基于活动的出行生成预测方法

出行生成预测是解决交通问题方法的基础,在四阶段法出行生成阶段运用基于活动的方法,以家庭为出行单位,分析家庭成员和家庭整体的出行链类型,构建出行生成预测模型。将模型参数分为家庭属性、活动类别和出行链特征3大类,建立家庭活动出行链选择结果的MNL模型,借助SPSS进行Logistic功能标定检验,通过实例应用说明基于活动的出行生成预测方法在四阶段法中的应用是可行的。     

居民出行生成预测方法的归纳和创新

现行的居民出行生成预测模型主要有生成率法、类别生成率法、回归分析法等。从实际应用的角度,在对传统的居民出行生成预测模型进行全面和深入的分析基础上,提出建立在城市土地利用形态基础上的总量平衡型居民生成预测新模型。逐一探讨土地利用的性质、规模、强度及区位特征对出行的影响,并引入出行生成基本权重、用地规模、土地利用强度系数和小区区位系数作为模型的基本参数,并给出取值方法。     

主成分分析法在居民出行生成模型中的构建研究

交通出行生成模型作为“四阶段法”出行的第一步,出行模型的精度将直接影响了整个四阶段法模型的结果;现行的居民出行生成预测模型主要有生成率法、交叉分类法、回归分析等。但是这些方法都没有从根本考虑到各种影响出行生成的变量之间的相互影响关系,而这种变量之间的相互关系往往会直接影响居民的出行特征,同时,常用的回归分析法中,由于最小二乘法的局限,往往会丢失变量或者出现负变量,而这些变量在交通出行中明显会产生出行量,这就和实际的交通出行特征有了背离。本文提出了在回归分析法之前首先采用主成分分析法来确定各影响变量之间的关系,确定主成分方程,进而在根据主成分方程和调查数据之间的回归分析来构建出行生成模型。通过这样的方法来有效的保护变量的非负性和体现变量之间相互关系对出行生成的影响。     

出行源点用地的居民出行生成预测

从居民出行产生的根源--用地入手,分析我国经济快速发展时期城市用地的新特征,引入出行源点的概念并分析其产生机理.在此基础上提出既经济又适用的基于用地功能产生率法的改进方法--基于出行源点土地利用的居民出行生成预测体系,并对体系中的模型进行了检验和修正.最后,应用该方法预测北京南中轴快速公交项目客流密度,既节省人力物力,又可得出可靠结果.     

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

基于矩阵分析和D-S证据理论的时空数据融合及目标识别

在矩阵分析和D-S证据理论的基础上,给出一种时空数据融合的方法,并将它应用于飞机特征识别的数据融合中.实验结果证明了基于融合后的识别结果较单传感器的识别结果好,验证了这一方法的正确性和有效性.     

基于D-S证据理论的机车润滑油信息融合处理技术研究

介绍了Aempster-shafer（D-S）证据理论及其主要特点,分析了多传感器信息融合处理技术的主要方法,提出应用光谱仪、铁量仪、颗粒计数器和分析式铁谱仪,监测机车润滑油油样多组数据,多组数据的信息融合结果可以作为判断机车的实际磨损情况依据．     

《出行生成》的编制过程及编制方法

简要介绍了美国交通工程师协会编制《出行生成》的背景,详细论述了该书的编制方法和编制过程,主要涉及到出行生成的分类、独立变量和调查时段的选择、进行出行生成预测的原则和出行生成研究的指导说明。最后,以一个实例来说明如何进行出行生成预测,希望能为我国早日制定自己的出行生成研究标准和编制自己的出行生成手册提供借鉴。     

基于BP神经网络与D-S证据理论的路段平均速度融合方法

为精确估计路段平均速度, 提出了基于BP神经网络与D-S证据理论的路段平均速度融合方法。通过训练完成的BP神经网络估计概率密度函数值, 进而通过D-S证据理论进行数据融合, 整合了BP神经网络自学习的特点与D-S证据理论推理的能力。提出了融合方法的框架, 给出了具体的计算模型。利用京藏高速公路上的实测浮动车数据、微波检测器数据、车牌识别数据对融合方法进行了验证, 并分析了当微波检测器失效时融合方法的鲁棒性。分析结果表明: 融合数据的平均绝对误差百分率比仅使用浮动车数据或微波检测器数据分别提高了7.90%、20.72%, 融合方法能够得到较好的效果。微波检测器失效的情况下, 融合精度有所下降, 但融合数据的误差仍然小于仅使用浮动车数据的误差, 说明融合方法具有一定的鲁棒性。     

基于区内出行比例的城市交通小区半径计算方法

针对国内城市交通小区划分多靠定性分析的情况, 分析了国内外交通小区划分方法, 提出了基于区内出行比例的交通小区半径定量计算方法。基于交通小区半径和出行距离的三种不同组合, 推导出了相应的区内出行比例计算模型, 利用Excel软件的VBA编程功能, 进行了三者之间的数量关系计算, 通过对区内出行比例的控制, 得出交通小区半径的合理范围。实例计算结果表明: 当区内出行比例范围为5%~10%时, 西安中心市区交通小区的合理半径在0.7~1.1km之间, 而实际调查区内出行比例为9.28%, 交通小区半径为0.9km, 调查值与计算值接近, 小区半径定量计算方法可行。     

农村人口出行方式选择模型

基于非集计模型的基本理论与建模方法, 根据全国12个省1249份农村人口的出行调研数据, 分析了影响农村人口出行方式选择的因素, 选择步行、自行车、摩托车、农用车、客车、私家车6种交通方式作为农村人口出行方式选择肢, 确定了影响农村人口出行方式选择的变量及相应的取值方法, 建立了农村人口出行方式选择模型, 并选取400份农村人口出行数据对模型进行了验证。计算结果表明: 各种出行方式的计算值与统计值的最大绝对误差是4.0%, 说明模型计算精度较高。     

基于路网容量的停车需求预测方法

分析了停车需求交通出行O-D法与路网容量对停车需求的影响, 以区域路网总容量及路网服务水平为约束, 对停车需求的交通出行O-D预测方法进行修正, 提出了一种基于路网容量的停车需求预测方法。应用结果表明该方法能够有效反映路网容量对停车需求预测的影响, 是一种有效的停车需求预测方法。     

居民出行分布的熵模型及其参数标定

为寻求一种描述各种出行分布情况的普适性模型, 运用最大信息熵原理, 结合数理统计方法, 建立了以原点矩均值为约束条件的新模型体系。为确定模型参数, 提出了熵模型的参数标定方法, 利用长春市居民出行调查数据对参数标定方法进行了验证。数据验证结果显示, 对于步行、自行车、公交车和小汽车四种出行方式, 最高阶原点矩的阶数分别取3、4、5时, 所有模型均通过置信度为95%的χ²检验。通过χ²值和分布曲线的比较发现, 不同出行方式取得最好效果的最高阶原点矩的阶数并不一致, 这种差异取决于出行方式的内在特性。居民出行分布的信息熵模型可以定量描述任意出行方式的分布规律, 所提出的参数标定方法简单有效。     

具有模糊特性变量的出行方式预测Logit模型

基于非集计模型与模糊数学理论,以城市群居民出行行为为研究对象,选择出行者的出行时间和出行费用作为影响因素,利用极大似然估计法进行参数标定,通过t检验、命中率检验与优度检验,将出行时间模糊化,忽略出行费用的影响,建立了具有模糊特性变量的出行方式预测Logit模型。将轨道交通与小汽车2种出行方式的时间模糊化参数分别选为0.1、0.3、0.5,分析了出行方式与出行时间对居民出行行为的影响。分析结果表明:轨道交通与小汽车的平均出行感知时间之比为0.8～1.2,且2种出行感知时间同等程度变化;当轨道交通出行时间模糊化参数为0.1,小汽车出行时间小于70min时,出行者均选择轨道交通出行;当轨道交通出行时间模糊化参数为0.3,小汽车出行时间小于67min时,出行者继续选择轨道交通出行,但当小汽车出行时间大于67min,小汽车出行时间模糊化参数分别为0.1、0.3时,出行者选择小汽车出行;当轨道交通出行时间模糊化参数为0.5,小汽车出行时间小于58min时,出行者仍然选择轨道交通出行,但当小汽车出行时间大于66min时,出行者均选择小汽车出行。     

出行距离分布模型及参数研究

为研究城市交通规划中出行距离的分布特征, 在一定假设条件下, 运用概率统计理论推导出行距离的概率分布函数形式, 用10座城市的居民出行资料对其进行拟合, 验证了该假设条件的合理性, 分析了函数参数的相关影响因素, 如城市规模、城市形状和交通结构等, 对其进行量化与非线性回归, 得到出行距离的概率分布函数的一般形式, 最后, 就不同规模城市分析了分布函数参数的取值范围。研究结果表明: 出行距离的分布符合瑞利分布, 特大城市和大中城市分布函数参数的取值范围分别为0.035~0.076和0.042~0.100。     

基于土地利用的交通需求预测

指出传统交通需求预测方法的不足,分析交通与土地利用的本质以及交通需求与土地利用之间的内在联系,建立土地利用与交通需求生成的相关关系模型,简化传统方法的预测过程,并以浏阳为例,根据土地利用情况直接进行交通需求预测,较好地映了浏阳的交通需求情况,为把土地利用规划和交通规划相结合提供一种思路。     

基于核查区的居民出行OD矩阵校核方法

为提高居民出行调查数据校核精度, 按照组团状城市所布设的核查线可围合成若干封闭区域的特点, 依据极大熵原理, 提出了基于核查区的居民出行OD矩阵校核方法, 量化分析了核查区进出交通量与OD矩阵分布量、核查区OD量与路段交通量之间的关系。以此为约束, 按照核查线路段和核查区两个方面的观测值与估算值之间差异最小化为目标, 建立了相应的模型及其算法, 并应用2008年西安市居民出行调查数据对该方法进行了验证。计算结果表明: 经校核后, 519个交通小区的机动车出行OD矩阵分配量与观测交通量之间的平均相对误差为4.75%, 误差最大值为12.28%, 因此该方法可行。     

基于用地和交通特征的停车需求预测模型

为了解决城市停车难问题, 对停车需求进行合理预测, 考虑目前日益紧张的土地资源和快速增长的交通流量, 分析了用地与交通影响预测模型建立的基本原理, 采用用地特征函数描述了土地使用性质与停车生成率之间的关系, 采用交通影响函数分析了路网流量增长率和停车率对停车需求的影响, 在此基础上建立了停车需求预测模型。利用开发的软件系统, 根据典型区域的土地资源规划和道路交通调查数据, 进行了城市停车需求预测。预测结果表明: 随着时间的变化, 在各种因素影响下, 停车需求近5 a增长较缓慢, 而在随后的5 a中停车需求快速增长, 且日停车需求量的增长速度明显高于高峰小时的增长速度。