上海市居民通勤方式链特征分析与效率评价

为了解上海市居民通勤现状并改善其薄弱环节,以通勤时间为切入点,调查并分析上海市15个小区的居民通勤出行特征。首先明确通勤方式链定义,分析通勤方式链基本结构和环节组成,将其分为9大类23小类。同时划分4类通勤时间区间以及5类交通态度人群。总结方式链的时空分布规律,考虑主要态度人群"简单安全型"的通勤意愿,以公共汽车、地铁、公共交通组合方式链为例,评价方式链各环节效率。依据感知时间设计通勤者主观评价模型,不同环节通勤时间的改善会存在感知效果的差异。结果显示,接驳和候车是必要且易于改善的重点环节:接驳时间每增加1 min,期望节省时间平均增加0.021 min;候车时间每增加1 min,期望节省时间平均增加0.619 min。     

大道定理在城市主干路间距分析中的应用

城市居民出行可以分为街区内和街区外的出行2部分,且街区内的平均出行速度往往比街区外的出行速度要低。居民出行为了缩短时间,要求城市中的干路网尽量的密,但是线路网过密,会引起因交叉口等待而造成延误时间增加,而达不到时间最优的效果。所以合理的设计、布局城市内的干路网络是缩短城市居民出行的关键。文章结合大道定理的出行时间最优和干路投资资金限制的思想,建立城市居民出行时间最优模型,并计算出城市干路网络的最优间距。     

Ħ�г��Գ��н�ͨ��Ӱ�����

介绍了摩托车交通的车辆单车人均能源消耗大、环境污染严重,在城市客运交 通结构中有通行权力不明确、动态占用空间大、服务的时空范围不独立、安全性差、事故死亡率高及出行费用高等缺点,指出在城市交通中其出行特性较差.根据实例从时间延误、能源消耗、环境污染等几个方面分析了摩托车交通对其他机动车交通的影响,指出在城市中应该限制摩托车交通的发展.     

模拟早晚高峰交通出行率的方法研究

为了实时模拟交通走廊在一天内的动态交通变化,提出了一种基于交通行为的动态交通分配方法。假定单个的出行者统筹考虑工作时间表、交通拥挤耗时等因素,通过选择最佳的离家时间和返家时间以最大化一天内的净效用。引入边际时间效率函数,通过出行者工作持续时间把早晚高峰出行联系在一起,并运用固定点理论求解均衡条件下的实时交通变化。将模型在一个算例上进行仿真分析,发现引入弹性工作制可以减少交通拥挤,并提高工作效率。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

利用终端服务器数据串口功能实现钩打系统

针对终端服务器一般都有数据串口的功能,介绍在TMIS车站管理信息系统中,如何利用该功能把钧计划作业单传到每个远程作业点,用打印机打印出来.     

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。     

总需求固定时出行网络结构的优化

考虑到出行网络结构优化是缓解城市道路交通拥堵的有效措施,构建了提高出行网络和道路网络匹配程度的出行网络优化算法．针对城市道路交通双层网络特性,提出了双层网络的匹配程度指标．考虑匹配程度指标,构建了基于边删除法的出行网络优化算法．分析结果表明：本算法能优化出行网络结构、有效缓解城市道路的交通拥堵．     

基于手机信令数据的常规公交站间OD识别

为识别手机用户乘坐常规公交的OD,结合公交车辆GPS轨迹,在考虑常规公交换乘行为的基础上,建立基于手机用户与车辆轨迹相似度的常规公交出行识别模型,以及站间OD概率模型。通过地铁出行识别,融合手机信令数据与IC卡数据,提取包含百万样本的公交与非公交出行数据,以此作为验证集。进一步分析各参数取值、出行距离、公交线路重复系数等因素对公交出行与站间OD识别的效果。结果表明：在验证集中,常规公交出行方式识别精确率可达0.807,召回率0.912,换乘识别精确率可达0.660,召回率0.756,公交线路识别准确率可达75.5%,站间OD 识别准确率可达71.9%,参数取值的不同对识别效果影响较大。此外,出行距离越长、公交线路重复系数越低,公交线路与站间OD识别准确率越高,出行距离6 km以上、平均公交路段重复系数4 以下的识别效果最佳。