基于公交通勤的城市职住空间特征研究

《基于公交通勤的城市职住空间特征研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于公交通勤的城市职住空间特征研究作者姓名林龙工程领域交通运输工程校内指导教师翁小雄教授校外指导教师徐晓帆高级工程师所在学院土木与交通学院论文提交日期2018年6月ResearchontheSpatialCharacteristicsofUrbanJobs-housingspaceBasedonPublicTrafficADissertationSubmittedfortheDegreeofMasterCandidate：LinLongSupervisor：Prof.WengXiaoxiongSouthChinaUniversityo

2、fTechnologyGuangzhou,China分类号：U491.5学校代号：10561学号：201521007510华南理工大学硕士学位论文基于公交通勤的城市职住空间特征研究作者姓名：林龙指导教师姓名、职称：翁小雄教授徐晓帆高级工程师申请学位级别：工程硕士工程领域名称：交通运输工程论文形式：□产品研发□工程设计√应用研究□工程/项目管理□调研报告研究方向：城市公共交通系统论文提交日期：2018年6月19日论文答辩日期：2018年6月1日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：谭满春委员：甘勇华、许伦辉、刘伟铭、林培群

3、摘要近年来随着我国社会经济快速发展，城市规模不断扩张，住宅郊区化现象越来越严重，导致城市居民职住空间分离问题愈加突出，该现象不仅增加居民通勤成本还对城市交通产生巨大压力，严重阻碍社会的可持续发展。本文利用问卷调查数据和公交数据构建基于支持向量机SVM的公交通勤识别模型，并采用粒子群算法PSO优化SVM参数，再利用密度聚类DBSCAN对通勤乘客的职住站点进行判别，进而依托交通小区计算公交职住空间指数，最后利用兴趣点POI数据与公交职住空间指数进行城市居民职住空间影响因素分析，为交通规划和城市管理提供基础数据和决策依据。首先，本文进行公交数据和POI数据

4、预处理。其次，利用文献查阅和统计分析方法进行特征提取，将问卷调查数据作为训练数据集和测试数据集，运用PSO寻找SVM惩罚参数和核函数参数的最优组合，采用ROC曲线对比常用机器算法与PSO_SVM算法的优劣，构建基于PSO_SVM的公交通勤识别模型。最后，根据公交通勤识别模型结果，利用DBSCAN聚类推断通勤乘客的职住站点，依托交通小区计算公交职住空间指数，以降维后的POI数据为自变量、职住空间指数为因变量，利用LASSO回归构建城市居民职住空间影响因素模型。本文以珠海市为研究对象，该城市的公交出行分担率较高，且不含有城市轨道交通系统，故利用海量公交数

5、据分析珠海市居民的职住空间具有合理性、可行性。本研究的主要结论有：①由公交通勤识别模型结果可知，PSO_SVM的ROC曲线向左上角凸出的程度最明显，其AUC值为0.92，训练精度达到90.39%；②由职住站点分布结果可知，珠海市主城区的职住分离程度明显好于郊区，而郊区经济较好的卫星城镇的职住空间分离情况并不严重，但某些功能单一的大型小区导致职住空间分离问题突出；③由基于POI数据的职住空间影响因素模型结果可知，办公类和住房类对公交职住空间指数的影响最大，交通类有一定的影响，服务类、休闲类、医疗类和教科类的影响很小。本研究有助于深入分析公交乘客的通勤特

6、征和城市职住空间组织结构，优化城市的交通结构及交通布局，提高城市居民出行效率和交通空间利用率。关键字：公交数据；特征提取；通勤识别；POI数据；职住空间IAbstractInrecentyears,withtherapidsocio-economicdevelopmentofourcountry,thescaleofthecityhascontinuouslyexpanded,andthesuburbanizationofresidentialhousinghasbecomemoreandmoreserious.Thishasledtoanincre

7、asinglyprominentseparationofurbanandruralresidents.Thisphenomenonnotonlyincreasesresidents’commutingcostsbutalsoexertstremendouspressureonurbantransport，andseriouslyhinderthesustainabledevelopmentofsociety.ThispaperusesquestionnairesurveydataandpublictransitdatatobuildaSVM-base

8、dtrafficidentificationmodel,usesPSOtooptimizeSVMparame