1.一种基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法,其特征在于,包括以下步骤:
步骤1:基于地图应用开放平台,获取需求的POI经纬度坐标数据并转换为平面坐标系坐标数据,建立城市区域内对外出行全过程距离模型;
所述需求的POI经纬度坐标数据包括城市区域内对外出行交通发生源点O的经纬度坐标数据、城市道路网络节点的经纬度坐标数据和城市对外交通过程运行终点D的经纬度坐标数据;
所述城市区域内对外出行交通发生源点O为城市区域内的所有居民小区,{1,2,...,i,...n},n为居民小区总数;所述城市对外出行交通过程运行终点D为城市高速出入口,{1,
2,...,j,...m},m为城市高速出入口总数;所述步骤1中城市区域内对外出行全过程距离模型如下:
L=Li,k+Lk,j,
其中:L为城市区域内对外出行全过程距离;
Li,k为城市区域内的第i个居民小区到城市对外公路客运枢纽k的距离;
Lk,j为城市对外公路客运枢纽k到第j个城市高速出入口的距离;
步骤2:考虑旅客与客车的出行成本因素,城市区域内旅客和客车均按照最短路径出行,优化城市区域内对外出行全过程距离模型,得到城市对外公路客运枢纽选址模型;
所述城市对外公路客运枢纽选址模型如下:其中:n为城市区域内居民小区的总数;
m为城市高速出入口总数;
Qi为第i个居民小区的出行旅客总量;
Li,N为第i个居民小区到该小区最近路网节点的距离,其中xi、yi为第i个居民小区的平面坐标系坐标,xi,N、yi,N为第i个居民小区最近路网节点的平面坐标系坐标;
Li,min为第i个居民小区内的出行旅客在城市路网中到城市对外公路客运枢纽k的最短出行路径长度;
LN,k为城市对外公路客运枢纽k最近路网节点到城市对外公路客运枢纽k的距离,其中xk、yk为城市对外公路客运枢纽k的平面坐标系坐标,xk,N、yk,N为城市对外公路客运枢纽k最近路网节点的平面坐标系坐标;
Qj为第j个城市高速出入口的出行客车总载客量;
Lk,N为城市对外公路客运枢纽k到城市对外公路客运枢纽k最近路网节点的距离,LN,k=Lk,N;
Lk,min为城市对外公路客运枢纽k中的出行客车在城市路网中到第j个城市高速出入口的最短出行路径长度;
Lj,N为第j个城市高速出入口最近路网节点到第j个城市高速出入口的距离,其中xj、yj为第j个城市高速出入口的平面坐标系坐标,xj,N、yj,N为第j个城市高速出入口最近路网节点的平面坐标系坐标;
步骤3:采用Dijkstra算法,以城市道路网络节点间有效距离为元素,构建路网有效距离结构矩阵M,得到城市区域内对外出行交通发生源点O的出行旅客在城市路网中的最短出行路径和城市对外公路客运枢纽中的出行客车在城市路网中最短出行路径,进而得到出行旅客的最短出行路径经过所有路段的集合和出行客车最短出行路径经过所有路段的集合;
所述城市道路网络节点间有效距离为lpq,lpq的公式如下:lpq=lpq,pra+lpq,del,其 中 :L p q ,p r a 为 城 市 道 路 网 络 节 点 p 和 节 点q 间 的 实际 距 离 ,xp、yp为节点p的平面坐标系坐标,xq、yq为节点q的平面坐标系坐标;
lpq,del为城市道路网络节点间因交叉口影响换算出的延误距离,lpq,del=N·v·t,N为每个路段交叉口数量,v为每个路段平均速度,t为每个路段交叉口平均延误时间;
当城市道路网络所述节点p和所述节点q之间无直接路段连接时,所述lpq=∞;
当城市道路网络所述节点p和所述节点q之间有直接路段连接时,所述 其中PE为城市道路中
快速路上所有节点的集合; 为城市道路中主干路上所有节点的集合;
步骤4:基于需求的POI平面坐标系坐标数据,采用加权随机数法,确定客车选择某个高速出入口出行的权重,模拟选择某个高速出入口出行的旅客数量;
所述客车选择某个高速出入口出行的权重为αk,j,αk,j的公式如下:其中 :dk,j为城市对外公路客运枢纽k与第j个高速出入口的距离,xk、yk为城市对外公路客运枢纽k的平面坐标系坐标,xj、yj为第j个高速出入口的平面坐标系坐标;m为城市高速出入口总数;
步骤5:结合步骤3得到的出行旅客最短出行路径所经过路段的集合和出行客车最短出行路径所经过路段的集合,求解步骤2中的城市对外公路客运枢纽选址模型,选取城市对外公路客运枢纽选址模型的最小值对应的客运枢纽坐标作为城市对外公路客运枢纽选址位置。
2.根据权利要求1所述的基于POI数据与Dijkstra算法的城市对外公路客运枢纽选址方法,其特征在于,步骤1中获取需求的POI经纬度坐标数据的方式为Python语言,所述平面坐标系坐标为WSG84坐标系。