城市通勤交通與居住就業(yè)空間分布關(guān)系——模型與方法研究
發(fā)布時(shí)間:2021-11-09 14:19
城市通勤交通與居住就業(yè)空間分布之間存在互動關(guān)系。國內(nèi)外研究表明,把握城市中交通與居住就業(yè)空間關(guān)系的形成機(jī)理和影響因素,揭示其內(nèi)在的規(guī)律,了解居民在進(jìn)行居住空間選址時(shí)的行為規(guī)律和互動關(guān)系,對于制定切實(shí)可行的城市交通政策尤為重要。本論文以我國大城市為對象,從微觀和宏觀的角度,研究城市通勤交通與居住就業(yè)空間分布相互關(guān)系模型與方法,為城市交通規(guī)劃的制定、交通政策分析以及城市空間結(jié)構(gòu)調(diào)整提供理論基礎(chǔ)。首先,歸納總結(jié)國內(nèi)外關(guān)于城市交通與居住就業(yè)相互關(guān)系的研究歷程、研究成果及未來研究方向,為論文的研究提供基礎(chǔ)。第二,從宏觀層面,分析城市通勤交通與居住就業(yè)空間分布的互動機(jī)理,從微觀層面分別用網(wǎng)絡(luò)廣義極值理論和小波神經(jīng)網(wǎng)絡(luò)理論建立城市居民居住就業(yè)和交通方式聯(lián)合選擇模型,并對兩類模型的解釋能力和預(yù)測能力加以對比分析。第三,從宏觀和微觀角度研究軌道交通對居住就業(yè)和出行方式選擇的影響,用交叉分層Logit模型對軌道站點(diǎn)周邊居住地選擇和出行方式選擇進(jìn)行建模,同時(shí)在樣本數(shù)據(jù)有限情況下研究城市軌道交通沿線房地產(chǎn)價(jià)格的變化規(guī)律,提出基于支持向量機(jī)的回歸預(yù)測模型,以北京軌道交通13號線為例,驗(yàn)證模型的有效性。第四,基于...
【文章來源】:北京交通大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:135 頁
【學(xué)位級別】:博士
【部分圖文】:
隱層節(jié)點(diǎn)數(shù)不同情況下誤差曲線圖
f(x)一藝a‘必丁(x)側(cè)xi)十b(4一19)即為問題的回歸估計(jì),可作為最后的預(yù)測函數(shù),其中帆x)了側(cè)x,)是核函數(shù)部分。軌道交通沿線房地產(chǎn)價(jià)格預(yù)測模型(4一20)的結(jié)構(gòu)圖如圖4一3所示。必(x)Tp(xl)j(x)=P(x)一一一一-」卜圖4一3軌道交通沿線房地產(chǎn)價(jià)格預(yù)測模型結(jié)構(gòu)圖Fig.4一 3StruetUreChartofRealEstatePrieeForeeastingModel引入核函數(shù)K(x,x,)二尹r(x)以x‘))則房價(jià)預(yù)測的最小二乘支持向量機(jī)模型為lf(x)=藝。,K(x,x,)+b(4一20)(7)將要預(yù)測的輸入變量構(gòu)造成上述訓(xùn)練集中輸入變量的形式,代入決策函數(shù)得到軌道沿線房地產(chǎn)價(jià)格的預(yù)測結(jié)果。
4746574554564448495253555051用相同的訓(xùn)練和驗(yàn)證數(shù)據(jù)集,以特征價(jià)格法對房地產(chǎn)價(jià)格進(jìn)行預(yù)測,對比分析兩種方法的預(yù)測能力,其擬合值與實(shí)際值對比情況如表4一3所示。圖4一4為LS一SVR模型預(yù)測值與實(shí)際值的對比。圖4一 4LS一SVR預(yù)測效果與實(shí)際效果對比圖Fig.4一 4ComParisonoftheActualandLS一SVRSimulatedValue其當(dāng)采用網(wǎng)格搜索算法對核函數(shù)兄和誤差懲罰參數(shù)C的進(jìn)行優(yōu)化時(shí),對于本例
本文編號:3485518
【文章來源】:北京交通大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:135 頁
【學(xué)位級別】:博士
【部分圖文】:
隱層節(jié)點(diǎn)數(shù)不同情況下誤差曲線圖
f(x)一藝a‘必丁(x)側(cè)xi)十b(4一19)即為問題的回歸估計(jì),可作為最后的預(yù)測函數(shù),其中帆x)了側(cè)x,)是核函數(shù)部分。軌道交通沿線房地產(chǎn)價(jià)格預(yù)測模型(4一20)的結(jié)構(gòu)圖如圖4一3所示。必(x)Tp(xl)j(x)=P(x)一一一一-」卜圖4一3軌道交通沿線房地產(chǎn)價(jià)格預(yù)測模型結(jié)構(gòu)圖Fig.4一 3StruetUreChartofRealEstatePrieeForeeastingModel引入核函數(shù)K(x,x,)二尹r(x)以x‘))則房價(jià)預(yù)測的最小二乘支持向量機(jī)模型為lf(x)=藝。,K(x,x,)+b(4一20)(7)將要預(yù)測的輸入變量構(gòu)造成上述訓(xùn)練集中輸入變量的形式,代入決策函數(shù)得到軌道沿線房地產(chǎn)價(jià)格的預(yù)測結(jié)果。
4746574554564448495253555051用相同的訓(xùn)練和驗(yàn)證數(shù)據(jù)集,以特征價(jià)格法對房地產(chǎn)價(jià)格進(jìn)行預(yù)測,對比分析兩種方法的預(yù)測能力,其擬合值與實(shí)際值對比情況如表4一3所示。圖4一4為LS一SVR模型預(yù)測值與實(shí)際值的對比。圖4一 4LS一SVR預(yù)測效果與實(shí)際效果對比圖Fig.4一 4ComParisonoftheActualandLS一SVRSimulatedValue其當(dāng)采用網(wǎng)格搜索算法對核函數(shù)兄和誤差懲罰參數(shù)C的進(jìn)行優(yōu)化時(shí),對于本例
本文編號:3485518
本文鏈接:http://sikaile.net/jingjilunwen/fangdichanjingjilunwen/3485518.html
最近更新
教材專著