基于地理加权回归模型公交客流影响因素的空间异质性研究

发布时间：2020-07-14 01:01

【摘要】：发展公共交通是缓解城市交通拥堵的重要措施,合理的城市公交需求预测能更加合理地进行公交规划,促进公共交通的发展。城市不同区域由于社会经济条件不同,其公交产生量也存在差异。为了解不同社会经济因素对公交客流产生量的影响,大多数研究者以公交站点为研究单元建立线性回归模型分析公交客流的影响因素,取得了良好的效果。但是,这些研究中的大部分公交客流数据是通过人工调查得到,费时费力。此外,对于一个城市级别的大区域来说,普通线性回归模型并不能解释影响因素在空间上的异质性。因此,本文运用公交大数据的融合处理技术,得到城市不同区域的公交客流量,通过建立地理加权回归模型,揭示公交客流影响因素的空间异质性。本文首先回顾了国内外有关公交客流影响因素的研究成果以及有关地理加权回归模型的应用研究。其次,对空间不均匀性理论、多元线性回归理论和地理加权回归理论进行了详细地阐述,为后文研究奠定理论基础。接着详细介绍了信息化条件下利用公交大数据获取公交客流量的过程,并将公交客流量以交通小区为单位进行整合。然后,处理得到建模所需的因变量和自变量数据。最后,分别建立普通线性回归模型与地理加权回归模型分析公交客流量的影响因素。研究结果表明,利用公交GPS与IC刷卡数据推断得到的公交客流量分布与实际情况相符,能够代表整个区域的公交客流产生量。地理加权回归模型的调整R~2大于普通线性回归模型,并能够解释各影响因素对局部公交客流量的影响。论文的创新点包括以下两点:第一,对于公交客流的获取,一般的获取途径是公交客流调查,本文利用公交大数据挖掘处理得到公交站点客流量并整合至交通小区层面。第二,本文在交通小区层面上利用地理加权回归模型分析公交客流影响因素,结果表明地理加权回归模型在拟合度上优于普通线性回归模型,这有利于提高对城市不同区域的公交客流预测。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U491.17
【图文】：

函数,采样点,权重值,图像

图 2-1 Gauss 空间权函数函数的图像可以看出，该函数是随着采样点间越大时函数的倾斜程度越小，说明随着函数自离 0ijd 时，权重值i jw达到最大为 1；当距离不产生影响，所以其权重值接近 0，说明函数的数，如果当观测点离回归点足够远时，这些点对在 Gauss 函数法中这些几乎可以忽略的点参与余的计算次数，因此在 bi-square 函数中这些点被数的表达式如下：

函数图像,函数法,优点,阈值法

图 2-2 bi-square 空间权函数uare 函数法是集距离阈值法的优点和 Gauss 函。从函数图像可以看出，在回归点i 的带宽b 范算，但是当数据点处于带宽之外时，其权重值当采样点间距离相同时，带宽越大的权函数其点权重趋于 0，从而个别数据点的进入或移出。目前，地理加权回归模型最常用的空间权函定和优化择是影响模型运行结果好坏的重要因素。如果计值的偏差；如果带宽的取值过小，则会增得合适带宽值的方法。

示意图,降维处理,GPS数据,示意图

长安大学硕士学位论文但是并不包含站点信息。本步骤主要的目的是通过公交线路站点信息获得公交的站点信息，为公交 IC 卡数据匹配上车站点做准备。数据匹配之前，先将 GPS 数据按照车辆号、时间排序，数据匹配过程分为两公交 GPS 数据降维、公交站点停靠时刻确定。处理流程见图 3-5。其中公交 G目的是得到在公交站点附近的公交 GPS 数据，剔除离公交站点较远的 GPS 数以公交站点为中心的正方形区域，正方形的边长为100m ，保留正方形范围内的；公交数据降维后，开始判断公交站点的停靠时刻。计算剩余公交车辆 GPS 点线路所有站点的距离，将距离最小的站点名称与最小距离保存至 GPS 数据记录将 GPS 数据按照车辆号、时间、站点名称、最小距离排序，此时，每一辆车的有多个 GPS 点与之对应，提取距离值最小的 GPS 点作为该辆公交车到达该站置，那么这个 GPS 点对应的时刻即为停靠时刻。

【参考文献】