论文总字数:31220字
摘 要
城市化与机动化程度不断提高是经济社会发展带来的必然结果,随之而来的将是大面积的城市新区或郊区,这些区域的土地利用特征不同于城市中心地区,具有明显的职住分离及空间错位等特征,为给这些区域的居民提供更好的交通及生活环境,研究他们的出行行为特征至关重要。
为了研究城市新区或郊区居民的出行空间特征,本文以出行空间距离为研究对象,以南京市江宁区的居民出行调查数据为基础,采用单因素分析方法,得出居民个人及家庭属性特征及整个区域内居民出行的空间分布特征。
在此基础上,选取年龄、性别、家庭总收入等个人特征及出行方式、出行目的等出行特征为自变量,以出行活动范围为因变量,利用SPSS进行了Logistic回归分析及决策树分析。前者的结果揭示了出行者的各类特征是如何影响其出行活动范围选择偏好的。例如,出行方式机动化程度越低,出行者会更倾向于选择近距离出行。后者利用SPSS中不同的决策树算法对数据进行规则总结及分类预测。结果表明,CHAID决策树算法的数据拟合度及预测准确度为最优结果。
本文通过两种不同的方法,对城市新区或郊区居民的活动范围进行了研究,希望能为城市新区或郊区居民出行的交通设施及空间资源配置提供一定的理论依据,为早日实现“绿色低碳出行”的目标做出一点贡献。
关键词:城市新区或郊区,居民出行空间特性,多元Logistic回归,决策树分析
Abstract
The continuous increase in urbanization and motorization is the inevitable result of economic and social development. The large area of new urban areas or suburbs will follow. The land use characteristics of these areas are different from those of the urban centers and have obvious separation of office and residence and spatial misalignment. In order to provide residents in these areas with better transportation and living conditions , it is important to study their travel behavior characteristics.
In order to study the spatial characteristics of urban new districts or suburban residents, this paper takes the travel space distance as the research object, based on the survey data of residents in Jiangning District of Nanjing City, and adopts the single-factor analysis method to obtain the personal characteristics of the residents and their families and the whole The spatial distribution characteristics of residents' travel in the area.
On this basis, selected personal characteristics such as age, gender, and total household income, travel patterns and travel purposes as independent variables, travel range as dependent variable, and logistic regression analysis and decision tree analysis using SPSS. The results of the former reveal how various characteristics of the traveler influence the preferences of their travel activities. For example, the lower the degree of motorization of travel mode, the traveler will be more inclined to choose close travel. The latter uses the different decision tree algorithms in SPSS to summarize the rules and classify the data. The results show that the data fitting degree and forecasting accuracy of the CHAID decision tree algorithm are the optimal results.
Through two different methods, this article has carried out a comprehensive study of the scope of activities of urban residents in the new district or suburb, hoping to provide certain theoretical basis for the infrastructure and space resources allocation for residents in the region, and to realize “low green” at an early date. The goal of carbon travel made a little contribution.
KEY WORDS: new urban areas or suburbs, resident trip spatial characteristics, multivariate logistic regression, decision tree analysis
目录
摘要 I
Abstract II
第一章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 1
1.2.1 国外研究现状综述 1
1.2.2 国内研究现状综述 3
1.3 技术路线与研究内容 4
1.3.1 主要研究内容 4
1.3.2 研究重、难点及解决方法 4
1.3.3 技术路线 4
1.4 本章小结 5
第二章 居民出行空间特性分析 6
2.1 研究区域背景 6
2.2 居民个人及家庭特性分析 6
2.2.1 数据来源 6
2.2.2 个人特性分析 7
2.2.3 家庭特性分析 7
2.3 居民出行空间特性分析 8
2.3.1 出行时耗与出行距离分析 8
2.3.2 居民出行空间分布 9
2.3.3 其它出行特性分析 12
2.4 本章小结 15
第三章 多元Logistic回归分析 16
3.1 概念简介 16
3.2 变量的选取及分类 16
3.2.1 因变量的选取 16
3.2.2 自变量的选取及分类 16
3.3 模型结果标定与分析 17
3.3.1 模型检验 17
3.3.2 模型结果分析 19
3.3.3 模型预测效果分析 21
3.4 本章小结 21
第四章 决策树分析 22
4.1 概念简介 22
4.2 决策树分类 22
4.2.1 CHAID决策树 22
4.2.2 CRT决策树 23
4.2.3 QUEST决策树 23
4.3 决策树结果分析 23
4.4 本章小结 25
第五章 总结与展望 26
5.1 总结 26
5.2 展望 26
致谢 28
参考文献 29
绪论
研究背景及意义
近年来,由于经济发展的需要,城市形态也在不断发展变化,市域范围持续扩大,城市空间快速蔓延,而经济中心仍处于城市中心地带,这导致了职住分离、交通拥堵、空间错位等现象不断加剧,究其根本,是因为城市化所产生的城市新区或郊区的城市空间及基础服务设施无法满足当地居民的出行需求。若这一现象不加以控制,会逐渐渗透到这一群体的出行行为模式及各种日常活动中,出现出行时间与出行空间距离增大的结果,这不仅会影响居民个人的生活质量,更会导致私家车出行所占比例上升,这显然不符合现阶段“绿色低碳出行”的理念。因此,科学合理地预测分析城市新区或郊区居民出行的需求与特征显得尤为重要,也能为优化基础设施配置及生活空间资源,实现交通供需的动态平衡提供重要依据,最终也能提高这一类型区域的居民生活质量及公交出行率,进而为早日实现“公交优先”的绿色低碳出行行为模式添砖加瓦。
在以往的文献中,对于居民出行特征的研究多以大城市为背景,较少关注城市新区或郊区;即便是基于城市新区或郊区居民出行特征案例的研究,也多为单一行为,如通勤、购物等行为的研究。实际上,不合理的城市土地利用的结构分布是引起城市交通问题的重要源头之一,只有充分了解了不同类型空间属性的地区上的居民出行特征,才能制定出更合理的交通发展战略与引导策略;同理,虽然通勤在城市新区或郊区整体出行中特征尤为明显,但诸如购物,娱乐等出行也占据了重要比例,同样是这一类型地区居民出行特征研究中不可或缺的部分。本文基于南京市江宁区的居民出行数据,通过研究出行者个人信息,如年龄、性别、收入等以及出行行为特征,如出行时间、出行目的、出行方式等,期望建立居民出行空间特征分析模型,研究居民出行的活动范围与这些因素之间的联系,从而全面的了解城市新区或郊区居民出行的空间需求,为有关部门合理配置各类资源提供依据,也为可变线路公交这一新型交通方式的推行与实施提供一定的理论与数据基础。
国内外研究现状
本文旨在研究城市新区或郊区居民日常出行的空间特征。居民的每一次出行活动是基于各种约束条件下的自发选择,在外部约束条件相同的情况下,不同的出行者做出的选择也可能不同,因此出行者的个人属性对结果的影响不容忽视。本文聚焦于居民出行活动范围的选择,量化来说即为居民出行的空间距离范围的选择,那么某一次出行活动的出行属性,例如出行目的、出行方式的重要性也不言而喻。因此,居民出行行为选择是受到个人属性及出行属性的影响或制约下的某一行为活动,而研究分析这一活动规律的方法也有许多,常见的方法可分为集计模型法和非集计模型法两类。集计模型的基本方法是把研究对象划分为特定的群体或小区,然后以划分好的集合体为基本单位进行数据集计处理,用这些处理过的数据所建立的模型即为集计模型。非集计模型的基本构建理论是随机效用和效用最大化,也称离散选择模型。它与集计模型不同,不进行数据集计处理,直接以研究对象中的每个个体为单位来建立模型。
国外研究现状综述
Kevin Manaugh[1]等人在研究蒙特利尔地区通勤距离的影响因素时,利用了因子及聚类分析对本地区居民出行调查数据中的家庭和工作地点进行分类后,建立了通勤距离及职住区位与社区类型、城市通勤人口总数、岗位数及工人可达性的模型。结果发现,低收入人群的通勤距离和出行次数都要小于高收入人群。同时,汽车保有量越大、性别为男性的人群通勤距离会更大。工作类型也是一个重要因素,通常拥有全职工作的出行群体通勤距离会更长一些。
剩余内容已隐藏,请支付后下载全文,论文总字数:31220字
该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;