利用GIS技术建立土地利用、人口与出行信息系统的研究

笔者提出了在GIS中建立土地利用、人口与居民出行综合信息系统的方法，利用GIS技术记录土地利用、人口信息与各次出行起点、讫点、途经关键点的空间信息以及其它信息。可按照出行目的、居民特征或考察范围从多层次、多角度对出行需求进行统计并在地图上显示结果。用以分析土地利用与出行需求间的关系。还可有效地将单独建立的城市综合信息系统融合成为区域综合信息系统．     

信息作用下出行者短期决策行为分析

出行者信息系统的建立加强了出行和交通系统之间的联系,使得活动出行决策形成一个动态决策调整过程. 在分析信息作用下的活动出行需求变化的基础上,以信息对出行者的短期决策影响为研究对象,基于吉林市居民出行的SP调查数据,探讨了出行者出发时间、出行方式、路径选择决策行为之间的内在联系. 考虑出行者对信息持有的态度等影响因素,运用二元Probit模型定量分析了出行者决策行为的内在联系. 结果表明,出行方式选择行为与出发时间及路径选择之间密切相关,出行者的路径选择行为则相对独立. 研究结论可为城市交通需求预测及交通管理提供参考.     

��Ϣ�����³����߶��ھ�����Ϊ����

出行者信息系统的建立加强了出行和交通系统之间的联系,使得活动出行决策形成一个动态决策调整过程. 在分析信息作用下的活动出行需求变化的基础上,以信息对出行者的短期决策影响为研究对象,基于吉林市居民出行的SP调查数据,探讨了出行者出发时间、出行方式、路径选择决策行为之间的内在联系. 考虑出行者对信息持有的态度等影响因素,运用二元Probit模型定量分析了出行者决策行为的内在联系. 结果表明,出行方式选择行为与出发时间及路径选择之间密切相关,出行者的路径选择行为则相对独立. 研究结论可为城市交通需求预测及交通管理提供参考.     

城市土地利用混合程度与居民出行空间分布的关系研究——以南京主城为例

本文讨论土地利用的混合程度与居民出行空间分布的相互作用关系。首先,明确城市片区的土地利用混合程度概念与计算模式,并通过城市土地利用、居民出行调查数据与统计结果趋势曲线,分析土地利用混合程度与居民出行空间分布的作用机理;次之,构建片区土地利用混合程度与片区内部居民出行比例两者之间的关系模型。     

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．     

国内不同类型城市居民出行特征分析

通过收集大量国内城市的居民出行特征调查数据,对数据进行归纳整理,从出行次数、出行目的、出行方式结构、出行耗时等4个方面进行分析.通过对城市进行分类,找出不同类型城市的居民出行特征,分析产生这些特征的原因.对居民出行次数,按照人口规模分类,建立了不同人口规模城市的居民人均出行次数模型,通过建摸的方式找出不同人口规模城市的居民出行次数规律.     

基于GIS的公交乘客信息系统的研究

考虑到乘客出行的心理特征差异,利用公交乘客信息系统的关键技术和GIS的特性,建立基于公交乘客出行路径优化模型的城市公交乘客信息系统,可为进一步开发适合我国的城市公交乘客信息系统提供重要的参考.     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

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.