广州市机动车人行横道让行行为及影响因素分析

为了探索广州市机动车驾驶员人行横道处让行行为的特征与其影响因素,采用实地调查、问卷调查和卡方检验等方法,对广州市3处典型人行横道处进行现场观测,发放并收集434份有效问卷,开展机动车让行率、行人和驾驶员对于让行行为的认知及态度、驾驶员特征因素对让行行为频率的影响等方面的统计分析。研究结果显示,广州市机动车在人行横道处减速或停车让行的比例低于15%;女性驾驶员、年龄较大的驾驶员和受教育程度高的驾驶员更倾向于在人行横道处让行。

基于大数据的城市活力区和中心城区边界识别--以广州市为例

城市活力区和中心城区是认识和研究城市的重要基础性信息,也是城市管控政策制定的前提。传统调查数据难以准确界定边界,城市活力区和中心城区边界的确定多以定性为主。大数据的兴起为城市功能区边界识别创造了条件。基于手机信令数据、互联网位置数据、兴趣点等多源数据,建立人口综合密度、兴趣点密度两大静态指标,以及与城市中心可达性、商务休闲活动驻点密度两大动态指标,以综合识别城市活力区和中心城区边界。动态指标和静态指标的组合使用克服单一指标或仅静态指标识别的局限性。以广州市为例阐述了该方法的实用性,识别出广州市活力区和中心城区的范围已与国际一流城市相当。

大数据支撑的交通视角下同城化发展阶段辨别分析

为促进区域一体化发展,实现城际交通设施差异化配置,提供与区域发展状态相匹配的交通设施供给,须把握同城化现状发展状态,提出了一种交通视角下同城化发展阶段辨别的方法。首先,在同城化交通内涵分析基础上,从交通视角将同城化划分为单向同城化、双向同城化、融合同城化三个阶段;其次,基于手机信令等大数据的城际出行特征挖掘,提出了同城化阶段和出行模式定量识别方法;最后,以广州、佛山、东莞为例进行了实证研究,结果表明,广州—佛山处于双向同城形成阶段,通勤走廊特征明显,广州—东莞处于同城化初期阶段,产业走廊特征明显。

大数据技术在道路建设规划中的应用实践

为弥补道路建设规划编制中的定量支撑体系不健全的问题,结合大数据大样本、长周期、高密度、宏微观精准分析能力的特点,提出了基于多源大数据的路网运行诊断技术,长周期数据支撑下的道路近期发展趋势预测,高密度数据渗流理论的关键路段甄别方法.以广州市道路交通建设规划为例,验证了大数据技术在建设规划中的适用性,促进了大数据技术在交通领域的应用.