隨著我國城市社會(huì)經(jīng)濟(jì)的快速發(fā)展,居民出行需求呈現(xiàn)出多樣性的特征,出行目的越來越多元化,居民的出行行為具有更多的選擇性和復(fù)雜性。以“四階段法”為代表的傳統(tǒng)基于出行(trip-based)的需求預(yù)測(cè)理論主要目標(biāo)是評(píng)估中長(zhǎng)期交通基礎(chǔ)設(shè)施建設(shè)能否滿足未來交通需求,而對(duì)于人的交通需求是怎樣發(fā)生的,其自身的社會(huì)經(jīng)濟(jì)情況怎樣影響出行行為,以及近期乃至現(xiàn)狀交通系統(tǒng)和需求管理對(duì)居民出行的影響等問題則顯得無能為力。因此,基于活動(dòng)(activity-based)的出行預(yù)測(cè)理論為分析和預(yù)測(cè)居民出行行為、評(píng)估短期交通系統(tǒng)管理和控制策略提供了新的方向。本文正是基于這樣的背景下,以活動(dòng)鏈理論為核心思想,以概率神經(jīng)網(wǎng)絡(luò)(PNN)模型為研究手段,旨在探究活動(dòng)鏈理論和概率神經(jīng)網(wǎng)絡(luò)模型在我國居民出行行為分析和預(yù)測(cè)方面的理論可靠性和技術(shù)可行性。論文結(jié)合我國城市居民出行特點(diǎn),以龍泉驛區(qū)居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)設(shè)計(jì)Matlab程序提取一日活動(dòng)鏈,從典型活動(dòng)模式、活動(dòng)鏈長(zhǎng)度和活動(dòng)鏈結(jié)構(gòu)三個(gè)特征指標(biāo)對(duì)居民出行活動(dòng)鏈進(jìn)行統(tǒng)計(jì),進(jìn)而分析龍泉驛區(qū)居民的出行基本情況。在此基礎(chǔ)上,利用概率神經(jīng)網(wǎng)絡(luò)模型良好的學(xué)習(xí)和模式識(shí)別能力,模擬居民個(gè)人基本屬性與出行選擇行為之間的非線性映射關(guān)系,首次建立了基于概率神經(jīng)網(wǎng)絡(luò)的活動(dòng)模式預(yù)測(cè)模型、出行時(shí)間預(yù)測(cè)模型和出行方式預(yù)測(cè)模型,并將預(yù)測(cè)結(jié)果與實(shí)際調(diào)查結(jié)果進(jìn)行對(duì)比,結(jié)果顯示三個(gè)模型的預(yù)測(cè)命中率在80%以上,說明概率神經(jīng)網(wǎng)絡(luò)在居民出行預(yù)測(cè)方面的可行性和有效性。最后利用建立的概率神經(jīng)網(wǎng)絡(luò)模型對(duì)交通規(guī)劃、交通需求管理等方面一些問題進(jìn)行簡(jiǎn)單應(yīng)用,預(yù)測(cè)結(jié)果說明模型具備一定的實(shí)用價(jià)值。
【學(xué)位單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2016
【中圖分類】：U491.1
【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容和技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 本章小結(jié)
第2章 出行行為預(yù)測(cè)的基本理論
    2.1 基于出行的需求預(yù)測(cè)理論
        2.1.1 政策與技術(shù)背景
        2.1.2 出行模型理論基礎(chǔ)
    2.2 基于活動(dòng)的需求預(yù)測(cè)理論
        2.2.1 政策與技術(shù)背景
        2.2.2 活動(dòng)模型理論基礎(chǔ)
    2.3 出行模型和活動(dòng)模型的比較分析
    2.4 本章小結(jié)
第3章 基于活動(dòng)的居民出行行為分析
    3.1 活動(dòng)鏈相關(guān)理論
        3.1.1 基本概念
        3.1.2 主要思想
        3.1.3 研究方法
    3.2 居民出行調(diào)查數(shù)據(jù)的活動(dòng)鏈提取
        3.2.1 居民出行調(diào)查方法
        3.2.2 居民出行數(shù)據(jù)處理
        3.2.3 居民日活動(dòng)鏈提取
    3.3 居民活動(dòng)鏈特征分析
        3.3.1 典型活動(dòng)模式定義
        3.3.2 活動(dòng)鏈統(tǒng)計(jì)特征分析
    3.4 本章小結(jié)
第4章 基于概率神經(jīng)網(wǎng)絡(luò)的居民出行行為預(yù)測(cè)
    4.1 人工神經(jīng)網(wǎng)絡(luò)基本原理
        4.1.1 基本概念
        4.1.2 人工神經(jīng)元模型
        4.1.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)原理
    4.2 幾種常見神經(jīng)網(wǎng)絡(luò)及其比較分析
        4.2.1 BP神經(jīng)網(wǎng)絡(luò)
        4.2.2 學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)
        4.2.3 概率神經(jīng)網(wǎng)絡(luò)
        4.2.4 三種神經(jīng)網(wǎng)絡(luò)的比較分析
    4.3 基于概率神經(jīng)網(wǎng)絡(luò)的居民出行行為預(yù)測(cè)建模
        4.3.1 建模原理和步驟
        4.3.2 模型的檢驗(yàn)指標(biāo)
        4.3.3 活動(dòng)模式預(yù)測(cè)模型
        4.3.4 出行時(shí)間預(yù)測(cè)模型
        4.3.5 出行方式預(yù)測(cè)模型
        4.3.6 模型預(yù)測(cè)效果分析
    4.4 居民出行預(yù)測(cè)模型的應(yīng)用
        4.4.1 出行生成總量預(yù)測(cè)
        4.4.2 交通需求管理措施的影響
    4.5 本章小結(jié)
總結(jié)與展望
致謝
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間發(fā)表的論文

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 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

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

3 葉茂;于淼;過秀成;竇雪萍;;歷史城區(qū)居民出行活動(dòng)模式選擇影響因素分析[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01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 朱曉璠;康念坤;;GIS在居民出行上的研究[J];城市地理;2016年16期

6 林彤;;福州市居民出行方式及年齡分異[J];石家莊學(xué)院學(xué)報(bào);2012年06期

7 石飛;王宇;;誤差分析下的居民出行抽樣調(diào)查結(jié)論可靠性研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2016年06期

8 劉俊娟;王煒;程琳;;單中心大城市土地利用對(duì)居民出行方式的影響[J];交通信息與安全;2010年02期

9 石天戈;張小雷;杜宏茹;張文彪;時(shí)卉;;烏魯木齊市居民出行行為的空間特征和碳排放分析[J];地理科學(xué)進(jìn)展;2013年06期

10 汪瑞琪;陳建均;;手機(jī)大數(shù)據(jù)在城市居民出行特征分析的應(yīng)用[J];智能城市;2019年15期

相關(guān)博士學(xué)位論文 前4條

1 蔡正義;基于大數(shù)據(jù)的城市居民出行分析建模[D];浙江大學(xué);2018年

2 李海峰;城市形態(tài)、交通模式和居民出行方式研究[D];東南大學(xué);2006年

3 劉蔚;城市居民低碳出行的影響因素及引導(dǎo)策略研究[D];北京理工大學(xué);2014年

4 尹巖;基于活動(dòng)鏈的城市居民出行行為模型及其應(yīng)用研究[D];華中科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 羅星星;基于活動(dòng)的居民出行行為分析與預(yù)測(cè)研究[D];西南交通大學(xué);2016年

2 陳馥利;城市群城際間居民出行行為特征研究[D];長(zhǎng)安大學(xué);2010年

3 李思錦;基于手機(jī)定位數(shù)據(jù)的居民出行模式挖掘研究[D];云南大學(xué);2018年

4 周怡帆;基于手機(jī)定位數(shù)據(jù)的居民出行行為分析可視化系統(tǒng)[D];云南大學(xué);2018年

5 蒲斌;基于出租車軌跡和區(qū)域語義的居民出行流量預(yù)測(cè)算法[D];云南大學(xué);2018年

6 季澤;低碳出行導(dǎo)向的住區(qū)道路系統(tǒng)及其相關(guān)指標(biāo)研究[D];南京工業(yè)大學(xué);2018年

7 姜海林;基于出租車數(shù)據(jù)的城市居民出行時(shí)空特征研究[D];武漢大學(xué);2018年

8 盛勇;基于GPS軌跡數(shù)據(jù)的居民出行行為特征分析[D];江西理工大學(xué);2018年

9 廖錕;基于手機(jī)信令數(shù)據(jù)的區(qū)域住房?jī)r(jià)格與居民出行特性相關(guān)性研究[D];西南交通大學(xué);2018年

10 牟桐;基于手機(jī)定位數(shù)據(jù)的居民出行特征分析與推薦研究[D];西南交通大學(xué);2018年

本文編號(hào)：2840039