【摘要】：隨著經(jīng)濟(jì)的高速發(fā)展,城市的發(fā)展也越來越快,人口也不斷增加,隨之而來的交通問題成為了各大城市亟待解決的問題�，F(xiàn)代科技的不斷突破,信息技術(shù)的發(fā)展使得人類進(jìn)入大數(shù)據(jù)時代。由于GPS應(yīng)用逐漸擴(kuò)展到民用領(lǐng)域,產(chǎn)生了大量居民出行軌跡信息。這些信息相對于傳統(tǒng)對居民出行調(diào)查得到的信息來說,精確度更高,數(shù)量更大,能夠為大規(guī)模分析研究居民出行行為特征提供數(shù)據(jù)基礎(chǔ),而對居民出行行為特征的分析能夠為一個城市的交通規(guī)劃提供堅實(shí)的數(shù)據(jù)支持。出租車作為城市交通系統(tǒng)的重要組成部分,其需求量的預(yù)測能夠很好地為交通部門對出租車行業(yè)進(jìn)行管控提供方便。在預(yù)測出租車需求領(lǐng)域引入空間回歸模型,能夠更加精確地預(yù)測出租車需求。本文以西安市出租車GPS數(shù)據(jù)為研究對象,通過對出租車GPS數(shù)據(jù)的處理,分析出居民出行的時空特征,驗證了西安出租車客流的空間自相關(guān)性,并且選擇了若干個對出租車客流影響較大的因素,分別建立線性回歸模型、空間滯后模型和空間誤差模型進(jìn)行比較。主要研究內(nèi)容如下:(1)對西安市出租車GPS數(shù)據(jù)進(jìn)行預(yù)處理得出可以用于分析居民出行行為時空特征的有效數(shù)據(jù);(2)分析已處理的數(shù)據(jù),得到西安市居民出行行為的時空特征;(3)對空間自相關(guān)性的提出和檢驗方法兩方面進(jìn)行理論部分的說明,進(jìn)而說明了空間權(quán)重矩陣的定義方法,最后用實(shí)例證明西安出租車客流的空間自相關(guān)性;(4)選擇出對出租車客流有較大影響的影響因素,接著分別用線性回歸模型、空間滯后模型和空間誤差模型進(jìn)行客流建模分析,最后比較三模型得出相關(guān)結(jié)論。研究結(jié)果表明:(1)居民出行行為不僅在時間上具有規(guī)律性,在空間上也具有一定的規(guī)律性。時間上,就日出行總量而言,休息日的出行總量明顯要高于工作日的出行總量,工作日在各小時內(nèi)的出發(fā)次數(shù)普遍低于休息日的出發(fā)次數(shù),工作日的早晚高峰時段明顯表現(xiàn)出了出行時間較長的特征。空間上鐘樓、小寨、西安站一直是出發(fā)和到達(dá)的熱點(diǎn)區(qū)域,另外一些區(qū)域成為出行熱點(diǎn)是具有時間性的,總體來看客流分布與用地性質(zhì)有較大聯(lián)系。(2)西安市中心城區(qū)出租車客流從整體看具有空間自相關(guān)性,從局部看,從局部上,H-H集聚與L-L集聚在空間上比較穩(wěn)定,H-H集聚基本呈現(xiàn)在南郊航天城等地、東郊電廠西路等、中部高新產(chǎn)業(yè)園等以及北部張家堡附近,L-L集聚主要在城市邊緣地區(qū),且集聚性隨著時間的推移而導(dǎo)致空間自相關(guān)性呈波動式變化。(3)在客流存在空間相關(guān)性時,空間回歸模型,相比較線性回歸模型,各自變量對因變量解釋能力更強(qiáng),方程擬合的更好。路網(wǎng)密度、公交站點(diǎn)數(shù)量、停車場數(shù)量、零售點(diǎn)數(shù)量四個自變量均對出租車客流起增加作用。
【圖文】：

長安大學(xué)碩士學(xué)位論文第二章 出租車 GPS 數(shù)據(jù)處理數(shù)據(jù)來源與格式文所用出租車 GPS 數(shù)據(jù)來自西安交通信息投資營運(yùn)有限公司，包括西安市車，持續(xù)時間為 2017 年 4 月 10 日至 4 月 16 日。從西安交通信息投資營貝的數(shù)據(jù)以 DMP 備份文件類型存儲。數(shù)據(jù)以日期劃分，一個 DMP 文件據(jù)，一個 DMP 文件大小在 500M 左右，導(dǎo)入進(jìn) Oracle 數(shù)據(jù)庫軟件中一天據(jù)記錄約為 3000 萬條至 3500 萬條。

分別是“4”、“5” 或“7”。狀態(tài)在上述 3 種之間輪換為正車數(shù)據(jù)載客狀態(tài)全天顯示為“4”或“5”，此類數(shù)據(jù)應(yīng)剔除。）數(shù)據(jù)缺失接受 GPS 信號的不穩(wěn)定，會導(dǎo)致數(shù)據(jù)出現(xiàn)缺失，例如：數(shù)據(jù)時間缺等，，此類數(shù)據(jù)應(yīng)剔除。標(biāo)轉(zhuǎn)換將西安市出租車 GPS 數(shù)據(jù)與 OpenStreetMap 在線地圖（WGS-84 坐標(biāo)圖 2.2 和 2.3 所示），可以確定西安市出租車采用的是 GCJ-02 坐標(biāo)系坐標(biāo)數(shù)據(jù)可視化和匹配道路網(wǎng)絡(luò)前，需要先統(tǒng)一 GPS 數(shù)據(jù)與矢量路網(wǎng)參考坐標(biāo)系。參考網(wǎng)絡(luò)中GCJ-02坐標(biāo)轉(zhuǎn)換WGS-84坐標(biāo)的方法，將GPS坐標(biāo)轉(zhuǎn)換W ArcGIS 中的投影工具建立路網(wǎng)可用坐標(biāo)系。
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U492.434

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張俊濤;武芳;張浩;;利用出租車軌跡數(shù)據(jù)挖掘城市居民出行特征[J];地理與地理信息科學(xué);2015年06期

2 龍瀛;孫立君;陶遂;;基于公共交通智能卡數(shù)據(jù)的城市研究綜述[J];城市規(guī)劃學(xué)刊;2015年03期

3 戴思陽;翟海朋;王生昌;;楊凌示范區(qū)出租車需求分析與預(yù)測[J];山東交通學(xué)院學(xué)報;2014年02期

4 郭文伯;張艷;柴彥威;申悅;;基于GPS數(shù)據(jù)的城市郊區(qū)居民日�；顒訒r空特征——以北京天通苑、亦莊為例[J];地域研究與開發(fā);2013年06期

5 蔣宏;方守恩;陳雨人;馬柱;;基于空間自相關(guān)的城市道路事故多發(fā)點(diǎn)鑒別[J];同濟(jì)大學(xué)學(xué)報(自然科學(xué)版);2013年05期

6 段瀅瀅;陸鋒;;基于道路結(jié)構(gòu)特征識別的城市交通狀態(tài)空間自相關(guān)分析[J];地球信息科學(xué)學(xué)報;2012年06期

7 鄒文杰;翁劍成;榮建;周偉;;基于空間相關(guān)性分析的路網(wǎng)評價區(qū)域劃分方法[J];北京工業(yè)大學(xué)學(xué)報;2012年04期

8 李德仁;邵振峰;楊小敏;;從數(shù)字城市到智慧城市的理論與實(shí)踐[J];地理空間信息;2011年06期

9 陳燕萍;宋彥;張毅;彭科;張芩;金鑫;;城市土地利用特征對居民出行方式的影響——以深圳市為例[J];城市交通;2011年05期

10 姜桂艷;牛世峰;常安德;;基于檢測數(shù)據(jù)的路網(wǎng)交通運(yùn)行可靠性分析[J];吉林大學(xué)學(xué)報(工學(xué)版);2011年05期

相關(guān)博士學(xué)位論文 前2條

1 毛峰;基于多源軌跡數(shù)據(jù)挖掘的居民通勤行為與城市職住空間特征研究[D];華東師范大學(xué);2015年

2 張治華;基于GPS軌跡的出行信息提取研究[D];華東師范大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 李若影;基于空間計量模型的中國交通運(yùn)輸業(yè)碳排放影響因素分析[D];長安大學(xué);2017年

2 蔡柳;基于出租車軌跡數(shù)據(jù)挖掘的居民出行特征研究[D];長安大學(xué);2017年

3 梁婷婷;智能出行平臺下的城市出租車需求預(yù)測研究[D];吉林大學(xué);2016年

4 馬云飛;基于出租車軌跡點(diǎn)的居民出行熱點(diǎn)區(qū)域與時空特征研究[D];南京師范大學(xué);2014年

5 童曉君;基于出租車GPS數(shù)據(jù)的居民出行行為分析[D];中南大學(xué);2012年

6 張朋東;基于浮動車數(shù)據(jù)的城市居民出行行為規(guī)律研究[D];中南大學(xué);2012年

7 李民;基于活動鏈的居民出行行為分析[D];吉林大學(xué);2004年

本文編號：2652126