《长沙理工大学学报(自然科学版)》
基于数据驱动的城市居民出行 OD预测
作者:
作者单位:

(长沙理工大学 交通运输工程学院,湖南 长沙 410114)

作者简介:

杨明(1963-),男,教授,主要从事交通运输规划与管理、交通运输经济等方面的研究。

通讯作者:

杨明(1963-),男,教授,主要从事交通运输规划与管理、交通运输经济等方面的研究。

中图分类号:

V221.3

基金项目:

湖南省教育厅科学研究项目(20B009)


Traffic OD prediction of urban residents based on data driven
Author:
Affiliation:

(School of Traffic and Transportation Engineering,Changsha University of Science & Technology,Changsha 410114,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    【目的】利用“大数据”对城市居民出行量(OD)的预测方法进行改进,以期改善传统城市居民出行调查方法费时、费力且准确度不高的问题,同时也为城市公共交通规划与管理提供可靠的数据支持。【方法】结合手机信令数据、公交IC卡、公交 GPS以及地铁闸机数据的特点和优势,利用聚类分析等方法获取城市居 民公共交通出行的 OD 矩阵,并利用小波神经网络结合优化后的鲸鱼算法(improved whale optimization algorithm-wavelet neural network,IWOA-WNN)对未来时段的出行OD矩阵进行预测。以长沙市为例,选取60 d晚高峰期间的原始数据,利用IWOA-WNN 进行预测,并结合时间序列方法进行分析。【结果】与优 化前的小波神经网络相比,IWOA-WNN 的预测结果更加贴近实际情况,精度达到了93.36%。【结论】本研究提出的数据处理及预测方法具有更高的准确度。

    Abstract:

    [Purposes]The paper explores the use of "bigdata"to innovate the prediction method of urban residents'travel volume(OD), improve the time-consuming,laborious and inaccurate problems of traditional urban residents'travel survey methods, and also provide reliable data support for urban public transportation planning and management. [Methods] Combining the characteristics and advantages of mobile phone signaling data,bus IC card, bus GPS and subway gate data, the OD matrix of urban residents'public transportation travel was obtained by cluster analysis and other methods,and the wavelet neural network combined with optimized whale algorithm (IWOA-WNN)was used to predict the travel OD matrix of future time period. Taking Changsha City as an example, the original data during the 60 d evening peak period were selected, the IWOA-WNN was used for prediction, and the time series method was combined for analysis. [Findings]Compared with the wavelet neural network before optimization, the prediction results of IWOA-WNN are closer to the actual situation, and the accuracy reaches 93.36%. [Conclusions]The methods of data processing and prediction proposed in this study have higher accuracy.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-04-10
  • 出版日期: