建成环境对老年人交通事故严重程度异质性影响

为量化建成环境因素对事故伤害严重程度的影响,本文构建基于均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度进行异质性分析。采用2019年美国某州老年人交通事故数据,从老年人特性、车辆特性、道路特性、道路环境特性、建成环境特性这5个方面选取17个影响因素,利用平均弹性系数捕捉各因素对事故伤害严重程度的影响。结果表明：基于均值和方差异质性随机参数Logit模型的拟合优度更高;建成环境因素中事故发生地300 m缓冲区 内存在购物中心为随机变量,其均值与男性老年人、车道数为3显著相关,方差与道路控制方式为未控制显著相关;摩托车、直线、湿润等因素显著增加了老年人交通事故伤害严重程度。研究结果有助于交通管理者采取适当的策略降低老年人交通事故伤害严重程度。     

建成环境对行人交通事故严重程度的非线性影响

为探索建成环境对行人交通事故的影响并为行人事故预防提供理论依据,本文以建成环境“5D”要素为基础,围绕土地利用、城市设计和交通系统这3个维度构建昼夜建成环境指标体系,基于轻度梯度提升机构建昼-夜间行人交通事故严重程度模型,探究城市建成环境对行人交通事故严重程度的影响机制,结合SHAP(Shapley Additive Explanation)归因分析方法揭示两者之间的非线性关系,并以深圳市为例进行实证分析。结果表明：建成环境对行人交通事故的影响效应存在显著的时段异质性;昼间行人交通事故严重程度主要受人行道可达性、地铁站可达性及学校邻近度等因素的影响;夜间行人交通事故严重程度主要受人行道可达性、娱乐兴趣点(POI)指标及道路照明条件等因素的影响。建成环境对行人交通事故严重程度存在显著的非线性影响。昼间时段学校邻近度介于[0, 3]km时,地铁站可达性小于1km时,对行人事故严重程度有较大抬升作用;夜间时段娱乐POI可达性小于0.5km时,对行人事故严重程度有抬升作用;不论昼夜,人行道可达性对行人事故严重程度均有压降作用,且临街院门密度低的区域行人事故严重程度较高。昼-夜间模型均表现出优秀的效果,分类准确率分别为96.38%和92.08%。     

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...     

考虑建成环境的电动自行车事故严重程度致因分析

为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值及方差异质性的随机参数Logit模型,利用边际效应量化显著变量对事故严重程度的影响差异。基于北京市近5年电动自行车事故抽样数据进行实证研究,结果表明：事故时段19:00-次日7:00、骑行者年龄大于40岁、重(大)型货车、到最近医院的距离增大及恶劣天气等因素会增加电动自行车事故严重程度。建成环境属性中,到最近医院的距离在死亡事故中的参数为服从正态分布的随机参数,路段及恶劣天气会增大其均值异质性,驾驶员年龄为(40, 60]岁会增大其方差异质性;其他属性中,一般城市道路在受伤事故中的参数为服从正态分布的随机参数,路段会增大其均值异质性。研究结果可以为降低电动自行车事故严重程度提供理论支撑。     

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.     

建成环境对共享单车使用特征的非线性影响研究

为研究共享单车使用特征与建成环境的依赖关系,本文以2020年厦门市共享单车订单数据和电子围栏信息为基础,从集计(栅格区域)和非集计(个体出行)两个层面,利用极端梯度提升模型(XGboost),探究建成环境对共享单车使用特征的非线性解释能力。首先,识别密度、设计、目的地可达性、土地利用多样性、公共交通可达性和需求管理六个维度的建成环境变量对单车出行生成、吸引以及用户出发时间选择的相对重要性。之后,根据部分依赖图,揭示建成环境变量对单车使用特征指标的影响趋势。结果表明,在集计层面,电子围栏密度是最重要的建成环境因素,对出行生成和吸引的影响程度分别为26.88%和51.90%,且在150个·km^-2附近产生阈值效应。在非集计层面,单车用户早高峰借车概率与出行起讫点的建成环境均有关联。其中,目的地栅格中工作场所比例影响最显著(18.17%),出发地栅格CBD邻近度(7.34%)和出发地栅格公交站点密度(5.91%)次之。     

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...     

建成环境对共享单车分时骑行量的非线性作用研究:以上海市为例

为解析建成环境对共享单车不同时段借还车量的非线性作用,本文以2016年上海摩拜共享单车和网络公开数据为基础,利用梯度提升决策树,建立共享单车工作日,非工作日及工作日早、晚高峰借还车量模型。研究结果显示：变量影响程度方面,街道至市中心距离对4个时段共享单车借还车量具有稳定且突出的作用,相对重要度超过17%;路网密度、非机动车道占比、人口密度影响次之,但在4个时段作用波动较大。非线性关系方面,街道至市中心距离、非机动车道占比、人口密度、就业POI(Point of Interest)密度与各时段共享单车借还车量呈复杂非线性关系,阈值效应显著;路网密度、住宅POI密度则与之总体负相关和正相关。同时段下,建成环境对早晚高峰时期的共享单车借还车量非线性作用差异明显,与高峰时期单车骑行的潮汐性特征相一致,非机动占比与街道中心邻近度、就业POI密度对高峰时段单车骑行作用有明显的协作性作用。     

基于Multinomial Logit模型的美国北卡罗莱纳州慢行交通事故严重程度分析

为分析慢行(自行车与行人)交通事故严重程度的显著性影响因素,将交通事故分为仅财产损失事故、潜在伤害事故、非伤残事故、伤残事故、死亡事故5类,从人、车、路、环境4个层次选出11个自变量,以交通事故严重程度为因变量,基于Multinomial Logit模型计算每个变量对慢行交通事故严重程度的边际效应。结果表明,驾驶员性别、驾驶员饮酒状态、行人年龄、道路特征、路面状态、一天内发生时间、光线条件、年平均日交通量、地形等9个变量均与道路交通事故严重程度显著相关。     

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。     

路段摩托车单车事故伤害严重程度原因分析

为了研究影响路段摩托车单车碰撞事故严重程度的因素,以美国印第安纳州2013—2015年1 526起路段单车事故为研究对象,考虑驾驶员特征、车辆属性、道路条件、环境及事故特征5方面共21个自变量,构建了巢式logit模型,分析死亡事故、失能性伤害事故、非失能性伤害事故与仅财产损失事故。利用全信息最大似然法估计模型参数,估计结果显示模型整体拟合度良好。研究发现:在0.1的显著性水平下,驾驶员性别、年龄、是否使用头盔、是否酒驾、驾驶员是否被甩离摩托车、是否超速、是否冲出道路、是否载人、车龄、道路是否潮湿、道路线形与限速、月份、光线条件、是否发生农村地区、摩托车碰撞物(电线杆、路缘、涵洞、护栏、树)与摩托车单车碰撞事故伤害严重程度显著相关。其中,驾驶员被甩出车外、超速、摩托车冲出道路、摩托车车龄超过10年、事故发生在4月、7月份、夜间、事故发生在农村地区、摩托车与电线杆碰撞增加了死亡事故的概率。研究结果有助于交通管理者采取合适的策略用来降低路段摩托车单车事故严重程度,也可以为后期国内摩托车事故的进一步分析提供借鉴。     

基于多层模型的城市建成环境对通勤行为的影响

为研究城市建成环境对居民通勤行为的影响,考虑个体社会经济属性和交通小区建成环境属性的跨层次结构,建立多层模型,分别分析了个体社会经济属性层面和交通小区建成环境层面对通勤时间及通勤距离的影响,并利用长春市居民出行调查数据标定模型参数. 结果表明：多层模型比传统的回归模型拟合效果更好;控制个体社会经济属性特征后,土地利用混合度、交叉口密度及公共交通站点密度对居民通勤出行时间和距离的影响均呈现显著的负效应,而居民居住地到城市中心商务区(CBD)的距离仅对通勤距离有显著的正向影响.研究结果可为通过城市规划优化通勤结构提供理论支持.     

基于神经网络的交通事故严重程度影响因素研究

为分析交通事故严重程度的影响因素,运用感知器神经网络理论,从人、车、路(环境)因素及交通流因素等方面选取12个输入参数,以交通事故严重程度为输出参数,搭建基于MATLAB平台的3层前馈人工神经网络模型。对建立的网络模型的拟合优度进行检验,求解回归曲线以及总响应,并通过实例验证模型的有效性。分析表明,驾驶员性别、年龄、事故类型对交通事故严重程度的影响可以忽略不计,交通流特征对交通事故严重程度的影响最大,天气情况、路面情况对交通事故严重程度的影响程度基本相同。     

基于事故综合强度的公交事故严重程度分析

为更加精确地对公交事故严重程度进行分类以探究其影响因素,本文提出一种基于事故综合强度+K-means的公交事故严重程度分类方法,并基于此分类方法建立公交事故严重程度影响因素分析模型。首先,针对传统事故严重程度分类中的定性分类方法,引入事故综合强度法定量计算公交事故严重程度,并运用K-means聚类算法对事故严重程度进行聚类。其次,选取环境、驾驶员、道路车辆和事故特征这 4 方面的 17 个因素作为自变量,分别将事故综合强度+K-means分类法和传统分类法的结果作为因变量,运用有序Logit模型分析公交车事故严重程度,同时利用平均边际效应量化各显著因素的影响程度,以佛山市2021年156起公交车事故数据为例进行分析。结果表明,基于事故综合强度+K-means分类法的有序Logit模型具有更好的拟合优度。高峰期、换道、超速、加速度过大、注意力分散和进出站会增大发生极严重公交车事故的概率,增大的概率分别为11.57%、29.06%、23.98%、17.13%、30.97%和12.27%;白天和晴天会减小发生极严重公交车事故的概率,减少的概率分别为22.31%和12.34%。     

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.     

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。     

考虑潜在类别的老年行人交通事故严重程度致因分析

人口老龄化问题日益突出,老年行人的出行安全同样引起各界重视。本文基于潜在类别聚类分析和随机参数Logit模型相结合的两步法深入探究影响老年行人交通事故严重程度的诱因。对北卡罗来纳州2007—2019年65岁及以上老年行人与机动车的碰撞数据进行清洗。为消除碰撞数据中固有的未观察到的异质性,首先进行潜在类别聚类分析,依据拟合优度指标确定最佳聚类数,将数据分成3个集群,分别对每个集群进行特征描述。然后,分别对每个集群建立随机参数Logit模型,以进一步探索集群内部未观察到的异质性,同时计算各显著变量的边际效应,量化其对事故严重程度概率的影响。结果显示,随机参数Logit模型具有更好的拟合优度;不同集群参数估计结果有所差异,一些变量只在特定集群内是显著的;集群1中,“救护车援助”为随机变量,集群2中“事故发生在城市”为随机变量,集群3中未发现随机变量,退化为多项Logit模型。本文研究结果可为交通工程师和政策制定者提供更可靠准确的老年行人交通事故严重程度诱因信息,为老年行人出行安全改善方案的制定提供理论支撑和技术支持。     

基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度.使用2015—2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利...     

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。