排序方式: 共有44条查询结果,搜索用时 15 毫秒
41.
为实现区域公共交通与小汽车间出行竞争力的定量化评价和影响关系解析,利用公共交通动静态数据、出租车运行数据及出行调查数据提取公共交通个体出行链和小汽车出行用时等信息,结合路径规划API(Application Programming Interface)计算公共交通及小汽车全过程出行耗时,基于全过程出行时间可达性视角构建公共交通竞争力评价模型;考虑公共交通竞争力的空间效应,分别选取土地利用和交通设施因素作为解释变量,提出基于空间杜宾模型的公共交通竞争力影响模型;以北京市为例,探究早、晚高峰等不同时段下区域公共交通竞争力与各影响因素之间的交互关系。结果表明:早、晚高峰期间公共交通竞争力的平均值均在1.50以内,平峰时段约为1.74,市中心区、地铁沿线和大部分居住社区周边区域的公共交通出行竞争力相对较高;各时段下公共交通竞争力呈现明显的空间依赖性,且存在“低-低聚集”“高-高聚集”的典型聚集区域;土地利用混合度、办公就业密度和地铁站点密度等因素具有显著的负向空间溢出效应,而道路网密度和绕行系数则表现出显著的正向效应。综上,所提出的评价模型能够定量化评估公共交通竞争力,所建影响模型能够在考虑空间依赖性的基础上解释竞争力与因素间的相互关系。 相似文献
42.
鉴别不同出行者对公共交通的依赖程度,并分析其形成的致因差异,有助于从规划设计、政策制定等维度针对性地改善公共交通服务质量。设计并实施了居民出行的行为调查(revealed preference,RP)线上问卷,在数据质量检验的基础上引入关联匹配技术,通过融合出行调查数据与公共交通出行交易数据实现了个体公共交通出行链提取。提出了公共交通依赖性度量指标与关键致因指标,构建了AGNES-Apriori模型开展公共交通依赖性分级与不同层级群体强关联规则挖掘,并据此提出了公共交通依赖性层级提升的“两阶段”框架及出行激励策略集。结果表明:(1)居民公共交通依赖性可被划分为低、较低、较高和高依赖性4个层级,不同层级对应的强关联规则间具有显著差异性;(2)关联规则包含的指标数量与3个参数值呈负相关关系,高依赖性强关联规则出现的概率为低依赖性的2.1倍;(3)家和目的地到站点总距离、收入、小汽车可用性等客观条件是影响居民公共交通依赖性的关键致因,而公共交通出行低自由度是导致居民公共交通依赖性降低的重要原因;(4)较低的客观条件指标值通常促使居民形成较高的公共交通依赖性;(5)小汽车低可用性变量主要出现在... 相似文献
43.
44.
公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础. 相似文献