期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
中小城市居民出行特征片区差异性分析——以浙江省长兴县为例 被引量:10
1
作者 王妤岌 程龙 +2 位作者 冯岑 陈学武 王炜 《城市交通》 北大核心 2015年第2期55-62,共8页
由于城市规模的差异,中小城市的出行需求与大城市存在较大区别,且由于区域发展进程的不同,中小城市内部也多呈现明显的片区差异。以浙江省长兴县中心城区居民出行调查数据为基础,在城区总体居民出行特征框架下,从出行次数、出行目的、... 由于城市规模的差异,中小城市的出行需求与大城市存在较大区别,且由于区域发展进程的不同,中小城市内部也多呈现明显的片区差异。以浙江省长兴县中心城区居民出行调查数据为基础,在城区总体居民出行特征框架下,从出行次数、出行目的、出行距离、出行方式和出行时耗等方面分析各片区居民出行特征的差异,并以此挖掘片区的发展症结。最后以优化出行结构为目的,从用地规划、非机动交通环境营造、公共交通优化和小汽车管控等四个方面对中小城市的交通发展提出对策。 展开更多
关键词 中小城市 居民出行特征 片区差异 优化出行结构 交通发展对策
下载PDF
中小城市居民出行特征分析及交通改善策略研究 被引量:9
2
作者 毕晓萤 罗崴 《交通科技与经济》 2018年第3期28-31,71,共5页
城市规模的差异,使中小城市居民出行特征与大城市存在较大差异。从出行次数、出行目的分布、出行方式构成3个方面入手,将中小城市出行特征与大城市进行比较分析,同时对中小城市不同时期的出行特征进行对比分析;探索中小城市出行特征及... 城市规模的差异,使中小城市居民出行特征与大城市存在较大差异。从出行次数、出行目的分布、出行方式构成3个方面入手,将中小城市出行特征与大城市进行比较分析,同时对中小城市不同时期的出行特征进行对比分析;探索中小城市出行特征及变化趋势,发现私人机动化出行增长过速等隐患;继而以优化出行结构为目的,从科学规划城市用地布局、改善慢行服务、优化公交系统、有序引导个体机动车交通等4个方面提出交通改善的策略建议。 展开更多
关键词 中小城市 居民出行特征 优化出行结构 交通改善策略
下载PDF
信息不确定条件下的城市交通运行状态微观仿真研究
3
作者 梁璟 赵子雪 潘文礼 《山东交通科技》 2023年第6期143-146,共4页
以问卷调查和现场调查获取的数据为基础,广泛运用非集计模型、SEM-Logit模型、生存分析法、比例风险回归模型和前景理论等模型方法,建立基于Multi-Agent(多智能体)的居民出行选择模型,研究信息不确定条件下的居民出行选择行为机理,识别... 以问卷调查和现场调查获取的数据为基础,广泛运用非集计模型、SEM-Logit模型、生存分析法、比例风险回归模型和前景理论等模型方法,建立基于Multi-Agent(多智能体)的居民出行选择模型,研究信息不确定条件下的居民出行选择行为机理,识别信息确定和信息不确定条件下的区域交通流特征,完成城市交通运行状态微观仿真和评价,为城市管理部门制定和优化交通政策、缓解交通拥堵提供科学依据。 展开更多
关键词 信息不确定 居民出行特征 城市交通运行状态 多智能体微观仿真
下载PDF
基于C-K-N-Cluster的居民出行时空特征分析
4
作者 戴兵 田博 +1 位作者 高心雨 严李强 《智能计算机与应用》 2022年第11期64-70,共7页
为解决传统聚类算法在大数据轨迹信息应用中的簇类数不确定、病态初始化等问题,文章提出了一种结合Canopy与K-Means++的小生境遗传智能聚类算法(C-K-N-Cluster),并应用于居民出行时空特征分析;以杭州市为例,对出租车轨迹数据进行降噪标... 为解决传统聚类算法在大数据轨迹信息应用中的簇类数不确定、病态初始化等问题,文章提出了一种结合Canopy与K-Means++的小生境遗传智能聚类算法(C-K-N-Cluster),并应用于居民出行时空特征分析;以杭州市为例,对出租车轨迹数据进行降噪标准化等预处理,按照筛选原则提取载客点数据;提取出的数据投入智能聚类算法仿真识别城市上下载客热点地域,结合数据分析方法可视化研究城市居民出行特征。仿真结果表明:改进算法相比传统K-Means能够实现大数据应用场景下的簇类数与初始化自动最优化,分析了杭州市居民出行规律及出租车载客时空特征,为司乘服务和城市功能区优化提供参考。 展开更多
关键词 轨迹数据 C-K-N-Cluster算法 可视化分析 居民出行特征
下载PDF
地理空间数据结合手机信令等多源数据刻画城市居民出行特征 被引量:6
5
作者 王梅红 侯笑宇 +1 位作者 司连法 贺风 《测绘通报》 CSCD 北大核心 2022年第5期162-165,共4页
本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、... 本文提出了以地理空间数据为支撑,结合手机信令、POI等多源数据刻画城市居民出行特征的方法。首先将信令数据与地理信息区块绑定,根据时间特征和地理区块的社会属性,识别居民的基本职住娱信息;然后综合民生POI点、出行特征拓展关键词、图谱等多源数据,运用工作日通勤分析模型和节假日出行特征提取模型,识别用户的通勤距离、通勤方式、日均通勤频次、周均工作时长、节假日出行场景、出行频次、驻留时长等内容,并形成涵盖职住娱信息的出行特征类标签集。以成都市为例,采集连续1个月的手机信令数据和同时期的POI等数据,验证了该方法的可行性,该成果作为反映城市实际人口规模数量和空间分布特征的城市人口地图大数据产品的重要内容,为政府部门、商企用户开展相关分析业务提供数据支撑。 展开更多
关键词 地理空间数据 手机信令 城市居民出行特征 通勤分析
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部