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。     

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。     

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。     

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...     

考虑时空修正的轨道交通封站短时客流预测方法

为了实现封站情况下轨道交通短时客流的精准预测和探索客流的变化机理,提出了一种考虑时空修正的融合动态因子模型(DFM)和支持向量机(SVM)的短时客流预测方法(DFM-SVM); 利用符号聚合近似方法(SAX)与动态时间规整(DTW)相结合的算法(SAX-DTW)识别受封站影响的时空范围,利用DFM预测常态下的短时客流,利用SVM提取和处理受封站影响车站与时段客流量的非线性特征,对受影响车站与时段的客流量进行修正; 以北京地铁封站情景下车站的进站量预测为例,验证方法的有效性。研究结果表明: 与既有SAX相比,提出的SAX-DTW不仅能全面考虑到客流数量和客流趋势的变化,还能更准确地识别出多个车站的异常时段; 与传统DFM相比,DFM-SVM能显著降低各车站的预测残差,其中奥体中心车站的预测残差降低约60%;与基线模型霍尔特-温特(Holt-Winters)、SVM、门控循环单元(GRU)和长短期记忆(LSTM)相比,在整体客流量预测效果方面,提出的DFM-SVM在其均方根误差方面分别降低43.39%、70.00%、33.18%和70.83%,平均绝对误差分别降低43.72%、67.17%、28.98%和57.08%;在单个车站的客流量预测效果方面,提出的DFM-SVM在均方根误差和平均绝对误差方面有70%的车站均低于其他基准模型。可见,提出的DFM-SVM能够捕捉封站影响客流的非线性关系,极大提升了客流预测精度,能够为运营管理者提供可靠的客流预警信息与决策依据。      

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。     

基于动态时空神经网络模型的地铁客流预测

针对城市轨道交通站点客流预测问题，本文提出一种基于注意力机制的动态时空神经网络(DSTNN)模型。模型采用多分支并行架构，能够有效提取地铁客流的复杂时空特征，在空间维度上，全局和局部注意力机制相结合，实现站点间动态时空关联和静态拓扑结构的捕捉；在时间维度上，使用双向长短时记忆和注意力机制共同学习客流数据的时变规律。在杭州地铁数据集上进行实验，结果表明：相较于经典预测模型和深度学习模型，DSTNN具有更高的预测精度和训练效率。在4种不同的预测时长下，DSTNN模型平均绝对误差的平均值较基线中扩散卷积循环神经网络模型(DCRNN)和物理虚拟结合图网络模型(PVCGN)分别降低6.63%和2.57%。此外，可视化分析证明了本模型对时空关联的动态学习能力，消融实验验证了各分支的有效性。     

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。     

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%)。     

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。     

城市建成环境对共享单车还车量的影响分析

在确定共享单车客流最佳空间单元集计方法后,进行城市建成环境对共享单车还车量的影响程度分析。以厦门岛为例,将共享单车还车位置数据进行集计得出的空间单元还车量作为因变量,计算各空间单元的建成环境指标作为自变量,利用最小二乘法、地理加权回归、多尺度地理加权回归模型,针对8种空间单元划分方法进行回归分析,确定拟合优度最佳的空间单元划分方法,并分析建成环境变量影响程度的空间异质性。研究结果表明：(1)采用交通分区进行还车量集计的多尺度地理加权回归模型拟合优度最佳;(2)公司企业兴趣点密度、建筑密度、交叉口数量和共享单车电子围栏数量与还车量呈正相关;空间封闭度、科研教育兴趣点密度、至最近地铁站距离和兴趣点多样性与还车量呈负相关;最近公交站距离在西南部呈负相关,在西北、北部和东北部呈正相关。研究思路和方法为提高共享单车还车量预测模型精度提供了参考,建成环境变量影响程度的空间异质性结果为不同区位提出差异化的建成环境更新策略提供了科学依据。     

公交出行时空模式的影响因素和效应研究

为揭示公交出行时空模式的影响因素和作用效应,利用智能公交数据获取公交出行时空特征,应用DBSCAN聚类算法挖掘公交出行的时空规律性。以起点建成环境、终点建成环境、出行路径性能、公交运营性能和公交出行强度5个方面的18个指标为自变量,以公交出行时空特征和公交出行时空规律性2个方面的4个指标为因变量构建变量指标体系,融合智能公交、POI等多源数据对指标进行量化计算,建立结构方程模型对公交出行时空模式的影响效应进行分析。研究结果表明：公交出行模式具有时空异质性,平峰时段公交出行距离和出行时长均长于早、晚高峰时段;时间规律性强的公交出行主要发生在高峰时段,空间规律性强的公交出行集中分布在城市中心区;出行路径性能、公交运营性能、起点建成环境、终点建成环境对公交出行的时空特征有显著影响（早高峰影响效应分别为-0.749,-0.413,-0.244,-0.228）;公交出行强度、出行路径性能、起点建成环境和终点建成环境对公交出行的时空规律性有显著影响（早高峰影响效应分别为0.688,0.069,0.022,0.021）;各因素对公交出行时空模式的影响具有时间异质性,平峰时段的影响均大于早、晚高峰时段...     

基于SARIMA模型的广珠城际铁路客流量预测

为实现铁路车站发送客流量的短期预测,研究预测步长对短期客流预测效果的影响,分析了广珠城际铁路车站发送客流的特征和变化规律,结合客流特征及季节性差分自回归滑动平均模型(seasonal autoregressive integrated moving average,SARIMA)的适用性,构建了SARIMA客流预测模型,利用Python软件中的Statsmodels模块完成了SARIMA客流模型的精细化调参,以广州南站、小榄站的发送客流量为例验证了模型的有效性.结果表明,SARIMA预测模型可以较好地适用于不同数量等级的客流预测,其预测精度随预测步长的增加而降低.预测步长为1时,广州南站、小榄站、珠海站客流预测平均绝对百分比误差(mean absolute percentage error,MAPE)值分别为3.97%,5.83%,5.43%;预测步长增加为2时,各车站客流预测误差显著增加,广州南站、小榄站、珠海站客流预测误差MAPE值分别为5.31%,6.79%,7.62%;预测步长大于2时,预测误差基本保持稳定.将SARIMA模型预测效果与随机森林(random forest, R...     

轨道交通站点聚类及其对客流预测的影响分析

城市轨道交通站点受多层面因素交互作用而反映出异质性，为实现站点精细化分类，本文统筹考虑地铁刷卡数据、兴趣点数据和地铁网络数据，提取客流、土地利用和网络性质等特征，其中，客流层面考虑工作日、周末和节假日等不同日期类型下客流状态，土地利用层面考虑站点辐射区用地强度和均衡性，网络层面考虑节点自身特性和影响能力。构建基于主成分分析与K-means++算法的聚类模型，综合聚类评价指标确定簇数，辨析不同类型站点多维度特性，结合站区土地利用和站点网络特征探讨对出行活动的影响，并设计簇内联合预测和整体联合预测策略，采用3种多元时序预测方法探究站点聚类对预测性能的影响。研究结果表明：考虑全部客流特征时，划分为10簇，考虑工作日进站客流特征时，划分为5簇，充分挖掘客流时变特征能够获得更加精细化的聚类结果；各簇站点客流分布特征与其土地利用及网络特征间存在一定的反馈关系；相比于整体联合预测，通过聚类联合相关性强的站点进行预测，以间接捕获空间相关性的方式能有效提升预测性能，各模型均方根误差平均降低9.04%，平均绝对误差平均降低4.94%。研究结果为站点精细化管理和站区设施建设规划提供依据。     

建成环境对老年人出行方式选择的非线性影响

研究老年人的出行方式选择有助于更好地理解老年人出行行为,对提高老年人出行便捷性和可达性,构建老年人友好型社会和改善交通系统的公平性具有重要意义。本文基于2021年贵阳市居民出行调查数据,运用梯度提升决策树模型,研究老年人出行方式选择的决策机理,并深入挖掘公交站点辐射区内不同老年群体选择行为的异质性。结果表明：（1）出行特征是影响老年人出行方式选择最重要的因素,相对重要度达58.51%,其次是建成环境因素（35.49%）,二者均远高于社会经济属性的相对重要性(6%)。（2）建成环境对老年人出行方式选择的非线性作用显著,其中老年人步行出行的距离阈值为3 km;老年人出行更多的是空间分散模式,而非以市中心为导向模式。因此,对老年人出行方式选择的干预在建成环境阈值范围内更加有效。（3）建成环境对老年人出行方式选择的影响不仅存在独立的非线性效应,不同的社会经济属性还会导致其存在群体差异。这些发现可为创建面向老年人友好的出行环境提供决策支撑。     

基于深度学习的网约车供需缺口短时预测研究

城市不同区域网约车供需缺口预测可为车辆调度策略提供支持,从而提高车辆运行效率和乘客服务水平.为实现网约车供需缺口短时预测,提出一种基于时空数据挖掘的深度学习预测模型(Spatio-Temporal Deep Learning Model, S-TDL).该模型由时空变量模型、空间属性变量模型和环境变量模型 3个子模型融合而成,可捕捉时空关联性、区域差异性和环境变化对供需缺口的影响.同时,提出特征聚类-最大信息系数两阶段特征选择方法,筛选与供需缺口相关性强的特征变量,提高训练效率,减少过拟合.滴滴出行实例分析证明,特征选择后的 STDL模型预测精度显著优于BP神经网络、长短期记忆网络和卷积神经网络.     

城市公共自行车租还不均衡的时空特征与影响因素

准确掌握城市公共自行车租/还不均衡程度的时空规律,是引导用户参与自平衡调度、降低调度成本的重要前提。本文以宁波市中心城区公共自行车及其300 m缓冲区建成环境为研究对象,将站点的单车缺口值作为不均衡程度量化指标,基于大规模IC卡刷卡记录数据,利用Kmeans聚类与空间统计等手段,分析了全局站点单车缺口的时空变化规律及骑行OD特征,并构建考虑空间自相关的地理加权回归模型,对建成环境与单车缺口的内在联系进行实证研究。研究表明：(1)研究区域内公共自行车站点的工作日活跃特征分为2类：均衡型、就业导向型,休息日内站点特征分为3类：居住导向型、均衡型、休闲导向型;(2)工作日和休息日的站点单车缺口的全局Moran’s I分别为0.116和0.102,表现出显著的空间正相关性;(3)人口密度、主干路里程、居住社区型POI变量在早/晚高峰时段分别对单车缺口具有正向/负向影响,并且南北部地区影响效用差异明显;地铁站点的影响效用与以上变量相反,空间作用特征是随地铁2号线的走向呈梯度变化。     

考虑群体异质性的建成环境与老年人慢行出行关系研究

健康老龄化背景下，慢行出行是提升老年人身心健康、生活品质的重要方式，而建成环境是影响老年人慢行出行的重要因素。本文以2013年南京市老年人出行实测数据为基础，利用潜在类别聚类方法对老年群体进行异质性分析，分类建立随机森林模型研究建成环境指标对不同老年群体慢行出行时间的重要度影响及两者之间的非线性关联。研究结果表明：以性别、是否退休、学历、家庭收入以及学龄前儿童这5个类别变量作为外显变量，可将老年群体划分成两类，各自建立的老年人慢行时间模型整体拟合优度较好；其中，影响第1类老年群体的关键建成环境变量有慢行路网密度、交叉口数和地铁站邻近度，第2类老年群体慢行出行时间的影响因素主要有地铁站邻近度、慢行路网密度和住宅密度，另外同一建成环境指标对两类老年群体慢行出行时间的非线性关联也不相同。研究结果可为制定差异化的老年宜居环境优化政策，提升老年人生活品质以及实现健康老龄化提供理论依据。     

常规公交站点设计模式与交通事故关系的实证研究

常规公交站点是城市公交系统的重要组成部分,以往研究重在发现站点设计模式与运行效率之间的关系,对于设计模式与交通事故的关系缺乏实证性研究。为揭示设计要素与交通事故的关系及其异质性特征,以某市44条公交线路的1 176个公交站点为研究对象,以站点2年内事故总数为因变量,以设计模式特征、建成环境特征、交通设施特征等影响因素为自变量;运用皮尔逊和斯皮尔曼相关系数法进行变量筛选,在此基础上构建地理加权负二项回归模型及对比模型。建模结果表明：地理加权负二项回归模型表现优于对比模型,进一步分析发现,港湾式公交站与非港湾站点相比明显降低了事故发生率;公交车-非机动车分行与混行条件相比事故率也有显著降低;车道数多的站点事故较少;而其他设计要素与事故数之间的关系则未能通过数据验证。此外,建成环境对站点交通事故也具有影响,距地铁和中央商务区距离越近事故率越高。模型也揭示了影响关系的空间异质性,在人口相对较少、交通设施不完善的区域设置港湾公交车站形式带来的降低事故率作用更为明显。