居民出行调查数据扩样方法研究

居民出行调查是科学制定城市交通发展战略、政策、技术法规的基础性工作,在日益复杂的城市交通环境中,提高数据扩样的精度一直是一个研究重点．本文按照数据的扩样流程系统阐述了数据扩样方法。首先,分层次的直接扩样方法有效地控制了扩样后数据的分布特征;其次,根据核查线交通量等客观数据,基于最大似然法原理,应用交通规划软件CUBE的矩阵估算模块对数据进行了核查校正;最后,针对抽样技术的缺陷,增加中区校核的过程,对校核到的沉默需求分四种方法返回出行目的进行比较寻优。扩样方法在2005年广州居民出行调查中得到了应用,取得了较好的效果。     

基于人口合成技术的居民出行调查数据扩样

为提高居民出行入户调查样本代表性,使调查数据能够准确反映居民出行特征,在分析居民出行调查数据处理现状及常规扩样方法局限性的基础上,引入基于人口合成技术的IPU算法(iterative proportional updating)和GRE算法(generalized regression),对深圳市居民出行入户调查数据进行实证分析,并利用相关系数及相对误差指标对扩样结果进行评价.结果表明:利用算法关联家庭与个人表的频数矩阵,通过迭代调整扩样权重值、IPU算法和GRE算法均能很好地拟合家庭与个人的属性分布与总体一致,且相对误差控制在6％ 左右,满足扩样的精度要求.由于IPU算法更具普适性,算法不受初始权重及稀疏样本限制,其扩样误差及波动性较小,扩样结果更为稳健.     

基于数据融合与双重特征的居民出行调查扩样

居民出行调查数据具有个体属性清晰、交通含义明确、针对性强等特点,在城市交通规划与交通需求模型构建方面具有不可替代的重要作用.为保障抽样调查数据准确反映总体的真实特征,在综合考虑效率与精度基础上,提出一种多源数据融合、家庭户及人口特征双重约束、牛顿迭代法相结合的居民出行调查数据完整扩样处理方法与流程.以天津滨海新区第一次综合交通调查数据为例,论述了算法和流程的应用情况.结果表明,该方法能有效获取家庭户及人口的总体规模及其分布,并考虑家庭户及其人口特征对扩样系数的双重影响,具有效率高、精度高、易于推广等特点.     

基于多源数据的多模式公共交通出行链构建

公共交通乘客出行链构建是公共交通出行需求分析的基础,也是推进城市公共交通系统融合发展和可持续运营的关键.现有研究大多关注单一模式出行链,较少考虑多源数据环境下多模式公共交通出行链构建,无法进行各模式之间的转移和换乘客流特征的分析.基于轨道交通、BRT和公共汽车交通三网融合数据进行乘客出行链构建,数据类型主要有公交IC卡、车载GPS等.具体方法包括基于时间匹配的上车站点推算、基于出行链假设的下车站点匹配和基于换乘规则的个体出行链推算.最后,使用厦门市公共交通数据验证了该方法的有效性,同时讨论了匹配阈值对匹配精度的影响.     

基于手机信令的全社会公路旅客出行量测算方法

为了准确统计全社会公路旅客出行量,针对传统公路客运量统计口径小、覆盖范围不全、无法全面反映公路旅客实际出行情况的问题,基于手机信令数据,通过用户位置识别、旅客出行链整理、旅客出行方式判别、城区范围划分及数据多层扩样,构建了全社会公路旅客出行量测算方法.为了验证所建方法的准确性和合理性,以京津冀地区的手机信令数据为例,对全社会公路旅客出行量进行了测算,同时利用手机用户性别、年龄标签进行自校核,并与官方数据进行对比.结果表明,在跨城市出行统计方面,基于手机信令数据的全社会公路旅客出行量测算方法较传统方法能更加全面、准确地反映全社会公路旅客的实际出行情况.     

机场陆侧抵港旅客出行链走行时间研究

提出了一种构建出行链走行时间模型的方法,该方法首先明确了机场陆侧抵港旅客出行链的定义,选取出行链走行时间进行研究;其次分析了性别、年龄、出行目的及是否携带行李对旅客出行链走行速度的影响,结合路径距离构建出行链走行时间模型;最后在大兴机场选取下客廊桥至行李提取区出口这一区域进行现场实验,验证了该模型的有效性.通过单因素方...     

上海市第五次综合交通调查新技术方法实践

如何使人工调查与数据挖掘相结合,是高效经济地进行综合交通调查的关键.上海市第五次综合交通调查在调查方案设计、项目设置上更加注重项目的全面性和关键性、数据的多元性以及内容的针对性,数据采集手段上首次采用个人手持终端,并利用公共导航地图云技术进行地址精确定位.在抽样和扩样技术方面,主要提出居民出行调查的抽样和扩样方法.在信息数据挖掘方面,分析了遥感用地、手机信令、车牌识别和车载GPS数据的挖掘技术和方法.最后阐述了综合校核的主要思路和小客车特征数据的校核方法.     

城市居民出行方式选择的结构方程分析

为克服Logit类模型的局限性,以出行链为分析单元,构建了快速城市化进程中居民出行方式选择的结构方程模型．首先,依据已有研究基础及城市化进程中居民出行特征,确定影响居民出行方式选择的3类因素,建立影响因素与出行方式之间的关系结构;在此基础上,构建结构方程模型,利用北京市居民出行调查数据对模型进行辨识与修正,最终得到了个人与家庭属性、土地利用、出行链等各类因素对出行方式的影响方向与程度．研究结果对优化居民出行方式结构、改善城市交通拥堵具有指导意义．     

基于数据融合的港口货运特征调查方法及实践

港口货运交通特征是港口城市综合交通体系规划的重要依据.传统货运交通特征调查具有以下局限:调查对象类型复杂、样本代表性差、数据抽样和扩样困难、调查实施难度大等.这些问题制约了研究者对城市货运交通特征的获取.采用大数据挖掘、多源数据综合扩样与校验等手段,提出一种基于多源数据融合的港口货运特征调查方法,打破传统货运特征调查因实施难度大而产生的束缚,能够全面、准确地获得港口公路货运需求总量及大型货车出行特征和规律.经天津港实践证明,该方法准确性高、可操作性强且易于推广.     

基于公交时空过程的城市时空可达性计算方法

交通系统的本质目标是为了提高个体的可达性.已有的基于时空维的时空可达 性计算方法忽略交通模式选择的约束,以及对于出行时间没有确切的概念,因此,提出了 基于公交时空过程的城市时空可达性计算方法.该方法以特定的公交出行时空约束作为 效用函数,从历史公交时空过程中获取公交出行时间,对于出行时间的计算更具可操作 性;并且,其考虑特定的时空约束下个体参与活动的效用值,显得更加严谨.同时该方法将 特定的交通出行方式作为一种出行的时空约束,更加符合现实情况.最终,以广州市公交 系统为研究对象,运用该方法计算特定时空约束下个体出行的城市时空可达性.结果表明 该方法具有有效性和可操作性.     

基于公交OD数据的居民公交出行特征研究

已有研究在应用“四阶段法”进行公共交通需求预测时,缺少对居民公交出行分布规律及变化特征的分析．文中通过从潍坊、常州、上虞、蚌埠和湖州五个典型城市居民出行调查数据库中提取出公交OD出行的有效数据,运用图形处理及模型标定等方法进行深入的数据挖掘,研究了居民出行时间消耗特征、出行时间分布特征和出行空间分布特征。指出：0公交出行的可容忍时间与建成区面积及公交分担率密切相关：②由于城市发展状态、经济发展水平及人们出行规律的不同,都会造成出行时间分布的差异;③分析同一城市不同时期居民出行空间分布时,应具体分析各区之间的出行联系强度。居民公交出行时空分布特征的研究,可以为城市公共交通需求预测及公交线网规划提供定量的参考依据及理论支持,该项研究的结论和分析方法可供其他城市借鉴和使用。     

公交客流OD矩阵推算

公交客流OD矩阵是／2-交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民出行站数进行分析,发现出行站数服从泊松分布。结合各停靠站的上下车人数,推算得到基于居民出行特征的客流OD。根据公交站点的吸引系数和吸引权,得到基于停靠站附近用地性质的客流OD推算模型。作者认为停靠站的重要系数与该站作为起始、终点和中途停靠的线路数有关,据此建立了基于站点换乘功能的客流OD推算模型。利用层次分析法组合上述三种影响因素,得到最后的公交客流OD矩阵。实例分析结果表明该方法确实可以大幅度提高推算精度。     

一种基于宏微观数据嵌套的公交用户细分方法

针对公交用户管理,本文提出一种基于宏微观数据嵌套的公交用户细分方法.该方法能够通过卡号识别及公交出行链信息对照等手段,建立问卷调查受访者与数据库中公交IC卡持卡者之间的匹配链接,即同时获取持卡者公交使用行为在刷卡数据样本总体中的宏观聚类情况,以及问卷调查数据中微观个体的社会属性与意愿信息,形成宏微观数据的互补嵌套,弥补单一数据源分析所面临的不足.在厦门市的实证分析中,数据链接的成功率达到70.5%.最终,结合该融合数据,从公交使用行为模式及态度意愿两个维度对公交用户进行交叉分类,实现公交用户不同组群的细分.     

城市公共交通常乘客通勤出行提取方法

为挖掘公共交通通勤出行精准化特征，从追踪出行链的角度出发，利用公交与轨道多源数据研究常乘客通勤出行提取方法。通过选取潜在职住地设置高频职住地集合，提出公共交通常乘客职住地识别算法，结合出行链起讫站点与职住地空间信息匹配提取通勤出行链，并将常乘客出行分为home-work通勤、work-home通勤和非通勤出行。以北京市“回天地区”公交与轨道出行链数据为例，提取常乘客通勤出行。结果表明：常乘客职住地识别率达到85.9%，常乘客通勤出行和非通勤出行在出行时空分布和出行方式上存在明显差异，通勤出行提取可为北京市面向常乘客开展“预约出行”并分析其出行需求动态特征变化提供依据。     

���񹫽�����ODԤ���о�

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.     

基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用，需要补全出行目的信息，将团体旅客出行目的决策与文本主题生成类比，开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型，以及团体旅客重建和语义化特征设计方法，并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现，模型对一般私务辨识性能提升7.7%；基于票务数据的案例研究发现，模型对出发时间预测精度达到90.9%，间接验证了模型的可靠性.主题标注表明，模型不仅推断出4种与典型模式相符的出行目的，还辨识出既有认识外的非常规模式.对道路客运分析表明，出行目的构成呈现地区差异，高铁开通对不同出行目的出行量的负向影响程度不一.     

基于票务数据的团体旅客出行目的推断

为推进城际交通大数据的应用，需要补全出行目的信息，将团体旅客出行目的决策与文本主题生成类比，开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型，以及团体旅客重建和语义化特征设计方法，并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现，模型对一般私务辨识性能提升7.7%；基于票务数据的案例研究发现，模型对出发时间预测精度达到90.9%，间接验证了模型的可靠性.主题标注表明，模型不仅推断出4种与典型模式相符的出行目的，还辨识出既有认识外的非常规模式.对道路客运分析表明，出行目的构成呈现地区差异，高铁开通对不同出行目的出行量的负向影响程度不一.     

居民公交出行OD预测研究

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.     

居民出行调查抽样率模型

运用数理统计学原理分析了简单随机抽样的特点,及其在应用中的过于随机给居民出行带来的影响,提出分层抽样的调查方法,推导了基于按比例分配和最优分配的抽样率公式,讨论了居民出行调查中的分层方法.建议对于大型城市采用简单随机抽样方法;而对于中小城市,按年龄分类,采用分层抽样方法,以提高调查精度.