性事件,而交通需求预测问题是明显的时空问题 表6R与R模型参数估计总结 参数 GWR(带宽=0.3756) GTWR(带宽=0.237 LQ 截距 0.0 0.00.00.0 0.00.00.00.4 医院 143.3-6.40.14.9405.1 4.7|-3.80.03.8721.7 教育 64.6 0.04.5160.2-113.4-4.60.03.4270.2 银行与金融-47.8-6.60.01.9 -65.7-4.00.02.3102.2 机构 旅店-125.2-2.30.23.4164.7-230.7-2.20.13.11120.5 住宅 30.1-1.00.25.5587-68 0.70.22.3 79,6 生活服务66.0-2.60.42.996.0-67.3-2.60.32.8179.7 对外交通-161.70.00.00.01526-53.8-1.20.00.0845.9 公交地铁站-2630.13.116.64594-10760.12.814.2764 公司 娱乐-50.3-940.26.11163-6:5-3.510.144405.8 购物中 0.70.9 饭店 4.1 35 风景名胜-63.5-2.40.03.715.9-2450-2.50.027158.3 124.5-8.00.04.4164.4-81.5-5.50.02.3 影剧院 0.60.0 -470. 0.0 786 停车场-487-3.20.57.5743-70.9-2.50.35.2 政府机构-75.5-3.50.33 939-2.60.2 便利店-131.2-1.01.614.212.-156.3-0.11.912.4456.7 咖啡厅|-275.3-3.20.110.04.6-313.3-2.90.14.1315.5 判断信息 0.5104 0.9185 残差 711,792 290.331 平方和 1321336213.278 219834211.231 AIC 15.988 14.194 说明:*参数x10 为了避免过拟合现象的发生,我们随机的删除总体样本中一部分数据验证模型的精度, 结果如表7所示,可以看出:数据的随机缺失没有显著降低模型的精度,表明GIwR模型 能较好地适用于交通需求的预测 表7不同数据比例的模型精度对比 数据比例 70% 60% 0.918 0.918 0.9125 0.8859 0.9140 五、结论 以前的研究显示,交通小区的交通需求不随时间和空间变化的假设是不成立的,本文采 取了一种分析杭州市各个交通小区交通需求的非静态的方法,在对各个交通小区的交通需求 进行预测时同时包含了时空因素,并将其与没有包含时空因素的OLS方法及仅包含空间因 素的GWR方法进行对比,结果显示OLS,GWR,GTWR模型的拟合度分别为12.90%,51.04% 以及91.85%。因此我们得出GTWR模型更适合对交通小区的发生量进行建模。 然而我们的研究还有一些缺陷,在模型建立过程中,仅使用一个参数平衡时空关系,且 (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net性事件，而交通需求预测问题是明显的时空问题。 表 6 GWR 与 GTWR 模型参数估计总结 参数 GWR (带宽=0.3756) GTWR (带宽=0.2337) Min LQ Med UQ Max Min LQ Med UQ Max 截距 0.0 0.0 0.0 0.0 0.3 0.0 0.0 0.0 0.0 0.4 医院 -143.3 -6.4 0.1 4.9 405.1 -74.7 -3.8 0.0 3.8 721.7 教育 -64.6 -9.5 0.0 4.5 160.2 -113.4 -4.6 0.0 3.4 270.2 银行与金融 机构 -47.8 -6.6 0.0 1.9 83.5 -65.7 -4.0 0.0 2.3 102.2 旅店 -125.2 -2.3 0.2 3.4 164.7 -230.7 -2.2 0.1 3.1 120.5 住宅 -30.1 -1.0 0.2 5.5 58.7 -68.9 -0.7 0.2 2.3 79.6 生活服务 -66.0 -2.6 0.4 2.9 96.0 -67.3 -2.6 0.3 2.8 179.7 对外交通 -161.7 0.0 0.0 0.0 1526 -533.8 -1.2 0.0 0.0 845.9 公交地铁站 -266.3 0.1 3.1 16.6 459.4 -1076 0.1 2.8 14.2 768.4 公司 -39.5 0.1 1.5 4.1 126.1 -55.2 0.0 1.2 4.4 236.0 娱乐 -50.3 -9.4 0.2 6.1 116.3 -61.5 -3.5 0.1 4.4 405.8 购物中心 -34.9 -0.7 0.9 5.3 51.7 -66.9 -1.1 0.7 4.7 77.9 饭店 -42.6 -4.1 0.2 8.1 104.9 -115.9 -3.7 0.1 3.5 135.6 风景名胜 -63.5 -2.4 0.0 3.7 115.9 -245.0 -2.5 0.0 2.7 158.3 运动 -124.5 -8.0 0.0 4.4 164.4 -81.5 -5.5 0.0 2.3 105.4 影剧院 -544.5 -0.6 0.0 5.1 320.3 -470.7 -0.4 0.0 4.0 1786 停车场 -48.7 -3.2 0.5 7.5 74.3 -70.9 -2.5 0.3 5.2 139.2 政府机构 -75.5 -3.5 0.3 3.1 52.6 -93.9 -2.6 0.2 3.4 97.2 便利店 -131.2 -1.0 1.6 14.2 112.9 -156.3 -0.1 1.9 12.4 456.7 咖啡厅 -275.3 -3.2 0.1 10.0 44.6 -313.3 -2.9 0.1 4.1 315.5 判断信息 R 2 0.5104 0.9185 标准残差 711.792 290.331 残差平方和 1321336213.278 219834211.231 AIC 15.988 14.194 说明：*参数 x10-4 . 为了避免过拟合现象的发生，我们随机的删除总体样本中一部分数据验证模型的精度， 结果如表 7 所示，可以看出：数据的随机缺失没有显著降低模型的精度，表明 GTWR 模型 能较好地适用于交通需求的预测。 表 7 不同数据比例的模型精度对比 数据比例 100% 90% 80% 70% 60% R 2 0.9185 0.918 0.9125 0.8859 0.9140 五、结论 以前的研究显示，交通小区的交通需求不随时间和空间变化的假设是不成立的，本文采 取了一种分析杭州市各个交通小区交通需求的非静态的方法，在对各个交通小区的交通需求 进行预测时同时包含了时空因素，并将其与没有包含时空因素的 OLS 方法及仅包含空间因 素的 GWR 方法进行对比，结果显示 OLS,GWR,GTWR 模型的拟合度分别为 12.90%，51.04% 以及 91.85%。因此我们得出 GTWR 模型更适合对交通小区的发生量进行建模。 然而我们的研究还有一些缺陷，在模型建立过程中，仅使用一个参数平衡时空关系，且