关键要点
-
本文介绍了中山大学学生获得2005年全国研究生数学建模竞赛一等奖的研究成果。
-
研究重点是城市出租车交通规划综合模型，包括出租车需求预测和出租车乘客数量预测。
-
使用历史数据和预测模型计算未来出租车乘客数量，并考虑居民出行特征和出租车收费标准的影响。
-
最终目标是优化城市出租车交通规划，平衡出租车业的发展和居民的利益。
-
该研究成果具有重要的实践意义和社会价值。
城市出租车交通规划综合模型研究
这一章节是关于城市出租车交通规划综合模型的研究。研究目的是为了解决当前城市出租车行业存在的问题，包括出租车价格偏高、出租车司机收入偏低等。通过分析该城市的经济发展、城市规模和人口规划等因素，预测居民的出行强度和出行总量，并建立出租车最佳数量预测模型。此外，还探讨了油价调整对城市居民和出租车司机的影响，并提出了能够使双方都满意的价格调节最优方案。最后，还需要提出更合理且实际可行的数据采集方案，并从公用事业管理部门的角度考虑出租车规划的问题。
城市出租车运营模型研究
这一章节主要讨论了一个城市居民出行的模型假设以及问题分析。其中，作者提出了多个假设，例如常住人口和暂住人口的出行特征相近，且居民出行人口占总人口数的比例不变等等。同时，文章还提到了如何预测该城市出租车的最佳数量和评价一种出租车收费方案的优劣等问题。总的来说，这篇文章是关于城市居民出行研究的一篇论文，旨在探讨如何更好地满足人们的出行需求，并减少环境污染和资源消耗。
城市交通出行分析及其模型构建
这一章节主要介绍了一些人口和交通方面的符号定义，包括常住人口、暂住人口、短期及当日进出人口等，以及各种交通工具的出行强度、日均出行总量、OD分布矩阵等指标。同时，还涉及到了各交通小区之间的出行方式占比、交通发生量、交通吸引量、增长系数等方面的内容。此外，还有一些关于出租车的相关数据，比如日均每辆出租车的有效行驶里程、无效行驶里程、总行驶里程、运营时间、平均运营速度、平均每趟载客人数、平均每趟载客出行距离等等。这些符号和指标的定义对于理解城市交通规划和人口流动等方面的研究具有重要意义。
城市居民出行强度和总量预测模型及其应用
这一章节介绍了如何建立城市居民出行强度和出行总量的预测模型。首先，通过对其他城市居民出行特征的分析，预测未来各年的常住人口出行强度，并将其作为因变量；其次，选择城市规模、建成面积和人均可支配收入作为自变量，采用多元回归预测方法进行建模；然后，根据城市总体规划，利用三次样条曲线进行插值，预测未来几年的人口规模和建成面积；最后，结合历史数据和现有数据，得出每年居民可支配收入的预测结果。
城市常住人口出行强度预测及趋势分析
这一章节主要介绍了如何通过回归分析来预测城市常住人口出行强度，并给出了一个具体的案例。作者使用了多个变量（如城市规模、建成面积、人均可支配收入等）进行回归分析，得出了一个较为准确的预测模型。根据这个模型，作者预测了未来几年该城市的常住人口出行强度，并计算出相应的常住人口出行总量。此外，作者还指出，虽然居民年可支配收入变量在回归分析中的系数不显著，但在实际情况下可能会对出行强度产生影响。最后，作者提醒读者，在进行类似研究时，应尽可能多地收集数据，以便更准确地预测未来的趋势。