建成环境对轨道交通客流非线性影响的空间特征

机器学习模型是研究建成环境对城市轨道交通车站客流影响的非线性方法，但既有的解释工具对该类模型结果空间特征的分析仍不够充分。基于多源位置大数据提出城市轨道交通建成环境的多维度指标及其计算方法，采用极限梯度提升决策树和局部回归分析技术，构建样本的κ指标以分析建成环境对客流非线性影响的空间特征。针对北京地铁的案例研究表明：建成环境对城市轨道交通车站出站客流的非线性影响差异显著，就业密度、公共交通可达性和用地混合度等排序前三的解释变量的重要度高达42.51%。这3个解释变量的κ指标空间分布呈现显著的空间异质性，表明客流对建成环境的依赖关系具有空间非平稳性。上述建成环境对客流非线性影响的空间效应说明：城市轨道交通车站周边用地开发不仅宜采取因地制宜的差异化发展策略，而且还需合理确定不同区域车站资源开发配置的下限值，激活建成环境因素的阈值效应以改善客流效果。     

建成环境对轨道交通客流的时空异质性影响分析

研究各类建成环境特征对客流的影响，对城市轨道交通网络规划和运营客流控制具有重要意义。本文考虑人口经济特征、车站特征、外部交通特征与土地利用特征这4类建成环境对客流的影响，提出一种融合时空地理加权回归(GTWR)和随机森林(RF)的时空地理加权随机森林模型(GTWR-RF)，以捕捉建成环境特征对客流影响的时空异质性与非线性。首先，利用多源数据对各建成环境的统计指标进行细化和完善，采用GTWR模型计算建成环境对客流的影响系数，捕捉并分析建成环境对客流影响的时空异质性。其次，将影响系数输入RF模型中进行训练，捕捉并分析建成环境对客流的非线性影响，实现客流预测并确定建成环境特征对客流预测影响的相对重要度。针对北京的案例研究表明：GTWR-RF模型能够同时捕捉建成环境特征对客流影响的时空异质性与非线性，在所有建成环境特征中，工作人口数量对客流预测影响最显著，其次为公交接驳量；与普通最小二乘法、RF、梯度提升回归树、极限梯度提升树和GTWR模型相比，GTWR-RF模型具有更好的预测性能，在早高峰客流预测中决定系数较其他方法分别提升了5.7%,6.3%,0.5%,10.1%和7.3%。     

空间异质性建成环境对出租车与地铁竞合关系的影响

建成环境对出行方式的影响已有丰富的研究成果，然而对不同出行方式间相互关系影响的研究仍不够细致。本文以网格化的形式细化研究区域，采用土地利用属性和交通属性的六小 类要素作为特征变量刻画城市建成环境的特征。基于出租车行程的OD点与地铁站点的空间关系，将出租车与地铁竞合关系表征为 SCPE(Subway-competing,与地铁竞争)方式、SE(Subwayextending，延伸地铁)方式和SC(Subway-complementing，补充地铁出行)方式，并利用多尺度地理加权回归研究建成环境对竞合关系(SCPE、SE、SC)的影响机理及其空间效应。针对兰州市的案例研究表明：SCPE、SE、SC方式具有显著的空间异质性；多尺度地理加权回归能够刻画SCPE、 SE、SC方式与建成环境间依赖关系的空间异质性及其尺度差异，其估计结果更为可靠；建成环境各要素对SCPE方式的影响较为平稳，SC方式对公交站点密度和道路密度要素非常敏感，存在高度的空间异质性，SE方式亦对公交站点密度要素非常敏感。     

南京市轨道交通车站客流特征析因及应用

为便于针对性地开展轨道交通车站交通配套设施建设工作,有必要对不断建设完善的轨道交通线网的车站进行分类研究.以南京市轨道交通为例,基于现状车站客流特征数据,考虑客流规模、空间分布及时间形态,采用因子分析法提取非弹性因子、职住不均衡因子、区位因子,基于此进行分类.采用多尺度地理加权回归对各因子进行回归分析,找到其他指标(主要为居住人口、就业岗位及用地)与各因子的联系,可定量呈现规划车站的属性特征并据此进行分类.研究表明,通过以上三因子可对车站进行符合实际的类型划分.这说明客流特征能通过因子分析得到不同维度表征,而通过多尺度地理加权回归可使其定量解释成为可能.     

不同类型城市轨道交通车站站台客流特性对比研究

随着轨道交通的发展,站台客流拥挤、服务效率低等问题越来越受到重视,研究城市轨道交通客流特性是解决该问题的基础。本文从个体行为和群体行为两个角度重点对不同类型城市轨道交通车站站台上的乘客行为进行对比分析。在乘客个体行为方面,主要研究不同类型城市轨道交通车站站台高峰和平峰时段乘客个体的步幅、步速、步频等属性的特点及之间的关系,并进行建模分析;在乘客群体行为方面,主要研究不同类型城市轨道交通车站站台出站乘客流速度与密度的关系以及针对乘客候车区选择特性分析建模。通过上述分析,得到不同类型城市轨道交通车站站台乘客行为规律及模型,为地铁车站根据自身类型进行客流组织和站台服务设施布置提供一定的理论依据。     

基于动态反馈神经网络的城市轨道交通短期客流预测

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作等的关键。文章在研究城市轨道交通的断面客流特征的基础上,建立基于动态反馈神经网络的城市轨道交通短期客流预测模型,提出通过若干组连续历史断面客流数据训练动态连续的神经网络,以此对未来客流进行预测;并以北京轨道交通某日早高峰客流为例进行分析,验证了该模型与方法的有效性。     

社区建成环境对机动车行驶里程影响的空间异质性模型

为指导社区生活圈打造绿色出行环境，定量解析社区建成环境对居民小汽车行驶里程 (VMT)影响的空间异质性。基于建成环境的5D维度选取人口密度、土地利用多样性及公交站点密度等6个指标刻画建成环境，在《社区生活圈规划技术指南》的基础上，结合步行速度和非直线系数等指标差异化界定社区生活圈尺度，利用POI数据和道路网络等地理空间数据测度建成环境。以保定市居民出行行为调查数据作为实证研究数据来源，构建考虑自变量尺度变异的多尺度地理加权回归模型(MGWR)。研究结果表明：对比最小二乘回归(OLS)模型与传统的地理加权回归(GWR)模型，纳入变量尺度异质性的MGWR模型降低了残差的自相关性，且调整后R2 相比于GWR模型与OLS模型分别提高了1.8倍与6.0倍；从标准化系数来看，社区建成环境指标中，土地利用混合度和公交服务水平对VMT影响最大；社区建成环境指标中，路网密度与交叉口密度接近全局尺度，空间异质性较弱，其余建成环境变量均具有较强的空间异质性，需要进行差异化的空间设计；社区建成环境指标局部回归系数的空间分布模式呈现“中心-外围”变化趋势，与城市形态有较强的耦合。     

成长性视角下建成环境对轨道交通站点客流影响分析

为准确把握城市轨道交通客流生成规律，本文从客流成长性视角探究城市轨道交通站点客流与站点周边建成环境之间的交互关系。以上海市城市轨道交通为研究案例，通过人口及就业密度、土地利用、路网密度、出入口数量、介中心性等13个因子刻画建成环境，基于上海市地铁刷卡数据、人口及经济普查、兴趣点(Point of Interest, POI)、道路网络等多源异构数据，分别构建建成环境对轨道交通客流影响的普通最小二乘法(Ordinary Least Square, OLS)模型与极限梯度提升(eXtreme Gradient Boosting, XGBoost)模型进行量化实证分析。结果表明，基于机器学习算法的XGBoost模型比OLS模型具有更好的模型表现。从影响贡献度来看，轨道交通站点建成初期，地铁站点出入口数量(21.9%)，常住人口密度(15.9%)，路网密度(9.8%)是影响城市轨道交通站点客流的最重要建成环境因素。建成近期，商业设施用地(16.5%)、容积率(11.1%)和就业密度(8.5%)等用地类建成环境变量成为提升城市轨道交通站点客流的关键。建成远期，城市轨道交通站点客流水平取决于出入口...     

基于属性加权回归的组团式城市轨道交通进出站客流预测模型研究

为增强轨道交通进出站客流回归预测模型在组团式城市的适应性，利用多源数据细化和完善各影响因素的统计指标，更加精细地体现不同轨道车站之间的差异。针对组团式城市进出站客流在不同尺度下表现出截然不同的空间分布特征的特点，结合K近邻非参数回归和地理加权回归(Geographically Weighted Regression, GWR)模型，采用样本之间的属性差异表征异质性特征，提出一种属性加权回归(Attribute Weighted Regression, AWR)模型。重庆中心城区的案例分析表明：AWR模型能够兼顾样本集合在不同尺度下的空间分布特征，更适用于样本差异较大的情况，且对样本的空间相关特性没有特定的限制条件，针对组团式城市具有更强的适应性；相比于采用普通最小二乘法(Ordinary Least Squares, OLS)的多元线性回归模型和GWR模型，AWR模型对组团式城市轨道交通进出站客流需求的拟合优度和预测精度均显著提高，且误差的空间负相关性明显减弱，是轨道交通进出站客流预测方法的一种有益补充。     

西安市城市轨道交通车站高峰时段偏差研究

各城市轨道交通均存在车站客流高峰时段与城市交通高峰时段不完全重叠的现象。而车站设计时均以预测的城市交通高峰时段客流值为依据,导致部分车站规模设计过小。通过对西安市63座城市轨道交通车站的客流高峰时段与城市交通高峰时段的偏差进行分析,运用K-means算法对其进行分类。根据各类型车站周边用地性质特征,得出每一类车站的高峰偏差时间建议取值以及车站高峰客流的扩大系数。结果表明,当通勤出行用地与其他出行用地比值不小于0.5时,车站客流高峰时段基本无偏差;当比值小于0.5或为明显的交通枢纽、大型商业区车站时,车站客流高峰时段将有不同程度的偏差,且高峰时段客流量是此车站在其城市交通高峰客流量的1.1~1.6倍。     

北京市轨道交通车站客流时空分布特征

轨道交通线网客流特征实质上是车站客流时空分布叠加及交换的效果体现,通过分析车站客流的波动性,发现北京轨道交通系统在不同时间维度和区域范围均呈现出明显的不均衡特征。针对车站特点进行聚类分析,归纳出周边不同用地类型的车站客流时空分布差异性特征规律,并进一步分析了进站客流和换乘站客流特征以及进出站客流接驳特征。在此基础上,对北京市轨道交通发展提出应建立多层次的轨道交通系统和多样化的轨道交通运营组织方式;重视换乘站在网络中的合理布局,改进换乘站设计与运行组织;结合车站区位特征制定差异化接驳服务等建议。     

深圳市轨道交通客流特征分析及启示

为增加轨道交通客流、完善运营组织方案并提高轨道交通服务水平,基于深圳市轨道交通网络运营现状,从网络、线路、车站三个层次分析轨道交通客流发展规律和时空分布特性。针对轨道交通规划设计及运营提出几点建议：考虑车站周边开发强度对客流的影响,不断完善车站周边配套设施;根据客流特征采取相应的行车组织方案;做好换乘站设计,满足乘客换乘便捷性、安全性和舒适性要求;重视步行和自行车交通系统规划设计,为乘客提供舒适的接驳环境;完善公共汽车交通接驳设施等。     

空间耦合连接性的TOD测度模型构建及应用研究

以公共交通为导向的规划模式，能够有效结合交通功能与土地利用。针对当前轨道交通 站点与周边土地利用关系研究中对引导要素考虑不足的问题，本文在“节点-场所”模型中新增描 述 两 者 关 系 的“ 可 达 性 ”维 度 ，构 建 基 于 空 间 耦 合 功 能 连 接 性 的 TOD(Transit Oriented Development)发展模式测度模型。以深圳市为例，评价轨道站点影响区TOD发展水平，并揭示轨 道交通与城市空间的协同关系。研究表明：改进的“节点-场所”模型对“均衡站点”识别区分度更 优；TOD综合指数空间上由福田、罗湖核心区向外围的光明、龙华和龙岗区方向递减。其中，轨道 交通2号线和7号线的节点和场所指数均处于较高水平，而6号线和11号线可达性指数呈高值集 聚；罗湖区多数站点可达性较弱，形成了近似TOD的“地铁上盖(TID)”或“地铁附近开发(TAD)”； 此外，轨道站点影响区TOD综合指数越高其站点客流量越大，两者协同度越高。     

长沙地铁2号线运营初期客流特征分析

开展客流特征研究对科学合理地设计轨道交通系统、优化运营组织设计具有重要意义。以长沙地铁2号线的地铁刷卡数据为研究对象,运用数理统计方法对其开通初期三年的运营客流进行分析,着重分析断面不均衡系数、车站进出站高峰系数与车站周边土地利用性质的相关性,线路客运量高峰系数与该线功能定位的关系,以及乘降量和换乘量的客流特征。针对上述结论对设计和运营提出建议,可为轨道交通的设计、建设、运营提供参考,也可为大城市轨道交通客流预测结果的合理性判断提供依据。     

基于土地利用及客流特征的地铁车站分类

为研究地铁站的精细化分类问题,利用基于出行链分析的通勤出行识别方法筛选通勤客 流,结合早晚高峰的进出站客流量,识别车站的职住功能特征;基于百度地图开源平台抓取POI (Point of interest)数据,从用地功能角度进行组合归类,得到细粒度的车站周边土地利用特征。结 合以上两类特征,建立基于非监督学习K-Means++方法的地铁车站分类模型,将北京地铁307个 车站分为7类。根据其客流和周边用地特征分别识别为配套设施开发完善的典型居住型车站,具 有商业开发潜力的典型居住型车站,配置一定工作岗位的居住型车站,高度开发的典型工作型车 站,职住结合的工作型车站,旅游休闲型的车站,以及尚待开发的远郊车站。经过分析,该分类结 果与实际情况高度吻合,验证了模型的有效性,可以为城市规划及车站周边土地开发提供依据。     

轨道交通与城市协同发展的空间差异性分析：以北京市为例

为识别轨道交通与城市协同发展程度的空间差异性，以及不同空间范围内城市发展水平对轨道交通客流影响的差异性，引入描述空间集聚特征的莫兰指数Moran's I 建立轨道站点周边城市发展水平评价方法，将轨道站点周边城市发展水平和站点客流空间集聚分布特征作为轨道交通与城市发展协同程度判断标准，划定若干研究区域，利用地理加权回归GWR 模型研究两者空间相关性和城市发展因素对轨道交通客流的影响. 实证研究表明：轨道站点周边城市发展水平与站点客流协同程度较高的区域，城市发展水平对站点客流影响更大；将城市发展因素对站点客流影响程度进行排序，密度高于交通便捷程度、功能多样化程度和发展紧凑度.     

基于灰色理论的城市轨道交通短期客流预测研究

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作的关键。在研究城市轨道交通的断面客流特征的基础上,建立基于灰色预测的城市轨道交通短期客流预测模型,提出通过若干组连续历史客流数据构建灰色预测模型,以此类推对未来客流进行预测。以某城市轨道交通网络客流为例进行计算,得到预测数据与真实数据误差较小,验证了该模型与方法的有效性。     

基于常规公交的轨道交通站点吸引范围研究

在进行城市轨道交通规划与运营优化时,需要对客流进行分析,其中确定城市轨道交通站点的吸引范围属于关键性问题。考虑到不同用地性质的轨道交通站点承担的交通功能不同,对城市轨道交通的站点进行分类,建立基于聚集效应的城市轨道交通站点客流吸引范围模型,并通过实例进行分析,得到轨道交通站点对常规公交客流的合理和最大吸引时间,从而确定不同类型站点的客流吸引范围。