期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
城市交通与土地利用一体化模型的核心算法进展及技术创新
被引量：
3
1
作者
赵鹏军
万婕
《地球信息科学学报》
CSCD
北大核心
2020年第4期792-804,共13页
交通与土地利用的协调发展是缓解城市交通拥堵、提升交通水平的关键。城市交通与土地利用一体化模型则是分析和模拟城市交通与土地利用相互作用过程的重要科学支撑。多年来不同国家学者已研发出一些操作模型,并用于城市空间政策的制定研...
交通与土地利用的协调发展是缓解城市交通拥堵、提升交通水平的关键。城市交通与土地利用一体化模型则是分析和模拟城市交通与土地利用相互作用过程的重要科学支撑。多年来不同国家学者已研发出一些操作模型,并用于城市空间政策的制定研究,但这些模型的核心算法仍需进一步升级完善。本文首先梳理了当前已有主流模型的理论特征,解析了这些模型的核心算法发展及其优缺点;然后针对关键算法的不足,提出新的综合均衡模型,就区位可达性、用地混合度与强度、出行成本3个关键变量的核心算法展开讨论;最后,进一步形成模型各子模块的算法创新,包括考虑增量离散选择过程的居住与就业区位决策模块、细分房地产类型并将土地开发结果动态反馈至城市用地演变的房地产开发模块、采用改进的阻抗函数、小汽车拥有情况和动态出行成本的交通综合模型。本文对于定量化分析模拟城市复杂系统、研发我国城市交通与土地利用一体化模型具有一定的参考价值。
展开更多
关键词
城市交通
土地利用
一体化模型
算法特征
关键变量创新
区位决策
房地产开发
模型模拟
原文传递
基于多源地理大数据与机器学习的地铁乘客出行目的识别方法
被引量：
11
2
作者
赵鹏军
曹毓书
《地球信息科学学报》
CSCD
北大核心
2020年第9期1753-1765,共13页
探索地铁乘客出行目的识别方法,有助于突破智能卡数据(Smart Card Data,SCD)在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值。本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市...
探索地铁乘客出行目的识别方法,有助于突破智能卡数据(Smart Card Data,SCD)在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值。本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市居民地铁出行为例,在交通出行调查数据中提取5565个地铁出行样本及其对应的出行目的和出行特征相关变量。基于兴趣点(Point of Interest,POI)数据得到各样本起止站点的土地利用特征相关变量,形成包含每次地铁出行的出行目的、出行特征、土地利用特征的地铁出行数据集。使用基于随机森林(Random Forest,RF)算法对地铁出行数据集进行训练完成的分类器对SCD记录的每一次地铁出行进行分类,获得该次出行的出行目的及其不同目的地铁出行时空间分布规律。研究结果表明,本识别方法可有效预测地铁乘客的出行目的,其中,"上班"、"回家"2类出行目的的预测准确率均超过90%;纳入土地利用特征相关变量可显著提升RF分类器预测准确率,印证了城市交通与土地利用的时空间互动理论。鉴于当前SCD的可获取性逐渐提高,该项技术在居民地铁出行监测与预测、地铁线网布局和地铁周边土地利用规划等实践方面,具有很强的推广性,有助于更全面地认知大城市居民的地铁出行行为。
展开更多
关键词
地铁出行
出行目的识别
交通调查数据
智能卡数据
兴趣点数据
随机森林
土地利用
时空间互动
北京
原文传递
题名
城市交通与土地利用一体化模型的核心算法进展及技术创新
被引量：
3
1
作者
赵鹏军
万婕
机构
北京
大学
城市
与
环境学
院
城市规划
与
交通
研究
中心
出处
《地球信息科学学报》
CSCD
北大核心
2020年第4期792-804,共13页
基金
国家自然科学基金项目(41925003)
英国研究理事会全球挑战基金项目(R48843)。
文摘
交通与土地利用的协调发展是缓解城市交通拥堵、提升交通水平的关键。城市交通与土地利用一体化模型则是分析和模拟城市交通与土地利用相互作用过程的重要科学支撑。多年来不同国家学者已研发出一些操作模型,并用于城市空间政策的制定研究,但这些模型的核心算法仍需进一步升级完善。本文首先梳理了当前已有主流模型的理论特征,解析了这些模型的核心算法发展及其优缺点;然后针对关键算法的不足,提出新的综合均衡模型,就区位可达性、用地混合度与强度、出行成本3个关键变量的核心算法展开讨论;最后,进一步形成模型各子模块的算法创新,包括考虑增量离散选择过程的居住与就业区位决策模块、细分房地产类型并将土地开发结果动态反馈至城市用地演变的房地产开发模块、采用改进的阻抗函数、小汽车拥有情况和动态出行成本的交通综合模型。本文对于定量化分析模拟城市复杂系统、研发我国城市交通与土地利用一体化模型具有一定的参考价值。
关键词
城市交通
土地利用
一体化模型
算法特征
关键变量创新
区位决策
房地产开发
模型模拟
Keywords
urban transport
land use
integrated model
algorithm features
key variable innovation
location choice
real estate development
model simulation
分类号
F572 [经济管理—产业经济]
F299.23
原文传递
题名
基于多源地理大数据与机器学习的地铁乘客出行目的识别方法
被引量：
11
2
作者
赵鹏军
曹毓书
机构
北京
大学
城市
与
环境学
院
城市规划
与
交通
研究
中心
出处
《地球信息科学学报》
CSCD
北大核心
2020年第9期1753-1765,共13页
基金
国家自然科学基金项目(41925003)
英国研究理事会全球挑战基金项目(R48843)。
文摘
探索地铁乘客出行目的识别方法,有助于突破智能卡数据(Smart Card Data,SCD)在具体应用场景中的局限性,提升SCD在交通出行研究、交通发展规划等领域的应用价值。本文融合多源地理大数据,基于城市交通与土地利用时空间互动理论,以北京市居民地铁出行为例,在交通出行调查数据中提取5565个地铁出行样本及其对应的出行目的和出行特征相关变量。基于兴趣点(Point of Interest,POI)数据得到各样本起止站点的土地利用特征相关变量,形成包含每次地铁出行的出行目的、出行特征、土地利用特征的地铁出行数据集。使用基于随机森林(Random Forest,RF)算法对地铁出行数据集进行训练完成的分类器对SCD记录的每一次地铁出行进行分类,获得该次出行的出行目的及其不同目的地铁出行时空间分布规律。研究结果表明,本识别方法可有效预测地铁乘客的出行目的,其中,"上班"、"回家"2类出行目的的预测准确率均超过90%;纳入土地利用特征相关变量可显著提升RF分类器预测准确率,印证了城市交通与土地利用的时空间互动理论。鉴于当前SCD的可获取性逐渐提高,该项技术在居民地铁出行监测与预测、地铁线网布局和地铁周边土地利用规划等实践方面,具有很强的推广性,有助于更全面地认知大城市居民的地铁出行行为。
关键词
地铁出行
出行目的识别
交通调查数据
智能卡数据
兴趣点数据
随机森林
土地利用
时空间互动
北京
Keywords
Metro trips
trip purpose
travel survey data
smart card data
point of interest data
Random Forest algorithm
land use
spatial-temporal interactions
Beijing
分类号
U293 [交通运输工程—交通运输规划与管理]
TP311.13 [交通运输工程—道路与铁道工程]
TP181 [自动化与计算机技术—计算机软件与理论]
原文传递
题名
作者
出处
发文年
被引量
操作
1
城市交通与土地利用一体化模型的核心算法进展及技术创新
赵鹏军
万婕
《地球信息科学学报》
CSCD
北大核心
2020
3
原文传递
2
基于多源地理大数据与机器学习的地铁乘客出行目的识别方法
赵鹏军
曹毓书
《地球信息科学学报》
CSCD
北大核心
2020
11
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
