居民出行调查中的抽样技术研究

居民出行调查的数据是城市交通规划的基础,它的准确度直接影响着规划的质量。恰当的调查方法和抽样率对保证数据精度和节省费用至关重要。目前,我国绝大多数城市在进行居民出行调查时,根据国外经验来确定抽样率,理论依据不充分,无法估计调查数据的精度和预测数据的准确性。运用抽样技术理论,首先对居民出行调查中用的抽样方法和抽样率的计算做理论上的阐述,然后对常用的抽样率计算公式进行推导,并讨论其他相关问题,最后给出计算实例。     

迁安市居民出行调查与交通特性分析

为指导中心城区交通规划的展开,迁安市展开中心城区范围内居民出行调查,对迁安市居民交通出行特征进行全面分析.通过居民出行调查数据分析,从性别、年龄、职业、交通工具拥有量、出行率、出行方式、出行分布等方面,梳理迁安市居民样本特征及出行特性,在相应的调查分析基础上,对迁安市交通特性的发展方向进行预测,为交通需求模型的搭建提供参数,为新城交通政策的制定提供依据,也为类似城市的发展提供借鉴.     

城市居民出行时耗特征分析研究

出行时耗是城市居民出行特征中的一项重要指标,通过典型城市居民出行调查资料,深入分析居民一次出行时耗与城市规模的关系,分析居民全日出行总时耗以及分方式的居民全日出行总时耗。相应的分析结果有助于城市交通发展政策的制订和交通系统的设计。     

城市居民出行特性比较分析

在综合分析国内外城市的社会经济发展和居民出行调查资料的基础上,从居民人均出行次数、出行目的分布和出行方式构成等3个方面入手,将国内城市居民出行特征与发达国家城市进行分析比较,又对国内相同城市不同时期的调查结果进行对比研究,目的在于把握城市居民出行特性的发展变化趋势。研究结果发现,我国城市居民出行特征随着社会经济和城市的发展发生了显著的变化,国内经济比较发达地区大城市的部分出行特征已经开始与发达国家状况相似,中小城市和欠发达地区城市的出行特征则与国外差别较大。研究同时发现了国内城市居民出行结构中的隐患,指出了发展的方向。     

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

手机信令数据在城市道路交通量预测中的应用

交通量预测是城市道路可行性研究的核心内容,准确性和可靠性主要依据基础交通调查的准确度和覆盖率,而面对城市居民出行调查,问卷调查等传统的城市居民出行调查存在工程量浩大、耗时耗力、样本量低、经济投入巨大等诸多弊端。随着手机普及率的提高,手机覆盖了城市绝大多数人口,采用手机信令分析技术替代传统的出行调查成为可能。选择长沙市手机信令数据为基础,以长沙市人民路过湘江隧道的交通量预测为例,介绍了通过手机信令数据处理实现交通预测的解决方案。     

城市组团土地利用对居民出行空间分布的影响分析——以常州市主城区为例

城市土地利用是影响城市居民出行的关键因素之一。引入出行空间分布系数和出行方向系数描述居民出行空间分布。基于常州市居民出行调查数据,研究了城市组团土地利用对基于家的上班出行和基于家的弹性出行空间分布的影响。     

城市居民出行特征分析和交通改善对策探讨——以番禺中心城区为例

通过对2005年广州市番禺中心城区居民出行调查的有关数据进行研究,分析了中心城区居民出行的基本特征及其原因.分析结果表明,番禺市是一个以私人交通方式为主的城市,公共交通对居民的吸引力不强.文中最后提出了改善番禺区城市交通发展的对策.     

广州市商业综合体交通出行率研究

针对目前城市综合体出行率指标缺乏的现状,借鉴国内外相关研究成果,对商业综合体建筑出行率进行影响因素分析,确定商业综合体建筑面积和所处城市区位为主要因素;通过对广州市进行区位划分,选取不同区位的商业综合体进行出行率调查,经过回归分析处理,得到广州市商业综合体交通出行率的一般规律。     

基于离散选择理论的出行方式/目的地联合模型研究

分析了出行方式/目的地选择的必要性,并以合肥市居民出行调查数据为基础,在对出行目的地空间分布特点进行分析的基础上,提出了减少选择枝个数的目的小区分段抽样策略,并在该抽样策略下建立了方式/目的地联合选择模型,模型结果在数学统计和符号逻辑上均达到要求;最后对联合选择模型和重力模型就本案例数据进行了对比分析,结果表明,联合选择模型及结果与实际统计结果差值更小。