公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

我国城市机动车停车需求预测方法及其应用

本文天空并提出了我国城市机动车停车需求预测模型以及停车需求地区特征函数ｆ（ｘｉ）和交通影响函数ｆ（γＱ）的计算方法。作为应用实例，文中预测了苏州古城区停车需求，并给出了具体预测结果。     

北京-上海高速交通通道体系展望

讨论了京沪高速运输系统的模式选择问题，介绍了该运输通道的交通需求预测结果，分析了北京－上海之间建设磁浮铁路的可能性，并与高速轮轨列车线路作了对比。结合北京－上海之间的航空网络状况以及未来中国经济发展预测情况，认为磁浮列车将与航空进行竞争，而不是与高速轮轨列车进行竞争。北京－上海之间的交通通道中在轮轨列车与磁浮列车这两者中择其一的思路是不当的。中国应加速高速轮轨列车系统的建设。在大的交通通道中，采用磁浮列车的方案是可行的，它的建设启动应在2015－2020年之间。     

甘肃区域铁路运输发展规划思考

甘肃省作为西部政治经济文化发展的重要省份,随着经济发展,交通运输需求量快速提高,对交通运输供给数量以及质量都有了更高的要求。通过对甘肃省铁路货物运输供给分析,货运需求分析,以及通过现有数据对2012到2016年的货运输需求预测,从而对未来五年甘肃省铁路的交通运输结构与规模以及发展战略与实施策略进行分析,并提出相关建议。     

TransCAD软件及其在交通影响分析中的应用

章首先介绍了TransCAD软件的特点及功能，以及一种利用TransCAD软件进行交通影响分析交通需求预测的方法，并通过一个实例加以说明，最后提出应用TransCAD软件进行交通影响分析的一些结论。     

旅游项目交通影响分析方法研究

旅游项目的交通需求特点与其他项目不同，本文从旅游项目的交通需求特点出发，提出旅游开发项目交通影响评价的原则，在此基础上，指出了旅游开发项目交通影响分析的流程。在进行交通影响分析中，交通需求预测是关键技术．本文将主要针对旅游项目交通影响分析中的预测方法结合北京龙村国际文化城的交通影响分析进行论述，本文采用“四阶段法”进行交通需求预测。同时对项目周边的公交线路服务水平，停车设施的利用状况进行了分析评价。     

中美城市交通模型现况评估

交通需求模型预测未来一个区域内对交通系统的需求.这些模型是辅助交通官员与专家对重大交通项目投资和政策策略作出理性决定的重要工具.根据本刊2008年第1期对中国具有代表性的几个城市交通模型系统的示例介绍,对中国目前的交通模型研发、数据及应用进行总结,并比较了中美交通模型的差异.通过对现阶段中国交通模型建设和使用的深入了解,并结合已有研究和实际工作经验,对中关交通模型及其相关的工作进行系统性和前瞻性的讨论.     

城市重大交通工程项目的交通影响分析研究——以温州市瓯江隧道工程为例

重大交通工程项目必将给城市交通的时空分布带来重大影响,甚至影响整个城市路网交通形态。从区域经济和交通区位势角度考察重大交通工程项目的地位、作用,以其功能定位为关键,从区域和市域两个层面探讨了自然增长型OD量、诱增型OD量和城市跨越式发展的OD当量增长的综合交通需求预测;采用重大交通工程项目与城市交通网络相互关联,相互影响的观点,运用EMME／2规划软件进行了多方案的评价、分析,给出了定量结果。提出的城市重大交通工程项目的交通影响分析的理念、思路、方法对重大交通工程项目的工程可行性研究具有一定的借鉴意义。     

SP调查的非集计模型在水上巴士交通中的应用

非集计模型近年来在交通模型的研究领域受到较多关注.主要讨论了未建交通系统中意愿调查方法的使用,以及如何在意愿调查数据的基础上建立非集计模型并进行客流需求分析.着重对基于SP调查的非集计模型在黄浦江水上巴士交通客运交通系统中的应用进行了研究和探讨,介绍了黄浦江水上巴士交通的SP调查以及其他相关调查,建立了非集计模型用于水上巴士交通服务模式选择和需求预测,对上海市水上巴士未来客流增长空间进行了判断.指出非集计模型适用于具体的小规模的有针对性的规划设计项目,SP调查的设计以及调查数据的采集是非集计模型建立的关键,基于SP调查的非集计模型可用于未建交通系统的服务模式确定、客流需求预测等方面.     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...