基于人口合成技术的居民出行调查数据扩样

为提高居民出行入户调查样本代表性,使调查数据能够准确反映居民出行特征,在分析居民出行调查数据处理现状及常规扩样方法局限性的基础上,引入基于人口合成技术的IPU算法(iterative proportional updating)和GRE算法(generalized regression),对深圳市居民出行入户调查数据进行实证分析,并利用相关系数及相对误差指标对扩样结果进行评价。结果表明:利用算法关联家庭与个人表的频数矩阵,通过迭代调整扩样权重值、IPU算法和GRE算法均能很好地拟合家庭与个人的属性分布与总体一致,且相对误差控制在6%左右,满足扩样的精度要求。由于IPU算法更具普适性,算法不受初始权重及稀疏样本限制,其扩样误差及波动性较小,扩样结果更为稳健。