文章:Activity identification and primary location modelling based on smart card payment data for public transport
作者:Chakirov, Artem, and Alexander Erath.
来源:13th International Conference on Travel Behaviour Research, 2012.
本文利用新加坡公交刷卡数据来检测人类活动类型,主要是home和work place。
建立了两个模型:
选择了三个变量:活动持续时间,活动最早的开始时间和土地利用类型。
利用离散选择模型估计出了系数再与调查数据进行对比。
结果是活动持续时间,活动最早的开始时间这两个变量作用比较明显,土地利用类型虽然有正面作用,但效果不明显。
作者:Chakirov, Artem, and Alexander Erath.
来源:13th International Conference on Travel Behaviour Research, 2012.
本文利用新加坡公交刷卡数据来检测人类活动类型,主要是home和work place。
建立了两个模型:
1,经验模型:持续时间在6-16之间的为work类型,见下图。
选择了三个变量:活动持续时间,活动最早的开始时间和土地利用类型。
利用离散选择模型估计出了系数再与调查数据进行对比。
结果是活动持续时间,活动最早的开始时间这两个变量作用比较明显,土地利用类型虽然有正面作用,但效果不明显。
下图说明了90%的journey开始的地点和上一次journey结束的地点相差不超过1km(实线);虚线则说明了一天64%的journey结束地点和早上开始的地点相差不超过1km,这是由于有私家车来接送等情况。