本發(fā)明涉及居民出行行為分析，尤其涉及一種基于道路網(wǎng)絡中心性的居民出行行為分析方法及系統(tǒng)。

背景技術：

1、隨著城市化進程的加速和智能交通系統(tǒng)的不斷發(fā)展，居民出行行為分析成為城市規(guī)劃、交通管理和公共服務優(yōu)化等領域的重要課題。傳統(tǒng)的居民出行行為研究多依賴于問卷調查、交通流量監(jiān)測等手段，這些方法雖然能夠提供一定的數(shù)據(jù)支持，但存在數(shù)據(jù)收集成本高、時效性差、覆蓋范圍有限等問題。

2、近年來，隨著大數(shù)據(jù)技術的興起，特別是共享出行方式（如共享單車、共享汽車等）的普及，為居民出行行為分析提供了新的數(shù)據(jù)源。共享單車作為城市公共交通體系的重要補充，其軌跡數(shù)據(jù)記錄了大量居民的出行行為信息，包括出行起點、終點、時間、距離等，為深入分析居民出行模式提供了豐富的數(shù)據(jù)基礎，然而，僅依靠共享單車軌跡數(shù)據(jù)進行出行行為分析是不夠的，容易導致對居民出行行為分析結果不夠精準。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明提出一種基于道路網(wǎng)絡中心性的居民出行行為分析方法及系統(tǒng)，能夠提高居民出行行為分析的準確性和時效性。

2、本發(fā)明的技術方案是這樣實現(xiàn)的：

3、一種基于道路網(wǎng)絡中心性的居民出行行為分析方法，具體包括：

4、數(shù)據(jù)獲取步驟：獲取研究區(qū)域內的共享單車軌跡數(shù)據(jù)、城市道路網(wǎng)絡數(shù)據(jù)、以及城市建成環(huán)境數(shù)據(jù)，其中，共享單車軌跡數(shù)據(jù)用于反映居民的騎行行為特征；

5、網(wǎng)絡構建步驟：以街道為分析單元，基于城市道路網(wǎng)絡數(shù)據(jù)構建道路網(wǎng)絡模型，并確定道路網(wǎng)絡模型中的節(jié)點和邊；

6、中心性計算步驟：利用網(wǎng)絡分析工具，計算所述道路網(wǎng)絡模型中每個街道單元的鄰近中心性、中介中心性和直達中心性；

7、行為分析：根據(jù)共享單車的軌跡數(shù)據(jù)，分析居民在研究區(qū)域內的騎行行為特征，所述騎行行為特征包括騎行頻次、騎行時間和騎行距離；

8、建模分析：以騎行行為特征作為因變量，以騎行供給、道路網(wǎng)絡中心性和城市建成環(huán)境數(shù)據(jù)作為自變量，構建不同搜索半徑下的線性回歸模型，根據(jù)構建的線性回歸模型得到居民出行行為分析結果。

9、作為所述基于道路網(wǎng)絡中心性的居民出行行為分析方法的進一步可選方案，所述計算所述道路網(wǎng)絡模型中每個街道單元的鄰近中心性，具體公式為：

10、；

11、其中，所述表示節(jié)點 i的鄰近中心性， n表示道路網(wǎng)絡模型中節(jié)點的總數(shù)，表示節(jié)點 i到節(jié)點 j的最短距離。

12、作為所述基于道路網(wǎng)絡中心性的居民出行行為分析方法的進一步可選方案，所述計算所述道路網(wǎng)絡模型中每個街道單元的中介中心性，具體公式為：

13、；

14、其中，所述表示節(jié)點 k的中介中心性，表示節(jié)點 i到節(jié)點 j的最短路徑總數(shù)，表示這些最短路徑中經(jīng)過節(jié)點 k的數(shù)量。

15、作為所述基于道路網(wǎng)絡中心性的居民出行行為分析方法的進一步可選方案，所述計算所述道路網(wǎng)絡模型中每個街道單元的直達中心性，具體公式為：

16、；

17、其中，所述表示節(jié)點 i的直達中心性，表示節(jié)點 i與節(jié)點 j之間的歐氏距離，表示節(jié)點 i與節(jié)點 j之間的最短網(wǎng)絡距離。

18、作為所述基于道路網(wǎng)絡中心性的居民出行行為分析方法的進一步可選方案，所述根據(jù)共享單車的軌跡數(shù)據(jù)，分析居民在研究區(qū)域內的騎行行為特征，所述騎行行為特征包括騎行頻次、騎行時間和騎行距離，具體包括：

19、統(tǒng)計不同時間段內的騎行頻次，分析騎行活動的時間分布規(guī)律；

20、繪制騎行頻次的空間分布圖，展示不同區(qū)域的騎行活躍度；

21、統(tǒng)計不同騎行時長的訂單數(shù)量，分析騎行時間的分布情況；

22、繪制散點圖或線性回歸圖，展示騎行時長與距離之間的關系；

23、統(tǒng)計不同騎行距離的訂單數(shù)量，分析騎行距離的分布情況；

24、結合城市規(guī)劃和居民出行需求，分析不同騎行距離對應的出行目的。

25、作為所述基于道路網(wǎng)絡中心性的居民出行行為分析方法的進一步可選方案，所述以騎行行為特征作為因變量，以騎行供給、道路網(wǎng)絡中心性和城市建成環(huán)境數(shù)據(jù)作為自變量，構建不同搜索半徑下的線性回歸模型，根據(jù)構建的線性回歸模型得到居民出行行為分析結果，具體包括：

26、根據(jù)研究目的和區(qū)域特點，選擇不同的搜索半徑；

27、在每個搜索半徑下，利用線性回歸方法構建模型，將自變量與因變量進行回歸分析；

28、分析模型中自變量對因變量的影響程度和方向；

29、依據(jù)自變量對因變量的影響程度和方向，分析不同搜索半徑下居民出行行為的變化規(guī)律。

30、作為所述基于道路網(wǎng)絡中心性的居民出行行為分析方法的進一步可選方案，所述方法還包括根據(jù)居民出行行為分析結果提出城市街道騎行的優(yōu)化策略，具體包括：

31、根據(jù)居民出行行為分析結果中的騎行頻次和熱點區(qū)域，調整共享單車的投放數(shù)量和分布位置；

32、根據(jù)居民出行行為分析結果中的道路網(wǎng)絡中心性，優(yōu)化關鍵路徑和節(jié)點的交通設計。

33、一種基于道路網(wǎng)絡中心性的居民出行行為分析系統(tǒng)，包括：

34、數(shù)據(jù)獲取單元，用于獲取研究區(qū)域內的共享單車軌跡數(shù)據(jù)、城市道路網(wǎng)絡數(shù)據(jù)、以及城市建成環(huán)境數(shù)據(jù)，其中，共享單車軌跡數(shù)據(jù)用于反映居民的騎行行為特征；

35、網(wǎng)絡構建單元，用于以街道為分析單元，基于城市道路網(wǎng)絡數(shù)據(jù)構建道路網(wǎng)絡模型，并確定道路網(wǎng)絡模型中的節(jié)點和邊；

36、中心性計算單元，用于利用網(wǎng)絡分析工具，計算所述道路網(wǎng)絡模型中每個街道單元的鄰近中心性、中介中心性和直達中心性；

37、行為分析單元，用于根據(jù)共享單車的軌跡數(shù)據(jù)，分析居民在研究區(qū)域內的騎行行為特征，所述騎行行為特征包括騎行頻次、騎行時間和騎行距離；

38、建模分析單元，用于以騎行行為特征作為因變量，以騎行供給、道路網(wǎng)絡中心性和城市建成環(huán)境數(shù)據(jù)作為自變量，構建不同搜索半徑下的線性回歸模型，根據(jù)構建的線性回歸模型得到居民出行行為分析結果。

39、一種計算設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述基于道路網(wǎng)絡中心性的居民出行行為分析方法的步驟。

40、一種計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述基于道路網(wǎng)絡中心性的居民出行行為分析方法的步驟。

41、本發(fā)明的有益效果是：共享單車軌跡數(shù)據(jù)直接反映了居民的騎行行為特征，包括騎行頻次、騎行時間和騎行距離等關鍵信息，為后續(xù)的行為分析提供了堅實的基礎，城市道路網(wǎng)絡數(shù)據(jù)用于構建道路網(wǎng)絡模型，是計算道路網(wǎng)絡中心性的基礎。通過準確的道路網(wǎng)絡數(shù)據(jù)，可以確保中心性計算的準確性和可靠性，城市建成環(huán)境數(shù)據(jù)提供了關于土地利用、建筑密度、綠化率等關鍵要素的信息，有助于分析這些要素對居民騎行行為的影響，以街道為分析單元使得研究更加精細化，能夠更準確地捕捉街道層面的騎行行為特征，通過構建道路網(wǎng)絡模型，可以清晰地展示道路網(wǎng)絡的結構和特征，為后續(xù)的中心性計算和行為分析提供了可視化的工具，鄰近中心性、中介中心性和直達中心性分別從不同的角度反映了街道在網(wǎng)絡中的重要性和影響力，為深入分析居民騎行行為提供了多維度的視角，利用網(wǎng)絡分析工具進行計算，可以確保結果的準確性和科學性，同時提高計算效率，通過構建線性回歸模型，可以深入分析騎行行為特征與騎行供給、道路網(wǎng)絡中心性和城市建成環(huán)境等因素之間的關聯(lián)關系，為制定優(yōu)化策略提供科學依據(jù)，通過構建不同搜索半徑下的線性回歸模型，可以更加準確地反映居民出行行為與各影響因素之間的關系，基于構建的線性回歸模型，可以對未來的居民出行行為進行預測，為城市交通規(guī)劃和政策制定提供前瞻性的指導。