一種結(jié)合車載軌跡數(shù)據(jù)及地形的空間可達(dá)性測度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于地理信息技術(shù)等技術(shù)領(lǐng)域，涉及一種結(jié)合車載軌跡數(shù)據(jù)及地形的空間 可達(dá)性測度方法。
【背景技術(shù)】
[0002] 空間可達(dá)性是人文地理學(xué)、城鄉(xiāng)規(guī)劃、地球信息科學(xué)、交通運輸經(jīng)濟(jì)學(xué)等學(xué)科的研 宄熱點之一，它的理論基礎(chǔ)來源于杜能的古典區(qū)位論，用于衡量空間上要素實體的位置優(yōu) 劣程度。在土地利用/覆蓋、景觀格局研宄領(lǐng)域，空間可達(dá)性通過影響人們到達(dá)某個特定地 點的能力、交通成本及方便程度，在一定程度上決定了人類活動發(fā)生的范圍和強度，從而作 用于區(qū)域的土地利用/覆蓋格局及轉(zhuǎn)變模式。
[0003] 交通系統(tǒng)的發(fā)展會深刻地影響空間可達(dá)性的大小，在不同尺度上的表現(xiàn)具有一定 的差異性，在大區(qū)域尺度上，空間可達(dá)性受鐵路和航空的影響較大，在小區(qū)域尺度上，空間 可達(dá)性則在較大程度上取決于路網(wǎng)的發(fā)展。在生態(tài)系統(tǒng)或景觀水平上，道路修建的直接作 用是導(dǎo)致景觀破碎化，增加了斑塊邊緣密度，中斷了水平的生態(tài)流，進(jìn)而改變景觀格局；在 區(qū)域水平上，道路的修建和運營會誘導(dǎo)人口向交通干線聚集，形成新的集鎮(zhèn)或城市，改變了 區(qū)域性土地利用/覆蓋結(jié)構(gòu)與格局。道路作為一種重要的線狀人工設(shè)施，拓寬了人類活動 的影響范圍，從而在多時空尺度上深刻地作用于景觀格局。
[0004] 隨著人們對可達(dá)性概念認(rèn)識的深化與可達(dá)性概念在土地利用/覆蓋、景觀格局、 城市規(guī)劃等應(yīng)用領(lǐng)域的擴展，可達(dá)性測度方法開始不斷涌現(xiàn)并且得到不斷改進(jìn)。現(xiàn)有的 空間可達(dá)性指標(biāo)主要依托于路網(wǎng)特征進(jìn)行構(gòu)建，按照網(wǎng)絡(luò)特征的差異，分為幾何網(wǎng)絡(luò)和拓 撲網(wǎng)絡(luò)兩類指標(biāo)?；趲缀尉W(wǎng)絡(luò)的可達(dá)性測度方法使用空間距離、時間距離（跨越空間距 離所需的時間）、經(jīng)濟(jì)距離（跨越空間距離所支付的費用）作為基本因子來度量可達(dá)性，主 要包括距離法、累計機會法、等值線法、重力模型法、平衡系數(shù)法、時空法以及效用法等多種 方法；基于拓?fù)渚W(wǎng)絡(luò)的可達(dá)性測度方法重點考慮道路網(wǎng)絡(luò)的節(jié)點、邊、連接度等拓?fù)涮卣鳎?根據(jù)運算方式差異可劃分為基于矩陣的拓?fù)浞椒ㄅc基于空間句法的拓?fù)浞椒ā，F(xiàn)有的這些 空間可達(dá)性測度方法單純基于路網(wǎng)特征評價，鮮有考慮地形起伏和道路行車狀況對其的影 響。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是基于歐式距離、拓?fù)涠攘康葌鹘y(tǒng)的空間可達(dá)性測度方法，結(jié)合車 載軌跡數(shù)據(jù)及地形數(shù)據(jù)提出一系列改進(jìn)的空間可達(dá)性指標(biāo)，然后基于該系列空間可達(dá)性指 標(biāo)對空間可達(dá)性進(jìn)行綜合評價，并進(jìn)行空間可達(dá)性分級。
[0006] 本發(fā)明采用的技術(shù)方案如下：
[0007] 一種結(jié)合車載軌跡數(shù)據(jù)及地形的空間可達(dá)性測度方法，具體步驟包括：
[0008] (1)利用車載軌跡數(shù)據(jù)、土地覆蓋類型及地形數(shù)據(jù)計算基于像素的平均速度格網(wǎng) 數(shù)據(jù)；
[0009] (2)在傳統(tǒng)的空間可達(dá)性指標(biāo)"距道路距離"（Distance to Road，DTR)的基礎(chǔ)上， 將傳統(tǒng)的平面歐式距離擴展到三維，加入地形因素修正DTR，計算空間可達(dá)性指標(biāo)"距道路 的三維表面距離"（3D Distance To Road，3D-DTR);所述"距道路的三維表面距離"是指在 由地形起伏構(gòu)成的三維表面上距道路的最短距離；
[0010] (3)考慮到經(jīng)過每個像素時的不同速度所造成的時間成本差異，結(jié)合平均速度格 網(wǎng)數(shù)據(jù)，計算空間可達(dá)性指標(biāo)"距道路時間"(Travel Time To Road，TTTR);所述"距道路時 間"是指到達(dá)道路所需的最短時間；
[0011] (4)利用平均速度作為權(quán)重對傳統(tǒng)空間可達(dá)性指標(biāo)"路網(wǎng)密度"進(jìn)行改進(jìn)，提 出新的空間可達(dá)性指標(biāo)"基于平均速度的路網(wǎng)密度"（Road Density based on Mean Speed，RDMS);所述"基于平均速度的路網(wǎng)密度"是指以平均速度作為權(quán)重調(diào)整過的單位面 積內(nèi)道路長度；
[0012] (5)在步驟（2)、（3)、（4)提出的空間可達(dá)性新指標(biāo)基礎(chǔ)上，結(jié)合已有空間可達(dá)性 指標(biāo)"無路體積"（Roadless Volume, RV)及"路網(wǎng)連接度"（Road Connectivity，RC)，提出 空間可達(dá)性測度的綜合指標(biāo)體系，并使用主成分分析與k-means++聚類算法相結(jié)合的方法 對空間可達(dá)性進(jìn)行綜合分析（即進(jìn)行評價并分級），得到基于所述綜合指標(biāo)體系的空間可 達(dá)性空間分布。
[0013] 所述步驟（1)具體為：首先將研宄區(qū)域分割為合適大小的像素格網(wǎng)。對于道路格 網(wǎng)，基于車載軌跡數(shù)據(jù)計算平均行車速度，步驟為：將相同車輛采集的GPS定位點篩選出， 并按時間順序排列，基于定位點的共有字段和非共有字段分開存儲的原則構(gòu)建結(jié)構(gòu)體，將 車輛的行駛軌跡存入數(shù)據(jù)庫；根據(jù)每一車輛的相鄰GPS定位點間隔時間及車輛位移計算定 位點瞬時速度；對每個格網(wǎng)內(nèi)所包含的定位點瞬時速度進(jìn)行平均，作為該格網(wǎng)的平均行車 速度。對于非道路格網(wǎng)，根據(jù)文獻(xiàn)及實地調(diào)查，相對應(yīng)不同土地覆蓋類型，計算每個格網(wǎng)的 基礎(chǔ)平均行進(jìn)速度，并根據(jù)海拔及坡度對基礎(chǔ)平均行進(jìn)速度進(jìn)行調(diào)整。將據(jù)此計算出的道 路格網(wǎng)的平均行車速度與非道路格網(wǎng)的平均行進(jìn)速度相結(jié)合，生成基于像素的平均速度格 網(wǎng)數(shù)據(jù)。
[0014] 所述步驟（2)利用數(shù)字高程模型（DEM)計算每個像素的坡度，利用坡度計算經(jīng)過 每個像素的三維表面距離，而非平面距離，將像素的三維表面距離看做成本，利用成本距離 的方法得出每個像素距道路的最短（最低成本）三維表面距離，得到考慮了地形起伏的空 間可達(dá)性新指標(biāo)"距道路的三維表面距離"。
[0015] 所述步驟（3)與所述步驟（2)相似，根據(jù)步驟（1)得到的平均速度格網(wǎng)數(shù)據(jù)，計算 出經(jīng)過每個像素的平均時間，作為時間成本，利用成本距離的方法得出每個像素距道路的 最短到達(dá)時間（最低時間成本），得到考慮平均速度的空間可達(dá)性新指標(biāo)"距道路時間"。
[0016] 所述步驟（4)首先采用核密度方法計算傳統(tǒng)的空間可達(dá)性指標(biāo)"路網(wǎng)密度"，然 后將步驟（1)中計算出的平均速度格網(wǎng)數(shù)據(jù)進(jìn)行移動窗口平滑，利用平滑后的像素鄰域平 均速度作為權(quán)重對該像素鄰域路網(wǎng)密度進(jìn)行調(diào)整，得到考慮平均速度的空間可達(dá)性新指標(biāo) "基于平均速度的路網(wǎng)密度"。
[0017] 所述步驟（5)提出包含3D-DTR，TTTR，RDMS，RV及RC五種空間可達(dá)性指標(biāo)的綜合 指標(biāo)體系。RV與RC作為區(qū)域性空間可達(dá)性指標(biāo)，計算時采用移動窗口的方法，取各像素周 邊范圍內(nèi)的RV與RC值。計算RV時把DTR視為高程，構(gòu)造一個偽地形面，計算DTRX)部分 的地面上體積。RC則基于圖論對路網(wǎng)的拓?fù)浣Y(jié)構(gòu)進(jìn)行衡量，以道路交點密度測度其連接度。 使用主成分分析的方法將五個空間可達(dá)性指標(biāo)轉(zhuǎn)換為彼此相互獨立或不相關(guān)的少數(shù)幾個 綜合性指標(biāo)，利用綜合性指標(biāo)對研宄區(qū)域的空間可達(dá)性進(jìn)行綜合評價；使用綜合性指標(biāo)構(gòu) 建主成分空間，在主成分空間使用改進(jìn)的k-means聚類算法--k-means++聚類算法將研 宄區(qū)域進(jìn)行空間可達(dá)性分級，得到更加直觀的基于所述綜合指標(biāo)體系的空間可達(dá)性空間分 布。
[0018] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0019] 本發(fā)明在對傳統(tǒng)空間可達(dá)性測度方法進(jìn)行改進(jìn)的基礎(chǔ)上，提出了空間可達(dá)性的綜 合指標(biāo)體系，并采用主成分分析與k-means++聚類算法相結(jié)合的方法對空間可達(dá)性進(jìn)行綜 合評價并分級。對傳統(tǒng)空間可達(dá)性測度方法的改進(jìn)主要集中在行車速度及地形上。其中 由車載軌跡數(shù)據(jù)計算平均行車速度，得益于GPS車輛軌跡數(shù)據(jù)高時間分辨率、高空間分辨 率和實時性等特點，由之衍生的平均行車速度可以反映詳盡的空間分布差異，從而使得結(jié) 合平均行車速度的空間可達(dá)性測度方法更為實用。同時，在計算DTR時結(jié)合地形能夠?qū)?統(tǒng)的平面歐式距離擴展到三維，使得計算出的DTR為充分考慮到地形起伏的表面距離，更 加符合實際狀況。使用三個改進(jìn)的及兩個已有的空間可達(dá)性指標(biāo)搭建的綜合體系，能夠綜 合考量空間可達(dá)性所涉及的各個方面，可以對空間可達(dá)性進(jìn)行全方位的綜合評價及合理分 級。
【附圖說明】
[0020] 圖1為本發(fā)明實施例中采用的全國重點營運車輛監(jiān)控平臺GPS車輛軌跡數(shù)據(jù)。
[0021] 圖2為本發(fā)明實施例中五個空間可達(dá)性指標(biāo)"距道路的三維表面距離"（a)、"距道 路時間"（b)、"基于平