【技术实现步骤摘要】
本专利技术涉及城市规划和交通工程领域，具体涉及一种融合多源大数据的城市骑行路网选线方法、系统和装置，融合了街景图像数据、共享单车轨迹数据和od数据，通过多模态大模型分析、数据挖掘和路径优化算法，实现了对城市骑行空间的科学规划和优化。
技术介绍
1、随着城市化进程的加快和绿色出行理念的普及，自行车作为一种环保、健康的交通方式越来越受到重视。许多城市都在积极推动自行车友好型城市的建设，以改善城市交通状况，减少环境污染，提高居民生活质量。然而，在实际的城市骑行空间规划和建设过程中，仍然面临以下诸多挑战：
2、1、骑行空间质量评估的主观性：传统的骑行空间质量评估方法往往依赖于人工调研和专家打分，这种方法不仅耗时耗力，而且容易受到个人主观因素的影响，难以保证评估结果的客观性和一致性。
3、2、骑行需求分析的局限性：以往的骑行需求分析多基于问卷调查或小规模的gps跟踪数据，难以全面反映整个城市的骑行需求分布和变化规律。这种方法的样本代表性不足，无法为大规模的城市骑行空间规划提供有力支持。
4、3、供给与需求匹配度的忽视：现有的骑行路线规划方法多关注路径长度、坡度等物理因素，而忽视了骑行空间供给质量与实际需求之间的匹配程度。这可能导致规划的骑行路线虽然在地图上看起来合理，但实际使用率却不高。
5、4、数据整合与利用的不足：虽然近年来各种城市大数据的可获取性大大提高，但如何有效整合和利用这些异构数据源，从中提取有价值的信息用于骑行空间规划，仍然是一个挑战。
6、5、规划方法的可扩展性问
7、6、动态变化的适应性不足：城市是一个动态变化的系统，骑行需求和空间利用模式也在不断变化。现有的规划方法多为静态分析，难以及时反映和适应这些变化。
8、7、多目标优化的困难：骑行空间规划涉及多个目标，如提高骑行体验、满足骑行需求、降低建设成本等。如何在这些目标之间进行权衡和优化，是一个复杂的问题。
9、鉴于上述问题，亟需一种能够综合考虑骑行空间供给和需求，并基于多源大数据的城市骑行空间选线方法。这种方法应当能够客观评估骑行空间质量，准确把握骑行需求分布，并在此基础上进行最优路线选择，以支持更加科学和高效的城市骑行空间规划。
技术实现思路
1、本专利技术旨在解决现有技术中存在的技术问题。为此，本专利技术提供一种融合多源大数据的城市骑行路网选线方法，该方法充分利用了街景图像数据、共享单车轨迹数据和od数据等多源大数据，结合多模态大模型、机器学习算法和路径优化技术，实现了对城市骑行空间的全面分析和优化规划，能够客观评估骑行空间质量，准确把握骑行需求分布，并在此基础上进行最优路线选择。
2、本专利技术解决其技术问题所采用的技术方案是：
3、第一方面，提供一种融合多源大数据的城市骑行路网选线方法，包括以下步骤：
4、s1，骑行供给测度：
5、采集并预处理街景图像数据；
6、利用多模态大模型对街景图像进行骑行舒适度评分；
7、通过迭代反馈机制对模型评分进行校准；
8、按照校准的评分标准对目标区域所有街景图像进行批量评分；
9、s2，骑行需求测度：
10、收集共享单车轨迹数据和od数据并进行清洗和预处理；
11、采用隐马尔可夫模型进行轨迹匹配；
12、统计路段使用频次；
13、使用hdbscan算法识别骑行热点；
14、s3，路网选线：
15、计算每个路段的综合权重，按下式计算：
16、w＝w_l*(1/l(e))+w_s*s(e)+w_f*f(e)+w_m*m(e)；式中，w_l为控制路径长度的权重，w_s为控制供给水平的权重，w_f为控制需求响应的权重，w_m为控制供需匹配的权重，l(e)为路段长度，s(e)为供给得分，f(e)为需求强度，m(e)为匹配度；
17、建立路网选线的总得分最小函数：min z＝σ(wij*fij)；式中，wij是以i为起点、j为终点的路段综合权重，fij是以i为起点、j为终点的路段的使用频次；
18、生成最优方案并可视化呈现。
19、在一些可选的实施方式中，步骤s1中，模型评分校准包括如下步骤：
20、输入标准分数的街景图像；
21、比较模型评分与标准分数的差值；
22、根据差值调整评分标准；
23、连续10张图像评分差值在预设区间内时确认评分标准稳定。
24、在一些可选的实施方式中，步骤s2中，路段使用频次统计方法为：基于匹配后的轨迹数据，统计每个路段被骑行的次数，得到各路段的骑行使用频次，用于反映街道的骑行行为需求强度，骑行需求强度＝骑行总量/路段长度，骑行总量为以基础统计法按路段id累计通过该路段的轨迹数量记录。
25、在一些可选的实施方式中，步骤s3中，每个路段的综合权重计算方法为：
26、利用获取的路网数据，为每个路段计算路段长度l(e)、供给得分s(e)和需求强度f(e)；
27、计算每个路段供给水平与需求强度的匹配程度；
28、计算每个路段的综合权重。
29、在一些可选的实施方式中，所述路段长度l(e)为从路网数据中直接获取的路段实际长度，单位为米，经过归一化处理；所述供给得分s(e)为基于街景评分得到的供给水平，取值范围[0,1]，较高的值表示供给水平更好；所述需求强度f(e)为基于轨迹数据统计的标准化使用频率，取值范围[0,1]，较高的值表示需求更强烈。
30、在一些可选的实施方式中，匹配度函数定义为：m(e)＝1-|s(e)-f(e)|/max(s(e),f(e))；取值范围为[0,1]；当供给得分s(e)与需求强度f(e)完全匹配时，m(e)＝1；当供给与需求差异越大时，m(e)值越小。
31、在一些可选的实施方式中，在综合权重的计算式中，为避免路径过长，w_l的取值范围为[0.3,0.6]；为确保路径的舒适性，w_s的取值范围为[0.1,0.4]；为保证对实际需求的服务，w_f的取值范围为[0.1,0.3]；控制供需匹配的权重优先选择供需匹配度高的路段，w_m的取值范围为[0.05,0.2]。
32、第二方面，提供一种实现融合多源大数据的城市骑行路网选线方法的系统，包括：
33、数据收集与预处理模块：负责采集和清洗共享单车轨迹数据、街景图像等多源大数据，并进行预处理，为后续的骑行供给和需求分析提供准确、可用的数据基础；
34、供给测度分析模块：评估城市骑行环境的舒适度，通过街景图像分析和模型校准为骑行路线选择提供基础数据；
35、需求测度分析模块：分析共享单车使用数据，识别骑行热点和路段使用频次，以理本文档来自技高网...
【技术保护点】
1.一种融合多源大数据的城市骑行路网选线方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤S1中，模型评分校准包括如下步骤：
3.根据权利要求1所述的方法，其特征在于，步骤S2中，路段使用频次统计方法为：基于匹配后的轨迹数据，统计每个路段被骑行的次数，得到各路段的骑行使用频次，用于反映街道的骑行行为需求强度，骑行需求强度＝骑行总量/路段长度，骑行总量为以基础统计法按路段ID累计通过该路段的轨迹数量记录。
4.根据权利要求1所述的方法，其特征在于，步骤S3中，每个路段的综合权重计算方法为：
5.根据权利要求4所述的方法，其特征在于，所述路段长度l(e)为从路网数据中直接获取的路段实际长度，单位为米，经过归一化处理；所述供给得分s(e)为基于街景评分得到的供给水平，取值范围[0,1]，较高的值表示供给水平更好；所述需求强度f(e)为基于轨迹数据统计的标准化使用频率，取值范围[0,1]，较高的值表示需求更强烈。
6.根据权利要求4所述的方法，其特征在于，匹配度函数定义为：m(e)＝1-|s(e)-
7.根据权利要求1所述的方法，其特征在于，在综合权重的计算式中，为避免路径过长，w_l的取值范围为[0.3,0.6]；为确保路径的舒适性，w_s的取值范围为[0.1,0.4]；为保证对实际需求的服务，w_f的取值范围为[0.1,0.3]；控制供需匹配的权重优先选择供需匹配度高的路段，w_m的取值范围为[0.05,0.2]。
8.一种实现权利要求1至7任一所述方法的系统，其特征在于，包括：
9.一种实现权利要求1至7任一所述方法的装置，其特征在于，包括计算机可读存储介质，所述存储介质上存储有计算机程序，该程序被处理器执行时实现所述方法的各个步骤。
...【技术特征摘要】
1.一种融合多源大数据的城市骑行路网选线方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤s1中，模型评分校准包括如下步骤：
3.根据权利要求1所述的方法，其特征在于，步骤s2中，路段使用频次统计方法为：基于匹配后的轨迹数据，统计每个路段被骑行的次数，得到各路段的骑行使用频次，用于反映街道的骑行行为需求强度，骑行需求强度＝骑行总量/路段长度，骑行总量为以基础统计法按路段id累计通过该路段的轨迹数量记录。
4.根据权利要求1所述的方法，其特征在于，步骤s3中，每个路段的综合权重计算方法为：
5.根据权利要求4所述的方法，其特征在于，所述路段长度l(e)为从路网数据中直接获取的路段实际长度，单位为米，经过归一化处理；所述供给得分s(e)为基于街景评分得到的供给水平，取值范围[0,1]，较高的值表示供给水平更好；所述需求强度f(e)为基于轨迹数据统计的标准化使用频率，取值范围[0,1]，较高...
【专利技术属性】
技术研发人员：方立波，孙昱，肖勇，
申请(专利权)人：湖南省建筑设计院集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。