基础数据选取的实践与研究

将东莞2008年、2011年SPOT遥感影像(图7.47)进行土地利用分类解译，从行政区划、交通等GIS空间数据获得距市中心距离、距镇中心距离、距轨道交通线路距离、距轨道交通站点距离、距铁路距离、距高速公路距离和距一般道路距离等空间变量数据(表7.3、图7.48)；从多时相SPOT遥感图像中获得土地利用变化的历史数据，并运用历史数据对模型进行训练，获取模型所需要的参数。

图7.47　2008年和2011年东莞市SPOT影像分类图

图7.48　神经网络CA所用的各空间变量数据

表7.3　神经网络CA模型的空间变量(www.xing528.com)

注：轨道交通站点客流量数据来自中国城市规划设计研究院所编制的报告《东莞市轨道线网客流预测》。

图7.49　2020年东莞市各轨道交通站点预测日客流量分布

本书采用与东莞未来发展规划有重大关系的轨道交通站点2020年前后的日客流量数据作为CA空间变量的数据源(图7.49)，该数据来自中国城市规划设计研究院所编制的报告《东莞市轨道线网客流预测》。根据《东莞市城市总体规划(2000—2015)》、《东莞市域城镇体系规划(2005—2020)》、《东莞市城市交通整体研究(2001—2015)》、《东莞市域交通发展规划》、《东莞市城市轨道交通网络规划(2004年)》、《东莞市域轨道交通近期工程沿线土地利用研究》等规划文件的要求，在对东莞市社会经济各项指标预测的基础上，采用“四阶段法”对交通需求进行预测。