新城区居民出行生成和分布预测模型研究
居民出行研究报告

居民出行研究报告1. 研究背景居民出行是城市交通规划的重要组成部分,对于城市的可持续发展和公共交通系统的建设具有重要意义。
通过深入研究居民出行的出行方式、出行时间和出行目的,可以为决策者提供科学依据,优化交通规划和城市设计。
2. 研究方法本研究采用问卷调查的方式收集居民出行数据。
在选取研究地点后,通过随机抽样的方式选取了1000名居民作为调查对象。
在问卷中,我们询问了调查对象的基本信息、出行方式、出行时间和出行目的等方面的内容。
3. 调查结果分析3.1 出行方式根据调查结果显示,调查对象的出行方式主要包括步行、自行车、公共汽车、地铁和私家车等。
具体数据如下:•步行:45%•自行车:20%•公共汽车:15%•地铁:10%•私家车:10%从数据可以看出,步行和自行车是居民常用的出行方式,占据了出行方式的较大比例。
而公共汽车、地铁和私家车的比例相对较低。
3.2 出行时间调查结果还显示,大部分居民的出行时间集中在早高峰和晚高峰时段。
具体数据如下:•早高峰(7:00-9:00):30%•晚高峰(17:00-19:00):40%•非高峰时段:30%从数据可以看出,晚高峰时段的出行人数相对较高,可能与工作和学校下班放学时间有关。
3.3 出行目的调查结果显示,居民的出行目的主要分为工作/学习、购物、娱乐和健身等。
具体数据如下:•工作/学习:40%•购物:30%•娱乐:20%•健身:10%从数据可以看出,工作/学习和购物是居民出行的主要目的,占据了较大比例。
而娱乐和健身的比例相对较低。
4. 结论和建议根据调查结果分析,我们得出以下结论和建议:•步行和自行车是居民常用的出行方式,应鼓励和支持非机动车出行,提供更多便利的自行车道和步行街。
•高峰时段的交通压力较大,应加强公共交通系统的建设和优化,提供更多的公共交通工具和线路。
•工作/学习和购物是居民出行的主要目的,为满足居民的需求,应加强商业区和学校周边的交通规划和设施建设。
居民出行行为分析与预测研究

居民出行行为分析与预测研究居民出行行为是城市交通规划与交通管理的核心内容之一。
了解和预测居民的出行行为对于城市交通的优化设计、交通规划的科学制定以及交通管理的有效实施具有重要意义。
本文将对居民出行行为的分析与预测进行研究,以期提供有益的指导与决策支持。
在居民出行行为的分析中,我们首先需要对出行行为进行分类。
根据出行的目的,一般可将居民出行行为分为工作出行、购物出行、休闲出行等几个大类。
每个类别下还可以有更加细致的划分,例如工作出行可以进一步划分为上下班通勤、务工人员出行等。
了解不同出行目的的频率、出行距离、出行时间等特征,有助于我们深入了解居民的出行行为模式。
其次,对于居民出行行为的预测,我们可以借助现代技术手段来进行模拟和预测。
传统的方法是基于历史数据进行预测,如使用回归分析等统计方法,通过分析历史数据中的相关因素,预测未来的出行情况。
然而,随着技术的进步,我们可以利用现代智能交通系统中获得的大数据进行更精准的预测。
例如,基于移动网络数据、智能交通卡数据等,我们可以对居民的出行行为进行实时分析与预测。
这些数据源可以提供更多的出行细节,如出行路径、出行方式等信息,有助于预测未来的出行规律和趋势。
居民出行行为的分析与预测研究不仅有助于交通规划与交通管理,还可以为城市社会经济发展提供重要参考。
通过对居民出行行为进行分析,我们可以揭示城市交通的瓶颈与矛盾,为交通规划提供科学依据。
同时,通过预测居民出行行为,我们可以预测人口流动、道路拥堵等现象,为城市管理者提供决策支持。
例如,当我们预测到某个区域的通勤出行将大幅增加时,可以提前做好相关交通设施的建设规划,以缓解交通压力。
而在未来的城市交通规划中,智能交通系统将扮演重要角色。
智能交通系统通过与居民手机、车辆等设备的连接,可以更加准确地获取出行数据,为居民提供个性化出行建议,以降低拥堵并提高出行效率。
同时,智能交通系统也可以实时监测和分析居民出行行为,为城市交通规划者提供更准确的数据支持。
城市规划方案中的人口预测与分布研究

城市规划方案中的人口预测与分布研究城市规划是一项关系到城市发展、人民生活质量和社会经济发展的重要工作。
在制定城市规划方案时,人口预测与分布研究是其中一个重要的考虑因素。
本文将探讨城市规划中人口预测与分布研究的重要性,以及如何进行这方面的研究。
一、人口预测的重要性人口预测是城市规划中不可或缺的一环。
通过对未来人口数量和结构的预测,可以为城市规划提供科学依据,合理规划城市的基础设施、公共服务设施和住房资源等。
准确的人口预测可以避免资源的浪费和规划的失误,提高城市的可持续发展水平。
人口预测的重要性还表现在以下几个方面:1. 城市发展规划:人口预测可以为城市发展规划提供基础数据,帮助决策者了解未来城市的规模和结构,从而制定相应的发展战略和政策。
2. 基础设施规划:准确的人口预测可以为基础设施的规划提供依据,如道路、桥梁、水电等。
只有在明确了未来人口的需求和分布情况后,才能合理规划基础设施的建设和布局。
3. 公共服务设施规划:人口预测还可以为公共服务设施的规划提供依据,如学校、医院、公园等。
根据人口的预测分布情况,可以合理规划公共服务设施的数量和布局,满足人们的需求。
4. 住房资源规划:人口预测对于住房资源的规划也至关重要。
通过对未来人口数量和结构的预测,可以合理规划住房的供给和分布,避免住房资源的紧张和浪费。
二、人口预测的方法人口预测是一项复杂的工作,需要综合运用多种方法和数据。
以下是常用的人口预测方法:1. 自然增长法:自然增长法是通过对出生率、死亡率和迁移率等数据进行分析,来预测未来人口数量和结构的方法。
这种方法适用于人口结构变化缓慢的地区,但对于快速发展的城市来说,可能会存在较大误差。
2. 经济发展法:经济发展法是通过对经济发展水平和城市化程度等指标进行分析,来预测未来人口数量和结构的方法。
这种方法适用于经济发展较为稳定的地区,但对于经济波动较大的地区来说,可能会存在较大误差。
3. 统计回归法:统计回归法是通过对历史人口数据进行回归分析,来预测未来人口数量和结构的方法。
四步骤交通需求预测模型出行分布预测

两类出行分布预测方法,即增长率法、引力模型 法都是来源于实践中直观经验和感性认识,直观 上缺乏理论依据,作为一个完整的理论体系,这 显然是一个缺陷
1)标定阻抗函数参数λ E. 第1轮迭代约束系数K值精度检验
2 出行分布预测
2.6 双约束引力模型法 (4)[计算例题]:求解过程
1)标定阻抗函数参数λ F. 经过反复迭代, 在λ=1条件下收敛约束系数为
约束系数K值迭代计算结束
2 出行分布预测
2.6 双约束引力模型法 (4)[计算例题]:求解过程
现状PA
2 出行分布预测
2.4 简单引力模型法
(5)[例题]:已知3个交通小区的现状PA表、规划 年各小区的产生量和吸引量以及现状和规划年的
各小区间的出行时间,试用无约束引力模型法求
解规划年PA矩阵。
现
将
状
来
行
行
驶
驶
时
时
间
间
2 出行分布预测
2.4 简单引力模型法 (5)[例题]:
1)用以下无约束引力模型进行求解
2.4 简单引力模型法 (5)[例题]:
2)划归为线性回归问题求解 采用最小二乘法利用9个样本数据进行标定得到
则二元线性回归方程为
2 出行分布预测
2.4 简单引力模型法 (5)[例题]:
2)划归为线性回归问题求解
2 出行分布预测
2.4 简单引力模型法 (5)[例题]:
3)利用已标定引力模型预测规划年PA矩阵
早期模型在形式上太拘泥于万有引力公式了,在 实际应用中发现也有较大的误差 改进模型
其中:α、β、γ、K是待定系数,假定它们不随时 间和地点而改变 据经验,α、β取值范围0.5~1.0,多数情况下,可 取α=β=1
居民出行分布预测讲解

预测方法
优点
缺点
(1)构造简单易懂
(1)要求基准年有完整的OD表
(2)不需小区间出行所 (2)当预测对象地域有下述较
需时间
大变化时不能使用
(3)时间交通量,日交 通量的预测都适用
1>未来小区划分变化时
(4)对全部交通目的的 2>小区间所需时间及小区间的紧
增长率法 OD预测都适用
密程度变化时
(5 )当 OD 表的周围分 布变化较小时特别有效
也能对将来 OD 交通量进行 而变动,但重力模型仅考虑了所需时间一个因
预测
素
(5)随着小区间的距离趋向于 0,交通量区域 无限大。这一点和实际不符。距离小时,有预 测值过高的危险
(6 )为求解小区内交通量,要给定小区内的 出行所需时间,这很困难
(7 )为使预测结果同将来的发生、吸引交通 量一致,要用增长率法进行迭代计算
有些交通系统(例如轨道交通 ),其出行时间与距离成正比,与流量等因素无关。
但是其它方式的交通,时间、距离往往不成正比,常常与流量有关,由此时
间、距离、流量之间的关系比较复杂。
?
2)节点的阻抗 ——在城市道路中,往往道路网密集,相邻道路间距很近,
因此车辆在节点处,尤其是信号等交叉口花费一定的时间。节点车的阻抗分
d
' ij
与i区产生量的增长及j分区
吸引量的增长同时相关而且相关程度也相同,即增长函数为:
? 这种方法明显比常系数法合理,也是一种最常用的方法。
? 3.Detroit法
?
Detroit法是J.D.carol于1956年提出的。此方法认为:从小区i到小区j的交通
量与小区i的发生量的增长系数及小区 j的交通吸引占全域的相对增长率成比例
建立城市人口流动预测模型

建立城市人口流动预测模型随着城市化的进程不断加快,人们越来越多地向城市迁移。
随着城市的扩张,城市人口的流动也变得越来越复杂。
因此,建立城市人口流动预测模型是非常重要的。
本文将探讨建立城市人口流动预测模型的重要性、过程和实践中的一些难点。
一、建立城市人口流动预测模型的重要性人口流动对城市发展具有非常重要的影响。
它可以影响城市的人口规模、经济、社会文化和环境等各个方面。
通过建立城市人口流动预测模型,我们可以更准确地预测城市的人口规模和构成,了解人口流动的趋势和特点。
这样可以为城市发展提供更好的规划和建议,使城市能够更加科学、合理地发展。
二、建立城市人口流动预测模型的过程建立城市人口流动预测模型的过程可以分为以下几个步骤:1. 数据采集和处理首先,要收集城市人口流动方面的数据,包括人口普查数据、迁徙数据、人口流动原因数据等等。
收集到的数据需要进行预处理,包括数据去重、缺失值填充、异常值处理等。
2. 建立模型建立合适的模型是建立城市人口流动预测模型的关键步骤。
常用的模型包括ARIMA模型、回归模型、神经网络模型等。
选择合适的模型需要根据数据的性质和特点进行,比如数据是否具有周期性、数据是否具有趋势等。
3. 模型参数估计和检验在建立模型后,需要进行参数估计和模型检验。
参数估计是指利用数据进行模型参数的估计,一般使用最小二乘法等方法。
模型检验是指对建立的模型进行检验,判断模型是否能够较好地解释数据变化规律。
4. 预测预测是模型建立的最终目的。
通过模型预测城市人口流动趋势和构成等信息,为城市发展提供科学的依据。
三、实践中的难点建立城市人口流动预测模型在实践中面临的难点包括:1. 数据质量问题。
城市人口流动数据来源和质量不同,数据质量差异大,调整数据后对模型预测结果可能产生不良影响。
2. 变量的选择问题。
预测模型是建立在很多变量的基础上的,选择不恰当的变量或变量之间的差异导致了模型的不准确。
3. 模型评估问题。
城市居民活动—出行特征分析方法研究的开题报告

城市居民活动—出行特征分析方法研究的开题报告
一、研究背景
城市化进程不断加速,城市居民的日常活动也越来越多样化。
其中,出
行活动是城市居民生活中不可或缺的一部分。
出行特征是城市规划和交
通规划的关键因素,对于提高交通效率和缓解交通拥堵具有重要意义。
近年来,随着移动互联网技术的发展,城市居民出行数据的获取和分析
变得更加方便和快捷,出行活动的特征也呈现出一些新的趋势和特点。
因此,对城市居民出行特征进行深入的研究和探讨具有现实意义和社会
价值。
二、研究目的
本研究旨在通过收集和分析城市居民出行数据,深入研究城市居民出行
特征,探讨城市交通规划和出行政策的优化方向,进一步提高城市交通
效率和便利性。
三、研究内容和方法
(一)研究内容
1. 收集和整理城市居民出行数据,包括出行目的、出行距离、出行方式、出行时间等因素。
2. 基于收集和整理的数据,分析城市居民出行特征,包括出行频率、出
行方式选择、出行时间等方面的特点。
3. 根据研究结果,提出优化城市交通规划和出行政策的建议。
(二)研究方法
1. 调查问卷法:通过问卷调查的方式获取城市居民的出行数据,并对数
据进行统计分析,得出城市居民出行特征的主要指标。
2. 数据挖掘技术:通过挖掘城市居民的出行数据,发现出行数据中的隐含信息,为优化城市交通规划和出行政策提供参考依据。
四、研究意义
本研究对于优化城市交通规划、提高城市交通效率和缓解交通拥堵具有重要意义和实际价值。
同时,可为城市居民提供更加便利和高效的出行体验,提升城市生活品质。
城市居民出行方式选择的行为建模研究

城市居民出行方式选择的行为建模研究摘要:城市居民出行方式选择是一个复杂的决策过程,受到多个因素的影响。
本研究的目的是通过行为建模来探索城市居民选择不同出行方式的决策因素,并提供政策建议,以促进可持续的出行方式选择。
引言:随着城市化的不断发展,城市交通问题成为了首要的挑战之一。
城市居民对于出行方式的选择直接影响着交通拥堵、环境污染以及资源消耗等问题。
因此,了解城市居民选择出行方式的决策因素,有助于制定出行政策,促进城市可持续发展。
方法:本研究采用行为建模来探讨城市居民选择出行方式的决策因素。
首先,收集相关文献,对现有的研究成果进行综述,了解已有的关于城市居民出行方式选择的决策因素。
然后,通过问卷调查的方式收集数据,并利用逻辑回归模型进行数据分析,确定各个因素对于出行方式选择的影响程度。
最后,根据研究结果提出相关政策和建议。
结果:通过分析问卷调查数据,我们发现以下几个因素对于城市居民出行方式选择有较大的影响:1. 个人特征因素:个人的性别、年龄、职业以及健康状况等因素会影响出行方式选择。
例如,年轻人更倾向于选择骑行或共享单车作为出行方式,而中老年人更倾向于选择公共交通工具。
2. 经济因素:收入水平、出行成本以及经济状况对于出行方式选择有重要影响。
例如,收入较高的城市居民更倾向于选择私家车,而低收入者更依赖于步行或公共交通工具。
3. 交通条件因素:交通拥堵程度、交通便利程度等因素会影响城市居民的出行方式选择。
例如,在交通拥堵较为严重的城市,居民更倾向于选择公共交通工具。
4. 环境意识因素:对环境保护意识较强的居民更倾向于选择低碳、环保的出行方式,例如骑行、步行或使用公共交通工具。
讨论与政策建议:根据研究结果,我们提出以下几点政策建议:1. 提高公共交通的服务质量和便利性,鼓励居民选择公共交通工具,以减少私家车使用量,缓解交通拥堵。
2. 鼓励和支持骑行和步行,提供相应的基础设施和服务,以促进可持续的出行方式选择。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
武汉城市建设学院学报J O U R N A L O F W U H A N U R B A N C O N S T R U C T I O N I S T I U T E1999年第16卷第4期Vol.16 No.41999新城区居民出行生成和分布预测模型研究余继东吴瑞麟摘要:对于新建城市(区),传统的四阶段交通需求预测模式难以适应城市总规阶段交通规划的需要,因为出行生成和分布预测阶段所必需的条件无法满足.在吸取国内相关城市经验的基础上,基于居民出行发生、出行吸引及出行分布的内在规律,提出一种面向新城区的简捷实用的预测模型框架.关键词:新城区;出行发生;出行吸引系数;出行分布;OD矩阵;交通阻抗中图分类号:TU984.141:U412.1+2 文献标识码:AModel Study of Trip Generation & DistributionForecasting for New Urban DistrictsYU Ji-dong1,Wu Rui-lin1(1.Dept.of Urban Road & Traffic Eng., Wuhan Urban Construction Ins. Wuhan430074, China)Abstract: For new urban districts, the traditional 4-phase transportation demand forecasting model can not meet the need of the master planning due to the lack of the trip generation & distribution phase data. A feasible simplified forecasting model is proposed refering to the experiences of some new urban districts in our country and based on the inherent law of trip generation,trip attraction and trip distribution.Key words: new urban districts; trip generation; trip attraction factor; trip distribution; OD matrix; traffic friction.我国城市化水平越来越高,涌现出大量新建城市或城市开发新区(以下简称新城区),给城市交通规划带来了新的课题,此处交通规划指总规阶段的专项性交通规划.在总规阶段编制土地利用规划时,需要编制以控制性骨干路网为目标的交通规划,以便能及时地协调土地利用与交通规划之间的互动关系.在交通供应能满足土地利用规划的同时,交通需求又能引导和刺激土地利用的下一轮规划.“先用地规划,后交通规划”是在已有的交通网络和交通设施的基础上制定城市用地发展规划,然后制定与之相适应的交通规划.但是,新城区的交通规划人员面对的只是山林荒地和少量农村居民点,现状土地交通资料几近空白,而且新城区开发速度要求交通规划的周期必须缩短,所以传统的交通规划方法在宏观指导性和现实实用性方面已不适应新城区开发建设的需要,应有新的思路和突破.1 传统的交通规划方法传统的交通规划多采用综合交通规划的程序和方法,交通需求分析与预测为其核心工作,主要使用传统程序性交通需求分析模式,即出行生成、出行分布、出行方式选择和流量分配四阶段预测模式.而新城区在出行生成和分布阶段,由于缺乏现状调查资料,不能满足应用传统四阶段模式的条件.传统的预测内容是依据土地利用规划,得到各交通小区的居民出行发生量T i和吸引量U j,调查得到各交通小区之间的交通量分布现状OD矩阵[X ij];在此基础上,运用分布模型标定模型系数,得出规划年OD矩阵.常见的分布模型有增长率模型、重力模型和机会模型,它们的应用均要求现状OD矩阵[X ij].因此,对于基础调查资料不具备的新城区,开发出一种新的预测模型,它基于规划年的土地利用状况、人口分布规律、出行发生及吸引的规律性、出行分布的内在规律性而不依赖于现状OD矩阵的生成和分布,无疑有着相当大的现实意义.2 出行生成预测2.1 出行发生量预测人口的空间分布是出行发生量预测的关键.当前新城区的城市规划工作中,在未来人口数量预测方面考虑得比较多,采取平均的方法,在全区内采用统一的人口毛密度,这种简单化的做法显然不符合实际情况.从耗散结构论的观点来看,社会系统进化的方向应该是非平衡的有序态,平衡和无序将导致系统的退化.因此,规划工作中的这种简单平均将不利于未来的城市社会系统的健康发展.作者试从区位论着手探求人口空间分布的规律性,依据各交通区的自然地理区位、商业区位、工业区位及交通区位等几个主要因素,对几个有典型代表意义的城市进行调查统计,得出人口分布密度与以上几个区位因素的关系,对各交通区的居民分布进行量化评定,从而将规划年的总人口分配到各交通区.出行发生量采用类比法确定,考虑的因素主要有规划城市人口规模、规划城市社会发展水平指数、地域趋同性及规划城市性质.人口的合理分布要考虑到新城区人口构成的特殊性.2.2 出行吸引系数的确定在需求量预测阶段拟引入出行吸引系数U i,即各交通小区 i对居民出行的吸引率式中,y k为交通区内第k类性质用地的面积;d k为交通区内第k类性质用地的吸引权.d k的确定可采用直接法和间接法:一是直接通过调查老城区取得,再适当考虑城市性质、社会发展水平的变化影响;二是根据国内同类性质城市的各种不同性质用地对出行的吸引得到,或根据已有的国内外其它城市相关的调查资料取得.合肥市利用居民出行调查所得各类交通区对各目的出行的回归,得到各种出行目的的出行吸引与土地利用的基本关系比,将各种出行目的的吸引比例叠加以后,得到公共建筑用地、工业用地、居住用地、对外交通用地、学校及办公用地、道路广场用地、仓储及特殊用地等对总出行的吸引权.上海市在1995年的第二次全市性综合交通调查中广泛吸取了国内外专家的意见,特别增加了对吸引点的调查,在全市范围内共抽取了不同区位、不同用地性质及不同规模的1 000个吸引点进行吸引量的调查.1988年出版的《Trip Generation》一书中,将城市用地划分为若干类型,分别测定出人们的活动量,归纳和分析出相应的规律,编制出相应的交通量规律图例,用以预测城市道路的远景交通流量.出行吸引权具有良好的可移植性.只要城市的性质、社会发展水平和居民的生活方式大致相似,各类性质用地的出行吸引权应具有相当好的稳定性.即使是在老城区开展调查,外业和内业的工作量均不大,这对于规划周期要求很强的新城区,很有实用意义.3 出行分布预测一般意义上,影响出行分布的因素包括交通源的状况(反映为出行发生和吸引)、交通工具及交通设施情况(反映为交通区间的交通阻抗,如时间和距离等).出行在交通吸引源、交通工具及交通设施状况构成的系统中,按照其本身的内在规律选择其目的地,同时满足供求(发生和吸引)平衡的原则.因此,只要找到出行分布的内在规律,按照供求平衡的原则,即可建立一般意义上的出行分布预测模型X ij=T i U j/ f(R ij),式中,X ij为 O点(交通区i)至D点(交通区j)的出行分布;T i为O点(交通区i)出行发生量; U j为D点(交通区j)的出行吸引系数;f(R ij) 为交通区i与交通区j之间的阻抗函数.此处R ij为交通区i 与j间的行程,且假定同一交通小区内的行程,即R ii,为交通小区几何半径.道路阻抗函数f(R ij)应为单调递增函数,采用常用的幂函数形式 f(R ij)=R a iij,式中,(a i为交通区i 的特征系数.标定模型系数时,由约束条件jX ij=T i有jT i U j/R a iij=T i,得jU j/R a iij=1,解之得a i.新模型要求满足a. O点至D点的出行分布量与O点的出行发生量成正比;b. O点至D点的出行分布量与D点的出行吸引系数成正比;c. O点至D点的出行分布量与OD点间的交通阻抗成反比.显然,上述模型具有平衡的内涵,它采用了重力模型的思想,将影响出行分布的最重要的几个因素:O点的发生量、D 点的吸引率及OD间的阻抗都引入了模型,反映了出行分布与交通源、交通设施及交通工具间的一般关系.由于模型引入了交通小区出行吸引系数,避开了由现状OD矩阵来标定模型系数和两次平衡所必须的迭代运算.在现状OD资料无法取得时,圆满地完成了交通量的分布预测,得到了规划年的OD矩阵.4 结束语总规阶段的交通规划,是对新城区在控制层次上的把握和引导过程,着重解决骨架性问题,且规划的周期应尽量缩短.规划周期过长,政府的决策将失去引导和依据的作用,也必然落后于开发建设.作者吸取了大连新市区和南京新市区等交通规划的经验,对传统的居民出行生成和分布预测模式进行了反思,提出的预测模型简单实用.新模型基于规划年的土地利用状况、人口分布规律、出行发生及吸引的规律性、出行分布的内在规律性,对于我国众多基础交通资料不具备的新城区,有着重要的实用价值,作者也将在此后的研究工作中,结合新建城区的交通规划,实际应用模型,并分析其效果.作者简介:余继东,男,1972年生,硕士生;武汉,武汉城市建设学院城市道路与交通工程系(430074).作者单位:武汉城市建设学院城市道路与交通工程系,湖北武汉430074参考文献:[1]Mar A.Simplified Procedures for Estimating Trip Atrractions Transpn.Eng.[J].Journal of ASCE,1981,107[2]王炜等.城市交通规划理论及其应用[M].南京:东南大学出版社,1998.[3]郑祖武等.现代城市交通[M].北京:人民交通出版社,1998.[4]乔乐中等.面向新城区的城市交通规划.李侃桢.第六届海峡两岸都市交通学术研讨会论文集[C].重庆,1998.75~79[5]陈继松等.大连新市区小窑湾中心区交通系统规划研究[A].裴玉龙等.城市基础设施发展国际学术研讨会[C].杭州,1996.202~207[6]陈必壮,苏红娟.城市土地开发容量与交通影响分析[A].李侃桢.第六届海峡两岸都市交通学术研讨会论文集[C].重庆,1998.83~85收稿日期:1999-09-09。