排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
通过手机话单数据提取用户的出行特征具有可行性.然而,手机话单数据的稀疏性对提取居民出行时间特征造成困难.通过对深圳市手机话单数据的挖掘分析识别居民职住地,得到居民特征通勤序列,进而基于早、晚不同情况对居民通勤特征进行描述和分析.对比分析显示,通过手机话单数据得到的居民通勤距离和时间特征与居民出行调查结果较为一致,说明该方法可用以描述居民通勤特征.研究表明,深圳市居民通勤开始时间受通勤距离影响不大,大于10 km的中长距离通勤出行对应的平均通勤时间维持在一个比较稳定的值(45~50 min). 相似文献
2.
3.
为研究共享单车使用特征与建成环境的依赖关系,本文以2020年厦门市共享单车订单数据和电子围栏信息为基础,从集计(栅格区域)和非集计(个体出行)两个层面,利用极端梯度提升模型(XGboost),探究建成环境对共享单车使用特征的非线性解释能力。首先,识别密度、设计、目的地可达性、土地利用多样性、公共交通可达性和需求管理六个维度的建成环境变量对单车出行生成、吸引以及用户出发时间选择的相对重要性。之后,根据部分依赖图,揭示建成环境变量对单车使用特征指标的影响趋势。结果表明,在集计层面,电子围栏密度是最重要的建成环境因素,对出行生成和吸引的影响程度分别为26.88%和51.90%,且在150个·km-2附近产生阈值效应。在非集计层面,单车用户早高峰借车概率与出行起讫点的建成环境均有关联。其中,目的地栅格中工作场所比例影响最显著(18.17%),出发地栅格CBD邻近度(7.34%)和出发地栅格公交站点密度(5.91%)次之。 相似文献
4.
1