空间异质性建成环境对地铁与公交换乘客流的影响

地铁与常规公交换乘的出行方式成为人口密集型城市的主要出行方式，探究两者换乘模式的影响因素有助于提高公共交通分担率。本文采用AFC(Automatic Fare Collection System)数据与AVL(Automatic Vehicle Location)数据，识别地铁-公交(M-B)和公交-地铁(B-M)两种模式的换乘客流。以地铁站点为核心，围绕站点周边开发程度、交通系统、城市设计及地铁网络结构特征这4个维度构建地铁站点建成环境指标体系。利用多尺度地理加权回归模型(MGWR)探究城市建成环境对地铁-公交与公交-地铁两种换乘模式的影响机理及其尺度效应，并以成都市为对象进行实证研究。研究结果表明：MGWR模型能够反映不同建成环境要素与M-B和B-M方式间依赖关系的空间异质性与作用尺度差异性，估计结果优于全局OLS(Ordinary Least-Squares)模型与GWR(Geographic Weighted Regression)模型；建成环境要素对公交与地铁换乘客流的影响效应存在空间异质性，公交线路数量空间异质性最为显著，非机动车道密度、土地利用混合度及地铁线路数量空间异质...     

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。     

基于GWR模型的共享单车空间分布影响因素分析

为辨别不同时段不同地区影响单车出行的关键因素,认识共享单车与用户间的动态平衡关系,基于对城市多源数据的分析,从用车环境、道路交通基础设施、公共交通变量和土地利用变量4方面选取共享单车出行影响因素,并以此为输入性指标建立全局回归分析初选模型与地理加权回归模型(Geographically Weighted Regression, GWR),初步分析各因子的空间非平稳性。通过地理差异检验得到具有空间异质性的影响因子,然后采用空间可视化分析方法进一步探究单车出行分布与关键因子间的作用机理。以西安市建成区共享单车出行数据为例进行分析,结果表明:在工作日早高峰和晚高峰时段,共享单车设施分布密度对共享单车出行起点分布的影响存在空间异质性,企业密度在工作日早高峰时段、餐饮类分布密度在工作日晚高峰时段对共享单车出行终点的影响具有空间异质性;GWR模型对单车起终点影响因素回归分析的拟合优度R~2相比全局回归模型分别提高了0.428, 0.378, 0.208和0.309,且修正后的赤池信息准则(Akaike Information Criterion,AIC)值(AICc)与残差平方和均有所降低,表明GWR模型能较好地反映变量之间的空间异质性,具有较高的准确性与适用性。     

建成环境对老年人出行行为影响的空间异质性

随着积极应对人口老龄化战略的提出，老年人成为亟需关注的重要群体.为弥补现有交通出行研究多关注建成环境对老年人出行行为全局影响的不足，融合2011年香港特区政府组织的大规模交通习惯调查数据、地理数据和谷歌街景图像数据，测度老年人出行倾向和多个建成环境变量，建立三层随机截距（一层：个人，二层：家庭，三层：社区）二元logistic回归模型和地理加权二元logistic回归模型，分析建成环境与老年人出行倾向的复杂关联关系，并借助ArcGIS平台对关联关系进行可视化.研究结果发现：人口密度、土地利用混合度、交叉口密度和绿视率正向影响老年人出行倾向；地铁可达性和公园可达性的影响不显著；建成环境要素对出行倾向的影响存在空间异质性；土地利用混合度对出行倾向的局部影响是双向的，在城市西部为正向，而在城市东部为负向.     

共享单车出行空间异质性特征及驱动因素研究

为实现基于轨迹数据挖掘的共享单车出行空间异质性特征及其驱动因素评估，本文应用核密度分析和热点探测，获取采样分析区域并以热力值表征共享单车出行发生量，减少尺度效应的干扰；引入空间统计学的半变异函数模拟共享单车出行发生量的结构性和随机性变化规律，挖掘空间异质性特征，确定邻域效应的尺度范围；利用空间序列的斜率表征变化趋势，同时，结合改进的空间滞后和残差模型，区分土地利用、邻域效应和其他建成环境各自对共享单车出行空间异质性特征的驱动力。以北京市为案例进行分析，结果表明：北京市的共享单车出行存在中等的、 正的空间自相关性，空间异质性特征的最佳拟合模型为指数模型；空间自相关性的衰减半径为 1860 m，大于此距离时邻域效应消失；建成环境对空间异质性特征的相对驱动力最大，邻域效应对其的相对驱动力则处于中间水平，而土地利用对其的相对驱动力最小。     

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。     

城市轨道交通客流与精细尺度建成环境的空间特征分析

既有研究对城市轨道交通客流与土地利用依赖关系的分析较为充分，然而针对建成环境 特征对客流影响的研究仍不够细致。本文采用开发强度、混合用地、慢行交通环境、公共交通可 达性和可获得性等变量刻画城市轨道交通TOD(Transit-Oriented Development, TOD)建成环境的 5D特征，基于多源地理大数据提出其计算方法，并利用多尺度地理加权回归研究TOD建成环境 对早高峰出站客流影响的空间特征。针对北京的案例研究表明：TOD建成环境特征的空间分布 具有显著空间异质性，多尺度地理加权回归能够刻画客流与上述特征变量依赖关系的空间异质 性及其影响尺度，其估计结果更为可靠。TOD建成环境对早高峰出站客流的影响效果呈现显著 的区域差异特征。两者关系的空间非平稳性表明：不同区域车站的TOD开发应采取差异化发展 政策。郊区车站更适合强调规模和强度的发展策略，而中心城区车站则较难通过进一步提高规 模和强度以改善客流效果，而应更强调发展的质量。     

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%。     

新冠疫情及建成环境对公交客流量的影响模型

为揭示新冠疫情背景下公交客流量变化的空间影响因素，以疫情前后公交站点层面客流变化量为因变量，以建成环境、病毒感染情况及病毒传播途径等指标为自变量，构建新冠疫情与建成环境对公交客流量共同影响的线性回归(Ordinary Least Squares, OLS)模型与梯度提升回归树(Gradient Boosting Regression Trees, GBRT)模型。以广州市为实证对象，基于公交IC卡数据、兴趣点数据(Point of Interest, POI)及道路网络数据等多源异构数据进行模型实证分析。结果表明：考虑非线性效应的GBRT模型比OLS模型具有更好的拟合度；同时，常规公交站点的公交线路数量(22.02%)和到市中心距离(13.56%)是影响疫情背景下公交客流量变化的最重要因素，片区病毒感染与传播情况对疫情防控常态化时期的公交客流量作用有限，居民日常公交出行已经从疫情的影响下逐渐恢复。     

考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响，考虑交通小区间的空间相关性，分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型，并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计，结果表明：交通小区间的空间相关性显著存在；以不考虑空间相关性的模型作为对比，基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优；在控制家庭层面社会经济变量后，居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应，表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

建成环境对城市停车需求影响的非线性模型

为精细化把握城市建设项目在微观空间尺度下的停车需求规律，从空间视角探究停车需 求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求，以土地 利用混合度、路网密度、公交服务水平等9个因子描述建成环境，分别构建建成环境对停车需求影 响的普通最小二乘(Ordinary Least Squares，OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree，GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象，基于 停车调查数据、兴趣点数据(Point of Interst，POI)、道路网络数据等多源异构数据进行模型实证分 析。结果表明，考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来 看，配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素，交叉口密度 (5.19%)贡献度最小；在非线性关系方面，建成环境因子与停车需求均具有非线性关系与阈值效 应，除交叉口密度及人口密度与停车需求呈现U型关系，其余因素与停车需求的关系整体上保持 正相关或负相关。     

影响老年人步行效能的关键性建成环境要素识别

针对当前建成环境与老年人步行活动关系研究中,考虑个体主观感知嵌套于建成环境空间层次的不足,本文通过构建主观感知、建成环境与老年人步行距离效能的多阶层线性模型,以揭示各层级变量交互作用的本质和程度。结果显示：安全性、通畅性是老年人步行效能的主观敏感性因素;客观建成环境要素对不同步行距离效能存在一致性或差异性影响,其中,交叉口密度、 NDVI(Normalized Difference Vegetation Index)植被系数、公共服务设施密度是一致性因素,容积率、路网密度分别对300 m与远距离出行作用明显;中介效应表明容积率是影响300 m步行活动空间内交通安全性的关键性因素,社区开放形式则会通过治安安全性影响老年人远距离出行, NDVI植被系数是老年人步行环境安全性重要影响因素。     

城市建成环境对出租车出行需求影响研究—— 基于空间溢出效应的分析

城市建成环境对交通出行具有深刻的影响,为探讨快速城市化时期我国城市 建成环境对出租车出行需求的影响,本文构建了考虑空间溢出效应的计量模型,以北京 市为例开展了实证研究.基于交通分区空间尺度,利用出租车GPS 数据获取了交通分区 出行需求,度量了住宅类、工作岗位类及交通设施类等变量表征建成环境,进而研究建成 环境对出租车出行需求的影响.通过传统最小二乘法的多元回归模型、空间自回归模型与 空间杜宾模型进行对比发现,空间杜宾模型的拟合度和解释力最优,研究建成环境对出 租车出行需求的影响时不能忽略空间溢出效应.利用空间杜宾模型参数估计结果,分析了 建成环境的住宅类、工作岗位类及交通设施类变量对出租车出行需求的直接效应、溢出 效应与总效应.本文力求掌握出租车出行需求产生的内在城市环境因素,为降低出租车空 驶率、实现出租车空间需求预测及分布均衡提供依据.     

�����е��湫����ͨ��·����״����

充分发挥地面公交的优势是改善城市交通拥堵状况的关键之一。选取线路长度、线路网密度、重复系数、非直线系数、站点密度、平均站距、站点覆盖率等指标，应用地理信息系统（GIS）技术，对北京市地面公交线路网进行了现状评价。结果表明，尽管北京市的地面公交比较发达，近年来更是取得长足的发展，但仍存在线路长度总体偏大，线路网密度偏低，重复系数大且在空间分布上差异明显，80%以上线路的非直线系数超过《城市道路交通规划设计规范》标准，站点密度相对较小，站点覆盖率仍然不能够充分满足居民对公交的方便利用等问题。对现存问题的揭示将为提出合理的解决对策、进一步制定线路优化方案、提高地面公交的运行效率奠定基础。     

基于机器学习模型的建成环境对小汽车拥有行为的影响

为分析家庭小汽车拥有行为，同时考虑居住地和工作地建成环境的影响，构建梯度提升迭代决策树(GBDT)模型；分析社会经济属性，居住地、工作地建成环境属性对小汽车拥有行为的影响程度，并基于长春市居民出行调查数据进行实证研究.结果表明：3类影响因素中，社会经济属性对小汽车拥有行为的影响最大(58.95%)；职住地建成环境属性均对家庭小汽车拥有行为具有显著影响，且居住地建成环境影响(23.77%)高于工作地建成环境(17.28%)；职住地建成环境属性中，除居住地交叉口密度，工作地到中央商务区(CBD)距离及公共交通站点密度外，其他建成环境属性对小汽车拥有行为的影响均大于5%.因此，有必要同时优化职住地的建成环境来抑制小汽车拥有量的增长.     

城市轨道交通新建线路对沿线住宅价格增值的时空效应

定量分析城市轨道交通对沿线土地价值的影响，是通过土地价值捕获将外部效益内部化， 解决中国新型城镇化过程中城市轨道交通财务可持续的关键问题。本文在开源数据环境下，获 取2011—2016年北京市二手房交易数据，采用特征价格模型(HPM)分析北京城市轨道交通新建 线路对沿线住宅价格增值的时空效应。研究表明：与全局常参数的多元线性回归模型(MLR)、空 间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)相比，局部变参数的地理加权回归 模型(GWR)拟合效果更优，可以更好地消除残差的空间效应，刻画轨道交通与土地价值关系的空 间异质性。城市轨道交通带来的可达性提升对沿线80%以上住宅小区的房价具有显著的正效 应，住宅价格增值比率随地铁站距离递远递减，且具有显著的空间异质性。轨道交通对住宅价格 的影响在空间上具有网络化效应，新建线路不仅会改变周边房价，对城轨网络其他位置的住宅也 具有影响。城市轨道交通对住宅价格的影响范围为1 km，在该范围内，住宅价格受到的增值效应 在 2011—2016 年基本稳定，约为 3%；受新线直接影响区域的住宅价格会产生相对更大的提升 (0.02%~0.22%)。