排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
基于上海市摩拜单车一个星期的骑行数据，从时间角度深入挖掘骑行数据背后隐藏的行为模式和规律. 统计结果显示，工作日和周末的骑行行为存在显著差异，工作日呈现两个明显骑行高峰时段，周末的骑行分布则比较均匀. 在区分工作日和周末的基础上，根据骑行行为对每日的骑行者进行分类，每组骑行者均表现出独特的骑行开始时间和骑行时长. 基于周中的一天与骑行开始时间，以及周中的一天与骑行时长这两个组合分别计算赫希曼指数 (HHI)，证实共享单车骑行高度的时间规律性；周中的一天与骑行开始时间组合的HHI值具有更大的标准差，显示了共享单车的灵活性. 对共享单车骑行模式的探究，能够在一定程度上促进城市交通系统的持续改善，吸引更多出行者使用绿色交通方式. 相似文献
2.
对个体活动-出行行为的5个决策维度进行联合建模分析,包括连续型的通勤距离、离散型的日通勤出行方式和通勤出发时间、小汽车拥有和日非工作活动量.一方面,作为内生变量,这5个决策维度受到个体性别、收入、教育水平等社会经济属性影响;另一方面,它们之间的相互影响关系也通过可见的结构关系及不可见的相关关系得到证实.比如,通勤出行距离越长,出行者家庭小汽车的拥有量越大;通勤出行距离、公交出行方式的选择均对日非工作活动量有负面影响;当通勤者家庭拥有更多的小汽车或者通勤出行距离很长时,他们选择小汽车和公交车的概率更高.本文证实了个体活动-出行决策维度之间的复杂作用关系,证实了对多维活动-出行决策进行综合集成分析的重要性. 相似文献
1