本發(fā)明涉及到信息技術(shù)、智能交通技術(shù)、先進的交通管理與控制技術(shù)、交通基礎(chǔ)信息采集、網(wǎng)頁數(shù)據(jù)挖掘及相關(guān)軟件技術(shù)領(lǐng)域，提出了一種在大數(shù)據(jù)背景下，基于百度地圖開發(fā)的可以使出行者快速知曉目的地區(qū)域停車難易程度的方法。

背景技術(shù)：

土地利用信息是城市規(guī)劃、交通規(guī)劃、交通出行需求預(yù)測以及停車需求預(yù)測不可或缺的基礎(chǔ)數(shù)據(jù)。傳統(tǒng)土地利用信息獲取主要采用查閱規(guī)劃數(shù)據(jù)檔案或者人工實地調(diào)查與測量的方法，往往耗費大量的人力、物力、財力和時間。隨著GPS、遙感衛(wèi)星圖像、地理信息系統(tǒng)技術(shù)和無人機航拍等方法日漸成熟，土地利用信息獲取的精度和效率逐漸提高，獲取方式也逐漸多元化。但是，以上方法還是需要消耗大量資源才能完成信息獲取工作，成本高昂。近年來，隨著我國城市化發(fā)展進程的加快，城市土地開發(fā)和利用情況的變化也隨之加快，如何獲取及時和準確的土地利用信息成為政府、企業(yè)界以及學術(shù)界的共同難題。大數(shù)據(jù)背景下，各種數(shù)據(jù)資源越來越豐富，開放性也越來越強，數(shù)據(jù)挖掘與分析技術(shù)的發(fā)展使得突破這一難題成為可能。

百度地圖提供豐富的興趣點(Point of Interest，簡稱POI)數(shù)據(jù)信息，這些興趣點包括居民小區(qū)、辦公樓、商業(yè)、醫(yī)院、學校、餐飲、娛樂等數(shù)十類土地利用、建筑設(shè)施、以及各類工商企業(yè)機構(gòu)。倘若能夠利用網(wǎng)頁數(shù)據(jù)挖掘技術(shù)，進一步挖掘與這些POI相對應(yīng)且更詳盡的信息，包括其位置、規(guī)模、人員數(shù)量、建筑面積、土地利用甚至經(jīng)營情況等等，就可以利用這些POI數(shù)據(jù)信息和科學的預(yù)測方法，對指定區(qū)域的停車需求進行準確預(yù)測。

目前，將網(wǎng)頁數(shù)據(jù)挖掘技術(shù)應(yīng)用于獲取地理信息的研究取得了一定進展。例如Wu Y和Niu Z在文獻[Wu A Y,Niu Z.Extending a geocoding database by Web information extraction[J].Proceedings of SPIE-The International Society for Optical Engineering,2008.]中介紹了如何提取Web文檔的地理信息來擴展地理編碼數(shù)據(jù)庫，以提供更好的本地網(wǎng)絡(luò)搜索服務(wù)。Sagara等人在文獻[Sagara T,Kitsuregawa M.Yellow page driven methods of collecting and scoring spatial Web documents[C]//Workshop on Geographic Information Retrieval SIGIR.2004:4-8.]中建立了一個可以提取網(wǎng)頁內(nèi)容中的地理信息的系統(tǒng)。Woodruff和Plaunt在文獻[Woodruff A,Plaunt C.GIPSY:Automated geographic indexing of text documents[J].JASIS,1994,45(9):645-655.]中開發(fā)了地理參考信息處理系統(tǒng)(GIPSY)，可以從網(wǎng)頁文本信息中自動提取地理位置的坐標檢索關(guān)鍵詞，以支持地理參考信息的文件索引和檢索。但是，通過文獻和專利檢索我們發(fā)現(xiàn)，將網(wǎng)頁數(shù)據(jù)挖掘技術(shù)應(yīng)用于獲取精細化POI信息方面的研究和應(yīng)用技術(shù)還比較匱乏，而將精細化的POI信息應(yīng)用來預(yù)測區(qū)域停車需求，并進一步計算區(qū)域停車難易指數(shù)的技術(shù)還沒有先例。當前的停車需求預(yù)測主要基于土地的利用類型以及不同利用類型的土地面積、建筑面積、城市的機動車擁有量、停車吸引率以及停車位的供應(yīng)、價格和位置、城市的人口及就業(yè)情況，包括城市的人口數(shù)、戶數(shù)及就業(yè)崗位數(shù)、單位雇員數(shù)等數(shù)據(jù)進行預(yù)測，而數(shù)據(jù)的有效性和時效性一直存在較大的問題。

基于上述精細化POI信息的重要性以及現(xiàn)有停車需求預(yù)測技術(shù)的不足之處，本發(fā)明從百度地圖API開發(fā)著手，利用網(wǎng)頁數(shù)據(jù)挖掘技術(shù)，開發(fā)出一種大數(shù)據(jù)背景下快速有效獲取城市土地利用信息數(shù)據(jù)，并將其應(yīng)用于停車難易程度指數(shù)計算的方法，以實現(xiàn)兩個主要目的：1)發(fā)明區(qū)域停車難易指數(shù)這一重要指標，為駕駛員提供出行決策參考；2)通過利用百度地圖API和網(wǎng)頁數(shù)據(jù)挖掘，提升停車需求預(yù)測的精度和區(qū)域停車難易指數(shù)的精度。

技術(shù)實現(xiàn)要素：

本發(fā)明提出了一種在大數(shù)據(jù)背景下，將Web數(shù)據(jù)挖掘技術(shù)獲取的互聯(lián)網(wǎng)中準確、精細化的土地利用信息應(yīng)用于計算區(qū)域停車難易指數(shù)，并依據(jù)區(qū)域停車難易指數(shù)繪制區(qū)域停車難易程度地圖，直觀表征區(qū)域停車難易程度的新方法。本發(fā)明的技術(shù)路線如圖1所示。

本發(fā)明的技術(shù)方案：

基于百度地圖開放數(shù)據(jù)與Web數(shù)據(jù)挖掘的區(qū)域停車難易指數(shù)的分析方法，步驟如下：

步驟一：土地利用信息挖掘

1)挖掘POI信息

在百度地圖開放平臺基礎(chǔ)上，進一步開發(fā)獲取POI信息，包括名稱、類別、地址、經(jīng)度、緯度和UID六部分；

2)挖掘POI對應(yīng)的詳細土地利用信息

步驟1)挖掘得到的UID為其對應(yīng)的POI的ID，是唯一的；在每個UID的前后添加網(wǎng)址，獲得原始網(wǎng)址，即可抵達百度地圖詳細信息頁面；將所有原始網(wǎng)址導(dǎo)入網(wǎng)頁數(shù)據(jù)采集器，通過數(shù)據(jù)采集器對原始網(wǎng)址進一步挖掘，得到挖掘POI對應(yīng)的詳細土地利用信息；

3)POI信息與對應(yīng)的詳細土地利用信息匹配

POI信息與對應(yīng)的詳細土地利用信息不一一對應(yīng)，依據(jù)步驟2)中原始網(wǎng)址和POI名稱，將POI信息與對應(yīng)的詳細土地利用信息進行匹配，為區(qū)域停車難易指數(shù)計算提供基礎(chǔ)數(shù)據(jù)；

步驟二：區(qū)域停車需求建模

綜合利用已有模型的優(yōu)點，在停車生成率模型和多因素的停車需求分析預(yù)測模型的基礎(chǔ)上，兼顧相關(guān)分析法，研究用地與交通影響分析模型，通過多元線性回歸方法確定各區(qū)域及其功能小區(qū)不同類型用地間相互作用后的動態(tài)發(fā)生率，在土地利用—停車需求模型基礎(chǔ)上，建立適用于精細化土地利用信息的區(qū)域停車需求模型為區(qū)域停車指數(shù)的計算提供基礎(chǔ)，公式如下：

$R_{ij}={\Σ}_{j=1}^R{B}_{ij}\×L_{ij}+{\Σ}_{j=1}^n{A}_{ij}\×R_{ij}+k_{ij}---\left(1\right)$

其中：R_ij是i類用地屬性j區(qū)域停車需求；B_ij是第i區(qū)j類性質(zhì)用地單位停車需求數(shù)量，即停車產(chǎn)生率，通過查閱相關(guān)城市規(guī)劃標準與準則得到；L_ij是第i區(qū)j類性質(zhì)用地數(shù)量(建筑面積、土地面積)，通過步驟一挖掘得到；A_ij是第i區(qū)j類性質(zhì)用地單位雇員停車需求數(shù)量，即停車產(chǎn)生率，通過查閱相關(guān)城市規(guī)劃標準與準則得到；R_ij是第i區(qū)j類性質(zhì)用地數(shù)量(營業(yè)額、戶數(shù)、單位雇員數(shù)或就業(yè)崗位)，通過步驟一挖掘得到；k_ij為修正系數(shù)，由計算并通過現(xiàn)有數(shù)據(jù)進行校正得到。

步驟三：區(qū)域停車供給分析

通過相關(guān)部門的數(shù)據(jù)資料庫、走訪調(diào)查、問卷調(diào)查和實地調(diào)查等多方式結(jié)合的方法獲取路內(nèi)停車、路外停車設(shè)施(包括建筑物配建停車場、社會公共停車場及路內(nèi)停車位)的現(xiàn)狀基礎(chǔ)數(shù)據(jù)及使用情況，得到區(qū)域停車供給S_ij。

步驟四：區(qū)域停車難易指數(shù)的計算與制圖

根據(jù)區(qū)域停車需求、區(qū)域停車供給、停車周轉(zhuǎn)及停車特征等數(shù)據(jù)特點，定義區(qū)域停車難易指數(shù)并建立計算模型，公式如下：

$P_{ij}=\frac{R_{ij}}{S_{ij}\·Z_i}\·K_{1i}\·K_{2i}---\left(2\right)$

其中：P_ij是i類用地屬性j區(qū)域停車指數(shù)值；R_ij是i類用地屬性j區(qū)域停車需求，由步驟二得到；S_ij是i類用地屬性j區(qū)域停車供給，由步驟三得到；Z_i是i類用地屬性停車周轉(zhuǎn)率，通過調(diào)查或查找相關(guān)部門資料庫得到；K_1i是i類用地屬性停車周轉(zhuǎn)率修正系數(shù)，由計算并通過現(xiàn)有數(shù)據(jù)校正得到；K_2i是i類用地屬性停車指數(shù)值修正系數(shù)，由計算并通過現(xiàn)有數(shù)據(jù)校正得到。

步驟五：區(qū)域停車難易程度地圖繪制

將步驟四得到的停車難易指數(shù)按數(shù)值分級，繪制區(qū)域停車難易程度地圖，用不同顏色表示不同的區(qū)域停車難易程度。

本發(fā)明的有益效果：

1)通過區(qū)域停車難易程度地圖展示區(qū)域停車難易程度，出行者能夠更加方便、快捷、直觀地了解目的地區(qū)域和周邊地區(qū)的停車難易程度，從而采用更科學合理的出行方案出行，例如：a)改變出行方式，由駕駛小汽車改為乘坐公交、地鐵或者采用自行車、步行方式；b)改變出行時間，錯開高峰時段；或者c)取消出行。這些出行決策的變化，都將促進城市交通擁堵的緩解，減少交通所產(chǎn)生的碳排放，提高居民的交通出行滿意度。

2)城市建設(shè)者可通過本發(fā)明改善停車費率決策和停車設(shè)施規(guī)劃，為解決目前城市日漸顯著的“停車難”問題提供輔助決策依據(jù)。

3)本發(fā)明所提供的方法以及所得到的詳細土地利用信息數(shù)據(jù)，可以為城市規(guī)劃、城市交通相關(guān)的決策以及與交通相關(guān)的科學研究提供有效支持。

附圖說明

圖1為基于百度地圖開放數(shù)據(jù)與Web數(shù)據(jù)挖掘的區(qū)域停車難易指數(shù)的總技術(shù)路線。

圖2為土地利用信息挖掘技術(shù)路線圖。

圖3為區(qū)域分區(qū)示意圖。

圖4為區(qū)域停車難易程度展示圖。

具體實施方式

以下結(jié)合附圖和技術(shù)方案，進一步說明本發(fā)明的具體實施方式。

一種基于百度地圖開放數(shù)據(jù)與Web數(shù)據(jù)挖掘的區(qū)域停車難易指數(shù)的分析方法，步驟如下：

步驟一：土地利用信息挖掘

土地利用信息挖掘技術(shù)路線如圖2所示。

1)POI信息挖掘

首先，利用百度地圖API開放平臺，加載百度地圖，通過添加覆蓋物功能添加任意多邊形區(qū)域模擬小區(qū)，并對添加的多邊形邊界進行分析，按照指定密度獲取小區(qū)內(nèi)所有興趣點的坐標，通常將密度設(shè)置為0.0005，這是因為在確定兩個相鄰POI點距離的時候，經(jīng)過計算當R取半徑平均值6371km時，地球表面上同一經(jīng)線圈上相差1"兩點間的距離約為30.887米，地球表面上同一緯線圈上相差1"兩點間的距離約為30.887m×cos(緯度)。百度地圖的坐標精確到小數(shù)點后6位，本發(fā)明的獲取精度為0.0005，相當于每五十米獲取一次POI信息。POI的獲取半徑為四個點構(gòu)成正方形的對角線的一半，應(yīng)該取值為35米，本發(fā)明中取值為40米，保證了獲取信息的準確和完整性。

然后，采用逆地址解析功能與獲取指定點周圍POI信息功能，獲取上一步所得到的每個點周圍指定半徑指定數(shù)量的POI信息，調(diào)用ActiveX，將獲取的POI信息按照編號分別寫入到不同TXT文件中。

最后，利用Excel VBA對上一步獲取的POI數(shù)據(jù)進行數(shù)據(jù)清洗(整合、刪重及統(tǒng)計)，得到各小區(qū)無重復(fù)的POI信息。

2)POI對應(yīng)的詳細土地利用信息挖掘

首先，利用Excel將每個POI的UID與網(wǎng)址結(jié)構(gòu)整合，生成原始網(wǎng)址作為火車頭數(shù)據(jù)采集器的0級網(wǎng)址。

然后，將原始網(wǎng)址導(dǎo)入火車頭數(shù)據(jù)采集器中，根據(jù)所需進行參數(shù)設(shè)置，對數(shù)據(jù)來源為安居客、搜房網(wǎng)、新浪樂居等網(wǎng)站的建筑物進行數(shù)據(jù)挖掘，選擇性的獲取小區(qū)名、地址、容積率、總建筑面積、總戶數(shù)、當期戶數(shù)、容積率、占地面積、車位數(shù)、車位配比、均價、物業(yè)費和網(wǎng)址等信息。

最后，將挖掘到的土地利用詳細信息發(fā)布到Excel中，生成Excel文件；利用Excel VBA進行土地利用詳細信息數(shù)據(jù)的進一步清洗(整合、刪重與統(tǒng)計)，完成土地利用詳細信息挖掘。

3)POI信息與對應(yīng)的詳細土地利用信息匹配

利用Excel的VLOOKUP功能完成POI信息與對應(yīng)的詳細土地利用信息匹配工作。

在數(shù)據(jù)匹配的過程中，會出現(xiàn)以下兩大問題：

1)數(shù)據(jù)挖掘重復(fù)值處理：針對一個建筑物不同樓層多次獲取信息、不同網(wǎng)站提供的信息不同等情況。

2)數(shù)據(jù)挖掘缺失值處理：主要因是在百度地圖的POI不完善、網(wǎng)站上POI對應(yīng)的詳細土地利用信息不完整。

對于第一種問題，數(shù)據(jù)挖掘重復(fù)值處理，在本文中優(yōu)先保存詳細土地利用信息中包含容積率、建筑面積、用地面積和人口信息的數(shù)據(jù)，如果出現(xiàn)多條包含此類信息的數(shù)據(jù)，根據(jù)相應(yīng)情況，采取出現(xiàn)頻率最多的數(shù)據(jù)。此方法結(jié)合Excel中MAX、COUNTIF和VLOOKUP函數(shù)既可以實現(xiàn)。采用此方法，保證通過重復(fù)值處理后，每個POI點的名稱在每一列只出現(xiàn)一次。對于第二種問題，數(shù)據(jù)挖掘缺失值處理。產(chǎn)生問題的主要原因是在百度地圖中，一些POI點只有地名和經(jīng)緯度信息，具體POI點詳情還沒有使用者將其上傳，同時這些POI點在網(wǎng)上也難以找到具體的建筑面積、容積率、用地面積和人口等信息。對于這些點，在本文中根據(jù)相應(yīng)情況采取不同的方法進行信息填補，其中主要的方法是根據(jù)不同的屬性設(shè)置缺省屬性。

步驟二：區(qū)域停車需求建模

計算區(qū)域停車需求的方法是根據(jù)經(jīng)緯度的數(shù)值大小，將研究區(qū)域劃分為若干個小區(qū)，分別計算每個小區(qū)的停車需求。建立坐標系，取西南角對應(yīng)的坐標為零點，從左往右為經(jīng)度遞增，Δx取0.005精度，從下往上為緯度遞增，Δy取0.005緯度，每個區(qū)域近似接近于正方形，區(qū)域分區(qū)示意圖如圖3所示，hizj表示橫排經(jīng)度第i(i＝0，1，2，3…)分區(qū)縱排緯度第j(i＝0，1，2，3…)分區(qū)?？芍?，每個分區(qū)的中心坐標可表示為(x₀+i·Δx+0.0025，y₀+j·Δy+0.0025)。

利用發(fā)明內(nèi)容步驟二的公式(1)進行區(qū)域停車需求計算，將容積率、建筑面積和占地面積統(tǒng)一格式為建筑面積，計算時依據(jù)以下幾種原則和順序：

1)先整體計算，在將計算結(jié)果按照經(jīng)緯度所在小區(qū)分配到其所屬小區(qū)并進行累加。

2)同時存在建筑面積和人口總數(shù)時取需求量大的值作為結(jié)果。

步驟三：區(qū)域停車供給分析

停車供給數(shù)據(jù)分公共停車場、配建停車場以及路內(nèi)停車位三方面進行獲取，具體獲取方法如下：

公共停車場：建筑物配建停車場是指建筑物依據(jù)建筑物配建停車位標準所附設(shè)的面向本建筑物使用者和公眾服務(wù)的供機動車停放的停車場。獲取方法為結(jié)合法定圖則、內(nèi)業(yè)梳理與現(xiàn)場核查。

配建停車場：社會公共停車場是指位于道路紅線以外、面向公眾服務(wù)的供機動車停放的停車場。獲取方法為收集經(jīng)營性停車場數(shù)據(jù)與外業(yè)補充調(diào)查。

路內(nèi)停車位：路內(nèi)停車位是指在道路紅線以內(nèi)劃設(shè)的面向公眾服務(wù)的供機動車停放的停車空間。獲取方法為區(qū)運輸局正在編制的《路內(nèi)停車規(guī)劃》與外業(yè)補充調(diào)查。

步驟四：區(qū)域停車難易指數(shù)的計算

以區(qū)域為單位，利用發(fā)明內(nèi)容步驟四中公式(2)進行停車難易指數(shù)的計算，按數(shù)值大小將停車難易指數(shù)分為五級，停車難易指數(shù)為1級，表明目標區(qū)域的靜態(tài)停車難易程度為非常容易、停車難易指數(shù)為2級，表明目標區(qū)域的靜態(tài)停車難易程度為容易、停車難易指數(shù)為3級，表明目標區(qū)域的靜態(tài)停車難易程度為難度適中、停車難易指數(shù)為4級，表明目標區(qū)域的靜態(tài)停車難易程度為難、停車難易指數(shù)為5級，表明目標區(qū)域的靜態(tài)停車難易程度為比較難。

步驟五：區(qū)域停車難易程度地圖繪制

根據(jù)停車難易指數(shù)分級繪制停車難易程度地圖，用不同顏色表示不同區(qū)域的停車難易程度，停車難易程度從1級到5級采用從綠色到紅色過渡的方式表示，最后呈現(xiàn)的效果圖以深圳市坪山區(qū)為例進行展示，如圖4所示。