一种基于复合变量指标的多维度轨道线网规模预测方法与流程

本发明为一种适用于中等规模城市的轨道交通线网规模预测的方法，属于城市交通规划设计方法领域。
背景技术：
：在进行城市轨道交通线网规划中，一个十分重要的问题就是如何根据城市的现状及其发展规划、城市的交通需求、城市经济的发展水平等，从宏观上合理地规划城市轨道交通线网的规模。一个规模合理的城市轨道交通线网，不仅可以充分满足城市日益增长的交通需要、提高公交服务水平，而且可以用较小的投入取得最佳经济效益。所谓合理规模，实际上就是合理的城市轨道交通方式的供给水平。由于交通需求和交通供给是动态的平衡过程，因此合理规模也是相对的。线网规模是否真正合理，最终应放入交通模型进行需求和供给的动态检验。但在进行方案构架研究之前，也应对线网规模进行约束，以使多个方案有共同的比较基础。线网的合理规模是可以进行静态计算的，其主要方法是将诸多可变因素加以稳定，这需要与其它城市进行类比获得经验，又要根据需要研究城市的具体情况进行定性分析。现有常规的线网规模预测防范主要有出行需求分析法、线网覆盖分析法、建设能力分析法、回归模型分析法。这四种主流方法较易操作，但都有特点的适用情况，很难使用目前中等规模城市轨道线网面临的特殊情况，每个方法具有其局限性，应当结合各方法综合运用。技术实现要素：本发明的目的在于提供一种适用于中等规模城市的轨道交通线网规模预测的方法，以优化、指导中等规模城市轨道线网规划中对于轨道线网规模的预测和评估，为线网规划提供技术依据。为了实现本发明的目的，本发明的技术方案如下：一种基于复合变量指标的多维度轨道线网规模预测方法，其特征在于所说预测方法包括四个模块：因变量正态分布检验：分析模型的变量的分布形态，验证其正态分布的情况；指标相关性分析模块：对于选取的关键自变量本身可能存在相关关系，反应的信息存在重叠，因此需要进行相关性分析，从而剔除该因素的重叠影响；提取复合变量模块：将数量较多且具有相关性的若干自变量转换为数量较少且彼此相互独立的复合变量；多维度模型构建模块：基于多个中等规模城市的样本数据，计算复合指标值，采用多形式进行拟合，从而确定最后的预测模型。本发明的一种基于复合变量指标的多维度轨道线网规模预测方法。通过对各类中等规模城市既有的轨道线网指标进行分析，选取相关性较大的变量，进行指标相关性分析，然后提取复合指标变量，最终以此构建多维度预测模型，对线网规模进行预测。此发明可以优化、指导中等规模城市轨道线网规划中对于轨道线网规模的预测和评估，为线网规划提供技术依据。附图说明图1为本发明的技术路线图。图2为本发明的因变量正态p-p图。图3为本发明的模型拟合图。具体实施方式下面结合附图和具体实施示例对本发明作进一步描述。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发明的保护范围。通过对既有较为成熟的预测方法进行分析可以看到，预测方法具有通用性，但并没有根据城市的规模有所区别。真正在实际应用中，产生差别的主要来自于不同规模城市在预测方法中参数的选取。以及在不同的预测结果下，如何选择和判断较优的规模范围。本发明研究的是中等规模城市的线网规模预测，希望通过对类似规模的城市进行样本量的分析，总结和归纳一个可以参考借鉴的参数系统。同时考虑到传统单个预测方法的局限性，选取各预测方法主要影响变量，通过主成分分析方法，形成一个能综合反应出行需求、线网覆盖及建设能力等多方面影响因素的复合指标变量，并基于此，建立适用于中等规模城市的轨道线网规模预测模型。轨道线网规模受到城市形态布局、城市人口、城市交通需求、城市面积、城市国民生产总值、城市基础设施投资比例、国家交通政策、城市交通发展战略及政策的影响。具体而言，出行需求分析法中，以城市交通特征和供需问题为导向，主要受到城市形态布局、城市人口和出行特征的影响，考虑到指标的可量化及信息熵(熵是系统无序程度的一个衡量，通常认为指标的信息熵越大，在综合评价中所起作用越大)，选取规划人口作为出行需求法的主要影响该指标；同理，线网覆盖法选取建设用地面积指标，建设能力法选取城市gdp总量指标。(1)因变量正态分布检验考虑预测模型的具体形式尚未确定，存在线性回归可能，因此需要先对模型因变量线网规模进行正态分布检验。利用spss描述统计功能绘制p-p图，如图2所示，可以看到，线网规模变量基本符合正态分布。表1模型描述表2估计的分布参数(2)指标相关性分析模块考虑到城市规划人口、建设用地面积及gdp三个自变量可能存在相关关系，反应的信息存在重叠，在模型建立之前，需剔除该因素影响，因此对变量进行相关性分析，通过皮尔森相关系数进行评价衡量。皮尔森相关系数是一种线性相关系数，用来反映两个变量线性相关程度的统计量。相关系数用r表示，描述的是两个变量间线性相关强弱的程度，r的绝对值越大表明相关性越强。通过统计分析可知，城市人口与建设用地面积两个变量在0.05的水平(双侧)上显著相关，城区建设用地面积与gdp在0.01的水平(双侧)上显著相关。表3指标相关性分析(3)提取复合变量模块采取主成分分析的方法，对指标进行降维，将数量较多且具有相关性的若干自变量转化成数量较少且彼此相互独立的复合变量。其中每个主成分都能够反映原始变量的大部分信息，且所含信息互不重复。这种方法在引进多方面变量的同时将复杂因素归结为几个主成分，使问题简单化，同时获取更加科学有效的数据信息。主成分分析作为基础的数学分析方法，其实际应用十分广泛，是一种常用的多变量分析方法。主成分分析法把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。每一个主成分提供的的有效信息量可用其方差来度量，其方差越大，则包含的信息越多。使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分。依次类推，i个变量就有i个主成分。设f1表示原变量的第一个线性组合所形成的主成分指标，共有p个原始指标变量，分别为x1、x2、x3…xp，则f1具有最大的方差。即：f1＝a11x1+a12x2+…+a1pxp其中a11、a12、a1p为指标变量系数。当第一主成分不足以提供足够的信息时，则继续提取下一个主成分，直到所有成分的方差和满足要求为止，最终形成n个主成分。最终主成分表达式：其中a11、a12、a1p、a21、a22、a2p、an1、an2、anp为指标变量系数。利用spss软件的数据统计分析功能，将原始变量数据导入，首先进行指标数据标准化，因为在实际应用中，往往存在指标的量纲不同，所以在计算之前须先消除量纲的影响，对指标数据进行无量纲化处理。再进一步通过主成分分析的方法确定复合指标的个数及表达式。最终提取一个主成分，累计解释方差为83.37％，能够反映原始变量的主要信息。x复合＝0.876*x人口+0.965*x面积+0.896*xgdp其中：x复合—通过主成分分析提取的复合指标变量；x人口—城市的常住人口，单位：万人；x面积—城市的建设用地面积，单位：平方公里；xgdp为城市地区生产总值，单位：亿元。表4公因子方差初始提取城市人口1.000.767用地面积1.000.931gdp1.000.803表5主成分分析解释总方差表6成分矩阵(4)多维度模型构建模块基于11个中等规模城市的样本数据，通过上述的复合指标计算方法，计算复合指标值，并结合城市轨道交通线网规模进行回归模型分析。采取线性、对数、二次、三次、幂函数、指数函数、对数函数等多种形式进行拟合，进行比选。表7模型汇总和参数估计值表8变量处理摘要综合考虑拟合效果及变量显著性，最终选取二次函数模型。由分析结果可知，r方为0.710，拟合效果较好，sig值为0.045<0.05，变量影响显著。最终得到如下基于复合变量的多维度预测模型：其中：l线网—城市轨道线网长度；x复合—通过主成分分析提取的复合指标变量。当前第1页12