基于深度学习的城市流量预测

就所述的长短期记忆(LSTM)模型和DeepST-ResNet模型进行了研究分析,并基于西安滴滴出行的真实数据对相关模型进行对比实验,分析了各个模型的优劣,提出了建立更优模型的思路与展望.

海口城市建成环境对高峰期网约车通勤出行的影响——基于滴滴出行数据

网约车的普及重塑了居民的通勤行为。城市建成环境作为居民通勤出行的制约因素,是交通地理学的重要研究议题。采用海口市滴滴出行订单数据,刻画格网尺度的居民通勤时间与通勤距离的空间分异格局,并运用地理探测器分析城市建成环境对居民通勤出行的影响。结果表明:(1)早晚高峰通勤时间在空间上表现为中间集聚、四周分散的分布特征;早晚高峰通勤距离呈现梯度递增的圈层结构。(2)不同维度的建成环境因素对通勤时间和通勤距离的影响程度不一;其中距公交站距离、距市中心距离、职住比、道路邻近度是核心影响因素;人口密度、就业可达性、路网密度产生较为显著的影响。(3)从影响效应看,交通区位优越、职住趋于平衡、道路邻近度高、就业可达性好能引导网约车与多元交通协同发展。结果可为改善交通出行环境、优化居民通勤结构提供借鉴。