一种多重回归方法用于交通流量估计

交通流量信息对交通规划和相关研究具有重要意义。传统的自动数据收集方法，如年平均日交通量 (AADT) 数据，通常受到安装数量有限的限制，而最先进的传感技术（例如，GPS）仅反映某些类型的交通流（例如，出租车和公共汽车）。目前对交通流的完整覆盖仍然不足，因此需要一个严谨的估计模型。大多数致力于估计整个道路网络交通流的研究仅依赖于道路网络的单一或少数属性，结果可能并不理想。本文提出了一种整合五种拓扑度量和道路长度的思想，基于多重回归方法来估计交通流。在香港进行了一项实证研究，使用三种类型的交通数据集，即浮动车辆、公共交通路线和AADT。使用了六项度量，即度、介数、接近度、页面排名、聚类系数和道路长度，用于交通流估计。研究发现，每种度量与三种类型的交通数据的相关性不同。接着进行了多重回归分析，包括多元线性回归和随机森林。结果表明，各种拓扑和几何度量的组合在估计交通流方面的表现优于单一度量。本文对交通规划者利用可用但有限的流量数据与道路网络特征之间的相关性估计交通流特别有帮助。