GWR/OLS改善 10300945460052.5819591541.1337 GTWR/OLS改善 2131566050 76.58 27835596.33321.29 GTWR/GWR改善 1101502002.05 45895916.75529.750.00 四、结果对比和分析 )OLS模型结果 运用OLS模型对杭州市2016年6月1日各个交通小区交通需求进行预测,结果如表5所示, 结果显示进行交通需求预测可以利用建成环境建模,根据t检验结果,有13个决策变量在以 95%为置信区间中具有统计学意义,而且,风景名胜、对外交通等类型PO与交通需求成负 相关,而公司和饭店等类型的PO与交通需求成正相关,即公司与饭店等类型的PO的密度 越大,风景区以及对外交通等类型的PO密度越小,交通需求越大 表50Ls模型参数估计总结 参数 系数 744.044 28.735 教育 312 -2.190 0.029 银行与金融机构 0.000 916 055* 住宅 -0.010 0.560 0.57 生活服务 0.122 0.000 公交地铁站 0.93 0.352* 娱乐 -5.782 物中心 0.635 0.525* 4.83 风景名胜 0.122* 0.000 0.857* 判断信息 0.1290 标准残差 949,532 残差平方和 2351400671.278 (二)GWR与GTWR模型结果 本部分运用GWR和GTwR模型进行交通需求的估计,结果如表6所示。估计系数表 示每种类型的POI密度对于交通需求预测结果的影响程度,表6给出了估计系数有特征性 的值,LQ代表下四分位数,UQ代表上四分位数 表6也给出了详细的统计对比,可以看出:OLS模型、GWR模型与 GTWR模型的R2 分别为12.90%、51.0%以及91.85%。我们推断因为GTwR模型能够更好地处理时空非平稳 (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.netGWR/OLS 改善 1030064458.00 52.58 19591541.13 37.27 0.00 GTWR/OLS 改善 2131566460.05 76.58 27835596.33 321.29 0.00 GTWR/GWR 改善 1101502002.05 24 45895916.75 529.75 0.00 四、结果对比和分析 （一）OLS 模型结果 运用OLS模型对杭州市2016年6月1日各个交通小区交通需求进行预测，结果如表5所示， 结果显示进行交通需求预测可以利用建成环境建模，根据t检验结果，有13个决策变量在以 95%为置信区间中具有统计学意义，而且，风景名胜、对外交通等类型POI与交通需求成负 相关，而公司和饭店等类型的POI与交通需求成正相关，即公司与饭店等类型的POI的密度 越大，风景区以及对外交通等类型的POI密度越小，交通需求越大。 表 5 OLS 模型参数估计总结 参数 系数 T 值 P 值 截距 744.044 28.735 0.000 医院 -0.443 -3.171 0.002 教育 -0.312 -2.190 0.029 银行与金融机构 - 0.381 -5.319 0.000 旅店 -0.091 -1.916 0.055* 住宅 -0.010 -0.560 0.575* 生活服务 0.122 4.909 0.000 对外交通 -1.839 -5.223 0.000 公交地铁站 0.362 0.931 0.352* 公司 0.235 7.732 0.000 娱乐 -1.677 -5.782 0.000 购物中心 0.025 0.635 0.525* 饭店 0.203 4.831 0.000 风景名胜 -0.378 -4.841 0.000 运动 0.389 1.547 0.122* 影剧院 -0.560 -0.574 0.566* 停车场 -0.190 -3.581 0.000 政府机构 -0.200 -5.174 0.000 便利店 0.992 4.599 0.000 咖啡厅 -0.021 -0.180 0.857* 判断信息 R 2 0.1290 标准残差 949.532 残差平方和 2351400671.278 AIC 16.564 （二）GWR 与 GTWR 模型结果 本部分运用 GWR 和 GTWR 模型进行交通需求的估计，结果如表 6 所示。估计系数表 示每种类型的 POI 密度对于交通需求预测结果的影响程度，表 6 给出了估计系数有特征性 的值，LQ 代表下四分位数，UQ 代表上四分位数。 表 6 也给出了详细的统计对比，可以看出：OLS 模型、GWR 模型与 GTWR 模型的 R2 分别为 12.90%、51.04%以及 91.85%。我们推断因为 GTWR 模型能够更好地处理时空非平稳