城市公交客流影响因素的改进灰色一致关联分析

交通运输系统工程与信息 ›› 2007, Vol. 7 ›› Issue (6): 102-108 .

城市公交客流影响因素的改进灰色一致关联分析

高咏玲，杨浩

北京交通大学交通运输学院北京100044

收稿日期:2007-05-24 修回日期:1900-01-01 出版日期:2007-12-25 发布日期:2007-12-25

Improved Grey Uniform Analysis for Relationship between Transit Ridership and Its Influence Factors

Gao Yongling, Yang Hao

School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044

Received:2007-05-24 Revised:1900-01-01 Online:2007-12-25 Published:2007-12-25

摘要/Abstract

摘要： 在大力提倡公共交通优先发展的阶段，对城市公交客流的影响因素进行分析有着重要的指导意义。本文将城市公交客流的影响因素分为公交服务水平与城市发展情况两个方面，选取了十个指标作为影响因素。考虑到城市公交客流与其影响因素之间的关系具有灰色特征与动态性的特点，建立了改进灰色一致关联分析模型。该模型具有考虑变量变化率的差异以及易于发现负相关因素的特点。然后，定义了差异度，以降低无量纲处理方法和时间序列长度对于分析结果的影响。最后，本文以北京为实例，选取八年的数据进行分析。结果表明，改进灰色一致关联分析计算出的结果与实际相符，更能反映城市公交客流与其影响因素之间的负相关关系，具有较好的实用价值。

关键词: 公共交通客流, 影响因素, 负相关, 灰关联分析, 一致关联度

Abstract: With the guidance of public transport priority development ideas, it is very important to discuss the main affecting factors which are grey correlated to transit ridership in cities. Firstly, this paper selects ten affecting factors reflecting the service level of public transportation and urban development. Secondly, the paper puts forward an improved grey uniform analysis (IGUA) algorithm which considers the differences in change rate and negative correlation factors. Moreover, the difference degree is defined to determine the length of time series which considers the influence of dimensionless methods on analysis results. Finally, the paper takes Beijing as an example to validate the IGUA. Through the comparison analysis, the effectiveness of the IGUA is proved.

Key words: transit ridership, affecting factors, negative correlation, grey uniform degree

中图分类号:

U491.17

高咏玲,杨浩. 城市公交客流影响因素的改进灰色一致关联分析[J]. 交通运输系统工程与信息, 2007, 7(6): 102-108 .

Gao Yongling, Yang Hao. Improved Grey Uniform Analysis for Relationship between Transit Ridership and Its Influence Factors[J]. Journal of Transportation Systems Engineering and Information Technology, 2007, 7(6): 102-108 .

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract17606.shtml

http://www.tseit.org.cn/CN/Y2007/V7/I6/102

参考文献

[1]裴玉龙，徐大伟. 基于模糊推理的公共交通分担率预测研究[J]. 土木工程学报，2003，36(7) ，22-26. [Pei Y. L., Xu D. W. Study on the application of mass transit ridership prediction based on fuzzy inference. China Civil Engineering Journal, 2003, 36(7), 22–26.]
[2]冯树民，李晓冬.公交客流生成预测的神经网络模型[J].交通运输系统工程与信息，2006，6(1).68-70，99.[Feng S. M., Li X. D. A neural network model for transit ridership forecasts. Transportation Systems Engineering and Information, 2006, 6(1), 68–70,98.]
[3]滕绍光.公共交通影响因素的AHP综合评价分析[J].城市公共交通，2005，21-24. [Teng S.G. AHP comprehensive evaluation and analysis on the influencing factors of public transportation. Urban Public Transport, 2005, 8, 21–23.]
[4]张庆年，高健智.城市公共交通需求预测模型研究[J]. 武汉理工大学学报，2001，23(8)，50-52. [Zhang Q. N., Gao J. Z., Study of the demand forecast model of city public transportation. Journal of Wuhan University of Technology, 2001, 23(8), 50–52.]
[5]李勇，邵诚，侯晓星.一种新的灰关联分析算法——一致关联度[J].信息与控制，2006，35(4)， 462-466.[Li Y., Shao C., Hou X.X. A Novel Grey Relation Analysis Algorithm: Uniform Incidence Degree. Information and Control, 2006, 35(4), 462-466.]
[6]袁海庆，杨明华，李芳，殷仲海.柔性混凝土配合比均匀试验灰色关联分析[J].武汉理工大学学报，2005，27(2)，21-23.[Yuan H. Q., Yang M. H., Li F., Yin Z. H. Grey relational analysis in factor analysis for mix proportion uniform-design experiment of flexible concrete. Journal of Wuhan University of Technology, 2005, 27(2), 21-23.]
[7]北京统计局，北京统计年鉴1999-2006[M].北京.中国统计出版社.[Beijing Statistical Bureau. Beijing statistical yearbook 1999-2006. Beijing. China Statistics Press]
[8]北京市交通委员会,北京第三次交通综合调查[EB]，2007， http://www.moc.gov.cn/06beijing/fazhangh/200702/t20070207_177921.html
[Beijing Municipal Committee of Communication, The third traffic survey of Beijing[EB] ,2007, http://www.moc.gov.cn/06beijing/fazhangh/200702/t20070207_177921.html]

[1]	王福建, 卢一笑, 金盛. 多信号交叉口干线行程时间特性分析[J]. 交通运输系统工程与信息, 2021, 21(4): 132-139.
[2]	宋栋栋，杨小宝，祖兴水，四兵锋. 基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究[J]. 交通运输系统工程与信息, 2021, 21(3): 214-220.
[3]	李英帅，张旭，王卫杰，居潇凡. 基于随机森林的电动自行车骑行者事故伤害程度影响因素分析[J]. 交通运输系统工程与信息, 2021, 21(1): 196-200.
[4]	雷方舒. 基于信令数据的出行强度影响因素分析模型[J]. 交通运输系统工程与信息, 2020, 20(5): 51-55.
[5]	杨烨，谭忠富，焦港欣. 基于网联数据的电动车快速充电影响因素分析[J]. 交通运输系统工程与信息, 2020, 20(5): 86-92.
[6]	周约珥，龚华凤，赵聪霄，徐小童，黄博亚. 基于Panel Data的山地城市立交基本段通行能力影响因素研究[J]. 交通运输系统工程与信息, 2020, 20(5): 163-168.
[7]	陈坚，李睿，傅志妍. 基于UTAUT 的无人驾驶公交乘客接受度模型[J]. 交通运输系统工程与信息, 2019, 19(6): 38-44.
[8]	季彦婕，谢晓乐，马新卫，高良鹏. 共享单车影响下小汽车出行方式转移机理研究[J]. 交通运输系统工程与信息, 2019, 19(3): 188-194.
[9]	张光南，钟俏婷，杨清玄. 交通违法事故时空分布特征及其影响因素 ——以广州市为例[J]. 交通运输系统工程与信息, 2019, 19(3): 208-214.
[10]	陈亮，王金泓，何涛，周志华，李巧茹，杨文伟. 基于SVR的区域交通碳排放预测研究[J]. 交通运输系统工程与信息, 2018, 18(2): 13-19.
[11]	刘宏伟，吴杰，梁雯. 公路货运效率及影响因素研究 ——皖江城市带比较研究[J]. 交通运输系统工程与信息, 2018, 18(2): 27-32.
[12]	张诗青，王建伟，郑文龙. 交通运输业能源消耗与经济增长关系及影响因素[J]. 交通运输系统工程与信息, 2017, 17(6): 7-12.
[13]	胡莹，邵春福，王书灵，孙海瑞. 基于经济计量回归模型的车辆能耗分层抽样方法研究[J]. 交通运输系统工程与信息, 2017, 17(6): 70-76.
[14]	周继彪，郭延永，吴瑶，董升. 电动自行车事故和车牌使用影响因素分析[J]. 交通运输系统工程与信息, 2017, 17(3): 229-234.
[15]	卢升荣，蒋惠园，刘瑶. 交通运输业CO2排放区域差异及影响因素[J]. 交通运输系统工程与信息, 2017, 17(1): 32-39.