随着经济社会的发展,人们生活水平的提升,机动车保有量和私家车保有量也迅速增长,由此带来了交通拥堵等一系列问题,成为制约城市发展的瓶颈。交通拥堵不仅带来了时间成本、人力成本的浪费,造成了一定的经济损失,它所产生的噪声、尾气也对环境具有负面影响。目前各个城市针对交通拥堵问题都提出了一系列解决措施,比如新建、改建道路以增加路网容量,优化管控措施以提高交通效率,增加公交线网密度来提升公共交通分担率以改善出行结构等,选出投入产出比较高的方案是城市管理者所面临的问题。交通需求预测是方案比选的必要步骤,对方案实施前后的路网流量进行预测,通过道路服务水平、路段延误、交叉口延误等指标来对方案进行评价。在交通需求预测常用的“四阶段”法中,交通生成预测是第一阶段,交通生成预测结果的准确性对交通需求预测的准确性有着重要影响。常用的交通生成预测方法是采用土地生成率进行预测,根据土地开发强度、土地使用类型来计算交通生成量,但该方法需要耗费较多的人力物力调查土地使用数据,且数据的精细化程度较低。本文采用精细化的土地使用数据-POI数据来预测交通生成,POI数据可以通过各地图服务商的API接口获取,获取速度快、成本低,除此之外,还将“房天下”网站获取的住宅小区用户数据和从“企查查”获取的公司员工规模数据添加到POI数据中。本文数据源包括百度POI数据、高德POI数据、住宅小区数据和公司相关数据。针对不同数据集的特点提出无行政区划信息的基于非空间属性的数据融合算法、有行政区划信息的基于非空间属性的数据融合算法和改进的基于空间非空间属性的融合算法来实现四种来源数据的融合,构造融合集为后续交通生成预测奠定基础。在实现数据融合的基础上,采用POI数据来选定城市中心区并对中心区进行分层分级,根据选定的中心区对交通小区可达性进行计算。通过考虑交通小区POI点数量、POI点密度、交通可达性等因素来计算交通小区区位势。之后对住宅类和公司类POI点采用住户数和公司员工数计算其出行生成量,其他类别POI点则采用POI点的出行生成率计算出行生成量,构建基于POI数据的交通生成模型。最后,通过编程语言开发了基于POI数据的交通生成软件,软件采用与“交运之星”相同的数据格式。在通过软件进行交通生成预测后,用户可采用“交运之星”软件中多种模型进行后续交通分布、方式划分等工作,并从多个维度进行方案评价。