查詢結果分析
來源資料
相關文獻
- 以結構化社會經濟因素探討旅次發生--類神經網路與多元迴歸之比較
- 類神經網路之預測--以臺灣地區積體電路產量為例
- 臺股指數期貨預測之研究--遺傳演化類神經網路法
- 應用灰關聯分析與類神經網路於預測人民幣匯率之研究
- Neural Network Procedures for Taguchi's Dynamic Problems
- A Fast and Efficient Competitive Learning Design Algorithm Based on Weight Vector Training in Transform Domain
- 專家系統振動訊號圖型判別之研究
- 反傳遞模糊類神經網路於流量推估之應用
- 股價指數期貨上市對股市成交量之影響--香港之經驗與實證
- 類神經網路(Neural Networks)的種類及其在影像處理上的應用
頁籤選單縮合
題 名 | 以結構化社會經濟因素探討旅次發生--類神經網路與多元迴歸之比較=Exploring Trip Generation with Structural Socioeconomic Factors by Using Artificial Neural Network and Regression |
---|---|
作 者 | 馮正民; 梁馨云; | 書刊名 | 都市與計劃 |
卷 期 | 26:1 1999.06[民88.06] |
頁 次 | 頁55-77 |
分類號 | 557.81 |
關鍵詞 | 結構化社會經濟因素; 旅次發生; 類神經網路; 多元迴歸; Structural Socioeconomic factors; Trip generation; Artificial neural network; Multiple regression; |
語 文 | 中文(Chinese) |
中文摘要 | 旅次發生之推估在程序性運輸需求分析中是一相當重要的步驟。過去之研究均以 社會經濟因素推估旅次發生,然而,大部份都是以一地區或一個家戶之社會經濟變數總體值 為解釋變數,甚少考慮社會經濟變數總體值之「組成結構」變化對旅次發生之影響。例如: 人口年齡結構之老年化、女性就業人口之增加、都市三級產業之增加等均與過去有所不同, 故若僅考慮人口數、就業人口數,而不考慮人口組織結構、男女就業人口比例及產業人口結 構等,則無法瞭解旅次發生率改變的背後原因。基於此,本研究將針對數量最多且發生於尖 峰時段之家-工作旅次進行研究,探討結構化之社會經濟變數對家-工作旅次發生之影響。 此外,本研究亦嘗試以臺北都會區之資料進行實證分析,並比較分析類神經網路法與多元迴 歸法之分析結果。 |
英文摘要 | Trip generation is a major step in four-step transportation demand analysis. In the past, the socioeconomic factors considered in trip generation model were income, population, employment, and number of vehicles in each traffic zone or household. However, the big changes in the socioeconomic structure such as the rise in elder people, the increase in the number of women at work and the growth in the service sector, etc., has caused the change of trip generation. Therefore, this study tries to establish the trip generation model with structural socioeconomic factors for the largest and the most important home-based work trips. Besides, this study uses artificial neural network and regression analysis for the empirical study with Taipei Metropolitan Household Interview Survey data and compares their results. |
本系統中英文摘要資訊取自各篇刊載內容。