基于流数据的地理加权回归建模方法的研究

发布时间：2021-09-23 01:21

　　随着全球化和信息化的发展,各种要素的流动越来越频繁,区域已成为流动的空间。在这种背景下,流动空间的概念正逐渐取代场所空间,流动性已成为现代的标志。研究人员已经开始使用流动视角代替中心位置视角来识别空间结构。交通流无疑是连接和增加不同地理空间之间联系的最重要的流动形式。它影响和改变原有的经济活动空间,是社会经济空间结构形成的关键因素。增进交通流量对经济活动影响的理解对于理解各种经济现象的空间分布具有更重要的意义。以大数据集形式出现的交通流数据的可用性不断提高,使得可以进一步将空间依赖性和非平稳性纳入交通流的空间交互模型中。目前,最新的地理加权回归模型是多比例尺地理加权回归模型（MGWR）和地理加权负二项式回归模型（GWNBR）。但是,MGWR和GWNBR模型都只支持点数据的回归分析;尽管GWNBR模型中存在一些点数据研究和应用,但是没有可用的程序。因此,基于流数据的MGWR和GWNBR模型是本文最重要的研究方法。本文的主要内容如下:首先在总结研究现状的基础上,详细阐述了地理加权方法中的关键技术。主要包括空间距离的计算,空间权重函数,内核函数的类型,带宽优化的准则,黄金分割法优化带宽的算法... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：130 页

【学位级别】：博士

【部分图文】：

不同带宽下的空间核函数

Gaussian空间核函数示意图

基于流数据的地理加权回归建模方法的研究17图2.4指数空间核函数示意图2.2.5bi_square核函数距离阈值核函数是将距离阈值（带宽b）以外的观测点的权重值全部设置为0，而Gaussian核函数是连续的并且使用所有观测点数据。bi_square核函数可以被认为是这2种核函数的混合。带宽b之外的观测点对校准点i的影响较小，这些观测点的权重设置为0。而在校准点i的带宽b范围内，通过连续单调递减函数bi_square计算每个观测点权重。同Gaussian核函数类似，在带宽b确定的情况下，所有观测点的权重值都在[0,1]范围内。当距离dij=0时相应观测点的权重值取最大值1；而当dij增大时，相应观测点的权重值逐渐变小，当dij增大到接近带宽b时，权重值接近0。bi_square空间核函数如图2.5所示，bi_square核函数的方程由下式给出：ωij={[1(dijb)2]2,dij<b0,dij≥b(2.9)


本文编号：3404744