20151102周会-成艳精要.pptx

交通数据处理分析技巧与应用期中汇报 汇报人：赵基焕 徐雅倩 2015.11.24 汇报内容 车速、交通量与天气数据处理与分析 山区、非山区公路的事故伤害严重程度影响因素分析 2 3 1 车速、交通量与天气数据处理与分析 1 绘制不同路面条件下的车速箱型图 交通数据处理分析技巧与应用期中汇报 4 1 研究背景 时变站间OD矩阵 全天站间OD矩阵 时变站间OD矩阵 已知 未知 高峰时段 进站客流量 高峰时段 站间OD矩阵 单约束重力模型 车站周边 土地利用 1.目的地规定到达时刻 2.预留时间 城市轨道交通高峰时段进站客流比例预测模型 5 2 研究思路 时间范围 空间范围 高峰时段 车站合理 吸引范围 高峰时段进站客流比例 回归分析 全天 进站客流量 高峰时段 进站客流量 城市轨道交通高峰时段进站客流比例预测模型 1.社会经济特征 2.土地利用特征 6 3 研究成果 面积：1898.47km2 人口：886.52万人 轨道交通线路数：14条 线路长度：743.45km 图1 日本大阪府人口密度 城市轨道交通高峰时段进站客流比例预测模型 7 3 研究成果 面积：1898.47km2 人口：886.52万人 轨道交通线路数：14条 线路长度：743.45km 图2 日本大阪府岗位密度 城市轨道交通高峰时段进站客流比例预测模型 研究对象： 日本大阪府内 370座轨道交通车站 8 3 研究成果 城市轨道交通高峰时段进站客流比例预测模型 数据来源 1. 研究对象的全日分时段进站客流量 2. 研究对象的实际吸引范围 3. 研究对象周边的社会经济和土地利用资料 2010年第五次日本京阪神都市圈个人出行调查 2010年第11次日本大都市交通普查 日本国土交通省国土政策局国土情报课网络数据库 9 3 研究成果 高峰时段的界定 图3 大阪府不同高峰小时线路数 早高峰 城市轨道交通高峰时段进站客流比例预测模型 10 3 研究成果 高峰时段的界定 早高峰 城市轨道交通高峰时段进站客流比例预测模型 图4 大阪府车站分时段进站量 6:00-10:00 11 3 研究成果 车站合理吸引范围 已有研究的不足 各类基础数据收集的物理边界 1. 假定合理吸引范围为步行吸引范围 2. 所有车站均采用同一阈值 3. 根据拟合优度判断最佳阈值 本研究改进方法 以客流比例界定 车站合理吸引范围 2. 根据车站所在圈层密度确定阈值 3. 采用两类风险判断最佳阈值 城市轨道交通高峰时段进站客流比例预测模型 12 3 研究成果 车站合理吸引范围 至少包含车站90%的进站客流 保证预测精度 避免将大量无关区域包含在内 框定方法 以车站为中心，吸引范围阈值为半径。 城市轨道交通高峰时段进站客流比例预测模型 车站密度的影响 在出行OD不变的情况下，同一区域内，车站密度越大， 对于乘客而言，其可到达的车站越多； 对于车站而言，其进站乘客的起点形成的并集区域越小。 将车站按照其所在圈层进行分组，确定车站密度 以大阪站为中心，从0-55km每隔5km划定圈层。 2. 确定车站备选吸引范围 每个车站有15个备选吸引范围，服务阈值从0-1500m，以100m为间隔设置。 计算各小组的两类风险 某一车站密度小组而言，其包含的所有车站的两类风险均值即为该小组的风险值。 13 3 研究成果 车站合理吸引范围 至少包含车站90%的进站客流 保证预测精度 避免将大量无关区域包含在内 框定方法 以车站为中心，吸引范围阈值为半径。 城市轨道交通高峰时段进站客流比例预测模型 车站密度的影响 14 可能遗漏了产生客流的区域 可能将不产生客流的无关区域包含进来 3 研究成果 车站合理吸引范围 吸引范围阈值过小 吸引范围阈值过大 Vs 至少包含车站90%的进站客流 15 3 研究成果 车站合理吸引范围 至少包含车站90%的进站客流 两类风险 属于车站实际吸引范围的区域但未包含在车站备选吸引范围内 其发生概率称为Ⅰ类风险 吸引范围阈值过小 吸引范围阈值过大 Vs 不属于车站实际服务范围的区域但包含在车站备选吸引范围内 其发生概率称为Ⅱ类风险 以上两式中，S ——城市轨道交通车站实际吸引范围； S’——城市轨道交通车站备选吸引范围。 城市轨道交通高峰时段进站客流比例预测模型 16 3 研究成果 车站合理吸引范围 在满足客流比例达到90%的前提下， 选择两类风险之和最小的车站合理吸引范围。 城市轨道交通高峰时段进站客流比例预测模型 车站密度分类 圈层 车站密度 （座/km2） 车站数（座） 合理吸引范围阈值（m） Ⅰ类风险(%) Ⅱ类风险 (%) 1.00 0-5km 1.13 84 900 27.5 180.9 0.50-1.00 5-10k