基于活动的居民出行行为分析与预测研究

发布时间：2020-10-14 02:25

　　 随着我国城市社会经济的快速发展,居民出行需求呈现出多样性的特征,出行目的越来越多元化,居民的出行行为具有更多的选择性和复杂性。以“四阶段法”为代表的传统基于出行(trip-based)的需求预测理论主要目标是评估中长期交通基础设施建设能否满足未来交通需求,而对于人的交通需求是怎样发生的,其自身的社会经济情况怎样影响出行行为,以及近期乃至现状交通系统和需求管理对居民出行的影响等问题则显得无能为力。因此,基于活动(activity-based)的出行预测理论为分析和预测居民出行行为、评估短期交通系统管理和控制策略提供了新的方向。本文正是基于这样的背景下,以活动链理论为核心思想,以概率神经网络(PNN)模型为研究手段,旨在探究活动链理论和概率神经网络模型在我国居民出行行为分析和预测方面的理论可靠性和技术可行性。论文结合我国城市居民出行特点,以龙泉驿区居民出行调查数据为基础设计Matlab程序提取一日活动链,从典型活动模式、活动链长度和活动链结构三个特征指标对居民出行活动链进行统计,进而分析龙泉驿区居民的出行基本情况。在此基础上,利用概率神经网络模型良好的学习和模式识别能力,模拟居民个人基本属性与出行选择行为之间的非线性映射关系,首次建立了基于概率神经网络的活动模式预测模型、出行时间预测模型和出行方式预测模型,并将预测结果与实际调查结果进行对比,结果显示三个模型的预测命中率在80%以上,说明概率神经网络在居民出行预测方面的可行性和有效性。最后利用建立的概率神经网络模型对交通规划、交通需求管理等方面一些问题进行简单应用,预测结果说明模型具备一定的实用价值。
【学位单位】：西南交通大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：U491.1
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容和技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 本章小结
第2章 出行行为预测的基本理论
    2.1 基于出行的需求预测理论
        2.1.1 政策与技术背景
        2.1.2 出行模型理论基础
    2.2 基于活动的需求预测理论
        2.2.1 政策与技术背景
        2.2.2 活动模型理论基础
    2.3 出行模型和活动模型的比较分析
    2.4 本章小结
第3章 基于活动的居民出行行为分析
    3.1 活动链相关理论
        3.1.1 基本概念
        3.1.2 主要思想
        3.1.3 研究方法
    3.2 居民出行调查数据的活动链提取
        3.2.1 居民出行调查方法
        3.2.2 居民出行数据处理
        3.2.3 居民日活动链提取
    3.3 居民活动链特征分析
        3.3.1 典型活动模式定义
        3.3.2 活动链统计特征分析
    3.4 本章小结
第4章 基于概率神经网络的居民出行行为预测
    4.1 人工神经网络基本原理
        4.1.1 基本概念
        4.1.2 人工神经元模型
        4.1.3 神经网络学习原理
    4.2 几种常见神经网络及其比较分析
        4.2.1 BP神经网络
        4.2.2 学习向量量化神经网络
        4.2.3 概率神经网络
        4.2.4 三种神经网络的比较分析
    4.3 基于概率神经网络的居民出行行为预测建模
        4.3.1 建模原理和步骤
        4.3.2 模型的检验指标
        4.3.3 活动模式预测模型
        4.3.4 出行时间预测模型
        4.3.5 出行方式预测模型
        4.3.6 模型预测效果分析
    4.4 居民出行预测模型的应用
        4.4.1 出行生成总量预测
        4.4.2 交通需求管理措施的影响
    4.5 本章小结
总结与展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文

【相似文献】

相关期刊论文 前10条

1 孙靓雯;肖雯;;社会经济地位对英格兰地区居民出行影响[J];江西建材;2017年14期

2 王子涵;;共享单车对居民出行方式影响的北京样本[J];中国民商;2017年10期

3 叶茂;于淼;过秀成;窦雪萍;;历史城区居民出行活动模式选择影响因素分析[J];东南大学学报(自然科学版);2014年01期

4 刘春;曹凯;于云;黄肖肖;;居民出行停留目的识别模型框架[J];山东理工大学学报(自然科学版);2016年02期

5 朱晓璠;康念坤;;GIS在居民出行上的研究[J];城市地理;2016年16期

6 林彤;;福州市居民出行方式及年龄分异[J];石家庄学院学报;2012年06期

7 石飞;王宇;;误差分析下的居民出行抽样调查结论可靠性研究[J];交通运输系统工程与信息;2016年06期

8 刘俊娟;王炜;程琳;;单中心大城市土地利用对居民出行方式的影响[J];交通信息与安全;2010年02期

9 石天戈;张小雷;杜宏茹;张文彪;时卉;;乌鲁木齐市居民出行行为的空间特征和碳排放分析[J];地理科学进展;2013年06期

10 汪瑞琪;陈建均;;手机大数据在城市居民出行特征分析的应用[J];智能城市;2019年15期

相关博士学位论文 前4条

1 蔡正义;基于大数据的城市居民出行分析建模[D];浙江大学;2018年

2 李海峰;城市形态、交通模式和居民出行方式研究[D];东南大学;2006年

3 刘蔚;城市居民低碳出行的影响因素及引导策略研究[D];北京理工大学;2014年

4 尹岩;基于活动链的城市居民出行行为模型及其应用研究[D];华中科技大学;2016年

相关硕士学位论文 前10条

1 罗星星;基于活动的居民出行行为分析与预测研究[D];西南交通大学;2016年

2 陈馥利;城市群城际间居民出行行为特征研究[D];长安大学;2010年

3 李思锦;基于手机定位数据的居民出行模式挖掘研究[D];云南大学;2018年

4 周怡帆;基于手机定位数据的居民出行行为分析可视化系统[D];云南大学;2018年

5 蒲斌;基于出租车轨迹和区域语义的居民出行流量预测算法[D];云南大学;2018年

6 季泽;低碳出行导向的住区道路系统及其相关指标研究[D];南京工业大学;2018年

7 姜海林;基于出租车数据的城市居民出行时空特征研究[D];武汉大学;2018年

8 盛勇;基于GPS轨迹数据的居民出行行为特征分析[D];江西理工大学;2018年

9 廖锟;基于手机信令数据的区域住房价格与居民出行特性相关性研究[D];西南交通大学;2018年

10 牟桐;基于手机定位数据的居民出行特征分析与推荐研究[D];西南交通大学;2018年

本文编号：2840039