5、网络级行程速度（NLT）的影响因素与时间序列分析

网络级行程速度（NLT）的影响因素与时间序列分析

在交通领域，对网络级行程速度（NLT）的研究有助于我们更好地了解宏观交通性能。本文将探讨影响NLT速度的因素，以及如何运用时间序列分析方法对其进行预测。

1. 变量间的相关关系

研究NLT速度与影响因素之间的相关性具有重要意义。连续变量（如温度、降水量、空气质量指数（AQI）和车辆保有量）用其实际数值表示，而分类变量（如周末、长假和特定出行限制日）用0或1表示。采用皮尔逊相关系数来衡量变量间的相关性，其数学公式为：
[r(X,Y) = \frac{Cov(X,Y)}{\sqrt{Var(X)Var(Y)}}]
其中，(Cov(X,Y)) 是 (X) 和 (Y) 的协方差，(Var(\cdot)) 是方差。

通过绘制连续变量的分布以及变量间的联合分布，可以直观地看到NLT速度与各影响因素之间的相关性。在这些相关系数中，NLT速度与长假的相关性最大，为0.53；与周末和特定出行限制日的相关性分别为0.21和0.38。这表明在周末、长假或特定出行限制日，宏观交通性能优于普通工作日。此外，NLT速度与温度的相关性为 -0.19，说明温度升高会降低NLT速度，可能是因为高温天气下汽车或出租车是更舒适的出行方式。而NLT速度与降水量或AQI的相关性较小。

2. 时间序列分析方法

2.1 时间序列的概念和基本特征

时间序列是按时间顺序排列的统计指标值的序列，通常是按固定采样率对对象进行测量的结果。本文研究的时间序列是将每日NLT速度数据按日期的时间顺序排列。时间序列分析方法可以根据过去的变化趋势预测未来的发展，通常假设研究对象的某些演变特征会延续到未来。 <