CN110298496A - 一种基于要素影响分析的城市对外交通量预测方法 - Google Patents

一种基于要素影响分析的城市对外交通量预测方法 Download PDF

Info

Publication number
CN110298496A
CN110298496A CN201910500597.9A CN201910500597A CN110298496A CN 110298496 A CN110298496 A CN 110298496A CN 201910500597 A CN201910500597 A CN 201910500597A CN 110298496 A CN110298496 A CN 110298496A
Authority
CN
China
Prior art keywords
traffic
model
city
outbound traffic
urban
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910500597.9A
Other languages
English (en)
Inventor
王炜
于维杰
华雪东
郑永涛
谢文杰
苗迪
项昀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910500597.9A priority Critical patent/CN110298496A/zh
Publication of CN110298496A publication Critical patent/CN110298496A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于要素影响分析的城市对外交通量预测方法，包括以下步骤：采集城市经济发达程度、城市规模、交通便利程度与居民生活满意度特性的指标数据与城市现阶段的对外交通生成量、吸引量；基于采集的数据构建结构方程模型，分析不同城市要素对于城市对外交通量的影响；将未来年的指标数据引入结构方程，获取城市对外交通生成量、吸引量的预测值，实现城市未来对外交通量预测。本发明基于城市要素影响分析，对城市未来对外交通量进行预测，填补了城市对外交通量预测的空白，具有较高的推广应用价值，可为城市对外交通需求预测提供参考。

Description

一种基于要素影响分析的城市对外交通量预测方法
技术领域
本发明涉及多元数据分析在区域交通需求预测方面的应用，尤其涉及一种基于要素影响分析的城市对外交通量预测方法。
背景技术
近年来，我国区域一体化进程不断加快，区域一体化协同发展已成为国家未来经济发展的主要趋势。在此背景下，城际间人才、物资相互交流更为密切，区域交通需求因此呈现爆发式增长。然而，现有区域综合交通系统无法及时的做出调整，产生系统运输效率低下，出行结构失调等一系列问题，阻碍了区域一体化协同发展进程。为此，有必要对城市对外交通量进行合理的预测，根据预测结果有目的性地调整交通管控措施与基础设施建设，以提高区域综合交通运输系统效率，实现综合交通运输体系优化。
现有交通量预测相关研究主要集中在市内交通方面，基于城市土地利用特性对单个交通小区的交通生成量和吸引量进行预测。但是由于区域交通数据较难获取且研究范围较广，对于城市对外交通量预测的研究较少且不成体系，无法对现阶段区域综合交通需求预测提供指导。另一方面，现有城市对外交通量预测研究多是基于问卷调查数据的定性化分析，其分析过程多带有主观色彩，无法预测未来城市对外交通生成量和吸引量的具体数值，研究成果存在局限。
发明内容
本发明的目的是为了尽可能多地考虑影响城市对外出行的客观要素，提供一种基于要素影响分析的城市对外交通量的预测方法。
为达到上述目的，本发明采用的方法是：一种基于要素影响分析的城市对外交通量预测方法，包括以下步骤：
(1)数据采集：包含因变量数据采集与自变量测量指标数据采集两个步骤，具体过程如下：
(11)因变量数据采集：采集城市现阶段的对外交通生成量、对外交通吸引量；
(12)自变量测量指标数据采集：以城市为基本单位，采集经济发达水平的测量指标数据：城市GDP(亿元)、居民人均收入(元/年)，政府税收(元)、第三产业比例；采集城市规模的测量指标数据：城市面积(平方公里)、城市常住人口数量(万人)；采集交通便利程度的测量指标数据：城市接入接出的高速公路(条)、普通铁路线路(条)、高速铁路线路(条)、航线数量(条)；采集居民生活满意度的测量指标数据：居民人均可支配收入(元)、城市恩格尔系数；
(2)结构方程模型构建与检验：包含信度检验、模型构建、模型评价、模型修正四个步骤，具体过程如下：
(21)信度检验：利用SPSS软件对每个自变量的测量指标数据进行信度检验，剔除信度检验值低于阈值的自变量；
(22)模型构建：设计结构方程模型的初始结构路径图，并利用LISREL软件对初始结构路径进行绘制。将步骤(21)整理后的数据导入LISREL软件，数据标准化后基于初始结构路径对模型进行拟合，输出参数估计结果，包括因子荷载系数、路径系数以及模型的拟合优度指数χ2；
(23)模型评价：对步骤(22)得到的因子荷载系数或路径系数进行显著性检验--t检验,计算t值。当所有t值均大于临界值时，说明模型构建合理，选用步骤(22)构建的模型为最终模型，否则，对模型进行修正。
(24)模型修正：剔除步骤(23)中t值小于临界值的路径，比较路径剔除后模型的拟合优度指数χ2是否增加；若拟合优度指数χ2不增加，则认为路径剔除合理，否则，需要重新返回步骤(22)对结构方程模型的结构路径图进行设计，直至显著性检验计算得到的所有t值均大于临界值或剔除t值小于临界值的路径后拟合优度指数χ2不增加，以此对模型进行修正，得到最终模型；
(3)城市对外交通生成量、吸引量预测：将未来年的自变量测量指标数据代入步骤(23)(24)得到的最终模型，即可获取未来年的城市对外交通生成量、城市对外交通吸引量；
(4)城市对外交通量预测：将步骤(3)中得到的城市对外交通吸引量与城市对外交通生成量预测值求和，即为预测的城市对外交通量。
上述步骤(21)中阈值默认值选为0.7。
上述步骤(23)、(24)中在10％显著性水平下，临界值为1.65；在5％显著性水平下，临界值为1.96；在1％显著性水平下，临界值为2.58。默认选取5％显著性水平，临界值为1.96。
有益效果：
与现有的城市对外交通量预测方法相比，本发明具有以下明显优势：首先，从城市经济发达水平、城市规模、交通便利程度与居民生活满意度四个方面考虑了潜变量对于城市对外交通量的影响，且选取定量化测量指标对其进行表征，分析过程更为客观、合理；其次，本发明所提方法通过绘制结构路径图，可以直观展现各类要素对于城市对外交通量的影响；最后，本发明提出的预测方法先进性强，可以通过添加自变量与引入新型观测指标的方法，对模型不断更新，以实现城市对外交通量预测准确度的不断提升。
附图说明
图1为本发明基于要素影响分析的城市对外交通量预测方法的流程图；
图2为本发明模型验证与改进的流程图。
具体实施方式
本发明介绍了一种基于要素影响分析的城市对外交通量预测方法，实现了城市对外交通生成量和城市对外交通吸引量预测。下面结合实例和附图对本发明的技术方案作进一步详细说明。
本次实例通过查阅国家统计文件获取因变量数据与自变量测量指标数据。基于实例数据，利用SPSS软件与LISREL软件构建结构方程模型，并根据模型评价结果对模型进行修正，得到城市对外交通量预测模型。通过代入具体的测量指标数值，计算得到城市对外交通生成量和吸引量的预测结果。方法流程图见附图1，主要包括以下三个阶段：
数据采集：查阅国家统计局文件中国统计年鉴-2017以及2017年各地区交通发展报告，获取2017年全国主要城市的对外交通生成量和吸引量数据，同时对自变量测量指标数据进行采集，形成两类数据集：城市对外交通数据集与城市基本要素数据集。数据集以城市为基本单位进行整理，数据格式如表1，表2-1、2-2所示。
表1城市对外交通数据表
表2-1城市基本要素数据表1
表2-2城市基本要素数据表2
结构方程模型构建与检验：利用SPSS软件对每个自变量的测量指标数据进行信度检验，并将检验后的数据导入LISREL软件，实现结构方程模型的构建与检验。具体步骤如下：
(1)信度检验
将数据导入SPSS软件，对四个潜变量的观测指标数据进行可信度检验，检验结果如表3所示。从检验结果可以看出，信度检验值Cronbach’s Alpha均超过默认阈值0.7，其中城市规模的测量指标信度检验值最高，为0.9035，表明各个潜变量观测指标数据的一致性或稳定性均满足要求，可以用于结构方程模型构建。
表3潜变量信度检验结果表
潜变量 测量指标个数 Cronbach’s Alpha
经济发达水平 4 0.8977
交通便利程度 4 0.8742
城市规模 2 0.9035
居民生活满意度 2 0.8553
(2)模型构建
由上述数据整理结果可以得出，模型中共包含6个变量：4个自变量(潜变量)与2个因变量(显变量)，下面根据变量特性对结构路径图和基本路径进行设计与假设，如表4所示。
表4结构路径图设计与基本路径假设
将SPSS软件整理后的*.sav格式文件导入LISREL软件，通过在Estimate下拉选项中选择Standardized Solution，将数据进行标准化。之后按照表4所示结构路径图在软件中绘制初始模型结构图，其中因变量、自变量及其测量指标的命名规则如表5所示。基于数据对模型进行拟合，获取参数估计结果，包括因子荷载系数Λx,Λy，路径系数Γ与模型拟合优度指数χ2＝38.470。
表5变量设定表
(3)模型评价
对上述步骤得到的因子荷载系数Λx,Λy或路径系数Γ进行t检验,计算t值，以判断系数估计的显著性水平，其部分t值检验结果与系数估计值如表6所示。t值检验结果表示，只有影响路径ξ2<--ξ1的t值小于1.96，说明此路径参数估计值不显著，考虑将其剔除。
表6系数估计与显著性检验结果
(4)模型改进
将影响路径ξ2<--ξ1剔除，重新对模型进行拟合，计算模型拟合优度指数χ2＝36.734，小于影响路径剔除前的拟合优度指数。此时重新对因子荷载系数或路径系数进行显著性检验，得到所有路径的检测t值均大于1.96，说明路径参数估计值显著。此时的模型即为最终的城市对外交通生成量、吸引量预测模型。模型评估与改进流程如附图2所示。
城市对外交通量预测：整理未来年的测量指标数据，将其代入上述步骤构建的结构方程模型，即可获取城市对外交通生成量和吸引量的预测值。将城市对外交通生成量与吸引量求和，实现城市对外交通量预测。

Claims (4)

1.一种基于要素影响分析的城市对外交通量预测方法，其特征在于，包含以下步骤：
（1）数据采集：包含因变量数据采集与自变量测量指标数据采集两个步骤，具体过程如下：
（11）因变量数据采集：采集城市现阶段的对外交通生成量、对外交通吸引量；
（12）自变量测量指标数据采集：以城市为基本单位，采集经济发达水平的测量指标数据：城市GDP、居民人均收入，政府税收、第三产业比例；采集城市规模的测量指标数据：城市面积、城市常住人口数量；采集交通便利程度的测量指标数据：城市接入接出的高速公路、普通铁路线路、高速铁路线路、航线数量；采集居民生活满意度的测量指标数据：居民人均可支配收入、城市恩格尔系数；
（2）结构方程模型构建与检验：包含信度检验、模型构建、模型评价、模型修正四个步骤，具体过程如下：
（21）信度检验：对每个自变量的测量指标数据进行信度检验，剔除信度检验值低于阈值的自变量；
（22）模型构建：设计结构方程模型的初始结构路径图，利用LISREL软件对初始结构路径进行绘制；将步骤（21）整理后的数据导入LISREL软件，数据标准化后基于初始结构路径对模型进行拟合，输出参数估计结果，包括因子荷载系数、路径系数以及模型的拟合优度指数；
（23）模型评价：对步骤（22）得到的因子荷载系数或路径系数进行显著性检验，t检验,计算t值；当所有t值均大于临界值时，说明模型构建合理，选用步骤（22）构建的模型为最终模型，否则，对模型进行修正；
（24）模型修正：剔除步骤（23）中t值小于临界值的路径，比较路径剔除后模型的拟合优度指数是否增加；若拟合优度指数不增加，则认为路径剔除合理，否则，需要重新返回步骤（22）对结构方程模型的结构路径图进行设计，直至显著性检验计算得到的所有t值均大于临界值或剔除t值小于临界值的路径后拟合优度指数不增加，以此对模型进行修正，得到最终模型；
（3）城市对外交通生成量、吸引量预测：将未来年的自变量测量指标数据代入步骤（23）、（24）得到的最终模型，即可获取未来年的城市对外交通生成量、城市对外交通吸引量；
（4）城市对外交通量预测：将步骤（3）中得到的城市对外交通吸引量与城市对外交通生成量预测值求和，即为预测的城市对外交通量。
2.根据权利要求1所述的基于要素影响分析的城市对外交通量预测方法，其特征在于：所述步骤（12）中城市接入接出的高速公路、普通铁路线路、高速铁路线路、航线分别特指国家级高速公路、普通铁路干线、高速铁路干线以及国内航线。
3.根据权利要求1所述的基于要素影响分析的城市对外交通量预测方法，其特征在于：所述步骤（21）中信度检验阈值默认取为0.7。
4.根据权利要求1所述的基于要素影响分析的城市对外交通量预测方法，其特征在与：所述步骤（23）、（24）中在10%显著性水平下，临界值为1.65；在5%显著性水平下，临界值为1.96；在1%显著性水平下，临界值为2.58；默认选取5%显著性水平，临界值为1.96。
CN201910500597.9A 2019-06-11 2019-06-11 一种基于要素影响分析的城市对外交通量预测方法 Pending CN110298496A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910500597.9A CN110298496A (zh) 2019-06-11 2019-06-11 一种基于要素影响分析的城市对外交通量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910500597.9A CN110298496A (zh) 2019-06-11 2019-06-11 一种基于要素影响分析的城市对外交通量预测方法

Publications (1)

Publication Number Publication Date
CN110298496A true CN110298496A (zh) 2019-10-01

Family

ID=68027853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910500597.9A Pending CN110298496A (zh) 2019-06-11 2019-06-11 一种基于要素影响分析的城市对外交通量预测方法

Country Status (1)

Country Link
CN (1) CN110298496A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200455A (zh) * 2020-10-10 2021-01-08 天津市市政工程设计研究院 综合客运枢纽换乘引导系统便捷性测评方法及系统
CN113611105A (zh) * 2021-07-09 2021-11-05 东南大学 一种城市交通出行需求总量预测方法
CN114723275A (zh) * 2022-04-01 2022-07-08 东南大学 一种面向综合交通系统的客运生成总量分析方法
CN116862071A (zh) * 2023-07-18 2023-10-10 杭州博晟科技有限公司 基于混频模型的城市运行指标数据预测方法
CN114723275B (zh) * 2022-04-01 2024-06-28 东南大学 一种面向综合交通系统的客运生成总量分析方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200455A (zh) * 2020-10-10 2021-01-08 天津市市政工程设计研究院 综合客运枢纽换乘引导系统便捷性测评方法及系统
CN112200455B (zh) * 2020-10-10 2023-05-26 天津市政工程设计研究总院有限公司 综合客运枢纽换乘引导系统便捷性测评方法及系统
CN113611105A (zh) * 2021-07-09 2021-11-05 东南大学 一种城市交通出行需求总量预测方法
CN114723275A (zh) * 2022-04-01 2022-07-08 东南大学 一种面向综合交通系统的客运生成总量分析方法
CN114723275B (zh) * 2022-04-01 2024-06-28 东南大学 一种面向综合交通系统的客运生成总量分析方法
CN116862071A (zh) * 2023-07-18 2023-10-10 杭州博晟科技有限公司 基于混频模型的城市运行指标数据预测方法
CN116862071B (zh) * 2023-07-18 2024-02-13 杭州博晟科技有限公司 基于混频模型的城市运行指标数据预测方法

Similar Documents

Publication Publication Date Title
CN110298496A (zh) 一种基于要素影响分析的城市对外交通量预测方法
CN109299438B (zh) 一种基于网约车数据的公共交通设施供给水平评价方法
CN108717676B (zh) 基于多数据融合的不同尺度下的职住空间评价方法及系统
CN106203867A (zh) 基于配电网评价指标体系和聚类分析的电网区域划分方法
CN106504535B (zh) 一种结合重力模型与Fratar模型的交通分布预测方法
Li et al. Exploring spatial-temporal change and gravity center movement of construction land in the Chang-Zhu-Tan urban agglomeration
CN107767011B (zh) 一种轨道车站行人特性采集系统和服务水平动态评价方法
CN103337035A (zh) 基于定量评价的确定城市中心体系选址方法
CN108876487A (zh) 一种基于大数据及智能决策机制的工业地块估计方法
CN107609706A (zh) 基于网络拓扑特性构建轨道交通站点客流预测模型的方法
CN115049215A (zh) 一种城市交通流量空间分布模型的构建方法
Xing et al. Sustainable development evaluation of urban traffic system
Kim et al. A comparative study on the service coverages of subways and buses
Dou et al. Identification of rural regional poverty type based on spatial multi-criteria decision-making—taking Gansu Province, an underdeveloped area in China, as an example
CN112948769B (zh) 一种基于通勤大数据的都市圈范围确定方法及系统
CN106021499A (zh) 基于志愿者地理信息的建设用地分类方法和装置
CN111914052B (zh) 一种区域空间关联关系确定方法及装置
CN105654722A (zh) 基于速度的道路规划方法
Yang et al. Spatial and temporal characteristics of rurality in urban Suburb Town and its driving factors based on land use transformation
Yang et al. Research on the evaluation model of the modernization level of urban construction in Jiangsu Province, China
Kabanov Territorial Planning and Zipf's Law
Yuanqing et al. OD matrix estimation for urban expressway
CN110728467A (zh) 一种水资源与国民经济匹配能力评价方法
Ning et al. Development and competitiveness of China’s mega-city regions
Lee et al. The effect of spatial configuration and land use pattern on land price formation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191001