下载文档原格式
中小城市交通出行方式优化分析黄钊【摘要】为建立我国中小城市低碳交通出行结构体系，文中针对国内外出行方式和出行结构特点进行分析，确定了我国中小城市出行结构优化策略，并提出了在交通规划中实现出行结构优化的方法。
从清远市现状及规划的2030年的交通出行结构优化计划得知，利用该方法对中小城市交通出行方式及出行结构进行优化调整能达到较好的节能减排效果。
%To establish a low-carbon transport traffic system at small and medium cities, this paper, on the basis of an-alyzing the domestic and international travel mode and structural characteristics, sets up the structure of China's small cities travel optimization strategy and proposes some feasible method. This method is to be effective in ener-gy-saving and emission-reduction according to Qingyuan City’s 2030 Traffic Plan.【期刊名称】《广东交通职业技术学院学报》【年(卷),期】2015(000)002【总页数】5页(P1-5)【关键词】中小城市;出行方式;结构优化;碳排放;节能【作者】黄钊【作者单位】清远市公路勘察规划设计院，广东清远511515【正文语种】中文【中图分类】U4911 引言随着城市化和机动化进程的不断推进，交通拥堵已经成为城市发展普遍面临的问题。
人们逐渐认识到，必须通过政策措施合理引导交通结构，优化出行方式结构，才能改善交通状况。
表一：部分特大城市平均出行时耗（摘自：1980年代以来我国特大城市居民出行特征分析）表二：部分城市居民出行方式构成的变化（摘自：1980年代以来我国特大城市居民出行特征分析）据调查统计,北京市居民短距离出行次数占居民出行总量的68%。
短距离出行中,居民大多采用步行、自行车,共占70%以上,公共交通仅占9%,另外还有7%的居民会选择小汽车。
有车家庭成员在短距离出行中,驾驶或乘坐小汽车出行占28%,乘坐公交车出行仅占6%;而家庭车辆主要使用者在短距离出行中,驾车出行比例则高达70%。
据统计,2005年北京全市居民出行总量是2920万人次,人均出行率为2.64人次/日,平均出行距离9.3公里,出行周转量为20180万人·公里/日,公交出行的平均时耗为63分钟,小汽车出行的平均时耗为40分钟。
各种交通方式的分担率为:自行车占30.3%,公共交通占29.8%,小汽车占29.8%,出租车占7.6%,其它方式占2.5%。
截至2006年底,北京市机动车保有量为287万辆,其中私人机动车为206万辆,小汽车日均出行3.16次/车,平均单次出行距离14公里,平均单次出行时耗40分钟,平均载客1.26人/车。
预计2010年机动车总量将达到380万辆。
表三：北京2005年城市居民出行方式构成北京市2000年和2005年居民出行方式构成情况：从2000年和2005年北京市的出行调查可以发现,北京市出行的主要交通方式为自行车、步行、公交车和小汽车,这四种出行方式分担率之和分别占总出行的91.89%和90.52%。
对比2000年和2005年交通结构的变化情况可以发现,2005年自行车出行比例大幅下降;公交出行比例增加,在各种机动化交通方式中位居第一;非机动化方式出行比例也由71.80%下降到58.25%。
可见,北京正在逐步建立以公共交通为主导的现代化城市交通模式,但和国内其他城市相比还有一定的差距,以广州为例,其公交分担率在1995年为17.49%,2003年为26.85%。
SHANDONGＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ毕业设计不同出行群体出行特征分析学院：交通与车辆工程学院专业：交通工程学生姓名：学号：指导教师：2013 年 6 月中文摘要中文摘要个体出行行为的研究是制定交通政策及出行需求管理的必经途径，对个体出行行为的研究，是进行城市交通规划、建设与管理的一项不可或缺的基础工作，也是城市社会学研究的重要课题。
本文主要6-12岁（小学）、13-16（初中）、17-20（高中）出行特征出发，从交通方式选择、出行链选择以及出发时刻选择等方面分析了学生出行特征及其对家庭成员的影响。
在此分析的基础上，建立了考虑学生出行影响的家庭成员出行方式选择约束模型、出行链选择约束模型和出发时刻选择约束模型，然后结合模型的影响因素敏感性分析，探讨现有交通需求管理政策对学生及其陪伴人的适用性并挖掘基于学生出行需求管理的城市交通需求管理措施。
对于21岁以上成年人则通过交通出行特征统计，在出行率、交通方式、出行目的、出行时耗、出行距离、出行出发时刻等分析获得相应的相应出行规律。
以此得出相应的出行需求管理措施。
关键词：不同人群，出行特征分析AbstractAbstractStudy of individual travel behavior is a necessary way to develop traffic policies and travel demand management, the study of individual travel behavior, is an important basic work for the construction and management of city traffic planning, the city, and also an important topic in sociological research.This paper mainly 6-12 years old (primary school), 13-16 (middle), 17-20 (high school) travel characteristic, from the traffic mode choice, travel chain selection and departure time selection and other aspects of the students' characteristics and its effect on family members. Based on this analysis, established a family trip mode takes students to travel to influence the choice of constraint model, trip chain selection constraint model and departure time selection model, and then combined with the model of factors influencing the sensitivity analysis, the discussion of current traffic demand management policy suitable for students and its companion and mining students travel demand management city traffic demand management measures based on For adults above the age of 21 by the traffic statistics, in the travel rate, traffic, travel purpose, travel time, travel distance, travel time analysis of corresponding traffic law. It is concluded that travel demand management measures accordingly.Key words:Different groups of people、Travel characteristics目录中文摘要 .............................................................................................................. I I Abstract ................................................................................................................ I II 目录 ..................................................................................................................... I II 第一章绪论 .................................................................................................... - 1 -1.1研究背景 ............................................................................................ - 1 -1.2研究目的及意义 ................................................................................ - 1 -1.3国内外研究现状 ................................................................................ - 2 -1.3.1 国外研究现状......................................................................... - 2 -1.3.2国内文献综述.......................................................................... - 5 -1.3.3国内研究现状问题.................................................................. - 6 -第二章不同人群出行特征分析 .................................................................... - 7 -2.1不同人群出行特征分析 .................................................................... - 7 -2.1.1出行率...................................................................................... - 7 -2.1.2交通方式.................................................................................. - 7 -2.1.3出行目的.................................................................................. - 8 -2.1.4出行时耗分布.......................................................................... - 8 -2.1.5出行距离分布.......................................................................... - 9 -2.2儿童出行行为特征随年龄变化特性分析 ...................................... - 10 -2.2.1出行率随年龄变化特性 ....................................................... - 10 -2.2.2交通方式随年龄增长............................................................ - 11 -2.2.3出行目的随年龄变化特性.................................................... - 11 -2.2.4平均出行时耗随年龄变化特性.......................................... - 12 -2.2.5平均出行距离随年龄变化特性.......................................... - 13 -2.2.6出行出发时刻随年龄变化特性............................................ - 14 -2.3儿童出行行为特性演变趋势分析 ................................................. - 14 -2.3.1出行率演变趋势.................................................................... - 15 -2.3.2交通方式演变趋势................................................................ - 15 -2.3.3出行目的演变趋势................................................................ - 15 -2.3.4 出行时耗分布演变趋势....................................................... - 16 -2.3.5 出行距离分布演变趋势....................................................... - 16 -2.3.6 出行出发时刻演变趋势....................................................... - 17 -2.4儿童出行对家庭成员出行行为的约束影响分析 .......................... - 17 -2.4.1 交通方式选择影响分析....................................................... - 18 -2.4.2 出发时刻决策影响分析....................................................... - 18 -2.4.3出行链选择影响分析............................................................ - 19 -2.5小结 .................................................................................................. - 19 -第三章儿童出行对家庭成员的交通方式选择约束模型研究 .................. - 21 -3.1模型数据概述 .................................................................................. - 21 -3.2 基于儿童出行约束的交通方式选择模型 ..................................... - 22 -3.2.1 MNL 模型 ............................................................................. - 23 -3.2.2方式选择构成差异性分析.................................................... - 23 -3.2.3 模型的建立及回归结果....................................................... - 24 -3.2.4方式选择的影响因素量化分析............................................ - 28 -3.3 小结 ................................................................................................. - 31 -第四章具有独立出行能力的出行人群特征分析 ...................................... - 32 -4.1 具有独立出行能力出行目的 ......................................................... - 33 -4.2具有独立出行方式分布 .................................................................. - 34 -4.3 具有独立出行能力的群体出行时耗 ............................................. - 36 -第五章结论和展望 ...................................................................................... - 37 -5.1主要结论 .......................................................................................... - 37 -5.2科研展望 .......................................................................................... - 37 -参考文献 ........................................................................................................ - 39 -致谢 ................................................................................................................ - 39 -第一章绪论1.1研究背景国内外对不同年龄、不同职业、不同出行目的出行者的出行行为特征的分析和研究非常重视，研究成果众多，尤其是由于通勤出行，相对于其他出行，通勤出行在时间和空间上具有更大的恒定性，特别是由于通勤出行（上班、上学）集中在一定的高峰期和一定的区域，使得早、晚高峰通勤时段的交通拥堵，成为城市交通问题最为突出的问题，以通勤者为研究对象的出行行为特征研究成果更具普遍性。
——————————收稿日期：2018-09-04电信大数据在交通行业的应用探讨0前言近年来，电信运营商成为各行业公认的大数据拥有者，尽管在数据质量、数据运营方面仍存在诸多难题，但与各类数据相比，电信大数据仍具有较好的融合发展价值潜力。
电信大数据在广度方面具有极高的用户覆盖率；在深度方面，具有信息通道内丰富的数据内涵；在颗粒度方面，以秒级单位周期性或事件性记录用户的时空行为；在准确性方面，具备电信级的数据产生及记录环境。
基于这些优点，电信数据技术在征信、旅游、城市规划、精准营销等各行业得到了积极的探索应用。
在交通行业方面，随着我国城市化进程的推进和机动车数量的快速增长，城市道路交通量不断增加，各种交通问题凸现，交通拥堵严重、交通事故数量增多、机动车尾气污染加重成为交通行业发展面临的三大问题。
基于大数据、物联网、5G 、自动驾驶等发展智慧交通，是解决交通行业痛点的技术路径。
传统的交通行业路网监测手段包括感应线圈监测、交通摄像头监测以及卫星监测。
该类手段缺点明显：成本高、监测范围有限、缺乏沟通手段、故障率高、使用寿命短等。
电信大数据的广泛性与实时性等特点，使其成为智慧交通建设中不可或缺的基础数据之一。
本文首先对电信大数据服务于交通行业的应用框架进行介绍，然后对个体活动链构建流程进行阐述，最后基于城市实际数据分析，输出了交通出行强度、场景间交通交换量、出行方式分析等3个方面的应用介绍。
1数据框架数据总体框架包括数据准备、中间库构建以及应用模块输出3个环节。
1.1数据准备数据层主要指通信领域中的各类数据的引入和整合。
当前，由于通信数据本身是一种以“人”为中心，为单个个体提供服务的业务，因此基于通信数据进行人物画像分析，具备天然的基因。
但对于地理画像则略有不同，由于通信网络对于地理空间的分割并不是唯一的，当前的移动通信网络根据2G/3G/4G网络分别对地理空间进行了独立的分割，因此从可获取到的原始通信数据中，难以直接实现地理画像分析，需要经过一定的数据处理才能实现。
一、我国城市交通拥堵现状1、道路车辆过多，行车速度缓慢一组数据表明，早在2009年北京市主干道高峰时间道路饱和度接近1.0，上海、南京、成都等城市也在0.8以上；北京市居民上班平均耗时50～70分钟，广州、上海、深圳、天津等城市在40分钟以上。
2、行人、车辆随意乱行，法制意识不高部分行人或司机为了自己通行方便，不按照交通规则，随意的扰乱交通。
行人占用非机动车道、非机动车占有机动车道、机动车随意掉头、机动车违法转弯等现象屡见不鲜，这不仅存在安全隐患，而且还很大程度的阻碍了交通的正常通行。
这都缘由于大家法制意识不高，认识不到随意乱行的危害性和后果。
3、交通问题恶化，连带后果严重许多城市交通拥堵是一个严重的问题，已经成为常态，并可能进一步恶化，一些二线和三线城市正迅速进入“拥挤的时代”。
交通拥堵直接造成交通运行缓慢，进而造成时间上的浪费和汽车燃油成本增加，还提高了汽车排污量，对环境造成污染；此外，交通拥堵，使交通事故增加，交通事故和交通拥堵的发生，形成恶性循环。
二、我国城市交通拥堵问题的原因分析1、道路容量严重不足由于中国是一个人口大国，造成了长期以来中国的城市人均道路面积占有量严重不足，调查了解当前中国32个百万以上人口的城市，城市道路的人均面积有27个低于全国平均水平。
道路建设一直在上涨交通拥堵仍然这么严重，造成这个问题的直接原因就是道路空间严重不足。
首先，我国城市人均道路面积与发达国家存在较大差距。
比如以上海为例来对比，上海的道路面积仅占城市总面积的3.6%，而纽约市的道路面积却占城市总面积的25.4%，伦敦为16.6%，东京为14.1%。
第二，中国的大城市的城市建设正处于发展扩张过程中，从中心到郊区，新增的道路建设，主要是在新开发的市区和近郊地区，因此没有有效的办法，以缓解城市中心交通压力。
再次，我国的部分城市中违法、违规占用道路和人行道的问题都还没有得到有效解决，在道路两旁往往会被各种摊贩的，市场和停车空间的占用，其中有道路由空间严重不足变得更加紧张。
城市交通公共交通智能化调度系统建设方案第1章项目背景与意义 (4)1.1 城市交通现状分析 (4)1.2 公共交通智能化调度需求 (4)1.3 项目建设目标与意义 (4)第2章公共交通智能化调度系统总体设计 (5)2.1 系统架构设计 (5)2.1.1 基础设施层 (5)2.1.2 数据层 (5)2.1.3 服务层 (5)2.1.4 应用层 (5)2.1.5 展示层 (5)2.2 技术路线与标准规范 (5)2.2.1 技术路线 (5)2.2.2 标准规范 (6)2.3 系统功能模块划分 (6)2.3.1 实时监控模块 (6)2.3.2 调度管理模块 (6)2.3.3 预测分析模块 (6)2.3.4 安全管理模块 (6)2.3.5 信息发布模块 (6)2.3.6 数据管理模块 (6)2.3.7 用户服务模块 (6)2.3.8 系统管理模块 (6)第3章数据采集与处理 (7)3.1 数据来源与类型 (7)3.1.1 数据来源 (7)3.1.2 数据类型 (7)3.2 数据采集技术与方法 (7)3.2.1 数据采集技术 (7)3.2.2 数据采集方法 (7)3.3 数据处理与分析 (8)3.3.1 数据预处理 (8)3.3.2 数据分析 (8)3.3.3 数据可视化 (8)第4章乘客需求分析与预测 (8)4.1 乘客出行特性分析 (8)4.1.1 出行目的 (8)4.1.2 出行时间分布 (8)4.1.3 出行空间分布 (8)4.2 乘客需求预测方法 (9)4.2.1 经典预测方法 (9)4.2.2 机器学习预测方法 (9)4.2.3 深度学习预测方法 (9)4.3 预测结果与应用 (9)4.3.1 预测结果展示 (9)4.3.2 预测结果应用 (9)4.3.3 预测结果评估与调整 (9)第5章调度策略与算法 (9)5.1 调度策略概述 (9)5.2 车辆调度算法设计 (10)5.2.1 车辆调度目标 (10)5.2.2 车辆调度算法 (10)5.3 线路调度算法设计 (10)5.3.1 线路调度目标 (10)5.3.2 线路调度算法 (10)第6章智能调度中心建设 (11)6.1 调度中心硬件设施 (11)6.1.1 硬件架构 (11)6.1.2 服务器及网络设备 (11)6.1.3 存储设备 (11)6.1.4 安全设备 (11)6.1.5 调度台及辅助设备 (11)6.2 调度中心软件系统 (11)6.2.1 软件架构 (11)6.2.2 数据采集与处理 (11)6.2.3 智能调度 (11)6.2.4 监控与报警 (11)6.2.5 统计分析 (12)6.3 调度中心运行管理 (12)6.3.1 运行管理制度 (12)6.3.2 人员培训与管理 (12)6.3.3 系统维护与升级 (12)6.3.4 应急预案 (12)第7章公交车辆智能化改造 (12)7.1 车载设备选型与安装 (12)7.1.1 设备选型 (12)7.1.2 设备安装 (12)7.2 车载信息采集与传输 (13)7.2.1 信息采集 (13)7.2.2 信息传输 (13)7.3 车辆智能调度功能实现 (13)7.3.1 车辆运行状态监控 (13)7.3.3 车内视频监控 (13)7.3.4 驾驶员行为分析 (13)7.3.5 智能调度策略 (13)第8章系统集成与测试 (14)8.1 系统集成策略与方法 (14)8.1.1 集成策略 (14)8.1.2 集成方法 (14)8.2 系统测试与调试 (14)8.2.1 测试目标 (14)8.2.2 测试内容 (14)8.2.3 调试方法 (15)8.3 系统验收与交付 (15)8.3.1 验收标准 (15)8.3.2 验收流程 (15)8.3.3 交付内容 (15)第9章项目实施与运营管理 (16)9.1 项目实施组织与进度安排 (16)9.1.1 实施组织架构 (16)9.1.2 进度安排 (16)9.2 运营管理模式与策略 (16)9.2.1 运营管理模式 (16)9.2.2 运营策略 (16)9.3 项目评估与优化 (17)9.3.1 项目评估 (17)9.3.2 优化措施 (17)第10章项目效益与风险分析 (17)10.1 项目经济效益分析 (17)10.1.1 投资回报分析 (17)10.1.2 成本效益分析 (17)10.1.3 潜在经济效益 (17)10.2 项目社会效益分析 (18)10.2.1 提高公共交通服务水平 (18)10.2.2 优化城市交通结构 (18)10.2.3 促进节能减排 (18)10.3 项目风险识别与管理 (18)10.3.1 技术风险 (18)10.3.2 政策风险 (18)10.3.3 市场风险 (18)10.3.4 运营风险 (18)10.3.5 财务风险 (18)第1章项目背景与意义1.1 城市交通现状分析我国经济的快速发展和城市化进程的推进，城市交通需求持续增长，交通拥堵、空气污染和出行效率低下等问题日益严重。
表一：部分特大城市平均出行时耗（摘自：1980年代以来我国特大城市居民出行特征分析）表二：部分城市居民出行方式构成的变化（摘自：1980年代以来我国特大城市居民出行特征分析）资料来源：各城市公布的总体规划和交通调查数据。
据调查统计,北京市居民短距离出行次数占居民出行总量的68%。
短距离出行中,居民大多采用步行、自行车,共占70%以上,公共交通仅占9%,另外还有7%的居民会选择小汽车。
有车家庭成员在短距离出行中,驾驶或乘坐小汽车出行占28%,乘坐公交车出行仅占6%;而家庭车辆主要使用者在短距离出行中,驾车出行比例则高达70%。
据统计,20xx年北京全市居民出行总量是2920万人次,人均出行率为2.64人次/日,平均出行距离9.3公里,出行周转量为20180万人·公里/日,公交出行的平均时耗为63分钟,小汽车出行的平均时耗为40分钟。
各种交通方式的分担率为:自行车占30.3%,公共交通占29.8%,小汽车占29.8%,出租车占7.6%,其它方式占2.5%。
截至20xx 年底,北京市机动车保有量为287万辆,其中私人机动车为206万辆,小汽车日均出行3.16次/车,平均单次出行距离14公里,平均单次出行时耗40分钟,平均载客1.26人/车。
预计20xx年机动车总量将达到380万辆。
表三：北京20xx年城市居民出行方式构成（城市居民短距离出行行为研究）北京市20xx年和20xx年居民出行方式构成情况：从20xx年和20xx年北京市的出行调查可以发现,北京市出行的主要交通方式为自行车、步行、公交车和小汽车,这四种出行方式分担率之和分别占总出行的91.89%和90.52%。
对比20xx年和20xx年交通结构的变化情况可以发现,20xx年自行车出行比例大幅下降;公交出行比例增加,在各种机动化交通方式中位居第一;非机动化方式出行比例也由71.80%下降到58.25%。
可见,北京正在逐步建立以公共交通为主导的现代化城市交通模式,但和国内其他城市相比还有一定的差距,以广州为例,其公交分担率在1995年为17.49%,20xx年为26.85%。
表一：部分特大城市平均出行时耗（摘自：1980年代以来我国特大城市居民出行特征分析）表二：部分城市居民出行方式构成的变化（摘自：1980年代以来我国特大城市居民出行特资料来源：各城市公布的总体规划和交通调查数据。
据调查统计,北京市居民短距离出行次数占居民出行总量的68%。
短距离出行中,居民大多采用步行、自行车,共占70%以上,公共交通仅占9%,另外还有7%的居民会选择小汽车。
有车家庭成员在短距离出行中,驾驶或乘坐小汽车出行占28%,乘坐公交车出行仅占6%;而家庭车辆主要使用者在短距离出行中,驾车出行比例则高达70%。
据统计,2005年北京全市居民出行总量是2920万人次,人均出行率为2.64人次/日,平均出行距离9.3公里,出行周转量为20180万人·公里/日,公交出行的平均时耗为63分钟,小汽车出行的平均时耗为40分钟。
各种交通方式的分担率为:自行车占30.3%,公共交通占29.8%,小汽车占29.8%,出租车占7.6%,其它方式占2.5%。
截至2006年底,北京市机动车保有量为287万辆,其中私人机动车为206万辆,小汽车日均出行3.16次/车,平均单次出行距离14公里,平均单次出行时耗40分钟,平均载客1.26人/车。
预计2010年机动车总量将达到380万辆。
表三：北京2005年城市居民出行方式构成（城市居民短距离出行行为研究）北京市2000年和2005年居民出行方式构成情况：从2000年和2005年北京市的出行调查可以发现,北京市出行的主要交通方式为自行车、步行、公交车和小汽车,这四种出行方式分担率之和分别占总出行的91.89%和90.52%。
对比2000年和2005年交通结构的变化情况可以发现,2005年自行车出行比例大幅下降;公交出行比例增加,在各种机动化交通方式中位居第一;非机动化方式出行比例也由71.80%下降到58.25%。
可见,北京正在逐步建立以公共交通为主导的现代化城市交通模式,但和国内其他城市相比还有一定的差距,以广州为例,其公交分担率在1995年为17.49%,2003年为26.85%。
基于出租车GPS数据聚类分析的交通小区动态划分方法研究1. 本文概述你需要明确文章的研究背景和目的。
在这个段落中，你可以简要介绍交通小区的概念以及为什么动态划分交通小区对于城市交通管理和规划至关重要。
接着，你可以提到出租车GPS数据作为一种新兴的数据源，如何为交通小区的动态划分提供了新的视角和可能性。
你应该概述本文的主要研究内容和方法。
可以提及你将使用哪些数据预处理和聚类算法来分析出租车GPS数据，并简述这些方法如何帮助实现交通小区的动态划分。
你可以在概述中提及本文的预期成果和贡献。
例如，你可能期望通过研究提出一种新的交通小区划分方法，这种方法能够更准确地反映城市交通的实际动态，并为交通管理和规划提供更有价值的信息。
随着城市交通系统的日益复杂，有效的交通管理和规划变得尤为重要。
交通小区作为城市交通分析的基本单元，其合理划分对于理解交通流分布、优化交通资源配置具有重要意义。
传统的交通小区划分方法往往依赖于静态数据和经验判断，难以适应城市交通流的动态变化。
近年来，随着出租车GPS数据的广泛应用，我们有机会从新的视角审视交通小区的动态划分问题。
本文旨在探索基于出租车GPS数据的交通小区动态划分方法，以期为城市交通管理提供更为精准的决策支持。
通过收集和预处理城市出租车GPS数据，本文将采用先进的数据挖掘技术和聚类算法，对交通流模式进行深入分析。
研究将重点关注如何从动态数据中提取有意义的交通小区边界，并评估不同划分方法对交通流预测和规划的潜在影响。
最终，本文期望提出一种创新的交通小区动态划分框架，不仅能够提高划分的准确性和实用性，还能够为城市交通研究领域带来新的理论和实践贡献。
2. 相关理论与方法GPS技术简介：全球定位系统（GPS）的工作原理及其在交通领域中的应用。
出租车GPS数据特性：出租车GPS数据的类型、特点，包括其时间戳、经纬度、速度等信息。
聚类分析方法：介绍聚类分析的基本概念、类型（如Kmeans、层次聚类等）及其在数据分析中的应用。
福州城市轨道交通与常规公交协调优化研究针对福州城市轨道交通与常规公交的协调优化，以协调优化的必要性和可行性为依据，从组织结构、运营管理、规划建设、线网布局等方面，对轨道交通与常规公交的协调优化进行了分析研究。
在组织结构方面，通过分析目前福州轨道交通与常规公交的现状及存在问题，提出了近期、远期的优化方案；在运营管理方面，从运营车辆、发车间隔、线网布局等方面提出了具体的优化建议；在规划建设方面，提出了轨道交通与常规公交的衔接方式；在线网布局方面，结合福州地铁2号线和3号线的线网布局，提出了轨道交通与常规公交协调优化的线网方案。
引言公交优先发展战略是缓解城市交通拥堵的根本途径，公交优先发展战略的关键是要解决城市公交与城市快速轨道交通的衔接问题。
随着城市化进程的加快，公共交通工具成为了居民出行的重要选择，如何满足居民对公交服务水平不断提高的需求，成为了当前交通运输行业研究的重要课题。
城市轨道交通作为一种快速、大容量、高效率的公共交通工具，具有较强的运能和容量，与常规公交协调发展，可以有效解决城市公共交通的“最后一公里”问题。
目前国内大部分城市轨道交通系统与常规公交系统基本是独立运营、各自为政，两者之间存在着“两张皮”现象，未形成有机协调和统一管理。
为解决该问题，国内学者提出了多种解决方案，如调整运营模式、实行两网融合、推进车辆共享等。
陈静等通过对重庆市轨道交通线网和线网密度进行分析，提出了公交优先发展战略下轨道交通线网布局规划方案；吴建峰等基于北京市公共交通出行特征分析及现状评价结果，提出了优化公共交通运营管理措施；刘亚杰等以北京市轨道交通线网为研究对象，对其运营组织模式进行分析。
周鹏等结合深圳市公交线网规划情况对城市公交线网优化方法进行研究；杨静等采用多目标规划理论对南京市城市轨道交通线网布局进行了优化研究；于佳等对成都市公共交通系统进行了分析与研究。
目前对于轨道交通与常规公交协调发展的研究较少，本文结合福州地铁2号线和3号线的建设运营情况以及福州市公共交通系统现状，以福州城市轨道交通与常规公交协调发展为研究对象，从组织结构、运营管理、规划建设、线网布局等方面对福州市轨道交通与常规公交协调发展进行分析研究。
基于多源大数据的城市空间结构研究——以长沙市为例黄思佳，舒倩摘要：通过对互联网数据的抓取和提炼分析，识别出城市商业活力空间以及城市生活便利空间的结构，再通过对两者进行加权叠加分析，对城市整体空间结构加以识别。
并进一步与现行城市总体规划中空间体系结构进行对比，了解总规空间体系的实施程度。
关键词：大数据,空间识别，商业活力，生活便利性1前言在城市规划实施评估中，一项重要内容的就是评估城市空间分布与城市发展方向是否与总规空间布局规划。
在以往对城市进行实施评估中，主要运用样本调查、人口数据统计、社会各类指标等统计数据来判断城市规划的实施效果。
这样的传统蓝图式城市规划评估模式[1]受政策制度、技术方法和数据获取的影响，以物质空间评估为主，缺乏对城市活动主体需求的评价，导致规划评估的系统性、动态性和实效性不足。
本文在基于传统统计方法之外，尝试引用大数据对城市现状建设情况进行实时反馈，研究方法由以传统的统计年鉴、社会问卷调查和深入访谈等为主向以网络数据(特别是商业点评网络数据)的抓取与空间定位技术的应用为主转变；数据内容呈现出大样本量、实时动态和微观详细等特征，且更加注重对研究对象地理位置信息的提取，从“以人为本”角度看待城市规划建设成就。
2数据来源和技术思路2.1数据来源本次研究主要针对于城市商业空间和生活空间的识别，因此在数据的选择上主要是针对商业服务设施、公共服务设施以及生活性相关设施等内容的收集和捕获，主要数据来源为以下四个方面：（1）大众点评网：该网站是国内最早建立的第三方点评平台，始建于2003年4月，截至2017年大众点评月均活跃用户数超过2亿，收录商户数量查过1400万家，并且月综合浏览量（网站及移动设备）超过150亿。
已形成一个庞大、能够客观体现餐饮、消费决策和分布的数据库。
（2）手机信令数据，通过联通公司获取长沙市域约200万联通用户手机信令数据（数据经过180天动态跟踪数据标定而来，根据运营商市场份额乘以相应系数进行扩样得到的，能够在特定时间段反映区域内差异化的比例与相对关系），通过数据清洗、筛选、处理、扩样，分析居民出行特征。
《交通工程学》复习题------填空题一、填空题交通工程学是从____________中分化出来的, 它的主要研究对象是____________。
交通工程学主要解决_________中的科学问题。
交通工程学科的特点可以概述为, , __________, ____________, 和。
道路交通系统的技术管理的两种基本模式为___________, ____________。
道路是由___________, __________, ___________三要素所组成的。
道路交通系统中的人包括__驾驶员__________, ___行人_________, ____乘客________。
汽车的动力性能通常用___________, __________, ___________三方面指标来评定。
1.汽车的最大爬坡能力常常用________________来表示。
道路的功能可以归纳为_________, ___________, ___ ________三个方面。
2.一个区域的路网密度等于_道路总长___________与___该区域面积_________之比。
典型的公路网布局有___________, ___________, __________, __________等。
典型的城市道路网布局有__棋盘型__________, ____带型________, ___放射型_________, __放射环形__________等, 历史古城如南京、北京等布局以其中____棋盘型________最为常见。
交通量是指________________。
按交通类型可分为___________, __________, ___交通量_________。
3.月变系数是指_________ / __________________________。
4.设计小时交通量与__________________的比值称为。
Hans Journal of Data Mining 数据挖掘, 2018, 8(4), 162-173Published Online October 2018 in Hans. /journal/hjdmhttps:///10.12677/hjdm.2018.84018Residential and Travel CharacteristicsAnalysis Based on Mobile Phone SignalingData—A Case in Shenzhen CityJiandong Qiu1, Qingya Lin1*, Qiang Li21Shenzhen Urban Transport Planning Center Co., Ltd., Shenzhen Guangdong2Traffic Information Engineering & Technology Research Center of Guangdong Province, Shenzhen GuangdongReceived: Aug. 20th, 2018; accepted: Sep. 5th, 2018; published: Sep. 12th, 2018AbstractThere is no obvious tendency for the data of mobile phone signaling data to be objective, compre-hensive and sampling. The data has strong spatiotemporal continuity and can be observed in the whole process of traffic travel, which is unmatched by any other data source. Using mobile phone signaling data to analyze the characteristics of urban traffic operation makes up for long cycle of the traditional traffic survey, heavy workload, small sample size and high cost. This paper studies the use of space-time information of mobile signaling data to visualize and analyze the characte-ristics of urban traffic travel. The analysis shows that there is still a strong job-commuting attrac-tion in the original SAR and the SEZ; most people live in Dongguan, Huizhou, working in Shenzhen.Living and employment are basically at the junction of the city. Early peak of travelling shows a clear east-west, north-south formation. Analyzing the results provides a reliable basis for trans-port planning and operations.KeywordsCell Phone Signaling Data, Data Quality Inspection, Big Data Analysis, Visualize基于手机信令数据的居住和出行特征分析——以深圳市为例丘建栋1，林青雅1*，李强2*通讯作者。
第 32卷第 3期 2008年 6月武汉理工大学学报 (交通科学与工程版Jou rnal of W uhan U n iversity of T echno logy(T ran spo rtati on Science &EngineeringV o l . 32 N o. 3June 2008国内不同类型城市居民出行特征分析收稿日期 :2008201224邹志云 :男 , 40岁 , 副教授 , 硕士生导师 , 主要研究领域为交通运输规划与管理邹志云 1, 2 蒋忠海 3 胡程 2 2(北京交通大学交通学院 1 (华中科技大学交通科学与工程学院 2 (3 528000摘要 :, 对数据进行归纳整理 , 从出行次数、出行 4个方面进行分析 . 通过对城市进行分类 , 找出不同类型城市的居 , . 对居民出行次数 , 按照人口规模分类 , 建立了不同人口规模城市的居民人均出行次数模型 , 通过建摸的方式找出不同人口规模城市的居民出行次数规律 . 关键词 :回归模型 ; 人均出行次数 ; 出行目的 ; 出行方式结构 ; 出行耗时中图法分类号 :U 491. 2+5作为城市交通规划、建设的重要依据 , 居民出行特征分析越来越得到重视 . 居民出行是指居民为完成某一目的 , 使用某一种交通方式 , 耗用一定时间 , 从出发地经某一路径到达目的地的位移过程 . 居民出行调查是指对居民一天内详细出行情况的调查 [1]. 本文通过对国内部分城市调查数据的对比分析、归纳和推理 , 按人口规模、经济规模等指标分类 , 分析国内不同类型城市居民的出行规律及变化特征 [2].1人均出行次数全部居民的出行次数之和为出行总量 . 出行总量是城市交通系统应该具备的承受能力限度的基本量度指标 , 其与城市人口规模的比值为人均出行次数 . 一般来说 , 出行次数的多少与出行目的、城市规模、城市布局、生活方式、工作方式、家庭经济状况、交通设施、通讯设施、城市环境质量等因素有关 . 为准确地掌握城市居民的出行特征 , 自 20世纪 80年代以来 , 我国许多城市开展了居民出行调查工作 . 表 1、表 2列出了部分城市居民出行次数及相关指标数据 .大多数城市的居民人均出行次数在3次(人・ d 以下 , 少数城市居民人均出行次数超过 3次 (人・ d , 如珠海、石家庄、徐州等城市 .1. 1城市规模与人均出行次数根据统计城市 (以当年数据为准的规模 , 将其分为 2大类 , 如表 3所列 . 第 I 类分为 2小类 , 其中人口超过 500万的城市 , 包括上海、广州、杭州、南京、深圳、佛山、长春 , 这类城市人口多 , 城市规模很大 , 居民出行距离远 , 相应的出行次数减少 , 这些城市的平均居民人均出行次数为 2. 129次 (人・ d ; 人口在 100万 ~500万的城市 , 包括南宁、苏州、贵阳、乌鲁木齐、福州、合肥、邯郸、汕头、常德、无锡 , 这类城市的规模较大 , 但比500万以上人口城市要小 , 居民出行次数要多 , 这些城市的平均居民人均出行次数为 2. 560次 (人・ d ; 第 II 类是人口在 100万以下的城市 , 包括丹东、瑞安、珠海、黄石、福清、安陆 , 这类城市规模较小 , 城市范围小 , 居民的出行距离不远 , 居民出行次数要多一些 , 这些城市的平均居民人均出行次数为2. 780次(人・ d . 由此可以看出 , 一般情况下 , 居民人均出行次数随城市规模的增大而减少 .1. 2同城居民人均出行次数表 1中 , 通过前后 2个调查年份的数据的对比 , 发现居民平均出行有下降的趋势 , 说明随着城市范围的扩大和中心城区与外围城市各用地组团的联系加强 , 城市出行逐步体现出大型城市的出表 1国内部分城市统计资料 (人口大于 100万的城市序号城市市辖区人口人均国内生产总值 G 万元家庭人均可支配收入 I 万元居民人均出行次数( -1统计年份1上海 13. 13003. 07301. 09301. 95001999 2广州 7. 20004. 18801. 55201. 86002003 3杭州 6. 22002. 23400. 96702. 07002000 4南京 5. 45001. 85500. 82302.44002000 5深圳 4. 05003. 93402. 02401. 59001999 6佛山 3. 44204. 04401. 48202. 45002003 7长春 3. 10001. 86300. 7912. 2003 8南宁 2. 94501. 10900. 7912001 9苏州2. 07202. 66900. 02000 10贵阳 1. 91101. . 49002001 11乌鲁木齐 1. 50. 12. 59002000 121. 0. 79402. 72002000 1. 3400. 88970. 52942. 84002000 141. 30000. 70000. 53602. 70002001 15常德 1. 13000. 81100. 79002. 27002001 16无锡 1. 09602. 22100. 69402. 58001997表 2国内部分城市统计资料 (人口小于 100万的城市序号城市市辖区人口人均国内生产总值万元家庭人均可支配收入万元居民人均出行次数-1统计年份1丹东 0. 7600. 7180. 4492. 2502000 2瑞安 0. 7171. 5001. 2303. 3202003 3珠海 0. 6943. 7921. 3633. 0401998 4黄石 0. 6401. 4660. 6612. 4502000 5福清 0. 2002. 0001. 0002. 6002003 6安陆 0. 1430. 5010. 5522. 5902002数据来源 :各城市的统计年鉴和政府网站表 3不同规模城市人均出行次数城市分类 I II 城市规模万人 >500100~500<100人均出行次数-12. 1292. 5602. 780行特征 , 出行距离增加 , 出行次数减少 .1. 3居民人均出行次数模型对国内部分城市的居民人均出行次数、人口数、人均国内生产总值、家庭人均可支配收入 (表 2 等进行统计分析 , 建立了居民人均出行次数 T [次 (人・ d ]与该城市的人口总数 P (百万、人均国内生产总值 G (万元、家庭人均可支配收入 I (万元的三元线性回归模型和三元指数回归模型 [3]. 由于不同规模的城市影响系数不一样 , 按城市的人口规模进行分类 , 对于人口超过 100万的城市和人口少于 100万的城市分别建模 .1. 3. 1人口超过 100万城市的回归模型及检验 1 线性回归模型T =3. 076-0. 046P +0. 128G -0. 860I R 2=0. 740(1 2 指数回归模型T =3. 259×0. 981P ×1. 060G ×0. 667I R 2=0. 750(2 3 模型检验将表 1中城市的人口总数 P 、人均国内生产总值 G 、家庭人均可支配收入 I 分别代入式 (1 和 (2 , 得各城市居民人均出行次数的模型模拟值如图 1所示.图 1人口超过 100万的部分城市的居民人均出行次数模型值注 :线性回归模型与指数回归模型基本重合1. 3. 2人口少于 100万城市的回归模型及检验 1 线性回归模型T =1. 705+0. 134P -0. 240G +1. 520I R 2=0. 848(3 ・ 5 55・第 3期邹志云 , 等 :国内不同类型城市居民出行特征分析2 指数回归模型T =1. 889×1. 023P×0. 923G×1. 716IR 2=0. 837(43 模型检验将表 2中城市的人口总数 P 、人均国内生产总值 G 、家庭人均可支配收入 I 分别代入式 (3 和式 (4 , 得各城市居民人均出行次数的模型模拟值如图 2所示.图万的部分城市的居民人均出行次数模型值注 :线性回归模型与指数回归模型基本重合由以上 2类城市的人均居民出行次数模型可以看出 , 人口规模越大 , 居民出行次数越少 , 主要是因为城市规模越大 , 居民出行距离越长 , 相应的出行次数要减少 . 但人均国内生产总值、家庭可支配收入在这 2类城市中的影响程度不同 .2出行目的出行目的一般可分为上班、上学、购物、文化娱乐、回家、其他 , 出行目的与居民的年龄、职业相关 , 不同的年龄和职业的居民对某种出行需求的强度是不同的 . 图 3为不同城市规模城市各种出行目的比例构成图.图 3不同城市规模城市各种出行目的比例构成图由图 3可见 , 除回家外 , 上班占的比例最大 ,一般在 20%以上 , 这是城市居民出行的共同特征 , 而对于上海、杭州、珠海、广州等发达的特大城市来说 , 外出购物的比例比上学的比例要大 , 这是因为这些城市的人均国内生产总值和家庭可支配收入高 , 居民的收入高 , 因此购物的比例较大 . 对于南宁、贵阳、徐州、福清等城市来说 , 上学的比例要大一些 .3出行方式结构出行方式结构 , 一般指城市居民日常出行采用各种交通工具的人数比例集合 , 是反映城市交通发展水平的一个重要指标 . 居民出行方式一般可分为公交、自行车、步行、出租车、单位 . . 出行方式、城市形 , 与城市规模的相关性不是很明显 [4].在统计的城市中 , 步行出行和自行车出行的比例占最大 , 二者之和超过 50%, 步行的比例要大些 , 这是中国城市居民出行的一般特性 , 也符合居民出行的一般规律 .在统计的城市中 , 公交出行可按比例分 3类 , 第一类出行比例在 20%以上 , 包括贵阳、黄石、长春、杭州、南京等城市 . 南京、杭州人口超过 500万 , 平均出行距离较长 , 促使较多的居民选择公交方式 , 而黄石的人口不过百万 , 公交出行比例却超过 20%, 贵州、长春一个在南方 , 一个在北方 , 公交出行比例也较高 , 这反映了我国城市公交系统可能吸引的客源水平 . 第二类出行比例在 10%~20%之间 , 包括上海、广州、常德、深圳等城市 . 除常德外 , 其他 3个城市的人口都在 500万以上 , 这些城市的公交系统的建设水平和服务水平相对较好 , 而出行比例反而不高 , 说明随着经济的发展 , 单位车和私家车的增加 , 有相当部分转移到这类出行方式上 . 第三类出行比例低于 10%, 包括南宁、石家庄、苏州、徐州、福州、邯郸、无锡、珠海、福清等城市 . 反映了这些城市长期以来不重视公交系统的建设和管理 , 使公交服务处于严重萎缩的境地 . 总的来说 , 我国城市公交出行比例不高 , 与城市客运交通需求不相适应 , 同时也与我国公交发展战略不一致 .可以看出 , 南宁、珠海、无锡、福清、深圳、广州的摩托车出行比例很高 , 在 10%以上 , 而南宁的摩托车出行比例高达 30%以上 .4出行耗时出行耗时随居民的年龄、职业以及出行方式、・655・武汉理工大学学报 (交通科学与工程版 2008年第 32卷出行目的而不同 , 出行耗时是由城市经济发展水平、城市布局和交通环境所决定的 . 交通方式的自身特性 , 如直达性、灵活性、速度及路径等 , 直接决定了出行耗时大小 . 由于居民的出行都是带着一定目的的出行 , 所以出行目的不同 , 出行耗时也随着不同 . 从统计的数据来看 , 城市规模的大小与居民出行耗时的多少有一定的相关性 , 城市规模越大 , 分目的 (出行方式的居民出行耗时越小 . 如图 4和图 5所示 , 图 4为分目的的居民出行耗时分析图 , 图 5为分出行方式的居民出行耗时分析图 .图 4分目的的居民出行耗时分析图图 5分出行方式的居民出行耗时分析图由上图可知 , 广州、长春、南宁、苏州、徐州、福州等人口超过百万的特大城市 , 居民在公交出行上的耗时都在 35m in 以上 , 一方面说明城市规模越大 , 居民在公交出行的耗时就越多 , 而长春、南宁的公交出行耗时却比苏州、徐州要少 , 则从另一方面说明居民在公交出行上的耗时与该城市的公交运营质量密切相关 . 居民在自行车和步行出行上的耗时基本上没有太大的差异 , 除了常德市的居民的自行车出行上耗时在 40以上外 , 其他 20m in . , 自行车和 , 因此 .此外 , 以上班为目的的居民出行耗时比其他出行目的下的出行耗时要多 , 以上学为目的的居民出行耗时最少 , 其他出行目的的居民出行耗时差别不大 , 这是由于上班的出行距离较远 , 上学的距离较近决定的 .参考文献[1]王炜 , 徐吉谦 , 杨涛 , 等 . 城市交通规划理论及其应用 [M ]. 南京 :东南大学出版社 , 1998.[2]邓毛颖 , 谢理 . 广州市居民出行特征分析及交通发展的对策 [J ]. 城市规划 , 2000, 24(11 :45249.[3]吕晓夫 , 杨亚东 . 回归分析方法在船舶交通事故预测中的应用 [J ]. 武汉理工大学学报 :交通科学与工程版 , 2006, 30(3 :5462548.[4]潘艳荣 , 邓卫 . 不同交通方式服务可靠度与客流量间的灵敏度分析 [J ]. 武汉理工大学学报 :交通科学与工程版 , 2007,31(5 :7682771.A nalysis on R esiden t T ri p Characteristicsin Part of Ch inese C itiesZou Zh iyun1, 2J i ang Zhongha i 3 Hu Chen 2 M e i Yanan2(S chool of T raf f ic and T ransp orta tion , B eij ing J iaotong U n iversity , B eij ing 100044 1(S chool of T raf f ic S ci . &E ng . , H U S T , W uhan 430074 2(F oshan U n iversity , F ushan 528000 3AbstractA cco rding to su rveying data of residen t tri p s in part of Ch inese cities , characteristics of the num ber of tri p s , tri p pu rpo se , tri p structu re and tri p ti m e are analyzed . C ities are divided in to several types , and differences in residen t tri p characteristics are draw n , the reason of w h ich is also given . In p articu lar , acco rding to popu lati on scale , average num ber of residen t tri p m odel fo r differen t cities is bu ilt . In additi on , the residen t tri p ru les are draw n by m odeling . Key words :tri p p u rpo se ; structu re of tri p m ode ; tri p ti m e・755・第 3期邹志云 , 等 :国内不同类型城市居民出行特征分析。
