出行预测是交通研究的核心内容，居民日常活动的时间变化是目前城市研究的一个前沿问题。通过出租车轨迹、手机信令数据等大量轨迹数据可以得出出行时间变化的规律性，但考虑到高度混合的用地功能情况下，无法区分观测到的居民出行与哪种用地功能相联系。信号分析领域的时频变换方法为解决这一问题提供了思路。居民每日出行的时间变化也可以看作是一系列的信号，这些信号具有多个不规则的峰值，对应不同土地利用的联系。利用时频变换方法，可以将每日出行的复杂时间变化分解为若干个与特定土地利用类型相关的规则性周期波，建立不同目的出行与土地利用类型之间的联系。
因此，本研究提出一种应用时频转换方法来预测基于土地利用的出行需求的时间变化规律。应用傅立叶变换将出行的时域信号转换为具有多个特征值的频域信号，并使用神经网络算法将特征值与土地利用联系起来，最后根据已知的土地利用结构预测出行需求的时间变化。本文的创新之处在于将复杂的出行需求时间变化分解为若干简单的周期波，并将其与土地利用相联系起来，提出了动态出行需求预测的新方法。
 

交通出行,傅里叶变换,时变,交通预测,神经网络