探索地鐵乘客出行目的識別方法,有助于突破智能卡數(shù)據(jù)(Smart Card Data,SCD)在具體應(yīng)用場景中的局限性,提升SCD在交通出行研究、交通發(fā)展規(guī)劃等領(lǐng)域的應(yīng)用價值。本文融合多源地理大數(shù)據(jù),基于城市交通與土地利用時空間互動理論,以北京市居民地鐵出行為例,在交通出行調(diào)查數(shù)據(jù)中提取5565個地鐵出行樣本及其對應(yīng)的出行目的和出行特征相關(guān)變量�；谂d趣點(Point of Interest,POI)數(shù)據(jù)得到各樣本起止站點的土地利用特征相關(guān)變量,形成包含每次地鐵出行的出行目的、出行特征、土地利用特征的地鐵出行數(shù)據(jù)集。使用基于隨機森林(Random Forest,RF)算法對地鐵出行數(shù)據(jù)集進行訓(xùn)練完成的分類器對SCD記錄的每一次地鐵出行進行分類,獲得該次出行的出行目的及其不同目的地鐵出行時空間分布規(guī)律。研究結(jié)果表明,本識別方法可有效預(yù)測地鐵乘客的出行目的,其中,"上班"、"回家"2類出行目的的預(yù)測準確率均超過90%;納入土地利用特征相關(guān)變量可顯著提升RF分類器預(yù)測準確率,印證了城市交通與土地利用的時空間互動理論。鑒于當前SCD的可獲取性逐漸提高,該項技術(shù)在居民地鐵出行監(jiān)測與預(yù)測、地鐵線網(wǎng)布...

【文章頁數(shù)】：13 頁

【文章目錄】：
1 引言
2 研究理論基礎(chǔ)、數(shù)據(jù)與方法
    2.1 理論基礎(chǔ)
    2.2 數(shù)據(jù)來源
        2.2.1 交通調(diào)查數(shù)據(jù)
        2.2.2 POI數(shù)據(jù)
        2.2.3 智能卡數(shù)據(jù)
    2.3 研究方法
        2.3.1 地鐵出行目的識別路線
        2.3.2 技術(shù)方法
3 結(jié)果及分析
    3.1 特征重要性評估
    3.2 RF分類器特征選擇與參數(shù)標定
    3.3 RF分類器訓(xùn)練與地鐵出行目的識別結(jié)果
    3.4 交通與土地利用時空間互動理論映證
4 結(jié)論與討論
    4.1 結(jié)論
    4.2 討論



本文編號：3764980