【摘要】：居民出行強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)測四階段法的第一階段——交通生成預(yù)測。出行生成率是衡量居民出行強度的重要指標(biāo),用于表征某類型用地的單位出行強度,分為出行產(chǎn)生率與出行吸引率兩部分。然而,利用出行生成率進行居民出行強度預(yù)測時,生成率的實時性及地區(qū)差異性不易保證,采用的土地利用信息也往往不夠準確,從而造成居民出行強度預(yù)測結(jié)果出現(xiàn)偏差。隨著大數(shù)據(jù)時代的到來,網(wǎng)絡(luò)已成為人們獲取信息的主要來源�；ヂ�(lián)網(wǎng)信息采集技術(shù)使獲取互聯(lián)網(wǎng)中精細化、實時更新的土地利用信息成為可能。針對目前出行生成率研究存在的問題,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(point of interest,簡稱POI,表示任何一個有意義的地理位置如一個商店、一所學(xué)校、一家醫(yī)院、一處住宅小區(qū)等)信息及其對應(yīng)的詳細土地利用信息,并以詳細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)測模型及地理加權(quán)回歸模型,選取北京市朝陽區(qū)20個交通小區(qū),利用手機信令數(shù)據(jù)近似得到的城市居民出行OD量對模型進行檢驗與校核,計算得到的出行產(chǎn)生量與利用手機信令數(shù)據(jù)近似得到的出行產(chǎn)生量間的平均絕對誤差為14%,計算得到的出行吸引量與利用手機信令數(shù)據(jù)近似得到的出行吸引量間的平均絕對誤差為13%,預(yù)測結(jié)果的平均絕對誤差均在合理范圍內(nèi)且模型得到的系數(shù)是居民出行強度的有效估計值。本文后利用各類興趣點詳細信息地理加權(quán)回歸模型系數(shù),生成居民出行強度分布圖,對各類興趣點詳細信息與居民出行強度及兩者相對地理位置關(guān)系間的內(nèi)在聯(lián)系進行了進一步地闡述與說明。本文提出的居民出行強度預(yù)測研究方法是大數(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)測當(dāng)中,能夠在減少數(shù)據(jù)收集工作量的同時,得到更加精細化的居民出行強度,提升居民出行強度預(yù)測的效率、費效比及準確度,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)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U12;P208

【相似文獻】

相關(guān)期刊論文 前10條

1 汪雯清;張?zhí)靾A;;基于層次分析法對大數(shù)據(jù)經(jīng)濟下合肥市居民出行情況的分析預(yù)測[J];營銷界;2019年37期

2 孫靚雯;肖雯;;社會經(jīng)濟地位對英格蘭地區(qū)居民出行影響[J];江西建材;2017年14期

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

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

5 朱曉t

本文編號：2789734