���ڽṹ���̵Ľڼ��վ�����кͻ�����Խ�ģ����

基于结构方程模型,利用现有北京市黄金周出行调查资料,选取影响居民节假日活动和出行行为的8个影响因素作为结构模型的外生变量;以黄金周出行中维持性活动和消遣性活动的3个特征指标—活动持续时间、活动次数、出行时间共6个活动特征指标为结构方程的内生变量。同时以个体为分析单位,考虑个人和家庭的社会经济属性,建立各种活动产生模型,活动持续时间模型以及为从事各种活动的出行时间结构方程模型,分析外生变量对内生变量的影响,以及内生变量彼此之间的复杂关系,探讨节假日居民从事各种活动和出行之间的相互影响关系,以及居民的社会经济属性对其从事的活动和出行产生的影响。     

基于Leiden算法的共享单车活动社区识别方法——南京案例分析

目前共享单车分区运营管理中多以行政区为基础划分运营分区,未充分考虑共享单车出行需求的空间分布特征,导致较多跨区调度工作,严重影响运营效率。结合南京共享单车出行订单数据,研究了基于Leiden算法的共享单车活动社区识别方法,构建“出行起讫点-交通小区-空间交互网络”的3层数据结构;采用Leiden社区识别算法,识别共享单车活动社区,以活动社区作为共享单车的运营子区,进行运营区域划分;通过对比不同年份的共享单车活动社区识别结果,揭示共享单车出行空间分布的时变特征;选取网络模块度与计算效率2项指标,比较多种社区识别算法的性能,以验证Leiden算法在该研究问题中的有效性与优越性。结果表明：①针对2019年的单车出行数据,算法共识别出23个活动社区,共享单车区内出行的比例达到82.9%,相比传统分区方法增加了11%,表明本算法能够使得共享单车出行更多被划分于社区内部,可以提高区域内部的共享单车自循环率,改善分区运营效率;②相比于2019年,2022年社区尺度规模有所减小,社区数量有所增加,反映共享单车用户出行距离缩短,跨区出行比例降低。③Leiden算法的社区识别结果中,网络模块度达到0.55,相比传统的CNM算法（0.2）、Walktrap算法（0.31）和Louvain算法（0.42）有较大提高;运算时间为1.1 s,其他3种算法分别为6.4,1.6,1.4 s,在计算速度上也有明显提升。上述指标表明Leiden算法在分区质量和计算效率上优于同类其他算法。该方法揭示了共享单车出行的空间特征,可以获得更优的活动分区管理方案,为共享单车分区运营方案的合理确定提供了理论指导。     

交通可达性与城市经济活动的空间特征分析：以北京市为例

借助开源大数据平台,提出交通可达性及城市经济活动数据采集策略,利用全局常参数和局部变参数回归模型研究北京市六环区域内两者的空间特征.相比于全局模型,局部模型能够较好地刻画交通可达性与城市经济活动间的空间异质性特征.结果表明,私人交通可达性呈现以天安门为中心径向递减的多圈层结构,公共交通呈现轨道交通沿线区域高的特点.交通可达性与经济活动匹配度具有空间非平稳性,空间分离和匹配现象并存.西北部、中部区域空间匹配特征显著,东北部、东部区域次之,西南区域空间分离现象最为严重.丰台及良乡等分离区域,宜重视道路及轨道线网等基础设施建设工作;未来科学城等私人交通匹配,公共交通分离的区域,可考虑修建轨道线路,并增加公交运营服务水平;中关村科学城、北京经济技术开发区等匹配区域,以调整交通运营管理政策为主.     

冰川区铁路选线要点——以中巴经济走廊为例

中巴经济走廊是\"一带一路倡议\"的先试区和重点项目区,拟建中巴铁路是其重要组成部分,但铁路行经的喀喇昆仑山脉为全球山谷冰川最发育的区域,我国尚无在冰川区修建铁路的经验。鉴此,以中巴经济走廊Gilgit至Khunjerb段为研究区,研究沿线大陆性冰川、海洋性冰川和跃动冰川的分布以及各类冰川的活动性特点,定义冰川直接作用区和间接作用区且分析相应的成灾模式,并据此提出选线要点;最后针对中巴铁路沿线四大冰川群,分别提出选线设计建议。研究成果对冰川区铁路选线设计具有普适性指导意义。     

������о�����Ϊ��TDM���Ի�����ϵ�о��ı�Ҷ˹����

综合评述了活动－出行行为研究方法和存在的问题,引入贝叶斯结构学习和参数估计方法,辅以基于活动的出行行为分析理论、非集计建模方法和SP/RP数据融合方法,提出了基于贝叶斯结构学习和参数估计方法的出行行为与TDM策略互动关系分析方法的框架,探索了改进已有研究方法的途径。研究表明,贝叶斯理论可以将居民的个人属性及隐性非样本信息在出行行为预测中充分表达,并解决MNP等复杂非集计模型的参数标定问题。将贝叶斯理论与已有的出行行为分析方法相结合,可以使出行行为预测更为精确、全面和灵活,从而更加准确地描述活动－出行决策行为与TDM策略的互动响应关系,为制定有效的TDM策略,缓解城市交通供需矛盾提供理论依据。     

基于支持向量机的出行链活动类型识别研究

基于支持向量机理论对出行链活动类型的识别方法进行了研究. 首先对居民出行的时间序列位置信息做数据预处理,提取出行链的出行过程和活动地点信息,并结合地理信息系统（GIS）提取活动的备选类型;然后从出行链和活动的时间和空间因素提取活动类型识别的特征,形成特征向量作为分类器的输入,并建立基于支持向量机的两两分类器,采用分类器投票的方法从备选集中选择活动的类型;最后利用模拟数据和交叉验证的方法对两两分类器进行训练检验,分别从高斯径向机核函数和多层感知器核函数的角度分析活动类型识别率. 结果表明：在两两分类中,高斯径向机核函数的最高识别率为99%,最低识别率为62%;多层感知器核函数的最高识别率为97%,最低识别率为54%.     

线性计划方法及其应用研究

CPM作为十分有用的计划技术在建筑业得到了广泛的使用,但也存在一些不足．而线性计划方法作为一种新的计划技术,针对诸如高速公路、铁路工程等线状工程项目的特点,是编制其进度计划十分有效的工具,但目前在理论和应用研究方面还存在许多不足．因而,文章介绍了线性计划方法并对该方法提出了一些改进．同时,通过案例介绍了线性进度计划的绘制方法和步骤．     

基于时间地理学的居民活动空间测度方法研究

活动空间能够反映居民受到的时空制约以及移动自由度,对分析居民出行行为有重要研究意义.本文基于时间地理学理论,强调时间维度对个体活动空间的重要塑造作用,引入活动持续时间作为权重因子,构建了活动空间的时空重心测度模型,提出“偏移度”“扩展度”两个概念来量化个体活动空间,并与传统空间中心测度方法进行对比分析,最后,以昆明市居民调查数据进行实例验证.结果表明,活动空间是由时间和空间两大要素共同决定,当存在出行距离大于4 km以上,偏移度对空间测度的修正程度约为5%~15%,时间要素对活动空间的影响程度变得较为敏感.     

An application of activity-based travel analysis to simulation of change in behaviour

People are liable to exaggerate their future use of new transport facilities when they are interviewed about it before it is in operation. This is often due to the fact that they have no real frame of reference for the study. In order to overcome this, we have tried to perfect an original behaviour-change simulation method (Section 1). It has been tested on a town on the outskirts of Lyons (France) and has provided interesting results. However, to use it as a forecasting tool, we have to make sure that the assertions by potential users when interviewed are consistent with actual behaviour when the new facilities become available (Section 2). This test was carried out when a new light rail line was introduced in Grenoble (France). A first survey was undertaken before the opening of the new line, and people's actual (new) behaviour was surveyed after the new line opened. It is therefore possible to analyse the validity of the simulation (Section 3).