公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

山地城市建成环境对居民小汽车拥有影响研究——以贵阳市为例

为分析山地城市建成环境对居民小汽车拥有的影响，探究不同坡度下居民地形感知对小汽车拥有影响的差异，采用贵阳市中心城区不同坡度下的小区居民调研数据，引入3个观测变量来评价居民的地形感知，将结构方程模型（SEM）计算出的潜变量适配值融入Logit模型中，构建包含潜变量和显变量的SEM-Logit模型来研究主客观建成环境与小汽车拥有的关系。结果表明:坡度对小汽车拥有产生积极影响，但不同坡度下的地形感知对小汽车拥有的影响有所不同。在地形条件相对较好的环境中，当小区坡度小于8%，居民对地形感知并不强烈，并认为从小区步行到公共交通站点的距离和时间花费在其承受范围内。因此，地形感知并未对小汽车拥有造成显著影响；在小区坡度为8%~15%时，地形感知对小汽车拥有产生显著负效应。生活在该小区类型的居民，尤其是收入相对偏低的居民，更喜欢选择电动自行车出行，削弱了小汽车拥有量；当小区坡度大于15%时，小区坡度与小汽车拥有量具有正相关性。该小区类型的道路坡度大，居民出行过程中通常会经历频繁的上下坡，造成出行时间花费长，继而形成强烈的地形感知。这严重降低了居民出行选择步行或骑行的可能性，转而提升了小汽车拥有的概率。同时，在SEM-Logit模型中也证明了除地形因素外，家庭年收入、到地铁站最近距离、土地利用混合度、目的地可达性、出行态度对小汽车拥有具有较大影响。      

“生命交规”

不久前,笔者在街头偶遇一场惊险闹剧:一青年骑电动自行车闯红灯时被正常行驶的一辆轿车挂倒,幸亏驾驶人停车及时,摔倒在地的青年虽然头破血流,却没有什么大碍。把青年从地上扶起的执勤交警在批评青年时,把“生命交关”说成了“生命交规”。思索良久,这句话颇耐人寻味。公安部相