CN115796620A - 一种基于节点-场所模型的高铁站影响区规模预测方法 - Google Patents
一种基于节点-场所模型的高铁站影响区规模预测方法 Download PDFInfo
- Publication number
- CN115796620A CN115796620A CN202211626722.9A CN202211626722A CN115796620A CN 115796620 A CN115796620 A CN 115796620A CN 202211626722 A CN202211626722 A CN 202211626722A CN 115796620 A CN115796620 A CN 115796620A
- Authority
- CN
- China
- Prior art keywords
- node
- value
- station
- site
- city
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000011160 research Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000000611 regression analysis Methods 0.000 claims abstract description 4
- 238000013461 design Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000013485 heteroscedasticity test Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 241001342895 Chorus Species 0.000 description 1
- 244000097202 Rathbunia alamosensis Species 0.000 description 1
- 235000009776 Rathbunia alamosensis Nutrition 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- HAORKNGNJCEJBX-UHFFFAOYSA-N cyprodinil Chemical compound N=1C(C)=CC(C2CC2)=NC=1NC1=CC=CC=C1 HAORKNGNJCEJBX-UHFFFAOYSA-N 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 210000003717 douglas' pouch Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 230000009024 positive feedback mechanism Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于节点‑场所模型的高铁站影响区规模预测方法，步骤1）确定研究对象，选取较成熟已建成运营的高铁站点分析其特征数据；步骤2），节点‑场所指标体系构建；步骤3），指标权重确认，通过熵权法和层次分析法获得指标权重；步骤4），将各指标数据作无量纲化处理；步骤5），评价分析被选取高铁站点的节点价值和场所价值；步骤6）回归分析，得出节点‑场所模型，用于预测新建高铁站的影响区规模。本发明根据高铁站自身情况结合层次分析法、熵权法对各级指标进行权重确定，评价各站点的节点价值和场所价值，并建立回归模型，能够较为精准的预测高铁站的场所价值，为规划和新建的高铁站影响区规模预测提供理论和方法依据。
Description
技术领域
本发明涉及高铁站价值预测评估技术领域，尤其涉及一种基于节点-场所模型的高铁站影响区规模预测方法。
背景技术
荷兰学者Bertolini博士在1996年代开发的节点-场所模型从整体上看待火车站的节点和位置功能，遵循与一般交通-土地使用反馈循环相同的推理，旨在进一步探索这两种功能之间的潜在关系(特别是其平衡或平衡状态)。Bertolini和他的同事对火车站的节点功能和位置功能进行了综合研究，并主张在它们之间实现平衡发展。在另一篇相关论文中，Chorus和Bertolini进一步应用节点-场所模型来探索东京车站区域的空间发展动态。尽管他们付出了巨大的努力，但他们计算节点价值和场所价值的方法似乎有些武断，因为不同的学者可以以不同的方式定义和评价节点价值和场所价值。因此，尽管关于火车站节点和场所之间平衡发展的假设似乎是合理的，但如何量化这些值仍然是一个巨大的挑战，目前为止仍然没有定论。贝托里尼的橄榄球形节点场所模型的不足在于对一些重要土地使用和运输能力方面的覆盖缺乏基本指数。此外，不同指数的相对重要性被忽视了，而有些指数可能比其他指数更重要。Reusser等人在他的研究中改进了节点场所模型的指数，然后调查了他们的排名。研究表明，当增加每个指数的比率时，变化并不显著。许多研究试图通过引入新的指数和额外的维度来完善节点-地点模型，以更好地反映枢纽站地区建筑环境特征并全面描述车站区域。Zemp等人通过增加反映瑞士当地旅游特征的新指数(如乘客频率分布)来完善节点-地点模型。Kamruzzaman等人使用了六个TOD指标(就业密度，住宅密度，土地利用多样性、交叉口密度，死胡同密度和公共交通可达性)。
此外，尽管关于车站节点场所的特征研究很多，但没有考虑交通节点与更广泛区域之间的关系。从对当前研究的分析中可以看出，研究分析或者项目通常侧重于交通节点周围的区域(通常最大距离设置为800米——大致相当于10分钟的步行路程，被认为是交通节点可接受的出入时间)，而在小城市或郊区，许多起点和目的地距离较远。在这些情况下，必须考虑以下关键因素：通过不同的出行方式到达交通节点，以及在更广泛的地理背景下市中心位置的确定(出行)的出发地和目的地。
CN 113256964 A公开了一种基于节点-场所模型的城市交换中心容量设计方法，包括：确定城市交换中心功能区划分，根据城市交换中心各功能区容量计算方法确定各功能区规模；引入节点-场所模型，选取与城市交换中心功能区规模相关的指标，及通过对选取的指标进行归一化处理以便于结合节点-场所模型确定节点所处的协同状态；根据节点所处的协同状态，对失衡节点容量调整，将处于平衡状态的节点的配比运用到失衡节点中，调整失衡节点的功能区规模配比，使其趋于平衡状态，并对平衡状态下的各功能区规模进行加和作为城市交换中心的总容量。其可减少传统方法的容量计算误差，有利于实现各功能区规模之间的协同，促进城市交换中心整体结构的协调发展。其主要解决的是城市内交通节点的容量设计提供借鉴，其节点-场所模型难以解决城市之间最大的交通节点-高铁站的价值预测。
发明内容
为解决现有技术中存在的不足，本发明一种基于节点-场所模型的高铁站影响区规模预测方法。
为实现本发明的目的，本发明所采用的技术方案是：
一种基于节点-场所模型的高铁站影响区规模预测方法，包括以下步骤：
步骤1)，确定研究对象，选取已建成运营的高铁站点即较为成熟的高铁站点为研究对象，获取分析所需的特征数据；
步骤2)，节点指标体系和场所指标体系的构建；
步骤3)，指标权重确认，通过层次分析法和熵权法获得指标权重；
步骤4)，将各指标数据无量纲化，将各指标进行归一化处理，处理后的指标值在0～1之间，设得分最高站点为1，最低站点为0；
步骤5)，评价分析被选取高铁站点的节点价值和场所价值；
步骤6)，将站点的节点价值和场所价值进行回归分析；得出节点-场所模型，用于预测新建高铁站的影响区规模。
进一步地，所述步骤4)中归一化处理包括通过对数据指标的线性变换，使之落入规定区间，在不改变变量间协整关系的同时消除变量间的异方差，便于单位不同的指标能够进行同水平的评价比较，为准确反映各指标对节点价值的影响，消除各指标数据由于量纲不同、自身变异或者数值相差较大所引起的误差，需要对各指标进行无量纲化处理，采用极值法对原始数据进行变换，使所有指标进行无量纲化落到(0，1)区间，越接近0，表现越差；越接近1，表现越好，并结合熵权法确定节点价值各指标权重，以得到各节点对应的节点价值具体取值。
进一步地，所述步骤2)节点指标体系具体包括城市外部可达性和城市内部可达性两个一级指标，其中，城市外部可达性包括服务路线数量和每日服务频率两个二级指标；城市内部可达性包括1KM内公交服务路线数量、公交到市中心的距离以及公交到市中心的时间三个二级指标。
进一步地，所述城市外部可达性和城市内部可达性两个一级指标，均通过层次分析法确定指标权重。所述城市外部可达性包括服务路线数量和每日服务频率两个二级指标；城市内部可达性包括1KM内公交服务路线数量、公交到市中心的距离以及公交到市中心的时间三个二级指标，均通过熵权法进确定指标权重。
进一步地，步骤3)中的熵权法的具体计算步骤如下：
首先计算第i个项目第j项指标占所有项目该项指标的比重yij：
m为代入公式中的项目总数，xij为第i个项目第j个指标，计算第j项指标的熵值ej和价值系数dj，信息熵价值系数dj可以衡量各指标间的差异，熵值ej越小，指标间的差异系数dj就越大，指标就越重要；
dj＝1-ej
式中：常数n为项目总数，则第j个指标的权重Wj为：
进一步地，步骤5)中的节点价值的测算：城市外部可达性权重系统为0.84和城市内部可达性权重系数为0.16，其中，城市外部可达性包括服务路线数量0.32和每日服务频率0.68；城市内部可达性包括1KM内公交服务路线数量0.57、公交到市中心的距离0.33以及公交到市中心的时间0.11。
进一步地，其特征在于，步骤5)中的场所价值的测算公式为：
即场所价值＝设计规模*场所功能
式中：Si为高铁站区的用地规模，用占地面积来表示；βin为场所价值系数，由设计规模系数和功能系数相乘组成。
进一步地，步骤6)中的节点-场所模型的线性回归方式为：y＝1.5158x+0.1302线性回归中R2＝0.724，y为场所价值、x为节点价值，根据预测的场所价值和场所价值与设计规模的公式，反推得到高铁站影响区规模的预测值。
本发明的有益效果在于，与现有技术相比，本发明根据高铁站自身情况构建指标体系，结合层次分析法、熵权法对各级指标进行权重确定，对节点-场所价值评价结果进行归一化分析。本发明的数据指标易于获取，能够较为精准的预测高铁站的节点-场所价值，可以为规划规划的高铁站影响区规模预测提供重要理论依据。
附图说明
图1是本发明所述的基于节点-场所模型的高铁站影响区规模预测方法流程图。
图2是本发明节点体系构建图。
图3是高铁站区功能解构示意图。
图4是高铁站点地区节点价值图。
图5是高铁站点地区场所价值图。
图6是高铁站地区节点-场所模型线性回归图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
如图1，本实施例的步骤：
步骤1)，确定研究对象，选取已建成运营的高铁站点为研究对象，获取分析所需的特征数据；
步骤2)，节点指标体系和场所指标体系的构建；
步骤3)，指标权重确认，通过层次分析法和熵权法获得指标权重；
步骤4)，将各指标数据无量纲化，将各指标进行归一化处理，处理后的指标值在0～1之间，设得分最高站点为1，最低站点为0；
步骤5)，评价分析被选取高铁站点的节点价值和场所价值；
步骤6)，将站点的节点价值和场所价值进行回归分析；得出节点-场所模型，用于预测新建高铁站的影响区规模。
以下是实施例具体实施部分：
本实施例研究对象选取既有有关高铁站区建设的研究中，学者将研究对象聚焦在京广铁路、京沪铁路等铁路沿线城市，或是主要选择位于北京南站等大城市中的高铁站区作为优秀案例进行分析。本实施例旨在从高铁站区现阶段的建设情况出发，整理总结高铁站区的城市规模增长概况，从高铁站区的节点价值、场所价值入手分析。因此，研究对象的选择应具有普适性，因此用地发展已成熟，满足要求的研究区域应涵盖数量较多的高铁站区，并且高铁站区样本特点宜具有多样性，应包含属于不同客运等级、在不同线路、所在城市具有不同规模站区，以体现样本的多样性和分析结果的普适性。因此，不宜选择某条特定的高铁线路沿线高铁站区或所在区域不连续的高铁站区作为分析对象。
2019年12月根据正式批准实施的《长江三角洲区域一体化发展规划纲要》，长三角地区包括三省一市的全部范围，即上海市、江苏省、浙江省和安徽省。这一区域的高铁建成时间较早，高铁线路较多，经济基础较好。高铁在促进产业集聚和转移等方面扮演重要作用。选取建设高铁站时间较久，发展较为成熟的天津西站、深圳北站、深圳站、广州南站、成都东站、成都站、重庆西站、重庆北站、沈阳站、大连站作为补充。基于此，本实施例选取长三角五条高铁线路以及国内部分发展成熟的高铁站点作为具体的研究对象。选取整理如下表：
以及部分城市站点信息表(可通过政府网站、百度等获取)
本实施例数据来源及处理如下：
节点价值指标测算数据中，站点对外交通服务能力数据来源于12306网站，其中停靠车次信息来自新浪网、12306网站，数据时间为2021年年底或2022年4月；与市内交通连接能力数据来源于百度地图web服务中的地点检索与路线规划服务。场所价值指标测算数据中，车站等级和设计规模数据来自维基百科、百度百科，车站的功能定位指的是高铁站影响区域功能和产业的多样化程度，由政府网站、百度百科、百度地图以及谷歌等搜索平台进行信息整理所得。
将数据标准化处理，标准化处理原理是通过对数据指标的线性变换，使之落入规定区间，在不改变变量间协整关系的同时消除变量间的异方差，便于单位不同的指标能够进行同水平的评价比较。为准确反映各指标对节点价值的影响，消除各指标数据由于量纲不同、自身变异或者数值相差较大所引起的误差，需要对各指标进行无量纲化处理。采用极值法对原始数据进行变换，使所有指标进行无量纲化落到(0，1)区间，越接近0，表现越差；越接近1，表现越好，并结合熵权法确定节点价值各指标权重，以得到各节点对应的节点价值具体取值。极差法的标准公式如下：
如图2所示，节点指标体系构建，具体包括城市外部可达性和城市内部可达性两个一级指标，其中，城市外部可达性包括服务路线数量和每日服务频率两个二级指标；城市内部可达性包括1KM内公交服务路线数量、公交到市中心的距离以及公交到市中心的时间三个二级指标。
定性和定量相结合的指标权重确定：
城市外部可达性和城市内部可达性两个一级指标，均通过层次分析法确定指标权重。所述城市外部可达性包括服务路线数量和每日服务频率两个二级指标；城市内部可达性包括1KM内公交服务路线数量、公交到市中心的距离以及公交到市中心的时间三个二级指标，均通过熵权法进确定指标权重。
为了尽量减少和避免主观因素，同时解决权重确定过程中的一定客观局限性，本实施例采用定性和定量相结合的指标权重确定方法——层次分析法和熵权法。
层次分析法是一种定性和定量相结合的、系统化、层次化的分析方法，本实施例构建的节点指标体系层次性特征明显，比较适合采用层次分析法。层次分析法的核心是通过指标与指标之间、准则与准则之间的相对重要性的比较，通过构建对比矩阵，确定权重大小，通过大数据实验数据最终确定指标两两之间的重要程度。
通过层次分析法得出的节点指标AHP分析表：
| 项 | 特征向量 | 权重系数w |
| 城市外部可达性 | 1.672 | 0.84 |
| 城是内部可达性 | 0.328 | 0.16 |
熵权法的具体计算步骤如下：
首先计算第i个项目第j项指标占所有项目该项指标的比重yij：
m为代入公式中的项目总数，xij为第i个项目第j项指标，计算第j项指标的熵值ei和价值系数dj，信息熵价值系数dj可以衡量各指标间的差异，熵值ei越小，指标间的差异系数dj就越大，指标就越重要；
dj＝1-ej
式中：常数n为项目总数，则第j个指标的权重Wj为：
节点指标熵权法分析表如下：
最终确定节点指标的权重结果如下：
节点价值测算：
节点价值测算体系表如下：
表中*代表若高铁站点位于县级行政区划内，则按照县级城市进行相关指标统计，若高铁站点位于区级行政单元，则按照地级市的直辖区范围进行相关指标统计。到中心城区的距离为本研究根据矢量地理信息数据自行计算。
由上表测算出各高铁站的节点价值，并对结果进行标准化处理和排序来表示节点价值高铁站节点价值，如下表和图4所示，测算数据按照从大到小排列后发现，城市规模与节点价值呈正相关，城市规模越高，节点价值越大。此外，节点价值在广州南站、南京南站、杭州东站和成都东站等大城市的车站之间分布更不均匀，明显高于无锡站、苏州站、天津西站等。
场所价值测算：
如图3所示，由于高铁车站的地理位置、车站等级、设计规模以及占地面积不同，它们所处城市区域的功能定位也会存在较大差异。高铁站周边产业门类丰富，主要包括居住、休闲娱乐、商务、商贸、旅游、物流、总部经济、文化创意、金融、高新技术、会展、信息服务、电子商务、研发、外包、教育培训，对于高铁站区来说，其地块周边产业门类越丰富，承担的功能越多，所起到的带动城市发展功能就越显著。对于地理位置重要、车站等级和设计规模高以及占地面积大的高铁车站影响地块来说，其对应定位也会较高，例如城市中心或城市副中心。对于地理位置普通、车站等级和设计规模中等以及占地面积一般的高铁车站影响地块，其对应定位也较寻常，例如城市或区域门户、功能示范区或产业平台。对于地理位置差、车站等级和设计规模低以及占地面积小的高铁车站，则其对应定位也较低，例如交通枢纽或是孤立的交通站点。
实施例对高铁站区场所价值的测算综合考虑高铁站点的设计规模、高铁站区的用地规模以及功能定位、产业发展概况等指标，其具体计算公式如下所示：为：
即场所价值＝设计规模*场所功能
式中：Si为高铁站区的用地规模，用占地面积来表示；βin为场所价值系数，由设计规模系数和功能系数组成。由设计规模系数和功能系数相乘组成(具体系数赋值见下表)，其中设计规模包含车站月台及线路数量两部分，表示对自身客运量和技术作业量的一个划分标准，月台与线路数量越多，取值越大，场所功能系数表示高铁站区承担的区域功能多样化程度，功能种类越多，取值越大。设计规模包括站点的月台数和线路数量，月台数、线路数和站点的设计规模成正相关关系。
如下表以及图5中，场所价值测算结算排序中，南京南站、广州南站、杭州东站、沈阳站和重庆北站的场所价值明显高于其他高铁站，而常州北站、镇江南站、定远站、嘉兴南站和昆山南站的高铁站区规模较小，场所价值较低。而大多数高铁站的场所价值普遍较低，差异并不显著，反映了当前我国高铁站区的发展普遍处于低度发展状态，政府在引导站区产业发展上能够发挥的作用有限。此外，高铁站所在地区的城市规模与城市场所的价值之间没有显著关系。在一些中小城市，高铁站地区的产业发展强度和规模甚至超过了大城市。例如，虽然成都站位于市中心，但由于地方的限制和高铁站区的开发面积极其有限，场所价值相对较低。义乌站所处的义乌市城市规模与深圳市、苏州市相比差距较为明显，但其高铁站地区的规模远大于无锡站、苏州站、深圳站等。
对本实施例进行评价：
多指标评价体系需对指标进行相关性检验，判断指标间关系及规律性是否符合常规认识。相关性检验旨在分析变量之间是否存在因果关系，根据系数值大小判断变量关联程度和方向。
常用检验参数为皮尔逊(Pearson)相关性系数或斯皮尔曼(Spearman)相关性系数，变量间的相关系数若为正，说明两个变量的变化趋势相同，若为负相关，则表示两变量变化趋势相反。检验值介于-1～1之间，其绝对值越接近1，则表示两个变量关联越紧密。相关性系数大于0.6认为是指标间是显著相关的。
使用皮尔逊相关性系数对按节点价值、场所价值进行维度划分后的指标进行相关性检验，以维度指标平均值作为价值指数。检验结果表明，所选站点的皮尔逊相关性系数值为0.794，这表明节点、场所价值之间存在显著正相关关系，高铁站区的节点价值、场所价值之间存在持续、正向反馈机制。这一结果符合节点-场所模型的关系逻辑和预期方向，该指标可用于构建节点-场所初始模型。
如图6所示，通过对模型评估，测算出高铁站地区节点-场所模型线性回归图，线性回归方式为：y＝1.5158x+0.1302线性回归中R2＝0.724，y为场所价值、x为节点价值，根据预测的场所价值和场所价值与设计规模的公式，反推得到高铁站影响区规模的预测值，通过此线性回归对未来高铁站进行分析预测。
此外，此类位于大城市的站点更容易减少部分线路，可达性降低会导致其节点价值的降低，对于节点失衡状态下的高铁站点来说，此时高铁站区可能恰恰处于平衡发展状态。
通过本实施例可以对规划建设的高铁站进行节点-场所价值模型评价：
本实施例对规划建设的南京北站作为案例，南京北站是南京主要枢纽客运站之一，集铁路、公路、城市轨道以及公共交通等多种交通形式于一体，主要承担上海及苏北地区的长途动车运输，同时沟通合宁、宁淮、宁蚌等周边区域。其功能定位是长江经济带北沿江铁路的重南京北站是南京主要枢纽客运站之一，集铁路、公路、城市轨道以及公共交通等多种交通形式于一体，主要承担上海及苏北地区的长途动车运输，同时沟通合宁、宁淮、宁蚌等周边区域。其功能定位是长江经济带北沿江铁路的重要节点，也是南京北部重要的综合性枢纽。将尚未建成的南京北站作为研究对象，通过线性回归高铁站点地区节点-场所模型评价结果，对南京北站未来高铁站区的影响规模进行预测。
由上节点价值测算方法推导出南京北站建成后，经过归一化处理代入线性回归方程南京北站站区的节点价值为0.175，其中南京北站由于尚未建城，其对外联系的节点指标参考南京站的外部可达性结果(8台16线)。经过归一化处理代入线性回归方程，推导出其站区场所价值在0.0296左右。将场所价值取值带入“场所价值＝设计规模*场所功能”的公式反推，考虑到统计学上的抽样误差，高铁站影响区规模应处于8.5-12.5平方公里之间，实际情况为南京北站枢纽经济区规划为8.7平方公里，一定程度上反映其枢纽经济区规划是具有合理性的。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (10)
1.一种基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，包括以下步骤：
步骤1)，确定研究对象，选取已建成运营的高铁站点为研究对象，获取分析所需的特征数据；
步骤2)，节点指标体系和场所指标体系的构建；
步骤3)，指标权重确认，通过层次分析法和熵权法获得指标权重；
步骤4)，将各指标数据无量纲化，将各指标进行归一化处理，处理后的指标值在0～1之间，设得分最高站点为1，最低站点为0；
步骤5)，评价分析被选取高铁站点的节点价值和场所价值；
步骤6)，将站点的节点价值和场所价值进行回归分析；得出节点-场所模型，用于预测新建高铁站的影响区规模。
2.根据权利要求1所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，所述步骤2)节点指标体系具体包括城市外部可达性和城市内部可达性两个一级指标，其中，城市外部可达性包括服务路线数量和每日服务频率两个二级指标；城市内部可达性包括1KM内公交服务路线数量、公交到市中心的距离以及公交到市中心的时间三个二级指标。
3.根据权利要求2所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，所述城市外部可达性和城市内部可达性两个一级指标，均通过层次分析法确定指标权重。
4.根据权利要求2所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，所述城市外部可达性包括服务路线数量和每日服务频率两个二级指标；城市内部可达性包括1KM内公交服务路线数量、公交到市中心的距离以及公交到市中心的时间三个二级指标，二级指标均通过熵权法确定指标权重。
5.根据权利要求5所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，所述步骤2)场所价值体系具体包括，设计规模和场所功能，所述设计规模包括10台18线及以上，6台10线～10台18线(不包括)、4台8线～6台10线(不包括)，2台4线～4台8线(不包括)，2台4线以下，其取值分别为1.0、0.6、0.4、0.2、0.1；场所功能分别包括城市中心或副中心、城市门户或城市新区、功能示范区或产业平台、普通交通枢纽、孤立站点，其取值分别为1.0、0.8、0.6、0.2、0。
6.根据权利要求6所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，步骤3)中的熵权法的具体计算步骤如下：
首先计算第i个项目第j项指标占所有项目该项指标的比重yij：
m为代入公式中的项目总数，xij为第i个项目第j个指标，计算第j项指标的熵值ej和价值系数dj，信息熵价值系数dj可以衡量各指标间的差异，熵值ej越小，指标间的差异系数dj就越大，指标就越重要；
dj＝1-ej
式中：常数n为项目总数，则第j个指标的权重Wj为：
7.根据权利要求1所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，步骤3)中的节点价值的测算：城市外部可达性权重系统为0.84和城市内部可达性权重系数为0.16，其中，城市外部可达性包括服务路线数量0.32和每日服务频率0.68；城市内部可达性包括1KM内公交服务路线数量0.57、公交到市中心的距离
0.33以及公交到市中心的时间0.11。
8.根据权利要求1所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于：所述步骤4)中归一化处理包括通过对数据指标的线性变换，使之落入规定区间，在不改变变量间协整关系的同时消除变量间的异方差，使所有指标进行无量纲化落到(0，1)区间，越接近0，表现越差；越接近1，表现越好，并结合熵权法确定节点价值各指标权重，以得到各节点对应的节点价值具体取值。
9.根据权利要求1所述的基于节点-场所模型的高铁站影响区规模预测方法，其特征在于，步骤5)中的场所价值的测算公式为：
即场所价值＝设计规模*场所功能
式中：Si为高铁站区的用地规模，用占地面积来表示；βin为场所价值系数，由设计规模系数和功能系数相乘组成。
10.根据权利要求2所述的基于节点-场所模型的高铁站影响区规模预测方法的应用，其特征在于，步骤6)中的节点-场所模型的线性回归方式为：
y＝1.5158x+0.1302线性回归中R2＝0.724
y为场所价值、x为节点价值，根据预测的场所价值和场所价值与设计规模的公式，反推得到高铁站影响区规模的预测值，对未来高铁站影响区规模进行分析预测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211626722.9A CN115796620A (zh) | 2022-12-16 | 2022-12-16 | 一种基于节点-场所模型的高铁站影响区规模预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211626722.9A CN115796620A (zh) | 2022-12-16 | 2022-12-16 | 一种基于节点-场所模型的高铁站影响区规模预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115796620A true CN115796620A (zh) | 2023-03-14 |
Family
ID=85425518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211626722.9A Pending CN115796620A (zh) | 2022-12-16 | 2022-12-16 | 一种基于节点-场所模型的高铁站影响区规模预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115796620A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118037075A (zh) * | 2024-03-07 | 2024-05-14 | 广州地铁设计研究院股份有限公司 | 一种基于客流影响的城际铁路车站交通接驳方案评价方法 |
| CN118627977A (zh) * | 2024-08-12 | 2024-09-10 | 广州市城市规划设计有限公司 | 一种城市轨道交通站土地利用的评价方法、系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256964A (zh) * | 2021-04-19 | 2021-08-13 | 东南大学 | 一种基于节点-场所模型的城市交换中心容量设计方法 |
| CN114757447A (zh) * | 2022-06-08 | 2022-07-15 | 广东工业大学 | 一种多模型混合的客运枢纽站客流量预测方法及系统 |
-
2022
- 2022-12-16 CN CN202211626722.9A patent/CN115796620A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113256964A (zh) * | 2021-04-19 | 2021-08-13 | 东南大学 | 一种基于节点-场所模型的城市交换中心容量设计方法 |
| CN114757447A (zh) * | 2022-06-08 | 2022-07-15 | 广东工业大学 | 一种多模型混合的客运枢纽站客流量预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 庄宇等: "《站城协同 轨道车站地区的交通可达与空间使用》", 同济大学出版社, pages: 62 - 65 * |
| 沈怡辰: ""基于节点-场所模型的高铁站区规划反思与优化路径"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 06, pages 038 - 1240 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118037075A (zh) * | 2024-03-07 | 2024-05-14 | 广州地铁设计研究院股份有限公司 | 一种基于客流影响的城际铁路车站交通接驳方案评价方法 |
| CN118627977A (zh) * | 2024-08-12 | 2024-09-10 | 广州市城市规划设计有限公司 | 一种城市轨道交通站土地利用的评价方法、系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | High-speed rail accessibility and haze pollution in China: A spatial econometrics perspective | |
| CN115796620A (zh) | 一种基于节点-场所模型的高铁站影响区规模预测方法 | |
| CN110415508B (zh) | 一种基于城市引力的区域客运交通模型构建方法 | |
| CN106682812A (zh) | 综合运输体系客运方式分担率‑距离转移曲线确定方法 | |
| CN104320789A (zh) | 一种基于博弈论的车联网rsu最优配置方法 | |
| Weng et al. | Impact of high-speed rail on destination accessibility: a case study of China | |
| Xiao et al. | How does transportation infrastructure affect urban carbon emissions? An empirical study based on 286 cities in China | |
| CN114742444A (zh) | 一种基于博弈组合赋权的城市低碳客运交通结构评价方法 | |
| Li et al. | Study on the optimization of urban passenger traffic structure based on multi-objective linear programming—a case study of Beijing | |
| Zhu et al. | XGBoost‐Based Travel Time Prediction Between Bus Stations and Analysis of Influencing Factors | |
| Hu et al. | Research on the coupling degree of regional taxi demand and social development from the perspective of job–housing travels | |
| Haoran et al. | The spatial structure evolution of China's high-speed rail network and its impacts on real estate investment | |
| Chai et al. | Research on the City Network Structure in the Yellow River Basin in China Based on Two‐Way Time Distance Gravity Model and Social Network Analysis Method | |
| Li et al. | The effects of low-carbon city construction on bus trips | |
| Feng et al. | Choices of intercity multimodal passenger travel modes | |
| Liu et al. | Exploring the effect of urban traffic development on PM2. 5 pollution in emerging economies: fresh evidence from China | |
| Bao et al. | Optimization of airport shuttle bus routes based on travel time reliability | |
| Wang et al. | Spatial differentiation and influence mechanism of the connection-distribution performance of urban high-speed railway hub in the Yangtze River Economic Belt | |
| Si et al. | Evaluation and influencing factors of the tourism industry efficiency under carbon emission constraints in China | |
| CN108053053A (zh) | 基于空间自回归模型的电动自行车非通勤出行预测方法 | |
| Sun et al. | A Novel Model for Accessibility of Bus Station and Its Application to Bottlenecks Identification: A Case Study in Harbin | |
| Zhang et al. | Research on the simulation application of data mining in urban spatial structure | |
| Zheng et al. | Road transportation network planning and design based on the BP neural network. | |
| Liu et al. | What matters in promoting new town by High-Speed Railway station? Evidence from China | |
| Zhong et al. | Evaluation model of transfer efficiency in rail transit station |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |