基于出行链的郑州居民日出行次数预测模型验证

本文主要探讨了基于出行链理论的居民日出行次数建模与仿真方法，发表在2012年的《深圳大学学报理工版》第29卷第3期。研究由东南大学交通学院的何流、陈大伟、卢静和李旭宏四位作者共同完成。他们针对城市居民出行，提出了一个创新的分析框架，将出行者分为学生、老年人和就业者三类，分别构建了相应的出行次数模型。 对于学生出行，他们采用了logistic回归模型，这是一种常用的数据挖掘和预测技术，用于估计个体出行概率与影响因素之间的关系。这种方法特别适用于出行行为受多种因素（如学习时间、学校地理位置等）影响的学生群体。 针对老年人，研究者应用了泊松分布模型，这是一种描述随机事件发生次数的概率分布，适合于描述出行次数这类整数型变量，且通常假设事件的发生率是固定的。泊松分布模型能够捕捉到老年人出行次数的波动性，考虑到了他们可能的固定出行需求或规律。 对于就业者，他们构建了一个NL（数状分对数）出行选择模型，这可能是一种更为复杂的非线性模型，考虑了就业者在出行决策中的复杂偏好和多目标优化问题，如工作地点、通勤时间等因素。 整个研究过程不仅依赖于城市宏观社会经济数据，还利用了计算机仿真技术来求解模型，从而预测不同类别出行者的日平均出行次数。以中国中部城市郑州市为例，通过对比计算机模拟结果与实际调查数据，验证了模型的实用性和准确性。结果显示，通过这种建模仿真方法得到的结果与实际情况高度吻合，证实了该模型在预测居民出行次数方面的有效性。 关键词包括“载运工具运用工程”、“出行链”、“出行次数”、“logistic回归”、“泊松方程”和“NL模型”，这些关键词展示了论文的核心研究内容和方法论。整体而言，这项研究为理解和预测城市居民出行模式提供了重要的理论支持和实证依据，对于城市交通规划、公共交通政策制定以及出行模式优化具有重要意义。