率大小的分布综合考虑可以给出未来成都市进行航路航线划设的依据。
[0153]
基于与图1中所示的方法相同的原理，本发明实施例还提供了一种城市 空中交通分担率的确定装置20，如图4中所示，该城市空中交通分担率的确 定装置20可以包括交通
总流量预测模块210、参数预测模块220、城模型参 数值确定模块230和分担率预测模块240，其中：
[0154]
交通总流量预测模块210，用于获取各交通方式在研究区域对应的当前 交通总流量，并根据当前交通总流量，预测出各交通方式在指定时间对应的 第一预测交通总流量，各交通方式包括小汽车、公共交通和城市空中交通；
[0155]
参数预测模块220，用于获取各交通方式中每种交通方式在研究区域对 应的当前分担率、当前数据和指定时间对应的预测数据，当前数据和预测数 据为不同时间对应的相同参数，参数包括时间、费用和可达性；
[0156]
模型参数值确定模块230，用于根据当前分担率和当前数据，通过双层 nl模型，确定模型参数值，双层nl模型用于表征各交通方式对应的分担率、 当前数据和模型参数值之间的关联关系；
[0157]
分担率预测模块240，用于根据模型参数值、第一预测交通总流量和预 测数据，通过mnl模型，预测出城市空中交通在指定时间的研究区域对应的 分担率，mnl模型用于表征城市空中交通在指定时间的研究区域对应的分担 率、第一预测交通总流量、预测数据和模型参数值之间的关联关系。
[0158]
可选的，上述研究区域包括多个交通小区，上述装置还包括：
[0159]
第一预测模块，用于获取研究小区对应的各个交通小区的分布；根据当 前交通总流量和各个交通小区的分布，确定指定时间对应的每个交通小区的 第二预测交通总流量，第一预测交通总流量包括各个交通小区的第二预测交 通总流量；
[0160]
上述分担率预测模块240在根据模型参数值、第一预测交通总流量和预 测数据，通过mnl模型，预测出城市空中交通在指定时间对应的分担率时， 具体用于：
[0161]
根据模型参数值、预测数据和各第二预测交通总流量，通过mnl模型， 预测出在指定时间，城市空中交通在各交通小区对应的分担率；
[0162]
其中，上述mnl模型用于表征在指定时间，城市空中交通在各交通小区 对应的分担率、各第二预测交通总流量、预测数据和模型参数值之间的关联 关系。
[0163]
可选的，上述装置还包括：
[0164]
交通小区流量确定模块，用于根据当前交通总流量和各个交通小区的分 布，确定每个交通小区的当前交通总流量；
[0165]
上述第一预测模块在根据当前交通总流量和各个交通小区的分布，确定 指定时间对应的每个交通小区的第二预测交通总流量时，具体用于：
[0166]
获取研究区域的当前人口数量和在指定时间对应的预测人口数量；
[0167]
根据当前人口数量、预测人口数量和各交通小区的当前交通总流量，确 定指定时间对应的每个交通小区的第二预测交通总流量。
[0168]
可选的，上述装置还包括：
[0169]
交通流量确定模块，用于根据城市空中交通在各交通小区对应的分担率 和各交通小区的第二预测交通总流量，确定城市空中交通在各交通小区对应 的交通流量。
[0170]
可选的，上述装置还包括：
[0171]
出行路线确定模块，用于根据城市空中交通在各交通小区对应的交通流 量，为每个居民提供出行路线。
[0172]
可选的，上述装置还包括：
[0173]
预处理模块，用于获取当前初始交通总流量，并根据当前初始交通总流 量，确定当前初始交通总流量对应区域中每条道路对应的当量交通量；获取 当前载货汽车占所有汽车的比例；根据各条道路对应的当量交通量和比例， 确定每条道路对应的实际载客流量；根据每条道路对应的实际载客流量和小 汽车的当前分担率，确定各交通方式对应的当前交通总流量。
[0174]
可选的，上述交通总流量预测模块210在根据当前交通总流量，预测出 各交通方式在指定时间对应的第一预测交通总流量，具体用于：
[0175]
获取研究区域的当前人口数量和在指定时间对应的预测人口数量；
[0176]
根据当前人口数量、预测人口数量和当前交通总流量，预测出各交通方 式在指定时间对应的第一预测交通总流量。
[0177]
本发明实施例的城市空中交通分担率的确定装置可执行本发明实施 例所提供的城市空中交通分担率的确定方法，其实现原理相类似，本发 明各实施例中的城市空中交通分担率的确定装置中的各模块、单元所执 行的动作是与本发明各实施例中的城市空中交通分担率的确定方法中的 步骤相对应的，对于城市空中交通分担率的确定装置的各模块的详细功 能描述具体可以参见前文中所示的对应的城市空中交通分担率的确定方 法中的描述，此处不再赘述。
[0178]
其中，上述城市空中交通分担率的确定装置可以是运行于计算机设 备中的一个计算机程序(包括程序代码)，例如该城市空中交通分担率 的确定装置为一个应用软件；该装置可以用于执行本发明实施例提供的 方法中的相应步骤。
[0179]
在一些实施例中，本发明实施例提供的城市空中交通分担率的确定 装置可以采用软硬件结合的方式实现，作为示例，本发明实施例提供的 城市空中交通分担率的确定装置可以是采用硬件译码处理器形式的处理 器，其被编程以执行本发明实施例提供的城市空中交通分担率的确定方 法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用 集成电路(asic，application specific integrated circuit)、dsp、可编程 逻辑器件(pld，programmable logic device)、复杂可编程逻辑器件 (cpld，complex programmable logic device)、现场可编程门阵列 (fpga，field-programmable gate array)或其他电子元件。
[0180]
在另一些实施例中，本发明实施例提供的城市空中交通分担率的确 定装置可以采用软件方式实现，图4示出了存储在存储器中的城市空中 交通分担率的确定装置，其可以是程序和插件等形式的软件，并包括一 系列的模块，包括交通总流量预测模块210、参数预测模块220、城模型参 数值确定模块230和分担率预测模块240，用于实现本发明实施例提供的 城市空中交通分担率的确定方法。
[0181]
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现， 也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构 成对该模块本身的限定。
[0182]
基于与本发明的实施例中所示的方法相同的原理，本发明的实施例 中还提供了一种电子设备，该电子设备可以包括但不限于：处理器和存 储器；存储器，用于存储计算机程序；处理器，用于通过调用计算机程 序执行本发明任一实施例所示的方法。
[0183]
在一个可选实施例中提供了一种电子设备，如图5所示，图5所示 的电子设备4000
包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本发明实施例的限定。
[0184]
处理器4001可以是cpu(centralprocessingunit，中央处理器)，通用处理器，dsp(digitalsignalprocessor，数据信号处理器)，asic(applicationspecificintegratedcircuit，专用集成电路)，fpga(fieldprogrammablegatearray，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
[0185]
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是pci(peripheralcomponentinterconnect，外设部件互连标准)总线或eisa(extendedindustrystandardarchitecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0186]
存储器4003可以是rom(readonlymemory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，ram(randomaccessmemory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom(electricallyerasableprogrammablereadonlymemory，电可擦可编程只读存储器)、cd-rom(compactdiscreadonlymemory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
[0187]
存储器4003用于存储执行本发明方案的应用程序代码(计算机程序)，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现前述方法实施例所示的内容。
[0188]
其中，电子设备也可以是终端设备，图5示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0189]
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
[0190]
根据本发明的另一个方面，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种实施例实现方式中提供的方法。
[0191]
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可
以完全地在用户计算机上 执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分 在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服 务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种 类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或 者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网 连接)。
[0192]
应该理解的是，附图中的流程图和框图，图示了按照本发明各种实 施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在 这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代 码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实 现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现 中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例 如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可 以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/ 或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用 执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专 用硬件与计算机指令的组合来实现。
[0193]
本发明实施例提供的计算机可读存储介质例如可以是——但不限于 ——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者 任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限 于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访 问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom 或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器 件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可 读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令 执行系统、装置或者器件使用或者与其结合使用。
[0194]
上述计算机可读存储介质承载有一个或者多个程序，当上述一个或 者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示 的方法。
[0195]
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。 本领域技术人员应当理解，本发明中所涉及的公开范围，并不限于上述 技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开 构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其 它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功 能的技术特征进行互相替换而形成的技术方案。