城市通勤交通与居住就业空间分布关系——模型与方法研究
发布时间:2021-11-09 14:19
城市通勤交通与居住就业空间分布之间存在互动关系。国内外研究表明,把握城市中交通与居住就业空间关系的形成机理和影响因素,揭示其内在的规律,了解居民在进行居住空间选址时的行为规律和互动关系,对于制定切实可行的城市交通政策尤为重要。本论文以我国大城市为对象,从微观和宏观的角度,研究城市通勤交通与居住就业空间分布相互关系模型与方法,为城市交通规划的制定、交通政策分析以及城市空间结构调整提供理论基础。首先,归纳总结国内外关于城市交通与居住就业相互关系的研究历程、研究成果及未来研究方向,为论文的研究提供基础。第二,从宏观层面,分析城市通勤交通与居住就业空间分布的互动机理,从微观层面分别用网络广义极值理论和小波神经网络理论建立城市居民居住就业和交通方式联合选择模型,并对两类模型的解释能力和预测能力加以对比分析。第三,从宏观和微观角度研究轨道交通对居住就业和出行方式选择的影响,用交叉分层Logit模型对轨道站点周边居住地选择和出行方式选择进行建模,同时在样本数据有限情况下研究城市轨道交通沿线房地产价格的变化规律,提出基于支持向量机的回归预测模型,以北京轨道交通13号线为例,验证模型的有效性。第四,基于...
【文章来源】:北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】:135 页
【学位级别】:博士
【部分图文】:
隐层节点数不同情况下误差曲线图
f(x)一艺a‘必丁(x)侧xi)十b(4一19)即为问题的回归估计,可作为最后的预测函数,其中帆x)了侧x,)是核函数部分。轨道交通沿线房地产价格预测模型(4一20)的结构图如图4一3所示。必(x)Tp(xl)j(x)=P(x)一一一一-」卜图4一3轨道交通沿线房地产价格预测模型结构图Fig.4一 3StruetUreChartofRealEstatePrieeForeeastingModel引入核函数K(x,x,)二尹r(x)以x‘))则房价预测的最小二乘支持向量机模型为lf(x)=艺。,K(x,x,)+b(4一20)(7)将要预测的输入变量构造成上述训练集中输入变量的形式,代入决策函数得到轨道沿线房地产价格的预测结果。
4746574554564448495253555051用相同的训练和验证数据集,以特征价格法对房地产价格进行预测,对比分析两种方法的预测能力,其拟合值与实际值对比情况如表4一3所示。图4一4为LS一SVR模型预测值与实际值的对比。图4一 4LS一SVR预测效果与实际效果对比图Fig.4一 4ComParisonoftheActualandLS一SVRSimulatedValue其当采用网格搜索算法对核函数兄和误差惩罚参数C的进行优化时,对于本例
本文编号:3485518
【文章来源】:北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】:135 页
【学位级别】:博士
【部分图文】:
隐层节点数不同情况下误差曲线图
f(x)一艺a‘必丁(x)侧xi)十b(4一19)即为问题的回归估计,可作为最后的预测函数,其中帆x)了侧x,)是核函数部分。轨道交通沿线房地产价格预测模型(4一20)的结构图如图4一3所示。必(x)Tp(xl)j(x)=P(x)一一一一-」卜图4一3轨道交通沿线房地产价格预测模型结构图Fig.4一 3StruetUreChartofRealEstatePrieeForeeastingModel引入核函数K(x,x,)二尹r(x)以x‘))则房价预测的最小二乘支持向量机模型为lf(x)=艺。,K(x,x,)+b(4一20)(7)将要预测的输入变量构造成上述训练集中输入变量的形式,代入决策函数得到轨道沿线房地产价格的预测结果。
4746574554564448495253555051用相同的训练和验证数据集,以特征价格法对房地产价格进行预测,对比分析两种方法的预测能力,其拟合值与实际值对比情况如表4一3所示。图4一4为LS一SVR模型预测值与实际值的对比。图4一 4LS一SVR预测效果与实际效果对比图Fig.4一 4ComParisonoftheActualandLS一SVRSimulatedValue其当采用网格搜索算法对核函数兄和误差惩罚参数C的进行优化时,对于本例
本文编号:3485518
本文链接:https://www.wllwen.com/jingjilunwen/fangdichanjingjilunwen/3485518.html