基于偏最小二乘回归法的城市土地利用与交通发生量关系模型研究

公󰀁路󰀁交󰀁通󰀁科󰀁技

JournalofHighwayandTransportationResearchandDevelopment

Vol󰀁28󰀁No󰀁3Mar.2011

文章编号:1002-0268(2011)03-0138-05

基于偏最小二乘回归法的城市土地利用与

交通发生量关系模型研究

戚浩平,张󰀁利,王󰀁炜,陆󰀁建

(东南大学󰀁交通学院,江苏󰀁南京󰀁210096)

摘要:以实际调查得到的建筑容积率、建筑密度、总建筑面积、交通小区面积以及各类型土地利用面积等14个土地利用指标作为直接变量,建立交通发生量预测模型。相关分析的结果表明土地利用指标间存在着严重的多重相关性,普通的回归分析方法很难有效解决这一问题。采用偏最小二乘回归方法,通过构建主成分,采用交叉有效性检验确定成分个数,最终建立的交通发生量预测模型物理意义明确,精度较好。研究结果表明:居住用地、建筑容积率、总建筑面积等土地利用指标对交通发生量的影响最大。

关键词:交通工程;预测模型;偏最小二乘回归法;土地利用;交通量中图分类号:U491󰀁󰀁󰀁󰀁󰀁文献标识码:A

ResearchonModelofRelationshipbetweenUrbanLand󰀂useandTraffic

VolumeBasedonPartialLeastSquaresRegression

QIHaoping,ZHANGL,iWANGWe,iLUJian

(SchoolofTransportation,

SoutheastUniversity,NanjingJiangsu210096,China)

Abstrac:tFourteenurbanland󰀂useindexesfrominvestigation,whichcanindicatetheland󰀂useintensitysuchasbuildingvolumerate,buildingdensity,overallfloorage,areaoftrafficzoneandeachlandusetype,were

usedasdirectvariablestoestablishtheforecastingmodeloftrafficvolume.Correlationanalysisshowsthatthereareseriousmultiplecorrelationsintheurbanland󰀂useindexes.Thequestionisdifficulttobesolvedbyordinaryregressionanalysismethods,butpartialleastsquaresregression(PLSR)methodcansolveiteffectively.Theuncorrelatedprincipalcomponentswhichcanpassthroughthecross󰀂validationtestwereusedtoestablishtheforecastingmodeloftrafficvolume.Theresultsshowthatresidentialestate,buildingvolumerateandoverallflooragehavemarkedinfluencetotrafficvolume.Keywords:trafficengineering;forecastingmode;lPLSR;0󰀁引言

土地利用是交通建设、人口和经济活动在空间上集聚的表现,同时也是社会经济活动在空间上的表现,是产生交通的根源

[1]

landuse;trafficvolume

了交通发生量和交通分布形态,在一定程度上也影响着交通方式。一般来说,不同的土地利用布局、土地利用性质和强度对应着不同的交通发生量。国外城市针对如何更好地协调交通与土地利用关系,有效地管理交通需求,进行了大量的研究和实践,探讨了相应的土地开发模式,提出了土地利用与交

[2]

。城市土地利用与交通

相互联系、相互影响,不同的土地利用形态,决定

收稿日期:2009-06-08

基金项目:国家重点基础研究发展计划(九七三计划)资助项目(2006CB70551)

作者简介:戚浩平(1967-),男,江苏溧阳人,博士,副教授,研究方向为高分辨率卫星遥感技术及其在交通规划中的应用󰀁

(qhp@seu󰀁edu󰀁cn)

󰀁第3期戚浩平,等:基于偏最小二乘回归法的城市土地利用与交通发生量关系模型研究

[3]

139

通一体化等概念。英国学者J.M.汤姆逊通过对乘回归所提取的成分既能较好地概括自变量系统中的信息,又能很好地解释因变量并排除系统中的噪声干扰,因而能有效地解决自变量间多重相关性情

况下的回归建模问题。

1󰀁1󰀁单因变量偏最小二乘建模

在交通发生量与土地利用形态相关关系建模过程中,自变量是各土地利用指标,因变量是交通发生量,属于单因变量建模,其建模过程如下:

(1)数据标准化

首先对交通发生量(Y)与土地利用指标(X)进行标准化处理。标准化的方法是将变量与均值之差除以标准差,其目的是使样本点集合的重心与坐标原点重合,减少运算误差。记Y0是标准化的交通发生量,X0是标准化的土地利用形态指标。

(2)提取交通发生量的第一个成分u1和土地利用形态指标的第一个成分t1

从Y0中提取第一个成分u1,由于是单因变量,u1即是标准化的交通发生量。从X0中提取第一个成分t1,t1为各土地利用形态变量的线性组合,是对原始变量解释性最强的综合变量。满足t1=X0󰀁1且 󰀁1 =1,󰀁1为X0的第一个轴。要求t1和u1尽可能多地提取所在变量组数据的变异信息;而且t1和u1的相关程度达到最大。取󰀁1=X0Y0/ X0Y0 ,进而建立Y0对t1的回归及X0对t1的回归。回归方程为:

X0=t1󰀂1+X1,Y0=t1 1+Y1

2

T

2

T

TT

T

世界上30个大城市的用地布局和交通需求的比较研究,深刻地揭示了城市用地布局形态与交通发展模

式之间相互影响、相互制约、协调发展的内在联系;国内对于交通出行与土地利用关系研究以引入、学习国外的理论为主,在研究方法上,多学科交叉的研究正逐步得到体现。杨明等就城市土地利用与交通需求之间的相互作用关系,研究了建立两步

[5]

式土地利用与交通需求相关关系模型的方法;石飞等考虑了土地利用强度指标对交通出行的影响,引入了容积率指标建立土地利用形态与交通生成的

[6]

预测模型。杨敏等针对新建城区的特点并引入区位因子,考虑人口和土地利用与交通生成的关系建立预测模型。受数据源的限制,现有研究中的土地利用参数一般是从有关部门搜集相关的统计数据、图件或普查资料,这种方法存在工作量大、成本高、数据采集不全、数据精度不高、数据时效性差等不足,许多数据很难直接获取,特别像建筑密度、建筑容积率等土地利用强度指标无法获取,导致所建模型存在不足。20世纪90年代以来迅速发展的高空间分辨率遥感技术,为实时获取地表真实信息创造了条件。利用高空间分辨率卫星影像上丰富的光谱、位置、几何结构、纹理等信息,不仅可以全面调查城市土地的利用性质、规模和分布信息,而且可以获取各地块的开发利用强度指标,包括建筑容积率、建筑密度等。由于各土地利用指标间存在严重多重相关性,普通的回归分析方法很难有效地解决这一问题。本文以通过遥感技术实时获取的各类型土地利用面积、建筑密度、建筑容积率等土地利用指标为直接变量,研究采用偏最小二乘法(PLSR)建立交通发生量与城市土地利用的直接相关关系模型。1󰀁偏最小二乘建模原理

偏最小二乘回归

(PartialLeastSquares

[7]

[4]

(1)

T01

式中,󰀂1和 1是回归方程的系数,󰀂1=Xt/ t1 , 1=Y0t1/ t1 ,X1和Y1分别是土地利用形态指标和交通发生量的残差矩阵。

(3)提取第h个土地利用变量中的成分th

以土地利用形态变量的残差矩阵X1取代X0,以交通发生量的残差矩阵Y1取代Y0,用上述方法求第2个轴󰀁2和第2个成分t2,有󰀁2=X1Y1/ X1Y1 ,t2=X1󰀁2,同样,X1,Y1分别对t2做回归,得到:X1=t2󰀂2+X2,Y1=t2 2+Y2

以此类推可以求出第h个成分th。

T

TT

T

Regression简写PLSR)方法是应实际需要而产生和发展起来的一个新型的、有广泛适用性的多元统计分析方法。该方法的最大特点是能够有效地解决变量间的多重相关问题,对基于土地利用形态的交通需求预测有实用价值。偏最小二乘法基于主成分回归思想,其建模思路是:首先,从自变量X(x1,x2,󰀂,xp)中提取相互独立的成分th(h=1,2,󰀂),从因变量Y(y1,y2,󰀂,yq)中提取相互独立的成分uh(h=1,2,󰀂),然后建立这些成分与自变量的回归方程。与主成分回归不同,偏最小二[9]

[8]

(2)

(4)偏最小二乘模型

T

在求得m个成分t1,...,tm后,有Y0= 1t1+󰀂+ mtm+Ym,由于th均为X0的线性组合,把th代入方程,最终有交通发生量偏最小二乘回归方程式:

Y

*

T

=a1x1+...+ajxj,

**

(3)

*

*

*

式中,aj为变量的系数值,aj=

!

m

h=1rh󰀁hj,󰀁hj是󰀁h

140公

h-1

路交通科技第28卷

的第j个分量,󰀁=

*h

∀

(I-󰀁j󰀂#j)wh

重要的解释能力。2󰀁实例分析

2󰀁1󰀁试验区与试验数据

常州高新区濒临长江,位于常州市北面,南接

2

常州市老城区,区域总面积为439󰀁16km。根据交通小区现状与未来规划要求,将高新区分为中区、东区、南区、西区4个交通中区,25个交通小区。依据%城市用地分类与规划建设标准&(GBJ137-90),将区内交通用地类型分为居住用地、公共设施用地、工业用地、仓储用地、对外交通用地、道路广场用地、市政公用设施用地、绿地、特殊用地、水域或其它用地等10大类。本文以常州高新区交通规划项目为依托,以实际调查数据为基础,采用PLSR方法建立了交通发生量与土地利用形态相关关系模型。

试验中交通发生量数据通过交通调查得到。土地利用指标除了上述10大类用地面积以外,还增加了建筑容积率、总建筑面积、建筑密度、小区总面积等指标,共14个参数,采用高分辨率卫星遥感技术获取。所用遥感数据是空间分辨率为1m的IKONOS影像,通过提取影像阴影信息,利用阴影与房高关系以及RPC模型等求得建筑物高度,进而获得建筑物的层数,在此基础上计算得到25个小区建筑总面积、建筑密度、建筑容积率等指标;各类型土地利用面积采用面向对象的遥感影像分类技术获取。

2󰀁2󰀁建模过程

第1步:首先对所有数据进行标准化处理,以

[10]

j=1

1󰀁2󰀁偏最小二乘回归模型的检验

偏最小二乘回归分析在建模过程中集中了主成分分析,典型相关分析和线性回归分析的特点其回归模型的检验主要有以下3个指标。

(1)交叉有效性检验

在偏最小二乘回归建模中,提取的成分个数通过交叉有效性检验方式选取。记yi为原始交通发生量,t1,󰀂,tm是在偏最小二乘回归过程中提取的成分,y^(h-1)i是使用全部样本点并取h-1个成分回归建模后,第i个样本点的交通发生量拟合值。y^h(-i)为建模时删去的样本点i,取h个成分拟合一个回归方程,计算得到的第i个样本点的交通发生量。则用全部样本点拟合的具有h-1个成分的方程的拟合误差为:

SSh-1=

,

!

n

i=1

(yi-y^(h-1)i),

n

2

(4)

除去样本i使用h个成分拟合的方程的拟合误差为:

PRESSh=

!

i=1

(yi-y^h(-i)),PRESSh

。SSh-1

2

(5)

则模型的交叉有效性如下:

Qh=1-2

(6)

󰀁󰀁成分的个数并非越多越好,有时太多的成分会

2

导致模型的过度拟合。一般设定,当Qh∃0󰀁0975时,引进新的主成分th会对模型的估算能力有明显的改善作用

[11]

。

(2)建模精度

建模时提取的成分t1,󰀂,th,其对交通发生量的累计解释能力Rd(y;的精度,表达式如下:

t1,󰀂,th)即代表了建模

矩阵形式表示;取其中18个样本点参与建模,另7个作为模型检验样本。接着对处理后的矩阵按照单因变量偏最小二乘建模方法提取交通发生量与土地利用形态变量的成分。

第2步:根据交叉有效性检验截取成分的个数,结果见表1。

表1󰀁不同成分的交叉有效性检验值

Tab󰀁1󰀁Cross󰀂validationofprincipalcomponents

成分Q2h

10󰀁65798

2-0󰀁00503

3-0󰀁01991

Rd(y;t1,󰀂,th)=

inprojection,VIP)

!

h

r(y;tk)。

2

(7)

k=1

󰀁󰀁(3)变量投影重要性指标(variableimportance

变量投影重要性指标,是用来测度每个自变量x对因变量y的解释能力,也就是各土地利用形态指标xj对交通发生量Y的贡献大小。

VIPj=

p2

Rd(Y;th)whj(8)!Rd(Y;t1,󰀂,tm)h=1

m󰀁󰀁由表1可知,第2个成分和第3个成分的累计交叉有效性递减,说明成分2和成分3的交叉有效性

为负,根据公式(6),只提取一个主成分t1,即可满足最大程度概括自变量集合的信息,又对交通发生量有最大的解释能力。按照公式(7)计算t1对交式中,whj用来测量xj对成分th的贡献量;Rd(Y;th)表示成分th对交通发生量Y的解释能力;whj可以反映xj对Y的重要性,即VIPj大表明xj对Y有很󰀁第3期戚浩平,等:基于偏最小二乘回归法的城市土地利用与交通发生量关系模型研究

141

通发生量的解释能力为83%。

第3步:建立标准化模型。将成分t1代入方程

(3)进行回归,得到各自变量的系数见表2。

表2󰀁模型的标准化系数

Tab󰀁2󰀁Standardizationcoefficientsofthemodel

自变量系数

居住用地0.304

建筑󰀁容积率0.281

总建筑面积󰀁0.278

建筑密度0.082

仓储用地

工业用地

小区󰀁总面积0.060

市政公用设施

对外交通用地

公共设施0.023

特殊用地0.018

绿地-0.009

道路广场用地0.009

水域-0.008

-0.076-0.061-0.054-0.045

󰀁󰀁最终得到的标准化模型如下:

交通发生量=小区总面积∋0󰀁06+建筑密度∋0󰀁082+总建筑面积∋0󰀁278+建筑容积率∋0󰀁281-工业用地∋0󰀁061-市政公用设施∋0󰀁054+公共设施∋0󰀁023+居住用地∋0󰀁304-仓储用地∋0󰀁076+道路广场用地∋0󰀁009-对外交通用地∋0󰀁045-水域∋0󰀁008-绿地∋0󰀁009+特殊用地∋0󰀁018。

说明:模型中的变量均为标准化后的值。

第4步:模型检验。首先将18个样本点的实测值与模型拟合结果进行对比,结果见图1。图2所示为7个检验样本点的实测值与模型预测值的对比结果。从图1和图2可以看出,模型的整体精度很好。

图2󰀁检验样本预测结果Fig󰀁2󰀁Forecastresultoftestsamples

量进行了相关性分析,结果见表4。

(1)表2中反映了所建模型的标准化系数,其大小顺序与表3中反映的各变量的VIP值的大小顺序相一致,反映出对交通发生量影响大的土地利用指标依次是居住用地、建筑容积率、总建筑面积、建筑密度等。在表4中,居住用地、建筑容积率、总建筑面积、建筑密度与交通发生量间表现为正相关关系,相关系数依次为0󰀁912、0󰀁847、0󰀁844、0󰀁361,表明这些变量与交通发生量间存在着很高的相关性。这3个表所揭示的规律是一致的,充分说明了居住用地、建筑容积率、总建筑面积等对交通发生量的影响最大,物理解释清楚,与现实情况相符。

图1󰀁模型拟合结果Fig󰀁1󰀁Fittingresultofthemodel

2󰀁3󰀁结果分析

为了更好地分析建模效果,首先根据公式(8)计算了各变量的VIP值,结果见表3,同时对原始变

表3󰀁各变量VIP值Tab󰀁3󰀁VIPvaluesofvariables

自变量VIP值

居住用地2.17

建筑容积率2.01

总建筑面积1.98

建筑密度0.58

仓储用地0.54

工业用地0.44

小区总面积0.43

市政公对外交通共设施0.39

用地0.32

公共设施0.16

特殊用地0.13

道路广场用地0.07

绿地0.06

水域0.06

󰀁󰀁(2)分析表2和表4发现,交通发生量与小区总面积,建筑密度,建筑容积率,总建筑面积,公共设施,居住用地,道路广场用地和特殊用地等指标间呈正相关;与水域、工业用地,市政公用设施用地,仓储用地,对外交通用地和绿地等指标间呈负相关;相应地,与交通发生量呈正相关的变量,其模型标准化系数为正,呈负相关的变量,其模型标准化系数为负,两者是相呼应的。水域,绿地,

特殊用地和道路广场用地等变量对交通发生量的贡献小,相关性也小,相应的系数也小,属于对交通发生量影响微弱的变量。水域、市政公用设施、仓储用地、对外交通用地、绿地等对交通发生量的影响呈现负相关,与这些地类的属性及使用性质有关,与现实接近,物理解释基本可以接受。道路广场用地与交通发生量间呈现出正相关关系,与试验区内存在许多市民休闲广场有关。然而工业用地与交通

142公路交通科技第28卷

表4󰀁变量间相关关系表Tab󰀁4󰀁Correlationbetweenvariables

小区󰀁总面积

小区总面积建筑密度总建筑面积建筑容积率工业用地市政设施公共设施居住用地仓储用地道路广场对外交通用水域绿地特殊用地交通发生量

1-0.1420.279-0.1880.4450.005-0.133-0.058

10.5610.6520.2290.6140.364

10.851

1

1

10.219

10.198

1

1

1

1

10.634

1

10.080

1

0.051-0.242

0.003-0.045

0.211-0.061

0.010-0.2290.3950.764

建筑密度

总建筑面积󰀁

建筑容积率

工业用地

市政设公共设施用地施用地

居住用地

仓储用地

道路广对外交场用地通用地

水域

绿地

特殊用地

交通󰀁发生量

0.028-0.085-0.051-0.090

0.476-0.025

0.854-0.295-0.113

0.091-0.131-0.213

0.013-0.050-0.036-0.133

0.0503-0.186-0.126

0.103-0.079-0.057-0.121-0.058

0.048-0.088

0.668-0.3190.657-0.174-0.1620.025

0.0580.361

0.069-0.2710.160-0.1810.0050.844

0.120-0.039

0.323-0.118-0.075-0.061

0.144-0.094-0.548-0.171-0.0950.486-0.134-0.424-0.186

0.1880.189

0.142

0.151

0.066-0.053-0.175

0.109-0.317-0.0610.847-0.182-0.134

0.732-0.111-0.259-0.2760.064-0.075-0.086-0.071

0.912-0.161

发生量间的负相关关系有些不好解释,可能与该研

究区内企业少且规模很小,工业用地比较少而且分布不均有关。

(3)从表4可以看出各变量间存在严重的多重相关性,如容积率与总建筑面积,容积率与居住用地,总建筑面积与居住用地之间,相关性分别达到0󰀁851,0󰀁854,0󰀁764。图2反映的7个检验样本预测值与调查值的较差都在10%以内。

综合以上分析,可以看出偏最小二乘法很好地解决了变量间多重相关这一问题,且所建模型有很好的精度和较清晰的物理解释。3󰀁结论

利用高空间分辨率卫星遥感技术获取的各土地利用指标作为直接变量,研究它们与交通发生量间的相关关系。本文采用的偏最小二乘理论有效地解决了变量间存在严重多重相关这一问题,取得了很好的建模效果,为土地利用形态与交通出行生成相关关系模型的建立提出了新的思路与方法。建模结果表明:对交通发生量影响最大的几个土地利用指标依次是居住用地、建筑容积率、总建筑面积、建筑密度,表明建筑容积率等土地开发强度指标对交通发生量的影响不容忽视,是交通需求预测过程中必须掌握的重要指标。

参考文献:References:

[1]󰀁王丽,刘小明,任福田.城市土地开发交通生成预测方法的探讨[J].北京工业大学学报,(1):98-101.

2004,30

WANGL,iLIUXiaoming,RENFutian.ResearchonTripGenerationForecastMethodRelatedtoCityLandUses[J].

JouralofBeijingPolytechnicUniversity,2004,

30

(1):98-101.

[2]󰀁王惠文.偏最小二乘回归方法及其应用[M].北京:

国防工业出版,2000:91-155.

WANGHuiwen.PartialLeastSquaresRegressionMethodandApplication

[M].

Beijing:

NationalDefence

IndustrialPress,2000:91-155.

[3]󰀁周素红,阎小培.城市交通与土地利用关系研究的进

展[J].规划师,

2005,21(3):

58-62.

ZHOUSuhong,YANXiaope.iProgressintheStudyoftheRelationshipbetweenUrbanTrafficandLandUtilizationatHomeandAbroad[J].Planners,2005,21(3):58-62.

[4]󰀁江景波.城市土地利用总体规划:方法.模型.应用

[M].上海:同济大学出版社,1997.

JIANGJingbo.UrbanLandUseMasterPlanning:Method,ModelandApplication[M].Shangha:iTongjiUniversityPress,1997.

[5]󰀁杨明,曲大义,王炜,等.城市土地利用与交通需求相

关关系模型研究[J].公路交通科技,(2):72-75.YANGMing,

QVDay,iWANGWe,i

eta.lOnthe

RelationshipbetweenUrbanLandUseandTrafficDemand[J].JournalofHighwayandTransportationResearchandDevelopment,2002,

19(2):

72-75.

2002,

19

(下转第147页)

󰀁第3期吴立新,等:高速公路施工区信号汇入控制研究MUTCD2009ed.

IndianaLane

147

forStreetsandHighways[S].

[2]󰀁TARKOAP,

[8]󰀁陈瑜.高速公路作业区交通安全分析及交通组织管理

研究[D].哈尔滨:哈尔滨工业大学,2006.CHENYu.

TheSafetyAnalysisandOrganization&

ManagementMethodStudyofFreewayWorkZone[D].Harbin:HarbinInstituteofTechnology,2006.

[9]󰀁中华人民共和国交通运输部.JTGH10-2009公路养护

技术规范[S].北京:人民交通出版社,2009.P.R.

China.MinistryofTransport.

JTGH10-2009

TechnicalSpecificationsofMaintenanceforHighway[S].Beijing:ChinaCommunicationsPress,2009.

[10]

戴彤宇,裴玉龙,陈瑜.基于驾驶员信息处理能力的高速公路作业区限速值计算方法[J].公路交通科技,2007,24(9):127-131.DAITongyu,

PEIYulong,

CHENYu.

Calculationof

SpeedLimitforWorkZoneofExpresswayBasedonInformationProcessingCapacityofDivers[J].JournalofHighwayandTransportationResearchandDevelopment,2007,24(9):127-131.

[11]

吴兵,李晔.交通管理与控制[M].第三版.北京:人民交通出版社,2005.

WUBing,LIYe.TrafficControlandManagement[M].3rded.Beijing:ChinaCommunicationsPress,2005.

[12]

王殿海.交通流理论[M].北京:人民交通出版社,2002.

WANGDianha.iTrafficFlowTheory[M].ChinaCommunicationsPress,2002.

[M].Beijing:NationalDefenceIndustrialPress,2006:97-112.

[9]󰀁张艳粉.基于偏最小二乘的BP网络模型及其应用

[D].重庆:重庆大学,2007.ZHANGYanfen.Algorithm[D].2007.󰀁

[10]

韩汉鹏.偏最小二乘法在回归设计多因变量建模中的应用及其优化[J].数理统计与管理,(2):303-307.HANHanpeng.

2007,

27

ImprovementandApplicationonBackChongqing:

ChongqingUniversity,

Beijing:

Washington,D.C.:FederalHighwayAdministration,2009.

SHAMOD,WASSONJ.

MergeSystemforWorkZonesonRuralFreeways[J].JournalofTransportationEngineering,415-420.

[3]󰀁DATTAT,SCHATTLERK,KARP,eta.lDevelopment

andEvaluationofanAdvancedDynamicLaneMergeTrafficControlSystemfor3to2LaneTransitionAreasinWorkZones,MDOTRC󰀂1451[R].Michigan:MichiganDepartmentofTransportation,2004.

[4]󰀁KANGKP,CHANGGL,PARACHAJ.DynamicLate

MergeControlatHighwayWorkZones:Observations,

[5]󰀁MCCOYPT,

andSuggestions[J].PESTIG.

ResearchRecord,2007,1948:86-95.

DynamicLateMerge󰀂control

ConceptforWorkZonesonRuralInterstateFreeways[J].TransportationResearchRecord,2001,1745:20-26.

[6]󰀁PEIYulong,DAILeile.iStudyonIntelligentLaneMerge

ControlSystem

forFreewayWorkZonesIntelligent

[C]//IntelligentTransportationSystemsConference.Seattle,WA:IEEE,2007:586-591.

[7]󰀁YANGN,CHANGGL,KANGKP.Simulation󰀂based

StudyonaLane󰀂basedSignalSystemforMergeControlatFreewayWorkZones[J].

JournalofTransportation

Engineering,2009,135(1):9-17.

Evaluation,Transportation1999,125(5):

(上接第142页)

[6]󰀁石飞,江薇,王炜,等.基于土地利用形态的交通发

生预测理论方法研究[J].土木工程学报,(3):115-124

SHIFe,iJIANGWe,iWANGWe,ieta.lResearchonForecastMethod

for

Traffic

Creating

Based

on

CharacteristicofLandUtilizing[J].EngineeringJoura,l2005,38(3):

ChinaCivil2005,38

PropagationNetworkBasedonPartialLeast󰀂squares

115-124.

[7]󰀁杨敏,陈学武,王炜,等.基于人口和土地利用的城

市新区交通生成预测模型[J].东南大学学报:自然科学版,2005,35(5):YANGMin,

815-819.

eta.lTrip

CHENXuewu,WANGWe,i

ApplicationofPartialLeast󰀂squares

GenerationForecastingModelofNewDistrictBasedonUrbanPopulationandLandUse[J].JournalofSoutheastUniversity:815-819.󰀁

[8]󰀁王惠文,吴载斌,孟浩.偏最小二乘回归的线性与非

线性方法[M].北京:国防工业出版社,97-112.󰀁

WANGHuiwen,WUZaibin,MENGHao.

Linearand

Non󰀂linearMethodsofPartialLeastSquaresRegression2006:

[11]

NaturalScienceEdition,

2005,

35(5):

RegressiononMulti󰀂dependentVariableModelAnalysisofQuadraticRegressionDesignandItsOptimalSolution[J].ApplicationofStatisticsandManagement,2007,27(2):303-307.WOLDH.NIPALS

PathModelswithLatentVariables:Approach[C]//Quantitative

NewYork:

TheSociology:

1975:

InternationalPerspectivesonMathematicalandStatisticalModelBuilding.307-357.󰀁AcademicPress,