【摘要】：居民出行強(qiáng)度能夠較好地表征城市居民的日常出行特征,廣泛應(yīng)用于交通需求預(yù)測(cè)四階段法的第一階段——交通生成預(yù)測(cè)。出行生成率是衡量居民出行強(qiáng)度的重要指標(biāo),用于表征某類(lèi)型用地的單位出行強(qiáng)度,分為出行產(chǎn)生率與出行吸引率兩部分。然而,利用出行生成率進(jìn)行居民出行強(qiáng)度預(yù)測(cè)時(shí),生成率的實(shí)時(shí)性及地區(qū)差異性不易保證,采用的土地利用信息也往往不夠準(zhǔn)確,從而造成居民出行強(qiáng)度預(yù)測(cè)結(jié)果出現(xiàn)偏差。隨著大數(shù)據(jù)時(shí)代的到來(lái),網(wǎng)絡(luò)已成為人們獲取信息的主要來(lái)源�；ヂ�(lián)網(wǎng)信息采集技術(shù)使獲取互聯(lián)網(wǎng)中精細(xì)化、實(shí)時(shí)更新的土地利用信息成為可能。針對(duì)目前出行生成率研究存在的問(wèn)題,本文提出利用互聯(lián)網(wǎng)信息采集技術(shù),獲取交通小區(qū)興趣點(diǎn)(point of interest,簡(jiǎn)稱(chēng)POI,表示任何一個(gè)有意義的地理位置如一個(gè)商店、一所學(xué)校、一家醫(yī)院、一處住宅小區(qū)等)信息及其對(duì)應(yīng)的詳細(xì)土地利用信息,并以詳細(xì)土地利用信息為基礎(chǔ)建立交通小區(qū)居民出行產(chǎn)生量與吸引量多元回歸預(yù)測(cè)模型及地理加權(quán)回歸模型,選取北京市朝陽(yáng)區(qū)20個(gè)交通小區(qū),利用手機(jī)信令數(shù)據(jù)近似得到的城市居民出行OD量對(duì)模型進(jìn)行檢驗(yàn)與校核,計(jì)算得到的出行產(chǎn)生量與利用手機(jī)信令數(shù)據(jù)近似得到的出行產(chǎn)生量間的平均絕對(duì)誤差為14%,計(jì)算得到的出行吸引量與利用手機(jī)信令數(shù)據(jù)近似得到的出行吸引量間的平均絕對(duì)誤差為13%,預(yù)測(cè)結(jié)果的平均絕對(duì)誤差均在合理范圍內(nèi)且模型得到的系數(shù)是居民出行強(qiáng)度的有效估計(jì)值。本文后利用各類(lèi)興趣點(diǎn)詳細(xì)信息地理加權(quán)回歸模型系數(shù),生成居民出行強(qiáng)度分布圖,對(duì)各類(lèi)興趣點(diǎn)詳細(xì)信息與居民出行強(qiáng)度及兩者相對(duì)地理位置關(guān)系間的內(nèi)在聯(lián)系進(jìn)行了進(jìn)一步地闡述與說(shuō)明。本文提出的居民出行強(qiáng)度預(yù)測(cè)研究方法是大數(shù)據(jù)在交通領(lǐng)域應(yīng)用的一種拓展,將互聯(lián)網(wǎng)信息采集技術(shù)及數(shù)據(jù)挖掘技術(shù)應(yīng)用于傳統(tǒng)的交通需求預(yù)測(cè)當(dāng)中,能夠在減少數(shù)據(jù)收集工作量的同時(shí),得到更加精細(xì)化的居民出行強(qiáng)度,提升居民出行強(qiáng)度預(yù)測(cè)的效率、費(fèi)效比及準(zhǔn)確度,為交通工程師提供參考。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：U12;P208

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 汪雯清;張?zhí)靾A;;基于層次分析法對(duì)大數(shù)據(jù)經(jīng)濟(jì)下合肥市居民出行情況的分析預(yù)測(cè)[J];營(yíng)銷(xiāo)界;2019年37期

2 孫靚雯;肖雯;;社會(huì)經(jīng)濟(jì)地位對(duì)英格蘭地區(qū)居民出行影響[J];江西建材;2017年14期

3 王子涵;;共享單車(chē)對(duì)居民出行方式影響的北京樣本[J];中國(guó)民商;2017年10期

4 劉春;曹凱;于云;黃肖肖;;居民出行停留目的識(shí)別模型框架[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年02期

5 朱曉t

本文編號(hào)：2789734