地铁站点周边的商业集聚及其影响因素

选取广州地铁3个代表性站点，基于实地调研与空间分析方法对比其商业集聚的共性与差异，并通过对商家的问卷调查分析其影响因素．研究发现:地铁站周边商业网点以快速消费型为集聚主体，网点的空间分布不均，呈明显的圈层状结构，不同站点商业网点的集聚强度和共功能结构有所差别，可分为散布型、孤点型和聚合型等3种形态．商业属性、商家集聚效益和地铁的诱导是地铁站商业集聚呈现出共性的影响因素，依附商圈的发展差异、道路体系差异与地铁效应的差异是地铁商业集聚呈现差异的主要因素．     

基于k-means聚类的城市轨道交通站点分类研究

城市轨道交通站点的分类对于研究不同类型站点周边的土地利用、客流变化规律、发展趋势等都有着重要作用。文章采用聚类分析的方法,聚类的初始变量为11个与站点自身特征和站点周边环境影响因素相关的变量。使用Z-score的方法将初始变量标准化,通过主成分分析法提取出4个主要因子,最后采用k-means聚类方法,根据提取出的4个主要因子对轨道交通各站点进行类别划分。文章对苏州市轨道交通1、2号线共58个站点进行聚类,最终分为一般站点、商业区站、交通接驳站、居住区站、综合交通枢纽站共5类站点。通过站点分类,可以为分类别的站点后续研究建立基础,为站点周围区域的发展提供参考。     

基于双变量空间自相关的轨道与地面公交换乘服务水平分析：以北京市早高峰为例

轨道站点换乘服务水平分析有利于制定缩短换乘时间的规划策略和方案,而现有研究缺少利用公交IC卡的数据进行轨道交通站点换乘服务水平的分析﹒本文基于北京市公交IC卡的数据,对其轨道站点早高峰进出站客流量、轨道和地面公交线路间的平均换乘时间进行统计,并分别进行轨道站点进站客流量与公交换乘地铁的平均换乘时间、轨道站点出站客流量与地铁换乘公交的平均换乘时间的双变量空间自相关分析,以此探究轨道站点客流量与换乘时间之间的空间集聚关系,并将高-高、低-高集聚特征站点作为换乘服务水平较差站点﹒结果表明：公交-地铁换乘服务水平较差的站点有28个,地铁-公交换乘服务水平较差的站点有24个﹒最后,以国贸站为例,分析了其换乘服务水平差的主要原因,并提出了其地面公交运营的改善策略.     

基于LSTM的轨道交通进站客流短时预测研究

对轨道交通进站客流进行准确的预测有助于城市交通系统更好的管理,及时做出应对措施。使用Kmeans聚类方法对南京地铁113个站点进行聚类,得到5个不同类别的轨道站点,分析不同类型站点进站客流的时序特征以及天气与工作日因素对客流的影响,发现是否为工作日对进站客流影响最为明显。用长短时记忆网络将前35天的数据作为训练集预测后4天的客流量,将预测结果与循环神经网络和支持向量机做比较。结果表明:类别1和类别3站点的进站客流预测精度要优于其他类别,长短时记忆网络模型对居住型轨道站点进站客流的短时预测具有很好的适用性。     

我国上市公司资本结构的实证分析

运用实证分析的方法计算并分析了上市公司资本结构的影响因素,首先对选取的15个原始变量进行主成分分析,并计算出主成分得分;然后用主成分得分与资产负债率作多元回归分析;最后根据实证分析的结果进行了因素分析．结果表明：（1）短期偿债能力指标或者变现能力指标对资本结构的影响最大,且与资产负债率之间呈负相关关系;（2）企业规模与资产负债率呈正相关;（3）股权结构及企业的盈利能力与资产负债率呈负相关。     

空间数据驱动的B市主城区犯罪时空分布及其影响因素分析

本文以基于派出所的泰森多边形为研究单元,采用核密度估计、标准差椭圆、G统计分析、地统计分析和全局Moran''s I指数分析B市2016-2017年犯罪在空间上的分布情况。基于空间兴趣点（Point of Interest, POI）与多时相遥感分类体系等多源数据,采用相关分析和主成分分析提取犯罪影响因子,通过解释变量Johnson变换后的地理加权回归模型（Geographically Weighted Regression model, GWR）和基于主成分因子的最小二乘法模型（the Ordinary Least Squares model, OLS）解释因子对五类犯罪空间分布的影响。研究发现：时空分析上,在六、七月份犯罪率最高,具有“东西”走向且“离心型犯罪化”的表现;影响因素分析中16个自变量中有10个变量对犯罪率存在较强的正相关影响,而这些变量之间具有空间自相关性,因此采用基于主成分分析的最小二乘法和地理加权回归模型对其消除空间自相关性建立回归模型;而几个回归模型检验上,基于主成分因子的OLS、GWR与Johnson变换后GWR模型均具有较高的拟合度。此研究结果可为犯罪防控及犯罪预测建模提供参考与建议。     

基于向量自回归和动态模式分解的城市轨道交通短时OD预测

针对城市轨道交通OD客流量短时预测问题,提出基于向量自回归（Vector Auto Regression, VAR）和动态模式分解（Dynamic Mode Decomposition, DMD）的VAR-DMD组合预测模型.首先,以北京市范围内的地铁站点为例,基于自动售检票系统数据（Auto Fare Collection, AFC）,对地铁OD客流进行时空特征分析;其次,构建高阶加权向量自回归模型捕获OD客流数据的时空关联性,利用动态模式分解算法估算模型的参数,提取OD客流数据动态特征,实现数据的降维和降噪,利用实时更新算法更新模型的参数,实现长期连续预测;最后,以北京地铁AFC数据为算例,对模型进行验证.研究结果表明：相较于基准模型,VAR-DMD模型的运行时间减少96.67%,预测误差减少2.6%,具有较高的预测速度和预测精度,为城市轨道交通运营管理部门提供了可靠又及时的决策依据.     

城市商圈空间均衡模型及仿真实验研究

从空间经济学角度出发,考虑了城市商圈空间结构异质性和空间集聚等特性,构建城市商圈一般均衡模型,并利用计算机仿真工具对影响城市商圈空间结构的空间演进因素进行模拟实验.结果证实:城市规模的扩大是城市商业及其空间结果演化最为重要的外生动力;人口密度增加后,城市商圈的空间外部性得到显著增强;城市交通设施通过内部交通通达性改变商业空间结构;电子商务极大促进了商业业态的发展,从规模和质量上提升城市商业空间结构.     

基础设施投资对科技人才集聚度的影响研究

立足科技人才集聚度影响因素分析，在文献研究的基础上，抓住区域基础设施投资与科技人才集聚度相关性，探索企业家社会责任通过基础设施投资对科技人才的影响度。以熵权法确定基础设施投资指标权重，运用stata16.0，采用多元线性回归模型进行实证分析。研究发现：企业家发挥社会责任，投资基础设施项目，促进环境改善，有利于提高科技人才集聚度；企业家社会责任在基础设施投资与科技人才集聚中发挥正向调节作用。提出了在基础设施投资领域发挥企业家社会责任的相关建议。     

上海市人工智能产业空间集聚研究

基于网络大数据筛选出上海市人工智能（AI）企业信息,通过网络爬虫技术获取企业位置坐标,并运用空间分析和地理探测器,探讨了上海市人工智能企业空间集聚特征及影响因素.结果发现：（1）上海市人工智能企业形成了以张江为一级集聚核心,漕河泾周边地区和五角场为次级集聚核心的空间格局;（2）科技创新、GDP、外商投资、通达性和科学技术支出是上海市人工智能企业空间集聚的重要驱动因素;（3）各影响因子交互均出现了双因子增强或非线性增强的关系,其中核心交互因子是科技创新和通达性,人口密度与GDP、外商投资的交互影响力较大.     

添加剂对流动沸腾压降的影响

研究了添加剂对垂直铜管内流动沸腾压降的影响。实验介质为水，所用的添加剂为分子量２５６万的聚丙烯酰胺胶乳（ＰＡＭ）及十八烷胺（ＯＤＡ）．测定了添加剂溶液流动沸腾两相流压降，并且用Ｍａｒｔｉｎｅｌｌｉ分离流模型回归了不同添加剂浓度下的液相摩擦因子ｆ１与液相雷诺券Ｒｅｔ间的函数关系．根据回归的模型方程计算两相流压降，与实验值比较其相对误差为１５％左右，研究结果表明，在一定热通量和一定浓度范围内，加入少量添加剂ＰＡＭ可改善流体的流动，减少流动沸腾的阻力，提高单位压降的沸腾传热系数；但ＯＤＡ无明显的减阻效果。     

地铁候车厅客流疏散时间的数学模型研究

研究地铁候车厅客流运动的数学模型,使之能够应用于地铁到达客流疏散时间的预测.通过实际测量和参数优化方法,对模型参数进行了成功辨识.根据这一模型计算的客流疏散时间,与上海地铁3个有代表性站点的400多组实际观测数据对比,显示吻合程度很高.应用本模型得到了客流“合理化”以减少疏散时间的定量数据,以及一个预报“大客流爆满”的判断指标.     

焊接质量控制的主成分分析人工神经网络

介绍了主成分分析方法及人工神经网络技术在相关因素分析和质量控制的建模与估计中的应用．以大电流MAG焊熔宽控制为例，通过对6个焊接过程参数进行主成分分析，提取出影响熔宽的4个主要因素，讨论了提取的主成分与原始过程参数间的关系．以主成分得分作为新的训练样本集，送入神经网络进行计算．结果表明，基于主成分分析的神经网络无论在收敛速度，还是在训练精度上，都远远优于基本BP神经网络．     

浅谈地铁车站大客流应对措施探讨

本文对地铁车站客流组织影响的因素进行分析,期述了客流激增对地铁运营、设备设施、乘车安全等带来的影响和压力.针对深圳地铁车站的客流组织方法,简析了地铁车站应对大客流时应采取的组织措施.     

基于FAHP法的污染物排放总量综合评价与分配

从经济、环境、社会整体效益出发,定量与定性相结合,综合评价各因素来完成二氧化硫排放总量合理分配。考虑到影响污染物排放总量多种因素关系的模糊性,首先利用模糊层次分析法（FAHP）确定指标因子的权重,进行污染物排放总量综合评价;再利用主成分分析法（PCA）选取数目较少的综合因子作为评价的综合指标,来确定各分配单位的权重。     

主成分分析在线性模型与非线性模型的应用研究

为了解主成分分析在线性模型与非线性模型预报中的应用效果,在2001—2011年热带气旋历史观测资料基础上,采用主成分分析方法,结合线性回归模型和神经网络模型,开展西北太平洋热带气旋的强度预报技术研究试验．根据提取的主要影响因子构造线性回归模型与BP神经网络的输入样本进行不同样本的台风强度预测．计算结果表明,主成分分析通过降低线性回归模型和BP神经网络模型的维数,减少自变量之间的复共线性,减小模型的预报平均绝对误差．     

主成分分析和回归分析在水稻土质量评价中的应用——以桐城市为例

运用主成分分析和多元线性回归相结合的方法对桐城市水稻土资源进行质量评价,文中选用了桐城的24个典型土种,12个变量（评价项目）,先对土种理化性质进行数字化处理,通过计算机输入处理过的标准化数据,采用主成分分析法筛选出影响水稻土生产力的8个主导因子,再应用回归分析对这8个入选因子进行全回归分析得出回归方程,用这8个入选因子的回归系数求得其权重以及土种各因子的具体评价指数,最后进一步对所有土种进行综合评价并进行归类分等,评价结果与实际完全一致。     

青年男性血沉正常参考值与地理因素的关系

为制定青年男性血沉正常参考值的统一标准提供科学依据．收集了中国157个单位甩温氏法测定的12180例健康青年男性血沉正常参考值．运用偏相关分析的方法，研究了其与地理因素的关系．发现海拔高度是影响青年男性血沉正常参考值最主要的因素，随着海拔高度的逐渐增大，青年男性血沉正常参考值在逐渐的减小，相关性极显．用主成分分析的方法提取了两个主成分z1和z2，它们能较全面的反映所有变量的信息．用青年男性血沉正常参考值对这两个主成分进行回归分析，得到回归方程：^Y=3.68-0.0009201X1 0.005251X2 0.05234X3 0.1038X4 0．0005743X5。如果知道了中国某地的地理因素，就可以用回归方程估算这个地区的青年男性血沉正常参考值．依据青年男性血沉正常参考值与地理因素的关系把中国分为青藏区，西南区，西北区，东南区，华北区，东北区等6个区。     

基于主成分分析的西藏自治区城镇化空间分布类型

利用主成分分析法,选取表征西藏自治区城镇化特征的人口、产业、用地、社会和自然环境等方面的变量,提取了西藏自治区城镇化特征的主成分,再通过聚类分析划分了西藏自治区城镇化类型. 结论如下:（1）西藏自治区城镇化内容可归纳为7大主因子,援藏因子、消费因子、农业因子、自然因子、城建因子、二三产因子和教育因子,主因子体现了西藏自治区发展的特点;（2）2015年西藏自治区城镇化可划分为中心地服务型、农牧业生产型、二三产业发展型、援助依赖型、帮扶援建型、自然环境限制型和自然环境依托型等7种类型,不同类型的城镇化特征明显;（3）西藏自治区城镇化模式不同于全国大部分地区,城镇化建设不能照搬其他地区经验.     

城市轨道交通车站客流特征影响程度分析

城市轨道交通车站客流特征与其周边建成环境和社会经济因素密切相关，且不同影响因素对客流特征的影响也存在时间和空间异质性。以车站工作日日均客流量、工作日特殊时段(如早高峰进站、早高峰出站、晚高峰进站和晚高峰出站)客流量为因变量，从车站属性、连接性和建成环境3个方面选择23个自变量，采用多尺度地理加权回归(MGWR)模型构建客流特征分析模型，分析不同时间尺度下轨道交通车站客流量的影响因素及其相互作用，并以南京市轨道交通系统进行实例分析。结果表明：与普通最小二乘法(OLS)回归模型和地理加权回归(GWR)模型相比，MGWR模型更为可靠；忽略早晚高峰客流影响的全天客流量预测模型拥有的显著自变量最多，到市中心的距离对客流量有显著的负影响，证明距离市中心越近的车站的客流量集聚性越明显；周边居住、生活类设施占比较高的车站对早高峰进站和晚高峰出站客流有很强的吸引作用，而周边居住、生活类设施占比不高的车站对早高峰出站和晚高峰进站客流有很强的吸引作用。研究结果可以为城市规划部门促进城市轨道交通与城市建设的协同发展提供理论支撑。