基于模糊综合评判的动态路径行程时间预测模型

针对城市交通路网的复杂性和不确定性,提出一种基于模糊综合评判的动态行程时间预测模型,将总行程时间分为行驶时间和交通延误时间两部分,分别介绍这两部分时间的预测模型,并利用该模型对一组模拟道路信息和路况信息进行实际预测,对预测结果进行比较和分析。研究表明该模型算法简捷实用,预测结果精度较高。     

旅游自组织系统:区域旅游规划的根本目标

随着旅游活动不断走向大众化，旅游现象各要素之间已形成相互联系，具有特定结构和功能的有机整体，即旅游系统，旅游规划的对象也由旅游业发展到旅游系统。文中认为旅游系统规划的最终目标就是促使旅游系统6向旅游自组织系统进化，为促进旅游自组织系统的形成，编制科学的规划方案是基础，加强规划的实施监控是关键，成立实施监管小组是制度保障。     

基于出租车GPS数据的城市居民出行时空分布研究

随着城市的快速发展,道路拥堵、打车难等问题越来越突出,严重影响了居民的出行效率和生活质量。出租车GPS数据,在一定程度上包含了部分居民出行行为的丰富信息。考虑到出租车载客事件发生于一维道路网络空间,本文提出对出租车上下客事件所在路段进行分析,得到不同时段居民出行的热门路段和区域,分析居民出行时空分布特征,有助于了解交通现状和居民出行需求,提高城市对居民出行活动的服务水平。     

近代回归分析在交通调查分析建模中的应用

本文以出行发生量模型的建立为例,较为系统地讨论了近代回归分析中的自变量选择及回归诊断方法在交通调查分析建模中的应用。分析了在获取调查数据后,如何借助回归自变量选择方法来选择最佳自变量子集,以确定简捷的回归模型;文中应用回归诊断方法,讨论了修正回归模型、探测错误的调查数据的方法,从而为建立简捷、高精度的交通模型打下了基础。最后,作者提出了应用自变量选择及回归诊断方法建立出行发行量模型的一般步骤。     

表示和查询人的时空分布的一个面向行为的时空数据模型设计

人的动态时空分布信息有着重要的现实应用意义。人在一定时间的动态分布是该时间内人参与活动和出行时序模式在时间和空间的表现。针对人的动态时空分布表示和可视化查询目的,提出一个在GIS环境下面向行为的时空数据模型。查询能够分别基于人、时间和位置。将基于这个数据模型的原型系统在MAPGIS软件平台上给以实施,并以宁波一区域为例,将原型系统予以实现和检验。     

交通大数据在人文与经济地理学的应用及学科影响

交通大数据能够反映人类社会经济活动产生的位移与时空轨迹,不仅能够满足学者们在微观尺度更深入、更精细的研究粒度要求,而且能够为宏观尺度的研究提供广范围、多视角的连续性观测,其研究与发展为人文与经济地理学带来了新思路和新技术。本文以交通大数据的研究前沿为基础,梳理了区位论、时空行为、复杂网络、流空间等理论研究的发展方向,勾勒了“大数据时代”背景下人文与经济地理学的研究框架体系,探讨了新旧技术方法融合的可能性,并讨论了对各个分支学科相关研究的影响。接着,本文总结了交通大数据在人文与经济地理学的主要应用方向与趋势,主要包括出行即服务的交通规划理论与方法,“人工智能+大数据”的城市管理科学,大尺度交通流迁移的模拟,以及“流空间”与“场所空间”的多维度研究等。最后,本文指出了交通大数据应用在获取难度和数据有偏性等方面值得注意的问题并进行了展望。     

北京市居民地铁出行出发时间弹性时空分布特征研究

伴随城市转型进程的加快,交通需求不断膨胀,导致大城市交通拥堵日趋严重,以调节出行者的选择行为为核心要素的交通需求管理理念成为相关政策的重要理论基础,但现有研究也表明,交通需求管理对出行弹性较高的出行具有显著调节作用,而对出行弹性较低的出行调节作用并不明显。因此,加强出行弹性等居民出行行为研究日益迫切,而公交刷卡数据等新的时空数据为居民复杂出行行为的挖掘提供了新的契机。本文利用北京市2014年3月地铁刷卡数据,以出行者出发时刻的可变性来测度出发时间选择的可改变程度,对居民地铁出行出发时间选择弹性进行测度,并结合GIS空间分析技术对其时空分布特征进行分析。研究表明：① 北京市地铁出行的居民出行弹性平均值为0.521,出发时间选择弹性整体上较大,表明北京居民出发时间选择相对较为灵活;② 北京市居民地铁出行弹性存在时空差异,居民个体休息日出行弹性高于工作日,一天中高峰时段出行弹性高于非高峰时段;③ 居民出行弹性存在空间自相关,倾向于在空间上发生集聚,存在明显的冷热点区域;内城居民的出行弹性明显高于城市外围居民。     

基于移动式监测的道路PM2.5浓度精细化时空模拟

作为主要的大气污染指标,PM_2.5浓度常来源于固定环境监测站点的监测与遥感影像数据,但时空精度普遍不足,难以揭示微尺度下城市内部PM_2.5时空分布情况。本文利用移动式监测方法,选择典型工作日(2017年11月27日),对广州市主城区道路以1 s和1 m为时空粒度进行PM_2.5浓度数据采集,并以早、晚出行高峰时段为对象,通过机器学习方法模拟道路PM_2.5精细化时空分布格局。结果表明,主城区早高峰道路PM_2.5浓度值相近的平均范围为24 m,晚高峰为15 m,PM_2.5浓度存在微尺度的时空异质性。利用多层感知器(MLP)构建的早、晚高峰PM_2.5浓度模型,拟合度分别达到0.70和0.68,明显优于传统的普通最小二乘法(OLS)线性回归模型。模型揭示出早高峰主城区全路网PM_2.5平均浓度为30.19μg/m3,晚高峰达到44.55μg/m3,部分高达94.82μg/m3,且“西高东低”的分布特征显著。本文提出的PM     

城市居民非工作活动的家内外时间分配及影响因素——以北京上地—清河地区为例

中国各大城市交通供求不平衡的问题日益凸显,如何科学合理地分析、预测、引导交通出行需求已成为城市可持续发展的核心问题。西方对城市居民出行需求的研究已经由基于出行的分析转向基于活动的分析,并且认为家内/家外活动决策与出行需求的产生密切相关;而国内少有从家内/家外活动时间分配的视角透视居民出行需求的产生机理的研究。基于2012年北京市居民日常活动与交通出行调查所采集的第一手数据,本研究以北京上地—清河地区为例,构建结构方程模型,分析工作日与休息日家内/家外的非工作活动的时间分配特征及其影响因素,以此尝试对居民非工作出行需求的产生机理进行解读。研究表明:家内活动与家外活动之间存在显著的替代关系;家内/家外非工作活动时间分配受到工作与通勤时长、社会经济属性的影响,并且不同类型的非工作活动的家内/家外时间分配存在内生联系。研究结果将为居民出行需求预测与引导提供参考依据。