站域建成环境与地铁客流量的非线性关系和协同效应——可解释机器学习分析

为了量化站域建成环境与地铁客流量的复杂关联效应,运用公共交通刷卡、手机信令、POI(point of interest)等多源大数据,采用可解释机器学习方法(融合随机森林和SHAP(Shapley additive explanations)模型),对站域建成环境变量与成都地铁客流量之间的非线性关系以及变量之间的协同效应进行实证研究。研究结果表明：对地铁客流量影响最大的3个建成环境变量是容积率、就业密度和道路密度。SHAP模型分析进一步揭示了站域建成环境对地铁客流量的阈值效应以及建成环境变量之间的协同效应。上述发现为以公共交通为导向的城市发展(transitoriented development,TOD)规划和实践提供了理论支持和政策启示。