居民出行强度能够较好地表征城市居民的日常出行特征,广泛应用于交通需求预测四阶段法的第一阶段——交通生成预测。出行生成率是衡量居民出行强度的重要指标,用于表征某类型用地的单位出行强度,分为出行产生率与出行吸引率两部分。然而,利用出行生成率进行居民出行强度预测时,生成率的实时性及地区差异性不易保证,采用的土地利用信息也往往不够准确,从而造成居民出行强度预测结果出现偏差。随着大数据时代的到来,网络已成为人们获取信息的主要来源。互联网信息采集技术使获取互联网中精细化、实时更新的土地利用信息成为可能。针对目前出行生成率研究存在的问题,本文提出利用互联网信息采集技术,获取交通小区兴趣点(point of interest,简称POI,表示任何一个有意义的地理位置如一个商店、一所学校、一家医院、一处住宅小区等)信息及其对应的详细土地利用信息,并以详细土地利用信息为基础建立交通小区居民出行产生量与吸引量多元回归预测模型及地理加权回归模型,选取北京市朝阳区20个交通小区,利用手机信令数据近似得到的城市居民出行OD量对模型进行检验与校核,计算得到的出行产生量与利用手机信令数据近似得到的出行产生量间的平均绝对误差为14%,计算得到的出行吸引量与利用手机信令数据近似得到的出行吸引量间的平均绝对误差为13%,预测结果的平均绝对误差均在合理范围内且模型得到的系数是居民出行强度的有效估计值。本文后利用各类兴趣点详细信息地理加权回归模型系数,生成居民出行强度分布图,对各类兴趣点详细信息与居民出行强度及两者相对地理位置关系间的内在联系进行了进一步地阐述与说明。本文提出的居民出行强度预测研究方法是大数据在交通领域应用的一种拓展,将互联网信息采集技术及数据挖掘技术应用于传统的交通需求预测当中,能够在减少数据收集工作量的同时,得到更加精细化的居民出行强度,提升居民出行强度预测的效率、费效比及准确度,为交通工程师提供参考。