地理加权回归模型的平稳性检验

利用最小二乘估计理论,给出了在地理加权回归模型(GWR模型)中回归关系的全局平稳性检验方法和各回归系数随空间位置变化的平稳性检验方法.     

大流量路段路网节点交通流统计分布分析

作者根据调查获取的实际交通流数据,在分析比较常用的交通流分布（泊松分布、二项分布、负二项分布）的基础上,提出用正态分布拟合交通量观测数据,并用X^2检验和Lilliefors改进后的柯尔莫哥洛夫检验（Dn检验）对各路口全天多时段流量、分时段流量、分流向、分车型等观测数据分别进行大子样和小子样的假设检验,结果表明对于大流量交通拥堵路段,用正态分布拟合其道路交通流量数据能够达到很好的拟合效果。这个结果为道路改造、交通管理、城市交通规划、交通仿真等提供了更接近实际的交通流数学模型。     

泊松回归模型

泊松分布在各个研究领域已经得到了非常迅速的发展和应用,对各学科和领域起到了重要作用。本文在介绍泊松分布的基础上,引入泊松回归模型的概念。对泊松回归模型进行了简单的介绍和实例的分析,说明了泊松回归模型作为统计学方法的重要作用。     

嵌套地理加权回归模型的估计

本文在嵌套空间结构下,提出了两类地理加权回归模型,对于其中的固定效应模型,我们给出了两步估计方法,对于随机效应模型,给出了一种有效的估计方法.     

基于GWR模型的中国NDVI与气候因子的相关分析

在ArcGIS支撑下, 基于1982-2010年8 km分辨率的AVHRR NDVI及气温和降水数据, 应用最小二乘法和地理加权回归方法, 构建中国NDVI与气候因子的地理加权回归模型, 定量分析中国NDVI与气温和降水的相互关系, 获取各个回归参数的空间格局, 并将模拟结果与全局性回归结果进行对比。结果表明, 与线性回归模型相比, 地理加权回归模型的拟合效果显著提高, 拟合优度从0.3提高到0.6。气候因子对NDVI的影响具有空间异质性: 从北到南, 气候因子对NDVI的影响逐渐减小; 西北内陆等干旱荒漠地带, 气候因子对NDVI的影响较大。对中国大部分地区而言, 气温对NDVI的影响超过降水。各区NDVI与主导气候因子发生作用的特征尺度不同。     

基于时空地理加权回归的服务区驶入量影响因素分析

为掌握河北省服务区驶入量的时空分布规律,构建了时空地理加权回归（geographically and temporally weighted regression,GTWR）模型,揭示了服务区规模、服务区地理区位、关联地区土地利用、高速公路类型等因素在时间和空间上对服务区不同车型驶入量的影响。结果表明：时空地理加权回归模型的拟合结果显著优于最小二乘回归模型与地理加权回归模型;断面交通量对三种车型均具有促进作用,特别是在夏季高温地区服务区对于小型车驶入量促进作用显著;2~4h车程范围内,风景名胜密度对小型车驶入量具有促进作用,且在旅游旺季及位于旅游业发达城市的服务区影响最显著;2~4h车程范围内工商业型信息点(point of information,POI)密度对大中型车驶入量具有促进作用,特别是在货运高峰期及位于商贸发达城市的服务区促进作用显著;所属高速公路沿途资源型城市数量对服务区大型车驶入量具有显著促进作用,特别是在供暖季节。     

泊松INAR(1)模型参数估计方法的比较及其应用

探讨了泊松INAR(1)模型的参数估计.基于CLS估计方法,提出一种偏差修正CLS估计方法并分析了其大样本性质.随机模拟结果表明:与CLS估计和CML估计方法相比,偏差修正CLS估计方法可以有效减小参数估计的偏差.偏差修正CLS估计方法在有限样本下估计效果较好,同时计算过程简便,具有较高的实用性.最后,通过泊松INAR(1)模型对一组实际的整数值时间序列数据建模,利用偏差修正CLS估计方法进行参数估计,并对模型进行预测.     

Bootstrap在零膨胀泊松回归模型检验中的探索

根据零膨胀计数数据的特点,将Bootstrap统计技术运用到零膨胀泊松回归模型的置信区间计算及参数假设检验。通过计算机模拟,得到：第一,当样本量较小时,Bootstrap对参数估计进行假设检验的结果更为保守;第二,Bootstrap的学生氏置信区间优于零膨胀泊松回归模型的区间估计。     

一类混合地理加权随机前沿模型的估计

为了刻画生产单元之间的空间效应,本文提出了一类混合地理加权随机前沿模型.基于两步估计方法和似然方法给出了模型的估计,并讨论了各生产单元技术效率的估计问题.     

盗窃犯罪空间分布与地理因素的关联

为分析犯罪空间分布成因,将地理加权回归模型用于犯罪空间分布与地理因素关联研究。该模型可以处理空间关系变化过程,求解空间非稳定性问题。以社区盗窃案件发案率为例,建立了盗窃刑事犯罪率与社区人口密度、路网密度、社区距派出所距离等因素之间的局部分析模型,给出了参数估计及显著性检验空间分布图。结果表明,犯罪空间分布与人口、环境等因素的关系随空间位置而改变;地理加权回归模型可以提高参数估计的准确性。     

基于采样交通量与卡尔曼滤波的增程式电动汽车续航里程估算研究

为了提高增程式电动汽车续驶里程估算精度,消除驾驶员因电动汽车续驶里程估计不准确产生的忧虑心理,提出一种新的基于采样交通量与卡尔曼滤波的增程式电动汽车里程估算方法。依据不同道路等级,通过指数回归模型对增程式电动汽车交通量进行估算。介绍了卡尔曼滤波原理,给出卡尔曼滤波方法状态方程与观测方程,利用最小二乘法对卡尔曼滤波公式进行推导,获取状态向量预测值和状态向量测试方差矩阵。介绍了单位能耗行驶里程计算方法。结合采样交通量和剩余续驶里程计算结果,通过卡尔曼滤波方法获取下一时刻增程式电动汽车的续驶里程,实现对增程式电动汽车续驶里程的估算。经实验验证,所提方法估算准确性高。     

基于路段流量平衡的转向交通量推算方法研究

在实际观测交通量时,因观测时间不同步、观测误差等原因导致路段出入口交通量不相等,而在OD矩阵推算研究中却要求路段交通量平衡。为解决这一问题,分别以推算简便快捷、流量均匀分配、减小流量变化率为依据提出三种路段流量平衡推算方法,应用MATLAB软件编写程序获得推算结果。同时提出三个评价指标,以验证平衡推算方法的可靠性。最后以实际三横三纵九个交叉口所组成的路网为例,运用提出的方法进行推算,结合实际情况评价分析后验证了本文提出的方法是可行有效的,其结果可用于路径流量分配,并为交通信号协调控制提供基础数据。     

基于图Transformer网络的城市路网短时交通流预测模型

针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出一种基于图Transformer（graph transformer,Graformer）的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,本文将带有边的图同构网络（graph isomorphism network with edges,GINE）和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络（long short-term memory,LSTM）对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。通过使用PeMS数据集进行实验验证,结果表明提出的Graformer模型在各项性能指标上均优于对比模型,证明了其作为一种可靠且高效的路网短时交通流预测方法的有效性。     

A BP neural network based information fusion method for urban traffic speed estimation

Obtaining comprehensive and accurate information is very important in intelligent traffic system (ITS). In ITS, the GPS floating car system is an very important approach for traffic data acquisition. However, in this system, the GPS blind areas caused by tall buildings and tunnels could affect the acquisition of traffic information and depress the system performance. Aiming at this problem, we developed a novel method employing a back propagation (BP) neural network to estimate the traffic speed in the GPS blind areas. When the speed of one road section is lost, we can use the speed of its related road sections to estimate its speed. The complete historical data of these road sections are used to train the neural network, using Levenberg-Marquardt learning algorithm. Then, the current speed of the related roads is used by the trained neural network to get the speed of the road section without GPS signal. We compare the speed of the road section estimated by our method with the real speed of this road section, and the experimental results show that the speed of this road section estimated by our method is better.     

基于GA-tBP模型的城市道路交通量预测

针对城市道路交通量时间差异性强的问题,提出了一种使用遗传算法(genetic algorithm,GA)优化BP(back propagation)神经网络并考虑时间特性的模型(GA-tBP)预测道路交通量。从月、周、日3个维度统计分析了历史交通量数据存在的差异,得出影响城市道路交通量的时间因素。以江西省南昌市赣江中大道交通量为例,对未来24 h内每5 min交通量进行预测,对比分析了不同模型在预测精度和学习能力等方面的表现。研究结果表明,同不考虑时间特性的模型及其他传统预测模型相比较,GA-tBP模型的预测效果最好,其均方误差(mean squared error, MSE)及平均绝对误差(mean absolute error, MAE)分别为14.87 veh/5 min和2.44 veh/5 min,故该模型具有可行性和有效性。     

道路交通意外事件影响范围确定方法

为便于针对交通意外事件及时采取交通疏导措施,提出了一种城市交通意外事件影响范围确定方法.该方法在事发地点周边寻找交通分流区域,通过OD矩阵反推、交通流的重新分配和滚动优化,估算实施的交通疏导措施后,该区域内交通流总出行时间的变化情况,并以此作为确定交通意外事件造成的交通影响范围的评判标准,实时寻找合理的交通意外事件影响范围.以南京城区局部道路网为对象,结合交通意外事件的相关数据,对该方法进行了模拟仿真实验.实验表明:该方法确定交通意外事件影响范围的有效性和可行性;同时,该方法还充分考虑到交通疏导措施可能对事发地点周边城市交通网造成的负面影响,有利于交通紧急疏导方案的制定与实施.     

城市路网交通流的空间互相关性

该文研究了路段流量序列间互相关系数与其空间距离的关系.通过对城市路网各路段交通流量序列进行互相关分析,研究了网络交通负荷、交通流日变化趋势及流量采样周期对该关系的影响.结果表明:间距相同的若干路段对的互相关系数各不相同;在统计意义下,路段间平均互相关系数随路段空间距离增大而减小;随着交通网络负荷的增加网络交通流渐趋拥堵...     

考虑空间不平稳的交通拥堵传播特性研究

基于城市道路交通拥堵的空间影响特征和传播规律对交通管理和诱导措施的重要作用,在分析城市道路交通流数据空间不平稳性的基础上,对空间Durbin模型进行改进,并据此提出一种道路交通拥堵传播特性分析方法.通过北京市的案例研究发现,改进模型对交通流的描述效果得到了显著提高;局部交通拥堵具有显著空间传播特性,且随空间范围扩大逐渐衰减;特别是当路网处于临界密度状态时（14：00左右）,局部拥堵的传播影响达到最大.因此,拥堵缓解措施应对路网临界密度状态及关键节点进行重点监控和疏导,以控制拥堵传播所造成的空间影响.     

城市道路路段环境交通容量

将城市环境空气质量控制的思想与城市道路交通容量的概念相结合,提出了城市道路环境交通容量的概念.基于格林希尔治(Greenshields)速度密度的线性模型,得到了速度流量的函数关系;基于机动车排放因子与行驶速度的关系,建立了机动车污染物排放浓度与交通量的关系;运用非线性规划理论,建立了以路段通行能力和污染物浓度控制标准为主要约束条件,以路段交通量最大为目标的最优化模型;运用拉格朗日广义乘子法给出了模型的求解算法.实例研究表明:在控制一氧化碳(CO)浓度下,各车型交通量与在控制二氧化氮(NO2)下的各车型交通量有比较大的差异,特别是微型车、中型车和公交车,造成了环境交通容量要小于道路交通物理容量很多,原因在于不同车型的不同污染物排放因子存在差异.因此,合理的交通结构不仅有利于提高道路交通容量,也有利于保护环境空气质量.     

基于时空权重相关性的交通流大数据预测方法

将分布式增量大数据聚合方法与交通流数据清洗规则相结合,可以为交通流预测分析提供更准确可靠的数据源。通过交通流在路网中的相关性分析,使用多阶路口转弯率构建空间权重矩阵,完成对STARIMA交通流预测模型的改进。实验结果表明,该方法可以在工作效率及准确程度上满足交通流大数据预测的需求,为交通诱导信息发布提供依据。