排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
常见的基于实测数据的origin-destination(OD)预测方法分为两类:一类基于历史信息,即根据上一天或上一周同一日相同时段的数据进行预测,简称同比预测法;另一类则是根据同一天相邻时间段的数据预测本时段的OD,简称环比预测法.预测所用基础数据的时段长度称为时间颗粒度.时间颗粒度的大小对OD预测结果的稳定性、准确性具有重要影响.针对上海快速路网,采用ADF单位根检验和KMeans聚类分析方法,研究时间颗粒度对预测结果的影响,提出了时间颗粒度选择的建议,同比预测方法相比环比预测法更容易得出稳定、合理的预测结果,30~60min的时间颗粒度预测效果较好. 相似文献
2.
针对公共交通方式出行特点设计了RP(revealedpreference)与SP(stated preference)调查结合的方法,并根据正交试验设计的原理对SP调查中的变量和水平进行组合设计;提出根据立席密度对拥挤程度进行描述的方法,并对拥挤程度进行分级.以此为基础,建立包含时间、费用和拥挤度的离散选择模型,通过对拥挤度的弹性分析研究其对出行者交通方式选择意愿的影响.实例证明拥挤度对出行者交通方式选择产生巨大影响,是在构建常规公交和轨道交通方式的效用函数和方式竞争选择模型时不可缺少的因素. 相似文献
1