检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
机构地区:[1]同济大学道路与交通工程教育部重点实验室,上海201804 [2]华侨大学建筑学院,厦门361021
出 处:《同济大学学报(自然科学版)》2016年第9期1415-1423,共9页Journal of Tongji University:Natural Science
基 金:上海市科学技术委员会科技攻关项目(No:1123120300);国家自然科学基金(No:51478198)
摘 要:针对土地利用混合程度如何影响轨道交通车站客流的问题,建立非线性回归方法对其进行量化研究.采用递远递减权重和相邻车站重叠区域人口分配权重来计算加权人口,并以车站客流/加权人口作为因变量,从而分析由土地利用混合程度引起的车站客流变化.构建最小二乘支持向量机模型来分析土地利用混合程度、岗位居住人口比以及车站客流间相互关系.最后,以日本东京都109个车站的实际数据进行案例分析,案例结果表明土地利用混合程度对车站客流影响较弱,而岗位居住人口比与车站出站客流呈现显著正相关.因此,客流预测过程中应以岗位居住人口比代替土地利用混合程度作为关键因素.This essay focuses on how land use mix quantitatively impacts urban rail transit ridership at station- level by nonlinear regression model. Distance-decay weight and weight of population in mutual service area assigned to each station are used to weigh population within service area of station. Then ridership divided by weighted population is taken as dependent variable to analyze what is the relationship between land use mix and ridership at station-level. Least square support vector machine is the ideal model to do the above thing. Finally, data of 109 stations in Tokyo, Japan are taken as case study, result of which shows land use mix has a little influence on ridership at station-level and meanwhile, employment/inhabitants within service area of station has a significant influence on ridership at station-level. So, employment/inhabitants should substitute land use mix and be taken as key predictor for ridership at station-level.
关 键 词:交通工程 车站客流预测 最小二乘支持向量机 土地利用混合程度 岗位居住人口比
分 类 号:U293[交通运输工程—交通运输规划与管理]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.117