出行源点用地的居民出行生成预测

从居民出行产生的根源--用地入手,分析我国经济快速发展时期城市用地的新特征,引入出行源点的概念并分析其产生机理.在此基础上提出既经济又适用的基于用地功能产生率法的改进方法--基于出行源点土地利用的居民出行生成预测体系,并对体系中的模型进行了检验和修正.最后,应用该方法预测北京南中轴快速公交项目客流密度,既节省人力物力,又可得出可靠结果.     

基于活动的出行生成预测方法

出行生成预测是解决交通问题方法的基础,在四阶段法出行生成阶段运用基于活动的方法,以家庭为出行单位,分析家庭成员和家庭整体的出行链类型,构建出行生成预测模型。将模型参数分为家庭属性、活动类别和出行链特征3大类,建立家庭活动出行链选择结果的MNL模型,借助SPSS进行Logistic功能标定检验,通过实例应用说明基于活动的出行生成预测方法在四阶段法中的应用是可行的。     

《出行生成》的编制过程及编制方法

简要介绍了美国交通工程师协会编制《出行生成》的背景,详细论述了该书的编制方法和编制过程,主要涉及到出行生成的分类、独立变量和调查时段的选择、进行出行生成预测的原则和出行生成研究的指导说明。最后,以一个实例来说明如何进行出行生成预测,希望能为我国早日制定自己的出行生成研究标准和编制自己的出行生成手册提供借鉴。     

基于模型优选及融合的高教园区出行生成预测方法

为了提高高教园区出行生成预测数据的可靠性,提出了一种基于模型优选及融合的出行生成预测方法。根据选取的模型评价指标,借助ELECTRE方法对区域出行产生模型进行优选,利用证据理论方法,对优选模型的权重进行标定,最后借助标定后的权重对区域交通生成量进行数据融合预测,并与实际结果进行了对比。分析结果表明:多模型融合预测相对误差在10%以下,预测结果与实际情况非常接近,该预测方法有效。     

主成分分析法在居民出行生成模型中的构建研究

交通出行生成模型作为“四阶段法”出行的第一步,出行模型的精度将直接影响了整个四阶段法模型的结果;现行的居民出行生成预测模型主要有生成率法、交叉分类法、回归分析等。但是这些方法都没有从根本考虑到各种影响出行生成的变量之间的相互影响关系,而这种变量之间的相互关系往往会直接影响居民的出行特征,同时,常用的回归分析法中,由于最小二乘法的局限,往往会丢失变量或者出现负变量,而这些变量在交通出行中明显会产生出行量,这就和实际的交通出行特征有了背离。本文提出了在回归分析法之前首先采用主成分分析法来确定各影响变量之间的关系,确定主成分方程,进而在根据主成分方程和调查数据之间的回归分析来构建出行生成模型。通过这样的方法来有效的保护变量的非负性和体现变量之间相互关系对出行生成的影响。     

基于土地利用的交通需求预测

指出传统交通需求预测方法的不足,分析交通与土地利用的本质以及交通需求与土地利用之间的内在联系,建立土地利用与交通需求生成的相关关系模型,简化传统方法的预测过程,并以浏阳为例,根据土地利用情况直接进行交通需求预测,较好地映了浏阳的交通需求情况,为把土地利用规划和交通规划相结合提供一种思路。     

城市居民出行次数变权预测方法

传统居民出行生成次数采用线性回归分析现状数据,建立居民特征变量与出行次数间的关系,但并未区分样本权重,预测结果受样本点波动影响较大。因此,论文考虑对不同的样本点施加不同权重,以区分不同样本点对预测结果的影响程度,并以最小二乘参数估计法为基础,采用Robust估计中的Welsch方法构造样本点权重值,通过迭代运算确定样本权重系数,进而建立样本权重变化的预测方法。研究表明,变权预测方法可应用于样本量大、变量众多,并难以准确识别样本有效性的情况。预测结果有效地避免了数据波动对预测结论的干扰,可更贴近居民出行次数的变化趋势。     

天津市居民出行特征分析与交通政策探讨

依据天津市居民出行调查的有关数据,通过对出行强度、出行方式、出行距离、出行成本等系列指标总结归纳出天津市城市居民出行的规律、变化特征及其原因,并与我国其他部分城市的居民出行资料进行对比分析,针对未来发展趋势对天津市城市交通发展提出相应的对策与建议。     

城市街区形态对居民出行能耗的影响研究

研究中国城市形态与居民出行能耗的关系在新时期城镇化发展、能源紧缺、气候变化背景下显得极为迫切.首先提出基于调研数据估算居民出行能耗的方法.以济南市9个小区为例,通过定量计算和描述性分析,比较了传统胡同式、密方格网式、单位邻里式和超大街区式四种类型街区形态特征和家庭出行能耗的差异.研究表明,人口密度、容积率最高的超大街区...     

居民出行调查中交通小区划分方法的改进

为了减少居民出行调查的工作量和费用,利用以往调查内容中的年龄、职业、收入和车辆拥有率等指标,根据聚类分析的等价矩阵模糊聚类方法,通过MATLAB编程进行聚类分析,用F-统计量确定最佳模糊聚类类数,对交通小区重新分类。在调查时,只需在每类小区选择一个交通小区,就可满足调查精度要求。最后用模糊C-均值聚类方法验证。计算结果表明,模糊聚类分析方法可以应用在居民出行调查的交通小区划分中。     

我国组团城市居民出行时耗特征分析

出行时耗是城市居民出行特征中的重要指标之一．论文通过对典型组团城市居民出行调查资料的分析,总结出我国组团城市居民出行时耗的特性：组团城市居民一次出行时耗普遍低于同等级的非组团城市;组团城市中中心组团每次公交出行时耗普遍低于其它组团．这些结论将有助于城市综合交通规划的设计和研究．     

宁波市居民出行特征分析及交通发展对策研究

对比分析宁波市与国内其他城市居民出行调查的有关数据,通过出行强度、出行方式、出行的时间分布、出行的空间分布等一系列指标.总结归纳出宁波市城市居民出行的规律、变化特征及其原因.针对其出行总量增加、出行距离加长、出行耗时增加、私人交通方式比重较高、城市交通大区间的联系通道交通量较大、高峰小时峰值强劲等特点,对宁波市城市交通发展提出公交优先发展、就近就业、建设快速交通系统及实施交通需求管理等建议,对于推动该市的交通发展具有积极的意义.     

宁波市居民出行特征分析及交通发展对策研究

对比分析宁波市与国内其他城市居民出行调查的有关数据,通过出行强度、出行方式、出行的时间分布、出行的空间分布等一系列指标,总结归纳出宁波市城市居民出行的规律、变化特征及其原因。针对其出行总量增加、出行距离加长、出行耗时增加、私人交通方式比重较高、城市交通大区间的联系通道交通量较大、高峰小时峰值强劲等特点．对宁波市城市交通发展提出公交优先发展、就近就业、建设快速交通系统及实施交通需求管理等建议．对于推动该市的交通发展具有积极的意义。     

���ڹ����ط���ľ�����е��鷽��

对居民出行调查的主要结论形式——平均出行次数、出行方式结构和出行时间与工作地特征之间的关系进行了详细的分析,发现相互之间有明显对应关系,若能按照工作地特征分层（或分类）开展出行调查,则样本极具代表性.基于分层抽样,提出了一类新的居民出行调查方法,并对其中的抽样方法作了细致的研究,提出了总体及分层抽样率的确定公式.以温州市平阳县万全镇为例,讨论抽样率公式中的参数取值,得到了对应于7类工作地的出行调查抽样率大小,说明了本文方法的可操作性.并分析了本文所提出的调查方法相对于简单随机抽样法的优势.     

通化市居民出行特征分析及交通发展对策研究

分析通化市城市居民出行调查的有关数据,通过出行强度、出行方式、出行时间分布、出行空间分布等一系列指标,总结归纳通化市城市居民出行的特征及其原因。针对其出行总量增加、出行距离加长、出行耗时增加、城市交通大区间的联系通道交通量较大、高峰小时峰值强劲等特点,对通化市城市交通发展提出优化道路网络、优先发展公交、建设快速交通系统及合理配置停车设施等建议,对于推动该市的交通发展具有积极的意义。     

基于电子地图居民出行OD调查方法

分析传统居民出行OD调查方法的不足,提出一种基于电子地图平台的新方法。通过友好的操作界面平台,利用标准化的数据形式省去后期大量的人工数据录入及处理工作。避免以往调查与统计空间分离的状况,提高数据的可信度,节约调查和数据录入费用,增强可操作性、提高工作效率、降低工作强度、提高精确度,具备广阔的使用前景。     

居民出行生成预测的二元logit模型改进及验证

针对二元logit模型在出行生成预测应用时忽略了变量差异性的缺点,提出了其可观测变量参数β'服从对数正态分布的假设,根据美国PUMS居民出行调查的前300个相关数据,通过参数标定对该假设的合理性进行了验证.采用SAS仿真系统对参数进行标定的结果表明:当部分参数服从对数正态分布时,所有参数的t检验值均在[-1,1]区间之外,从而验证了假设的合理性.分别利用改进前的模型与改进后的模型进行城市居民出行生成预测,结果显示后者的预测精度明显高于前者,进一步验证了应用改进后的二元logit模型进行居民出行生成预测有显著效果.     

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。     

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.