一种基于多源大数据的城市停车分区方法及分区系统与流程

本发明涉及城市交通和停车管理的，具体涉及一种基于多源大数据的城市停车分区方法及分区系统。

背景技术：

1、1、城市停车分区研究概述

2、城市交通是社会活动高效开展的重要基础，随着我国城市化进程的不断推进，涌现了越来越多的特大、超大城市，这些城市的小汽车出行分担率高，停车供需的矛盾突出，停车难问题日益严重。

3、大城市的不同区域在社会经济、人口活力、土地利用、交通设施与运作方面存在较大差异，挖掘不同区域的城市交通与停车运作特征并予以分类，配以相宜的管理政策与措施，做到城市停车的分区精细化、差异化管理，是改善城市停车难问题的有效方法。

4、城市停车分区的主要研究思路是，从城市停车相关的多源大数据中，挖掘分区对象在城市交通与停车运作方面的特征差异，从而识别分区对象所属的聚类，形成城市停车分区的方法。该方法可应用于停车配建指标分区、停车收费分区、停车治理分区等方面，具有广泛和迫切的应用前景。

5、2、城市停车分区研究现状

6、既有的城市停车分区研究，主要采用以下三个方法，一是定性分析法，二是定量分析法，三是多层次分区法。

7、(1)定性分析法

8、在初始研究阶段，由于数据采集难度大，为方便实际操作管理，管理者考虑城市停车在行政区划层面的整体供需特征，倾向于由城市中心向外逐级划定分区。以北京市停车配建指标分区为例，管理者以二环路、四环路和五环路为界，将北京划分为四个停车分区，采取了差异化的停车配建政策。

9、(2)定量分析法

10、随着技术发展，管理者逐步掌握了城市停车相关的数据，通常以城市交通小区或城市矩阵网格为基本单元，采用如模糊聚类法、多指标加权评价法、核密度分析法等方法，定量分析城市基本单元的交通属性，从而根据基本单元的评分划定停车分区。

11、(3)多层次分区法

12、由于城市停车在城市宏观、区域中观、停车场微观三个空间维度的规划建设运营管理特点不同，部分研究者提出，城市停车分区要相应具备层次体系，从而在不同层面指导停车建设与管理，宏观层面主要负责城市停车战略分区，中观层面主要负责区域的停车规划分区，微观层面主要负责局部路段、地块的具体停车场实施方案分区。

13、3、既有城市停车分区存在的问题

14、传统的城市停车分区，存在分区粗糙、考虑因素较少、实操性弱等问题：

15、一是传统的城市停车分区方法，为了保证可操作性，通常结合行政区边界来划分，科学性与精度较低；

16、二是受早期数据采集技术和计算机性能限制，用于分析的城市停车数据维度单一，数据量小，欠缺对城市停车特征的多维深度剖析；

17、三是传统城市停车分区方法，难以处理互联网时代交通信息化设备高度普及的城市产生的海量停车大数据；

18、四是传统城市停车分区方法，难以在短周期内快速构建实操性强、便于管理的城市停车分区边界。

19、4、拟解决的技术问题

20、解决上述问题的技术难点如下：

21、1)在城市停车系统耦合性变大、数据量级剧增的背景下，国内大部分城市仍处于快速发展阶段，城市停车分区的迭代是极快的，因此缺乏一套高效快速分析城市停车分区的方法与系统；

22、2)在城市停车数字化、智慧化，采集数据的传感器与设备越来越普及的背景下，用于分析的数据维度增多，需要明确数据的有效性；

23、3)基于行政区划分的宏观维度的停车分区，难以实现分区差异化管理；而基于中微观的交通小区，又难以通过规范化措施，快速转化为实操性强的停车分区。

技术实现思路

1、为解决上述现有技术中存在的缺陷和不足，本次提出了一种基于多源大数据的城市停车分区方法及分区系统，本发明提供一种基于多源大数据的城市停车分区方法及分区系统。首先导入与城市停车相关的多源大数据以及城市的交通小区边界，将各类数据集计到交通小区上；其次通过相关性分析识别有效的数据特征维度，完成数据维度筛选；然后采用加权改进的k-均值聚类算法识别交通小区所属的聚类，并采用凝聚聚类算法合并相似聚类，使聚类的种类数符合行业规范或相关研究；最后利用路网、行政边界等要素构造停车分区，将交通小区的聚类属性映射其上，从而获得具备分区属性的、实操性强的停车分区。该分区方法及分区系统可求解多种应用场景的城市停车分区，其科学性、合理性、求解效率、可实施性高。

2、本发明的技术方案如下：一种基于多源大数据的城市停车分区方法，主要步骤包括：

3、1)数据导入；

4、2)数据集计；

5、2.1)完成数据集的异常值、缺失值、重复值清洗；

6、2.2)将分区对象的主要影响因素对应的大数据集计至各交通小区上；

7、3)维度筛选

8、3.1)计算各影响因素之间的相关系数矩阵，明确分区对象的影响因素之间的相关性程度，识别各影响因素对分区结果的影响程度；

9、3.2)在完成影响因素的相关系数计算后，保留相关系数绝对值小于0.5的影响因素，将其作为有效的影响因素，并更新筛选后的影响因素总数m；

10、4)交通小区聚类

11、4.1)交通小区聚类：引入影响因素权重，构建交通小区最优聚类目标函数为：

12、

13、式中，k为聚类的簇中心，umn为交通小区n的m维影响因素值，cmk表示簇中心k的m维影响因素值，wj为m维影响因素的权重；

14、4.2)采用改进的加权k-均值算法，计算k∈[3,15]范围内，每种情形的最优聚类目标函数值，利用肘形法判断最优k值，得到最优聚类情况下的交通小区初步聚类；

15、4.3)凝聚聚类：降低聚类数量至分区对象所属行业惯例或规范指定的聚类数；计算每个初步聚类的各个影响因素属性的平均值，利用spss的凝聚聚类功能，得到凝聚聚类的树状图，判断聚类数缩减后的聚类结果，并更新各交通小区所属的最终聚类；

16、5)停车分区网络构造；

17、6)聚类映射。

18、优选地，1)数据导入包括：

19、1.1)确定停车分区的研究主体与分区对象，将分区对象的主要影响因素对应的大数据集导入分区系统；

20、1.2)将研究范围内的交通小区边界导入分区系统。

21、优选地，2.2)将分区对象的主要影响因素对应的大数据集计至各交通小区上，具体包括：

22、设城市的交通小区用符号n表示，总计有n个，交通小区面积记作sn；与城市停车相关的大数据集的点要素用符号i表示，总计有i个；面要素用j表示，总计有j个，面要素的面积记作aj；影响因素用符号m表示，总计有m个因素，引入点面要素与交通小区是否相交的决策变量rin,rjn，点与面要素的集计公式为：

23、

24、

25、um＝(um1,...,umn)t

26、式中，umn为交通小区n的m维影响因素值，um为全部交通小区第m维影响因素的列向量，vmi为第i个点要素的m维影响因素值，vmj为第j个面要素的m维影响因素值，ajn为第j个面要素与交通小区n相交的面积。

27、优选地，3.1)中，m为影响因素的集合，设a,b∈m,a≠b，则任意两个影响因素之间的相关系数计算公式为：

28、

29、式中，uan为交通小区n的a维影响因素值，为a维影响因素均值，ubn为交通小区n的b维影响因素值，为b维影响因素均值。

30、优选地，5)停车分区网络构造具体包括：

31、5.1)选取与分区对象的管理相关性高的线性要素，包括行政区边界、市政路网、河流水系等，导入arcgis并合并为同一图层；

32、5.2)在arcgis中构造拓扑网络检查问题节点并处理；加载拓扑工具条，基于停车分区初始网络，按照不能有悬挂点、不能有伪节点的添加规则，将停车分区初始网络转为拓扑网络；

33、5.3)对拓扑网络启用拓扑规则诊断，查询出悬挂点与伪节点，并叠加实际路网图进行修剪、延伸和拼接的修正操作，得到由封闭多边形网络组成的停车分区网络。

34、优选地，6)聚类映射具体包括：

35、6.1)在acrgis中加载具备最终聚类属性的交通小区边界，与修正后的停车分区网络，执行两个图层的相交操作，将交通小区分解填充到每一个停车分区上；

36、6.2)核算每个停车分区的聚类属性，以其包含的分解后的交通小区为核算单元，以其面积为权重，计算交通小区的加权平均聚类属性并取整，聚类映射公式为：

37、

38、

39、式中，停车分区用符号l表示，总计有l个，rnl为停车分区与交通小区是否相交的决策变量，anl为交通小区n与停车分区l相交的面积；clun为停车分区l的最终聚类属性，al为停车分区l的面积，至此完成城市停车分区。

40、一种实现所述的一种基于多源大数据的城市停车分区方法的停车分区系统，主要包括：

41、数据导入模块：实现上述步骤1)；

42、数据集计模块：实现上述步骤2)；

43、维度筛选模块：实现上述步骤3)；

44、交通小区聚类模块：实现上述步骤4)；

45、停车分区网络构造模块：实现上述步骤5)；

46、聚类映射模块：实现上述步骤6)。

47、一种基于多源大数据的城市停车分区系统终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上加载并运行的至少一条指令或至少一段计算机程序，所述处理器加载并运行至少一条指令或至少一段计算机程序以实现所述一种基于多源大数据的城市停车分区方法。

48、一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述一种基于多源大数据的城市停车分区方法。

49、与现有技术相比，本发明具有以下优势：

50、1)本发明提供一种基于大数据的城市停车分区方法及分区系统，在获取城市交通小区与城市停车相关大数据的基础上，可实现该尺度下的以城市停车大数据为基础的城市停车分区。

51、2)本发明通过相关性分析，识别有效的数据分析维度，避免无效或相关性较高的数据干扰。

52、3)本发明利用现有的路网、行政边界等线状要素，构造分区网络，将无法直接运用到实际管理的交通小区聚类属性，映射到分区网络上，保证了城市停车分区的高度可操作性。

53、该方法高效精准地构造了实操性强的城市停车分区，分区结果可随底层数据快速更迭，以应对高速发展的城市变化，为城市交通与城市停车的分区差异化管理提供技术支撑，辅助规划管理与决策，提高城市交通管理的科学性。