居民出行产生量BP神经网络预测方法

居民出行产生量预测是交通需求分析的重要内容之一,预测结果是确定各类城市交通设施发展规模及布局规划的重要依据.通过分析人工神经网络的作用机理和居民出行产生量的影响因素,建立了居民出行产生量预测的四层BP神经网络模型,以土地利用作为输入神经元,以交通区居民出行产生量作为输出单元,以赣州市城市综合交通规划交通调查数据对模型进行了标定与检验,并与出行次数法和回归分析法进行了比较,结果表明BP神经网络模型具有较高的预测精度.     

基于SP调查的出行方式选择模型与公交优先政策

以居民出行意向特征分析和预测为手段,采用SP调查法和正交设计表进行了调查情境组合设计,得出了调查结果。通过研究长春市居民的出行方式,构建了居民出行方式选择MNL模型,找出了时间和费用对各类出行者的影响程度。提出了相应的公交优先政策建议,并预测了政策实施后交通方式分担率的变化。最后,总结出长春市居民出行的合理结构模式。     

基于活动的出行方式选择模型与交通需求管理策略

应用基于活动的出行需求预测方法研究了长春市实行鼓励公交策略的可行性。通过分析调查数据和总结以往模型,建立了Logistic形式的出行方式选择模型,用长春市居民出行调查数据进行了参数标定和模型验证。应用已建模型初步分析并评价了鼓励公交策略对居民出行方式的影响。结果表明:建立基于活动的方式选择模型预测城市交通方式结构,可以全面有效地进行交通需求管理策略的评价研究,为交通部门制定管理政策提供依据。     

城市客运模型系统的研究

本文在长春市1984年居民出行调查资料的基础上,用运输系统分析的理论和方法,建立了适合我国城市的客运模型系统——四步骤模型,并对重力模型进行了标定。综合费用函数可用作预测公交和自行车出行量比率。     

新冠肺炎疫情不同阶段居民出行方式选择行为建模分析

针对新冠肺炎疫情初期、中期及后期3个不同阶段,从出行者属性与出行特性两个方面分析居民出行方式选择行为的影响因素.由于出行方式之间存在相互关联作用,故采用Nested Logit模型方法建立出行方式选择行为决策模型.利用中山市坦洲镇居民出行意向调查数据(StatedPreference,SP),分别分析新冠肺炎疫情各个阶...     

阻断事件影响下城际出行行为

为揭示异常情况下居民城际出行决策的关键影响因素和规律,根据阻断事件级别、绕行路线增加时间量、出行类型(弹性、刚性)设计了16种出行场景,进行居民出行方式选择意向问卷调查.问卷涉及影响居民出行决策的11个因素和4个决策选项.基于多分类Logistic回归模型,分别利用城际出行中的16种异常场景下的意向(stated preference,SP)调查数据,构建居民出行决策模型.结果表明:阻断事件影响程度、绕行路程、出行目的不同,影响居民决策的显著性因素不同,并且同一因素在不同场景下的影响程度存在差异;出行时耗和居民对某种出行方式的偏好对各场景下的决策影响最为显著,其次为出行频率和职业,驾龄、年龄、性别在个别场景下具有显著性影响.这些结果可以为综合交通运输网络中公路阻断事件下的居民出行行为预测提供依据,并且在异常情况下为不同出行个体提供个性化、精细化的出行信息服务提供支撑.     

一种轻量级梯度提升机的交通模式识别

为研究居民出行轨迹的不同交通方式,基于已知出行交通方式的GPS轨迹信息,构建基于轻量级梯度提升机(LightGBM)的分类模型,对居民出行GPS轨迹进行交通方式分类.首先提取轨迹的各种基础特征,并进一步结合公交网络地理信息引入Fréchet距离进行特征提取,之后对特征进行归一化处理并基于决策树模型对特征进行筛选,最后对筛选后的特征进行模型训练与预测,并通过五折交叉验证方式获取了稳定的预测结果.结果表明:公交网络地理特征能够对模型预测精度进行有效提高,提出的GPS轨迹交通方式识别方法可达90%左右的精确度,优于各种机器学习分类模型.     

基于机器学习的城市居民低碳出行行为研究

针对城市居民是否选择低碳出行的问题，本文基于机器学习方法，通过问卷调查的形式，对影响城市居民低碳出行的相关因素与实际交通出行方式进行数据收集，设置自变量与因变量及其取值，并基于Logistic回归模型原理进行拟合建模，在不同属性下，对城市居民是否选择低碳出行方式和影响进行分析，得到不同属性之间与各个属性内部的影响与区别关系。同时，运用Logistic回归、神经网络与决策树3种分类预测模型，在现有数据基础上，对城市居民是否选择低碳出行方式进行预测。研究结果表明，年龄、收入、距离和是否拥有汽车及驾驶证，对选择低碳出行方式具有重要影响，尤其是没有汽车的居民，选择低碳出行方式的可能性是拥有汽车居民的9.065倍，且3种模型的预测准确度均在85%以上，而神经网络模型的预测准确度接近90%,各项指标均说明预测效果良好，验证了该方法的可行性及适用性。该研究为预测不同地区与类型的低碳出行方式提供了理论参考。     

长三角地区城市居民交通出行能源效率最优化探究

针对长三角地区城市发展和居民出行情况,使用专家调查和SP调查法,在分析各种出行方式特点的基础上,建立了居民出行方式评价体系。利用数学计算,对现有的出行方式进行了综合评价,探究了长三角城市居民交通出行能源效率最优化方式,对长三角城市居民日常出行选择有一定的指导意义。     

出行方式链的转换成本估计

为更准确预测居民出行方式选择,构建考虑心理因素的方式综合转换成本测算模型. 以杭州市居民出行行为为例,运用条件价值法,通过线上线下相结合的问卷调查,得到出行者的个人属性、出行方式链选择以及为了避免方式转换环节的最大支付意愿价格. 研究结果表明:变动转换成本随着转换级数的增加而增加,随转换时间的增加呈指数增长;同时,结果标定了不同转换级数下全方式间的固定转换成本矩阵. 方式综合转换成本测算模型的建立,可以预测基于出行方式链的居民出行需求.     

居民居住选址与出行生成模型

居民居住选址与其出行生成密切相关。本文通过分析居民居住选址与出行生成的关系建立了城市中交通小区的出行生成预测模型。     

基于居住地分层的居民出行调查方法

首先对居民出行调查的主要结论形式——平均出行次数、出行方式结构与居住地特征之间的关系进行了详细的分析,发现相互之间有某种对应关系,若能按照居住地特征分层(或分类)开展出行调查,则样本极具代表性。然后,基于分层抽样,提出了一类新的居民出行调查方法,并对其中的抽样方法作了细致的研究,提出了总体及分层抽样率的确定公式。最后,以江苏昆山市老城区为例,讨论公式中的参数取值,得到了对应于3类居住地的出行调查抽样率大小,说明了本文方法的可操作性和相对于简单随机抽样方法的优势。     

拥挤收费对私家车出行方式的影响

为了研究拥挤收费限流措施对私家车拥有者出行方式的影响,在大量问卷调查数据分析的基础上,分析了收费费率、家庭月收入、出行目的对私家车拥有者出行方式的影响,并建立私家车出行选择模型.结果表明:收费费率、家庭月收入和出行目的对私家车拥有者出行方式影响显著.     

基于蚁群算法的交通出行生成预测方法的研究及应用

在分析了常用出行生成预测方法的不足后,根据蚁群算法一般形式和固有特性,研究了基于蚁群算法的交通出行生成预测方法的约束条件,并给出了交通出行生成的蚁群算法预测模型。通过在锦州市的应用,体现了该模型方法简便,符合出行生成的内在规律。     

基于目的地魅力度的出行生成/分布联合模型

传统的交通需求预测方法以交通小区为研究单位,会产生集计误差,在出行生成阶段对于不同的交通小区使用相同的平均出行率来确定出行生成量,没有考虑交通小区魅力度对出行生成的影响,为减小城市交通需求预测中由于不同小区出行生成率不同造成的预测误差,应用非集计模型理论,分析了影响交通小区魅力度的因素,结合目的地选择模型给出小区间出行效用以及小区魅力度的计算方法,以此来修正传统的出行生成和分布模型,并以北京市调查数据为例说明了上述方法的应用。     

中小城市交通生成量预测模型研究

随着经济的发展,许多中小城市都面临着城市扩大的趋势,土地利用布局发生很大的改变.而土地利用是出行活动生成的决定因素之一.因此,为了提高中小城市出行生成预测模型的精度,将中小城市的交通生成预测问题和交通小区土地利用结合起来,引入区位势能对土地利用进行量化,从而使预测结果更加精确.     

基于出行方式的济南城市交通模式研究

越来越多的城市交通问题给城市发展带来严重影响,研究城市交通模式成为大城市交通发展战略中非常重要的一部分。分析了济南市道路系统和交通出行方式的演变,对济南市历史上三次大型居民出行调查的数据进行详细比较,指出济南市居民出行方式的变化特征,在此基础上确定济南市现状交通模式为由慢行交通主导模式向其他交通模式转变的过程。针对济南现状交通发展状况,对济南市未来交通发展模式提出建议。