大型机场旅客城市空间分布预测与交通方式选择行为研究

发布时间：2020-10-11 19:00

　　 机场是城市大规模客流的集散点,航空运输因其速度快、便捷性强、舒适度高、辐射范围广等特点,在综合交通运输体系中占据了重要地位。随着我国经济发展和城市化进程的加快,航空运输也发展到了一个全新的阶段,机场体量和规模不断攀升,目前我国大型机场的年旅客吞吐量普遍超过4000万人次。从国内外大型机场的建设规划经验来看,由于大型机场往往远离市区,引入轨道交通变得越来越普遍,如果没有快速便捷的轨道交通连接机场和市区,大型机场的成功运作很难实现。因此,为保障城市航空运输服务的快捷高效,增强大型机场规划设计的合理性,围绕大型机场的需求分布、旅客的出行特征等一系列问题进行系统的研究和分析,已具备十分重要的理论价值和现实意义。论文依托中国民用航空局重大专项科技项目“北京新机场智能型综合交通枢纽建设关键技术研究与应用”子课题1“以机场为主体的大型区域综合交通枢纽战略规划技术”以及子课题5“与超大机场协调的轨道交通布局规划与设计技术”,研究工作以大型机场为研究对象,分别进行了大型机场交通基本特征分析、大型机场旅客城市空间分布预测、大型机场旅客交通方式选择行为、大型机场轨道旅客空间分布预测四个问题的研究。对大型机场交通基本特征的分析,主要是以实地调查、手机信令以及公交IC卡等多源数据为基础,提出基于手机信令数据的旅客出行OD识别方法以及基于手机信令数据的机场轨道旅客识别方法,对大型机场的旅客属性、出行特征、时空分布、公交出行特征、轨道乘客特征等进行分析与总结。对大型机场旅客城市空间分布预测方法的研究,主要是借助手机信令数据分析得到的旅客空间分布,考虑用地、人口等因素,对大型机场旅客城市空间分布的影响因素进行分析,然后确定以交通小区的居住人口、工作人口以及交通小区至机场的距离为输入变量,以交通小区机场旅客的所占百分比为输出变量,分别建立基于修正重力模型、广义回归神经网络和遗传BP神经网络的大型机场旅客城市空间分布预测模型,并对模型预测效果进行对比分析,通过比较发现广义回归神经网络和遗传BP神经网络预测的效果优于重力模型,其中遗传BP神经网络的预测效果更好,最后基于该预测方法对2025年首都国际机场以及北京新机场的旅客空间分布进行预测。对大型机场旅客交通方式选择行为的研究,首先分析了机场旅客交通方式选择的特征及其影响因素,得到大型机场旅客到离港的主要出行链路,同时根据旅客特性及交通方式的选择行为提出基于AP算法的旅客分类,然后以出行链为方式划分,并结合广义费用的概念,建立考虑经济性、快速性、方便性、舒适性、安全性、准时性的出行链广义费用函数,并分别为不同类型的旅客构建基于非集计选择模型的大型机场旅客交通方式选择模型,将该模型与不考虑旅客分类的模型进行对比,发现考虑旅客分类的大型机场旅客交通方式选择模型预测效果更好,最后以北京新机场为例,进行了北京新机场的出行方式比例划分研究。对大型机场轨道旅客空间分布预测方法的研究,首先根据旅客出行方式选择的心理过程,对机场轨道客流影响因素进行分析,得出机场轨道可达性以及交通方式的广义费用两大影响因素,并提出大型机场轨道交通可达性的定义与模型,最后基于手机信令数据,以各类交通方式的广义出行费用、机场轨道交通可达性作为输入变量,以各交通小区内的机场轨道客流分担率为输出变量,分别构建基于广义回归神经网络和遗传BP神经网络的机场轨道客流空间分布预测模型,并对模型预测效果进行对比分析,对比发现基于广义回归神经网络的大型机场旅客空间分布预测方法效果更好,同时以北京新机场为例,对新机场的轨道旅客分布进行了预测。论文通过对大型机场交通基本特征分析、大型机场旅客城市空间分布预测、大型机场旅客交通方式选择行为、大型机场轨道旅客空间分布预测等一系列问题的深入研究,为未来大型机场的建设规划,城市相关设施的合理匹配提供了重要的科学参考与理论支撑。
【学位单位】：北京工业大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：V351
【部分图文】：

第 3 章 大型机场交通基本特征分析可忽略的比例。机场服务人员对衔接机场交通工具的消费诉求方便、快速，且作为日常交通出行方式，他们希望机场轨道交通的票价低，由于出行具有典型的通勤行为，具有潮汐性，希望出行能够避免早晚高峰期拥堵而造成的时间损失。（4）其他除旅客、迎送人员及工作人员以外的少量其他人群。不同类型人群由于出行目的的差异较大，其基本特征也不尽相同。图 3-1 反映了各类客流的产生根源和基本特征。

图 3-2 北京市移动通信基站分布Fig.3-2 Distribution of Mobile Communication Base Stations in Beijing 公共交通刷卡数据京市现今有较为完善的公共交通系统，主要包括地面公交和轨道交研究中使用的数据来源即为上述提到的两类数据：常规公交 IC 卡FC 数据，原始常规公交 IC 卡数据工作日平均每日为 1000 万，地作日每日平均为 1000 万，数据的时间为 2016 年某个工作日。原始和数据覆盖范围上均能保证全北京市主城区范围，如图 3-3 和 3-

图 3-2 北京市移动通信基站分布Fig.3-2 Distribution of Mobile Communication Base Stations in Beijing共交通刷卡数据市现今有较为完善的公共交通系统，主要包括地面公交和轨道究中使用的数据来源即为上述提到的两类数据：常规公交 ICC 数据，原始常规公交 IC 卡数据工作日平均每日为 1000 万，日每日平均为 1000 万，数据的时间为 2016 年某个工作日。原数据覆盖范围上均能保证全北京市主城区范围，如图 3-3 和
【参考文献】

相关期刊论文 前10条

1 包丹文;郭唐仪;华松逸;;基于SP/RP融合数据的机场旅客出行方式选择行为分析[J];武汉理工大学学报(交通科学与工程版);2015年04期

2 宋晓华;尹德斌;李然;;基于重力模型的京沪高速铁路站点城市辐射区域研究[J];物流技术;2015年10期

3 郭振义;靳文舟;;基于巢式Logit模型的航空港集疏运方式选择研究[J];交通信息与安全;2014年04期

4 赖见辉;陈艳艳;张伟伟;吴德仓;;基于前景理论的地铁/公交出行路径选择模型[J];北京工业大学学报;2014年04期

5 李冬梅;李文权;范东涛;;大型机场地面集疏运需求预测方法研究[J];交通运输工程与信息学报;2013年04期

6 段卫静;陈艳艳;赖见辉;;北京地铁4号线客流特征分析[J];都市快轨交通;2013年04期

7 赖见辉;陈艳艳;钟园;吴德仓;袁奕芳;;基于手机定位信息的地铁乘客出行路径辨识方法[J];计算机应用;2013年02期

8 陈绍辉;陈艳艳;赖见辉;;基于GPS与IC卡数据的公交站点匹配方法[J];公路交通科技;2012年05期

9 程春玉;孟捷;;旅客到达昆明机场交通方式选择影响因素分析[J];云南大学学报(自然科学版);2011年S2期

10 陈大伟;肖为周;李旭宏;何流;;迭代反馈约束下的城市轨道交通客流预测分析[J];华南理工大学学报(自然科学版);2011年08期

相关博士学位论文 前1条

1 赖见辉;基于移动通信定位数据的交通信息提取及分析方法研究[D];北京工业大学;2014年

相关硕士学位论文 前3条

1 岳喜展;机场陆侧交通需求预测及集散道路方案设计[D];吉林大学;2011年

2 赖学红;机场通道客流交通方式选择机理及建模[D];昆明理工大学;2011年

3 姚晏斌;大容量机场轨道交通对陆侧交通的分流预测[D];中国民航大学;2006年

本文编号：2836990