快速检索 图表检索 引用检索 高级检索
轨道站点合理步行可达范围建成环境与轨道通勤的关系研究——以北京市44个轨道站点为例
申犁帆1,, 王烨2, 张纯3,, 姜冬睿4, 李赫5
1. 武汉大学城市设计学院,武汉 430072
2. 广州市城市规划勘测设计研究院,广州 510030
3. 北京交通大学建筑与艺术学院,北京 100044
4. 北京城市象限科技有限公司,北京 100055
5. 中国银行国际金融研究所,北京 100818

作者简介:申犁帆(1987-), 男, 北京人, 博士生, 研究方向为城市轨道交通与空间规划、城市可持续发展。E-mail: 495062785@qq.com

通讯作者:张纯(1983-), 女, 北京人, 副教授, 博士生导师, 研究方向为转型期城市规划、城市形态与可达性、社区演变与规划。E-mail: zhangc@bjtu.edu.cn
摘要

轨道站点步行可达范围内建成环境因素与轨道交通通勤行为之间的关系越来越受到人们的重视。从潜在通勤者的角度出发,划定轨道站点的合理步行可达范围,以北京市44个轨道站点为例,利用大数据方法从“宜出行”程序中提取站点合理步行范围内的相对人口数据,结合2017年9月10个工作日早高峰时段的轨道站点刷卡数据得到该站点的相对乘车率。基于数据的非正态分布特征构建GARCH模型,分析早高峰站点合理步行范围内建成环境因素与站点相对乘车率的关系。结果表明:① 始发轨道站点与站点乘车率存在显著正向关系,而站点所在线路的换乘概率与站点乘车率具有非常明显的负相关性;② 轨道站点的出入口数量与乘车率显著正相关;③ 小区—站点的路径转折数和步行范围内的交叉路口数等可步行性特征对轨道交通通勤行为无显著影响,步行范围的公交车站密度与站点乘车率正相关;④ 合理步行范围内的用地混合度与乘车率存在显著的负相关性;⑤ 合理步行范围内的路网密度以及早高峰拥堵道路比与乘车率之间在不同程度上呈现正向关系;⑥ 共享单车订单数与轨道交通通勤行为之间的关系并不明确;⑦ 相比手机信令数据,“宜出行”定位数据的精度更高,适用于分析微观尺度下的实时人口分布及变化。

关键词: 轨道站点; 合理步行范围; 建成环境; 通勤行为; 广义自回归条件异方差模型; 北京市;
Relationship between built environment of rational pedestrian catchment areas and URT commuting ridership: Evidence from 44 URT stations in Beijing
SHEN Lifan1,, WANG Ye2, ZHANG Chun3,, JIANG Dongrui4, LI He5
1.School of Urban Design, Wuhan University, Wuhan 430072, China
2. Guangzhou Planning & Design Survey Research Institute, Guangzhou 510030, China;
3. School of Architecture and Design, Beijing Jiaotong University, Beijing 100044, China
4. Beijing Urban Quadrant Technology Co., Ltd, Beijing 100055, China
5. International Finance Institute, Bank of China, Beijing 100818, China
Abstract

In recent years, there has been a growing interest in the relationship between built environment factors within station pedestrian catchment areas and urban rail transit (URT) commuting ridership. In this paper, the rational pedestrian catchment areas was studied from the perspective of potential commuters. Based on a case-study of 44 URT stations in Beijing, big data method was adopted to collect point data of population from 'Yichuxing', an internet application. In addition, relative values of relative riding rate were obtained by combining point data and rail transit one-card pass data during peak time within 10 working days in September 2017. In view of the abnormal distribution of data, a GARCH model was established to analyze the interactions between station relative riding rate and built environment factors within rational pedestrian catchment areas. The study results showed that (1) there is a notable positive correlation between URT relative riding rate and initial station, and negative interaction between station relative riding rate and transfer probability of station; (2) there is a strong positive relationship between relative riding rate and exit numbers of station; (3) there are no explicit relationships between conditions of station relative riding rate and walkable factors such as residential-station footpath turn times and cross numbers within rational catchment areas, whereas positive relationship was observed between station relative riding rate and bus stop density within rational pedestrian catchment areas; (4) significant negative correlation can be found between relative riding rate and land use mixture; (5) there are positive correlations among station relative riding rate and density of road network, congested road proportion in morning peak hours in varying degree; (6) there is an ambiguous and intricate relationship between bike-sharing order quantities and URT relative riding rate; (7) compared to cellular signaling data, "Yichuxing" point data showed higher accuracy and applicability in terms of the analysis of demographic distribution and micro-scale changes.

Keyword: urban rail transit station; rational pedestrian catchment areas; built environment; commuting behaviour; GARCH; Beijing;
1 引言

近年来,城市轨道交通在居民日常出行活动中扮演着日益重要的角色。以北京市为例,2006-2015年10年间轨道交通的年客运量从7亿多人次激增到了33亿多人次,轨道交通线网运营里程增长了近5倍,达到553 km[1]。相比其他交通方式,轨道交通具有费用低、时间准和效率高等优势,从而能够更好地满足城市市民的日常出行需求。另外,根据《北京交通发展年度报告》的抽样调查数据显示,北京中心城区居民以轨道交通作为日常通勤方式的比重已达到25%,比10年前提升了4倍多,轨道交通现已成为除私家车外北京居民最主要的通勤方式[2]

接驳轨道站点的可达范围内建成环境因素对于轨道交通出行,尤其是对轨道交通通勤的影响被越来越多的学者所重视。根据国内外关于轨道交通站点不同接驳方式(步行、公交车、自行车、出租车等)相关研究的问卷调查发现,从出发地到轨道站点(前端,access part)和从轨道站点到目的地(后端,egress part)的路径中,人们采用步行方式的比重最高,通常占到70%以上[3,4,5,6]。正因如此,接驳轨道站点的步行可达区域被看作是研究轨道交通通勤行为的重点,研究者们通常用“直接吸引范围”、“步行客流吸引范围”、“合理步行区”、“步行接驳范围”、“步行可达服务范围”等描述步行接驳轨道站点的区域,并运用各种指标和测量方法确定该区域的尺度[4, 7-10]。为便于描述,本文将上述范围统称为轨道站点的“步行可达范围”,后简称步行范围。学界和业界普遍认为,步行范围的研究价值主要体现在:① 在轨道站点前期规划时,确定其步行范围能够有效预测客流量,从而合理规划轨道线网和布设站点[11,12];② 在轨道站点投入使用后,通过扩大其步行范围能够吸纳更多客流,进而提高轨道交通的运营效率和效益[4, 8, 13]

然而,这两方面目标都是从轨道交通的投资者、开发者和运营者的利益角度出发,在追求轨道站点更广的服务范围和更大的承载力时往往对大多数步行接驳站点的通勤者的体验感和承受力考虑不足,更忽视了步行范围内的建成环境因素可能会对轨道交通通勤行为产生负面影响。不少研究表明,轨道站点的接驳距离是影响通勤者是否选择轨道交通最重要的因素之一[14,15,16]。因此,划定轨道交通出行者能够普遍接受的站点合理步行可达范围至关重要。传统研究中,多是以问卷调查的方式对受访的通勤者进行询问。尽管问卷调查能够准确得知受访者的通勤方式并获得其他相关信息(如个人社会经济特征),但也存在样本少、成本高、精确度不稳定等缺陷。更重要的是,受访者通常无法准确地描述和评价对建成环境的感知以及对其通勤行为的影响。随着大数据的应用与发展,在居民通勤行为的相关研究中,一些研究者利用手机信令数据来识别和分析就业者的轨道交通通勤行为特征[17,18,19]。但在微观空间尺度上,通信基站收发数据可能会产生较大的空间定位误差,进而影响对轨道交通通勤人群识别的精确性。

综上所述,本文基于潜在通勤者以步行方式接驳轨道站点的合理时间阈值划定站点的合理步行范围,并通过大数据方法从“宜出行”程序中提取比手机信令数据更加精确的合理步行范围内的相对人口数据,结合夜间“宜出行”人口数据和早高峰时段轨道站点刷卡数据所得出的站点相对乘车率反映轨道站点的通勤行为特征。在实证研究方面,以北京市44个轨道站点作为样本,利用GARCH模型分析微观尺度下轨道站点合理步行范围内建成环境与站点相对乘车率的关系,进而考察轨道站点周边建成环境的差异对轨道交通通勤的影响。

2 相关研究综述
2.1 轨道站点步行可达范围的划分

不少研究者认为,轨道站点步行可达时间和距离的长短会对出行者是否选择轨道交通方式出行产生重要的影响[20,21]。进一步的研究发现,出行者对于步行接驳轨道站点的时间和距离存在一定的容忍限度,该容忍限度被称为步行时空阈值[20]。步行时空阈值的大小主要主要由出行者的生理条件和心理状态确定[5, 9]。通常情况下,出行者接驳轨道站点的最大步行时间阈值为15 min[9, 22-23]。也就是说,当出行者步行接驳轨道站点的时耗超过15 min时,出行者的生理和心理状况可能会产生负面变化,并导致其选择其他出行方式。

此外,诸多出行问卷调查得到的出行者实际步行接驳轨道站点的时间和距离,可被视为是在综合考虑时间成本、体力消耗等因素后出行者认为合理的步行接驳轨道站点时间和距离。例如,根据2005年北京市第三次居民出行调查数据显示,人们以步行方式接驳轨道站点的平均时耗约为10 min[5, 22]。还有研究者利用开放街景地图、NAVTEQ和Tele Atlas地图数据对美国和德国城市的地铁站步行辐射范围进行了比较,计算出大部分(85%)出行者步行接驳地铁站点的距离为722 m,约合时间为10 min[24]。加拿大蒙特利尔2003年出行调查数据显示,85%的受访者步行到达地铁站点的平均距离为873 m,折合时间约为12 min[25]。来自英国的研究者同样基于问卷调查,利用本地接驳区加权工具法(Weighted Access for Local Catchments, WALC)估算出伦敦轨道站点的平均步行接驳时间为8~10 min[26]。可以看出,尽管上述研究中的调查样本和步速选择存在差异,但通常情况下出行者步行接驳轨道站点的合理时间在8~12 min之间。

目前,相关实证研究主要基于抽样调查数据来测算轨道站点的步行接驳距离和可达范围,在调查问卷的问题设置上一般只询问受访者的实际步行距离或时间,很少从受访者的个人感受角度探究其对现实步行距离和时间的满意程度。根据出行者认为比较适中的程度和能够容忍的最大程度,可将出行的时空阈值分为合理阈值和极限阈值[27]。通常情况下,人们对于出行时间的感知要远强于对出行距离的感知[12]。因此,本文以接驳站点所需的步行时间来计算步行范围的大小。

基于已有研究,本文取一般情况下出行者步行接驳轨道站点的实际时间中间值(即10 min)作为出行者步行接驳轨道站点的合理阈值。进一步,本文将出行者从轨道站点出入口出发沿可行路径步行10 min所能到达区域称为该轨道站点的“合理步行可达范围”,后简称合理步行范围。

2.2 影响通勤行为的建成环境因素

已有研究表明,建成环境因素会对人们的通勤方式选择以及通勤行为产生影响[28,29,30]。建成环境是指日常生活中与人们生活、工作、休憩有关的人造空间[31],Cervero等1997年将建成环境分为密度(Density)、多样性(Diversity)、设计(Design)三个维度[32]。其中,空间密度被认为和就业者的通勤行为存在着密切关系。空间密度包括居住人口密度(或称为夜间人口密度)和就业人口密度(或称为日间人口密度)。空间的高密度可能会带来两方面结果:① 居住地和潜在就业地之间的距离较短。在这种情况下,以私人机动车作为通勤方式的优势会被削弱,就业者更有可能选择慢行交通或公共交通方式通勤[33,34,35,36];② 空间密度的增加会引发交通拥堵和停车位的供不应求等问题,出行效率的降低和出行成本的提高会对就业者是否采用私人机动车方式通勤造成直接影响[37,38,39]

另外,建成环境的多样性主要表现在土地利用特征方面。用地功能的混合程度会对人们的出行行为产生影响[40]。和高密度建成环境的影响类似,高用地混合度下既定区域内的就业岗位和居住单元供给更趋于均衡,进而能够增加就业者就近工作的机会[41,42]。在短距离通勤的情况下,不少就业者会倾向于采用步行和骑车等慢行交通方式。相反,用地混合度较低的区域内职住失衡的问题通常更为显著。就业者更倾向于采用出行效率更高的机动交通方式到更远的地方就业。相比土地利用功能单一的地区,高用地混合度的区域通常区位条件较好,能够为就业者提供更多日常活动(购物、休闲、就学、就医等)所需的场所。一些实证研究发现,既定区域的区位条件越好,居民利用公共交通方式出行的比例越高[43,44]

在微观层面,建成环境中的一系列场所设计因素会对居民的通勤行为产生影响。改善接驳轨道站点的便捷度有助于提高就业者的通勤效率[45]。站点周边路网密度和交叉路口数量[46,47]、公交站点及线路密度和停车位数量[48,49,50]都会对轨道交通出行产生影响。另外,不少研究结果显示,优化轨道站点及线网的综合服务水平(包括高效性、便捷性、可靠性、舒适性、安全性等)有助于提高通勤者的乘车意愿并能够激励原机动车出行者改乘公共交通工具出行[51]。例如,轨道站点的出入口数量越多,该站点的轨道交通出行量就越大[52],而轨道线路的换乘次数则会对轨道交通出行产生消极作用[53,54]

3 研究设计
3.1 研究范围

本文的研究范围为位于北京市海淀区和西城区四环路沿线及以内的所有轨道站点和部分位于四环外人流量较大并且具有一定代表性的站点(图1)。基于数据来源的局限性以及为保证分析结果的可靠性,本文剔除了研究范围内京港地铁运营的轨道交通4号线以及与4号线相换乘的所有站点。最后,研究范围内的轨道站点包括位于海淀区的29个站点和位于西城区的15个站点,共计44个轨道站点(表1)。

图1 研究范围内轨道站点的分布 Fig. 1 Distribution of URT stations in this study

表1 研究范围内的轨道站点 Tab. 1 URT stations in this study
3.2 轨道站点合理步行范围的划定

目前,不少学者通过GIS分析方法研究和评价公共服务设施的选址与配置[55,56],其中包括有栅格时距消耗法、缓冲区分析法、路网模拟法等。大数据技术的普及使得互联网地图类产品被研究者们广泛利用,其与传统的GIS分析方法相比具有以下两点优势:① 路网建模的精确性。互联网地图服务商对于城市道路网络的构建已十分精确,主要城市的路网精度已达到小区内部的园路级别;② 数据的易获得性。目前互联网地图服务商普遍开放了数据接口,便于研究者利用应用程序编程接口(Application Programming Interface, API)调用即可获得出行数据,省去了传统的构建路网数据、设置阻力模型等繁复过程。

本文对轨道站点合理步行范围的划分采取基于高德地图路径规划的点阵拟合法,具体步骤为:① 设置出发点。将轨道站点的每个出入口设为出发点,因此一个轨道站点可包含多个出发点;② 设置目标点。以轨道站点的几何中点为中心,每隔10 m设置步行点阵,覆盖站点周边2 km的范围(超出10 min可能行走的距离),构成一个4 km×4 km以轨道站点为中心的点矩阵,每个轨道站点采集160000个目标点;③ 获取最少时耗。通过python编程向地图服务商批量请求每个出发点到每个目标点的导航数据,选择预计步行所能到达目标点的最快线路,根据其他研究者所采用的一般成年人的步行速度4.5 km/h计算[17],获取从每个目标点到达站点出入口所需的最少时间,即表示为最少时耗;④ 生成轨道站点的合理步行范围。基于研究区域中点阵的最少时耗,剔除其中时耗超过10 min的点,剩余目标点所围合的空间即为轨道站点的合理步行范围(图2)。

图2 轨道站点的合理步行范围 Fig. 2 Rational pedestrian catchment areas of URT stations

3.3 数据来源与数据采集

3.3.1 数据来源 本文使用到的数据来自以下5个方面:① 2017年9月11-15日和9月18-22日,共计10个工作日的样本站点一卡通刷卡数据以及关于样本站点及其所在线路的一些常规数据。其中,为使数据更有针对性地反映本文的研究内容,我们剔除了单程票、员工卡等,只统计一卡通充值卡的刷卡数据,数据为按每30 min统计的刷卡次数;② 使用大数据挖掘技术和高德地图测量工具获取的主要交通设施的POI数据以及早高峰时段的地面交通流量数据;③ 通过Google Map和实地调研估算出的土地利用现状数据;④ 样本站点周边200 m范围内的ofo小黄车骑行数据;⑤ 采用大数据挖掘方法获得的腾讯“宜出行”点数据。

3.3.2 数据的采集与处理 (1)高德地图兴趣点

高德地图平台提供了千万级别的兴趣点(Point of Interest, POI),设置了详细的分类并提供了API接口。在地图表达中,一个兴趣点可用于表示一家商铺、一栋大厦、一个公园等。本文通过python编程,批量获取了研究范围内的公交车站及线路、中小学校、医院、综合商场和购物中心等兴趣点,用于分析轨道站点合理步行范围内交通设施、公共服务设施以及商业设施的集聚程度和供给水平对居民轨道交通通勤行为的影响。

(2)腾讯“宜出行”定位点

“宜出行”是腾讯公司开发的基于地图显示当前选定区域人流热力分布的移动终端程序,可有效分析既定区域内整体的人流热度和变化情况。相比传统的静态人口普查数据和动态人流测算估值,“宜出行”位置数据具备以下优势:① 强实时性。相比静态调查数据,“宜出行”数据来自人群的移动智能终端的GPS定位信息,具有动态更新、实时反馈的特性;② 高精确性。相比手机信令数据可能因通信基站分布密度较小(市区覆盖半径一般为100~500 m[57]或因基站位置的偏移而产生较大的数据误差,“宜出行”的数据的提取范围仅为25 m×25 m的网格地块,在微观尺度上推测或拟合人口分布时具有更高的准确性;③ 高覆盖度。“宜出行”定位数据主要来自腾讯公司旗下的互联网产品,包括微信和QQ等。相比其他数据源,“宜出行”的覆盖人群更广、样本量更大,具有较强的利用价值;④ 易获得性。“宜出行”直接提供了接口而使数据易于获得。

“宜出行”程序地图上显示的热力图无法直接转化为实际人口数量,但通过互联网数据采集方法可以获取表现热力差异的原始数据值,再通过分析手段处理后便可反映区域内人口的分布特征。“宜出行”原始数据为25 m×25 m网格的点数据,每个点都有一个基于定位数据赋予的值来表示相对人数。通过自编写的python程序,抓取10个工作日前一天夜间的“宜出行”数据作为本次研究分析的原始数据(图3)。所捕捉到的数据点为每30 min统计一次。利用ArcGIS进行空间化表达后的原始数据点表现为在地图上的非均匀分布。“宜出行”的原始数据值都是用实际采集到的移动终端数值乘以一个相对系数,标准化处理后的该数据值可用于,从而获得相对准确的基于点数据属性的实际人口分布。

图3 站点合理步行范围内“宜出行”点数据分布图 Fig. 3 Distribution of "Yichuxing" points within station rational pedestrian catchment areas

虽然“宜出行”无法采集到非智能手机用户的数据,考虑到本研究主要针对城市通勤人群,该群体智能手机使用率较高,因此具有较好的数据采集覆盖度。本研究中“宜出行”数据仅用于横向比较不同站点间的乘车率相对值且未覆盖到的群体比例不大,故该数据具有较高的可靠性和研究价值。

(3)早高峰时段的设定

通常情况下,通勤者在工作日的首次出行是去上班,而下班后通勤者的出行活动趋于多样性,因此本文只分析早高峰时段通勤者的相对乘车率。根据长期的地铁客流量和互联网地图的人口热力的变化规律,本文将早高峰时段设定为7:30-9:30。其中,由于五道口、上地、西二旗等3个轨道站点周边互联网就业岗位规模较大,基于互联网企业惯常的作息特征,本文将上述3个站点的早高峰时段延迟半小时,即为8:00-10:00。

(4)轨道站点出入口的统计和评价

为了更有效地分析轨道站点出入口数量可能对潜在通勤者选择轨道交通造成的影响,将所有样本轨道站点的出入口进行了重组和统计。以地铁万寿路站为例(图4),根据站点出入口的序列显示该站共有8个出入口,西北、东北、东南、西南4个方向各有两个出入口。实际上位于同一方向上的两个出口连接的是同一段地下通道,该段通道仅在通往地面的楼梯处分成两个相反方向的出入口,且两出入口之间的距离仅30~40 m。很明显,这两个出入口对于在该站点上下车的通勤者影响甚微。因此,在统计时只按有实质性区别的出入口进行统计,即地铁万寿路站的出入口数量为4个。

图4 地铁万寿路站出入口示意 Fig. 4 Diagram of Wanshoulu station's exits

(5)土地利用混合度的计算

参考已有文献利用信息论中的熵值表示土地利用混合程度[58,59],具体表达式为:

Landuse = - i = 1 k P ki ln P ki ln k (1)

约束条件为:

k = 1 4 P ki = 1 ( i = 1,2 , , 44 ) (2)

式中: Landuse 表示土地利用混合程度的熵值;k为站点i的合理步行范围内的用地类型数量。本文通过对站点周边区域的实地调研和谷歌卫星地图分析,将44个样本轨道站点合理步行范围内的土地利用状况进行了统计和归类,选取与通勤者居住和工作活动相关的公共管理与公共服务设施用地、商业服务业设施用地、居住用地等3种土地利用类型,将其他土地利用类型统归为一类,即k = 4;Pk,i为第k种类型用地面积占轨道站点i合理步行范围面积的比重。根据公式(1)所得到的 Landuse 值位于0~1之间,值越大表示该站点合理步行范围内各类用地分配越均衡,土地利用混合度越高;反之,则表示该站点合理步行范围内各类用地分配越不均衡,土地利用混合度越低。

(6)共享单车的统计

鉴于共享单车的出现在一定程度上提高了人们接驳轨道站点的效率并可能会对轨道交通通勤行为产生间接影响。本文中,选择使用市场占有率较高的ofo小黄车的骑行数据进行相关性分析。首先,划定共享单车的接驳范围,即10个工作日的早高峰时段和以样本站点为中心200 m半径的辐射区域。然后,筛选出在该时段和范围内结束行程的ofo小黄车平均订单数量。

(7)相对乘车率的计算

本文从“宜出行”程序中获取的定位点数据为相对值而非绝对值,虽然不能以此测算出合理步行范围内的实际人口数,但可用于比较不同站点合理步行范围之间的相对人口密度状况。为了尽可能准确地筛选出站点合理步行范围内的居住人口,本文选择在10个工作日的前一天夜间时段(21:00-24:00)抓取“宜出行”点数据,并将经过系数处理后的该相对人口数值命名为w。随后,计算样本站点10个工作日早高峰时段的一卡通进站刷卡次数与w的比值并取平均数,该平均数表示轨道站点合理步行范围内潜在通勤者在该站点的相对乘车率,后简称乘车率(表2):

ride = SCquan w (3)

式中:ride为轨道站点的相对乘车率;SCquan为轨道站点工作日早高峰时段的一卡通进站刷卡数;w为轨道站点合理步行范围内的相对居住人口数。

表2 样本站点的相对乘车率 Tab. 2 Relative riding rate of URT stations
3.4 研究方法与模型构建

3.4.1 变量设定 为考察轨道站点合理步行范围内一系列建成环境因素与该站点乘车率(ride)之间的关系,本文选取了涉及轨道站点特征(tranfe,initial,tranpos,exit)、可步行性特征(turn,cross,landuse)、地面交通特征(busstop,strgrid,trafjam,bike)等方面的11个解释变量代入GARCH模型进行分析(表3)。

表3 变量定义 Tab. 3 Definition of variables

3.4.2 模型选择 1986年,Bollerslev在Engle 1982年的ARCH模型基础上提出了广义自回归条件异方差模型(Generalized Autoregressive Conditional Heteroskedasticity, GARCH)。GARCH模型是对普通最小二乘法模型(ordinary least square, OLS)的进一步优化,它不仅能够对非正态分布的变量进行分析,还可以解决因OLS模型中的残差存在异方差而导致结果不稳定的问题,适用于数据量不大时波动性的分析和预测[60,61,62]

首先,利用雅克—贝拉统计量(Jarque-Bera)对各变量进行正态分布检验。其中,若偏度和峭度分别为0和3,则表示变量符合正态分布。如表4所示,绝大部分变量的偏度和峭度远离0和3,故不符合正态分布规则。另外,根据雅克—贝拉统计量的检测,若拒绝原假设(原假设为接受正态分布),则表明数据不属于正态分布。由表4可知,所有数据——特别是乘车率(偏度和峭度的值分别为1.21和3.53)——都显著拒绝了原假设,即再次证明各变量不符合正态分布。所以用基本的OLS模型不能得到稳健的结果。另外,由于本文中因变量为实值而非(0, 1)来表示,故也无法使用probit或logit模型。

表4 误差正态性检验结果 Tab. 4 Normal distribution test results of Jarque-Bera

然后,本文使用ARCH LM方法检测数据是否存在ARCH效应。如果不存在,则可以使用OLS模型分析数据。如果存在,则应该使用GARCH模型,如继续使用OLS模型进行分析会导致结果的不稳定[63]表5显示“概率”是显著的(0.009),即表示结果拒绝原假设,因此存在ARCH效应。数据残差存在异方差,则应使用GARCH模型。

表5 自回归条件异方差LM检测结果 Tab. 5 Test results of ARCH LM

3.4.3 GARCH模型的构建 结合轨道站点工作日早高峰时段的一卡通进站刷卡数据和合理步行范围内同一时段的相对人口数据值所得到的潜在通勤者在轨道站点的乘车率,本文使用GARCH模型来检测相对乘车率:

mride = c 1 + c 2 transfe + c 3 intial + c 4 tranpos + c 5 exit + c 6 turn + c 7 cross + c 8 landuse + c 9 busstop + c 10 strgrid + c 11 trafjam + c 12 bike (4)

约束条件为:

ε t = u t h t (5)

h t = b 1 + b 2 h t - 1 + b 3 ε t - 1 2 (6)

式中:mride表示为早高峰轨道站点的相对乘车率;transfe为是否属于换乘车站;initial为是否属于始发站;tranpos为轨道线路的换乘率;exit为轨道站点的出入口数;turn为小区—站点转折次数;cross为交叉路口密度;landuse为土地利用混合度;busstop为公交车站密度;stgrid是路网密度;trafjam为早高峰道路拥堵程度;bike为ofo小黄车订单数; ε t 为残差值; h t 为条件方差。

在此,使用最大似然法则(Maximum Likelihood, ML)对GARCH模型进行计算。

4 回归结果分析与讨论

本文将“是否属于换乘站”“是否属于始发站”、“换乘概率”“站点出入口数”“小区—站点转折次数”“交叉路口密度”“土地利用混合度”“公交车站密度”“路网密度”“早高峰道路拥堵程度”和“ofo小黄车订单数”等11个解释变量与被解释变量“乘车率”进行回归分析(表6)。

表6 建成环境变量对轨道站点乘车率的回归结果 Tab. 6 Regression results of built environment variables and station relative riding rate

首先,在轨道站点特征方面,“是否为换乘站”与早高峰时段站点的“乘车率”之间没有显示出相关性。尽管相比常规站点,换乘站具有更好的通达性。但是,换乘站通常上下车的乘客较多,早高峰在换乘车站更容易出现排队和拥挤的情况,对通勤效率和乘车体验会产生一定负面影响。回归结果显示,“是否为始发站”和“乘车率”之间存在非常显著的正相关性。一般来说,始发站所在区域的轨道站点分布密度较小,即始发站周边通常没有其他轨道站点可供选择。另外,始发站多位于距离市中心较远的地区,与其他交通方式相比,轨道交通在通勤效率和稳定性方面具有明显的优势。因此,始发站周边居民选择轨道交通通勤的意愿更强。另外,“换乘概率”和站点“乘车率”存在显著的负相关性。换乘站数量越多,表示该站点的换乘概率越高;反之,则表示该站点的换乘概率越低。列车在换乘车站的客流变化较大,停靠时间也更长。这些都会对乘车环境和乘车效率产生一定负面影响。因此,通常情况下人们更愿意选择换乘次数少、步行路径短的路线。“站点出入口数”与“乘车率”在1%的置信区间内呈现出非常显著的正向关系。轨道站点设置更多的出入口,能够提高站点的便捷度和乘客的接驳效率,使出行者更加方便快捷地进入站点乘车。

其次,在可步行性特征方面,“步行路径转折次数”和“交叉路口密度”均没有显示出与“乘车率”存在相关性。由此可见,合理步行范围内的步行条件对于以轨道交通方式通勤的就业者来说影响有限。一方面,通勤者首要考虑的是通勤方式的效率。相比其他通勤方式,当轨道交通在通勤成本、通勤效率以及便捷度等方面具有明显优势时,通勤者通常愿意为整个通勤链的最优化而承受局部不利因素的影响。另一方面,步行路径转折和交叉路口数量越多意味着该区域内地块开发尺度越小,而小尺度的地块能够营造出较好的慢行出行环境,从而有利于人们就近就业。因此,尽管较多的“步行路径转折次数”和较高的“交叉路口密度”在一定程度上会削弱步行者接驳轨道站点的效率,但不少就业者仍然倾向于选择轨道交通方式通勤。回归结果显示,“土地利用混合度”和“乘车率”在1%的置信区间内具有非常显著的负相关关系。不少职住平衡方面的研究显示,土地利用混合程度会对居民的就业—居住空间关系产生影响。当用地混合度较高时,既定区域内工作岗位和居住单元较为均衡,进而能够增加居民在本地就业的机会。在就近工作的情况下,就业者选择步行、骑车等慢行交通方式进行通勤的可能性更大。因此,高用地混合度会对轨道交通通勤产生间接的消极影响。而当用地混合度较低时,则表现为既定区域内工作岗位和居住单元的比例失衡,使得本地居民不得不到更远的地方就业。对于通勤者来说,通勤距离越长,轨道交通的优势越明显。

最后,在地面交通特征方面,“公交车站密度”与“乘车率”存在较为显著的正相关性。轨道站点周边更多的公交车站和线路意味着更多的通勤者能够从较远的地方通过公交车换乘轨道交通通勤,因此公交站点及线路密度对早高峰乘车率有一定积极影响。回归结果发现,“路网密度”与“乘车率”具有一定的正相关性,尽管机动车路网密度越高,道路对机动车的承载容量越大。但是根据唐斯定律的阐述,更多的道路并不能有效缓解交通拥堵,反而会对车流起到吸引作用进而造成更严重的拥堵。当既定区域内的地面交通状况较差时,部分通勤者会放弃机动车和公交车等地面机动交通工具,转而依靠轨道交通进行通勤。在1%的置信区间内,早高峰合理步行范围内的“道路拥堵程度”与“乘车率”存在显著的正相关性。与“路网密度”的情况相似,当区域内地面交通状况较差时,通勤者倾向于选择其他交通方式来规避拥堵路段,提高通勤效率。因此,合理步行范围内的地面交通状况与人们在该站点的乘车率成反比。此外,“ofo小黄车订单数”与“乘车率”之间没有显示出相关性。一方面,共享单车在一定程度上能够解决接驳轨道站点“开始一公里”和“最后一公里”的问题,进而对轨道交通通勤起到促进作用。而另一方面,共享单车的出现也会吸引部分原轨道交通通勤者,尤其是短距离就业者换乘共享单车通勤。因此,共享单车接驳与轨道交通通勤行为的关系是复杂的。

5 结论

本文以北京市44个轨道站点为例,分析了轨道站点合理步行范围内轨道站点、可步行性、地面交通等方面建成环境因素与轨道交通通勤行为之间的关系。其中,根据相关文献中的问卷调查数据统计结果划定了轨道站点的合理步行范围。考虑到本研究的空间尺度较小,利用大数据方法抓取比手机信令数据精确度更高的“宜出行”定位数据,并结合一卡通刷卡数据得到工作日早高峰时段轨道站点的相对乘车率,以此反映不同站点间通勤的行为差异。基于解释变量和相对乘车率数据的非正态分布特征以及消除残差对分析结果造成的不稳定性影响,通过建立GARCH模型对建成环境和乘车率进行分析。

研究结果显示,轨道站点的始发站属性与站点乘车率存在显著正向关系,而换乘站属性与站点乘车率的关系并不明确。站点所在线路的换乘概率与早高峰时段的乘车率负相关,轨道行程中频繁的换乘会对通勤者的乘车行为产生消极影响。本文分析,出入口数量更多的轨道站点早高峰乘车率也比较高,多出入口布局能够使轨道交通出行者更加方便快捷地进入车站,有利于提高通勤者的出行便捷度和出行效率。

另外,合理步行范围内反映可步行性特征的路径转折次数和交叉路口数对轨道交通通勤行为的影响比较有限。在轨道交通高效出行的优势下,通勤者能够容忍或接受步行接驳轨道站点过程中的一些微观不利因素。然而,土地利用混合程度与乘车率显著负相关,用地混合度高的区域职住相对更加平衡。在更多的居民能够就近就业的情况下,不少就业者会选择步行和骑车的方式通勤,轨道交通通勤出行量会因此受到影响。相比之下,轨道交通更适于中长途通勤。

最后,回归结果显示合理步行范围内的公交站点密度与该站点乘车率之间存在一定的正向关系,轨道站点周边更多的公交车站及线路意味着站点具有更大的潜在服务范围。而基于ofo小黄车的骑行特征,发现共享单车接驳与早高峰时段轨道交通通勤之间的关系并不明确。共享单车在提高轨道站点接驳效率的同时也会促使一部分短距离通勤者直接依靠共享单车进行通勤。早高峰时段地面交通状况与轨道交通的乘车率存在的负相关性表明,在地面交通状况较差时,轨道交通方式对于通勤者具有较大的吸引力。

随着城市人口的增加以及居民出行频率的提高,大城市的交通承载力面临着越来越严峻的挑战。鼓励人们采取轨道交通等公共交通方式出行是促进城市可持续发展的有效举措。综上所述,通过合理布局和增加轨道站点出入口、提高换乘站点内的换乘便捷度、改善站点内的乘车环境等措施,能够有助于鼓励人们以轨道交通的方式通勤。此外,根据轨道站点及其周边地区的特征合理布设共享单车,比如在始发站点合理步行范围外居住人口较多的区域放置单车能够提高站点的服务范围,进而促进更多就业者利用轨道交通通勤。鉴于轨道交通与机动车两种通勤方式之间存在一定可替代性,通过政策和法规手段提高私人机动车的持有和使用成本,在一定程度上能够转变有车通勤者的出行方式。

The authors have declared that no competing interests exist.

Reference
[1] Beijing Municipal Bureau of Statistics. Beijing Statistical Yearbook (2007-2016). Beijing: China Statistics Press, 2007-2016.
[本文引用:1]
[北京市统计局. 北京统计年鉴(2007-2016).北京: 中国统计出版社, 2007-2016.]
[2] Beijing Transport Institute.Beijing Transport Development Annual Report (2007-2016). Beijing: Beijing Transport Institute, 2007-2016. , 2016-08-31/2017-06-08.
[本文引用:1]
[北京交通发展研究院. 北京市交通发展年度报告(2007-2016). 北京: 北京交通发展研究院, 2007-2016. , 2016-08-31/2017-06-08.]
[3] Olszewski P, Wibowo S.Using equivalent walking distance to assess pedestrian accessibility to transit stations in Singapore. Transportation Research Record Journal of the Transportation Research Board, 2005, 1927: 38-45.
[本文引用:1]
[4] Yang Jingshuai, Zhang Dianye.Urban rail transit station reasonably attractive area study. Chinese Railway, 2008(3): 72-75.
[本文引用:3]
[杨京帅, 张殿业. 城市轨道交通车站合理吸引范围研究. 中国铁路, 2008(3): 72-75.]
轨道交通站点是出行者进入接受和离开结束运输服务的接口,是系统服务功能的主要执行设施,直接影响着城市交通系统的服务水平。基于城市轨道交通车站合理步行区与合理交通区的分析,通过城市规划区域划分及车站分类、不同区域不同性质车站各种接驳交通方式平均接驳耗时、交通方式速度、车站接驳方式构成调查分析、车站加权平均接运距离与吸引范围(至车站的直线距离)折算系数计算、估算不同区域车站合理吸引范围,为线网服务水平法推算线网合理规模提供依据。
[5] Yue Fang, Mao Baohua, Chen Tuansheng.Study on the choice of access modes to urban rail transit. Urban Rapid Rail Transit, 2007, 20(4): 36-39.
[本文引用:3]
[岳芳, 毛保华, 陈团生. 城市轨道交通接驳方式的选择. 都市轨道交通, 2007, 20(4): 36-39.]
以北京市第三次居民出行调查数据为基础,在考虑影响接驳方式选择的个人、家庭社会经济属性的基础上,构建城市轨道交通接驳方式选择模型。利用模型估计得到参数,通过计算事件发生比,分析变量对接驳方式选择的影响程度。用一个案例,阐述接驳方式选择模型的运用,结果表明:接驳方式选择模型适用于研究个体的出行决策,预测正确率达到70.5%。轨道交通接驳方式研究在实践中的应用,对提高城市轨道交通吸引能力和扩大其影响范围有重要作用。
[6] Wu Tao, Yan Jianwei.Catchment area of Beijing rail transit station. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(3): 183-188.
[本文引用:1]
[吴韬, 严建伟. 北京市轨道站点吸引范围研究. 交通运输系统工程与信息, 2013, 13(3): 183-188.]
[7] Xuan Hongwei, Wang Lanhua, Yan Yuexia.Study on URT attractive area under the effective of conventional public traffic. Railway Transport and Economy, 2007, 25(7): 61-63.
[本文引用:1]
[轩宏伟, 王兰花, 颜月霞. 常规公交影响下的轨道交通吸引范围研究. 铁道运输与经济, 2007, 25(7): 61-63.]
根据我国城市轨道交通以常规公交换乘为主的现状,提出轨道交通和常规公交的关系定位,以及利 用常规公交提高轨道交通辐射范围的观点。针对我国城市发展对轨道交通客流预测的影响,为解决一般方法存在的问题,在合理假设条件下,构建了常规公交影响下 轨道交通站点吸引区域模型,并给出模型求解的算法步骤。
[8] Dai Jie, Zhang Ning, He Tiejun, et al.Impact of walking environment on the attraction area of rail transit stations. Urban Rapid Rail Transit, 2009, 22(5): 46-49.
[本文引用:1]
[戴洁, 张宁, 何铁军, . 步行环境对轨道交通站点接驳范围的影响. 都市轨道交通, 2009, 22(5): 46-49.]
为研究轨道交通站点对步行出行者的吸引范围,分析影响步行出行者的各种主要道路步行环境和设 施,如步行服务水平、路网形式、过街设施等。将定性因素均转化为可测量的变量,并运用经济学中的Logit方法建立模型,定出模型特性变量,确定轨道交通 站点的步行接驳范围。将调查结果与传统的接驳范围进行比较,发现步行环境的好坏将直接影响轨道交通站点对步行客流的吸引程度。
[9] Zhang Ning, Dai Jie, Zhang Xiaojun.Walking affect area of rail transit station based on multinomial logit model. Urban Mass Transit, 2012, 15(5): 46-49.
[本文引用:2]
[张宁, 戴洁, 张晓军. 基于多项Logit模型的轨道交通站点步行接驳范围. 城市轨道交通研究, 2012, 15(5): 46-49.]
在分析步行环境、出行时间、出行费用等出行特征影响因素的基础上,运用多项Logit模型建立了居民出行方式选择模型,根据效用相当原则确定城市轨道交通步行接驳范围。根据某城市的某个轨道交通站点的调查数据,利用本文提出的方法计算该站点的步行接驳范围,与传统的接驳范围经验取值及意向调查结果进行比较,发现计算结果与调查统计结果较为一致。计算结果表明,该计算方法是有效合理的,能够为城市轨道交通站点的规划、选址和评价提供依据。
[10] Wang Lin, Chen Yanyun.GIS-based metro station walking accessibly research. Urban Geotechnical Investigation & Surveying, 2016(4): 50-56.
[本文引用:1]
[汪林, 陈艳云. 基于GIS的地铁站步行可达性研究. 城市勘测, 2016(4): 50-56.]
城市快速轨道交通,特别是地铁交通,对于改善城市交通运输,方便居民生活,减轻空气污染,改善城市布局等方面起到巨大作用。由于城市地铁交通枢纽工程建设周期长、造价高,建成后很难再进行较大规模的改进。因此,必须在设计阶段需要对枢纽的服务水平进行评估和预测,以求能够满足远期规划的要求。进行地铁站步行可达性的研究,是为了用步行可达性指标来量化铁路枢纽的客流吸引区域和服务范围,为地铁的线网规划提供参考标准,为规划、设计人员提供一种定量的手段和依据。鉴于此,本文尝试着利用GIS的技术,为地铁站的步行可达性进行计算,提供准确的定量分析结果和可视化的评价结果,供地铁的规划者和决策者分析。
[11] Yao Liya, Guan Hongzhi.The service regions of rail transit net. Journal of Beijing University of Technology, 2008, 34(7): 738-742.
[本文引用:1]
[姚丽亚, 关宏志. 轨道交通线网服务范围研究. 北京工业大学学报, 2008, 34(7): 738-742.]
[12] Wang Shuwei.Research on the influence mechanism of transit station surrounding land use on transit ridership [D]. Beijing: Beijing University of Technology, 2015.
[本文引用:2]
[王淑伟. 站点周边用地特性对轨道客流影响机理研究[D]. 北京: 北京工业大学, 2015.]
[13] Wang Jia, Hu Liege.Attraction scope of urban rail transit station to the conventional public transit passenger flow. Systems Engineering, 2010(1): 14-18.
[本文引用:1]
[王佳, 胡列格. 城市轨道交通站点对常规公交客流的吸引范围. 系统工程, 2010(1): 14-18.]
分析城市轨道交通站点公交客流吸引范围的概念,利用聚集效应理论建立客流吸引范围模型,还运用该模型进行实例分析,得到不同类型轨道交通站点对常规公交客流的吸引范围,对充分利用区域资源、把握区域出行特征、提高城市公共交通的运营效率具有重要的指导意义。
[14] Bernick M, Cervero R.Transit Villages in the 21st Century. New York: McGraw-Hill, 1997.
[本文引用:1]
[15] Kim S, Ulfarsson G.Travel mode choice of the elderly-effects of personal, household, neighborhood, and trip characteristics. Transportation Research Record, 2004, 1894: 117-126.
The travel patterns and travel mode choice of the elderly are analyzed. The elderly are here defined as those who are both 65 or older and retired. A rapid increase in the older population and their proportion in society has tremendous implications for transportation planning and the policy arena. Previous studies on mode choice have been largely focused on working-age people, and existing studies on the travel mode choice of the elderly are limited to descriptive analyses. A systematic analysis is presented of the mode choice of the elderly and how it relates to activity purpose. It is found that neighborhood and trip characteristics, as well as personal and household characteristics, are associated with the mode choice of this group. For example, the elderly are more likely to use transit if they live within five blocks of a bus stop, and they are more likely to share a ride with others when chaining trips, doing errands, or going to a medical appointment and are less likely to use transit when going shopping or doing errands. The elderly prefer walking when going on recreational or personal trips. Those with a higher income are more likely to drive or carpool. The results shed light on the mode choice of the elderly and contribute to the development of a transportation policy framework that considers the elderly. The results suggest that transportation strategies must move beyond private automobiles to prepare adequately for the increasing number of the elderly in society and their mobility needs.
DOI:10.3141/1894-13      [本文引用:1]
[16] Patterson Z, Ewing G, Haider M.Gender-based analysis of work trip mode choice of commuters in suburban Montreal, Canada, with Stated Preference Data. Transportation Research Record, 2005, 1924: 85-93.
[本文引用:1]
[17] Ran Bin.Use of cellphone data in travel survey and transportation planning. Urban Transport of China, 2013, 11(1): 72-81.
[本文引用:2]
[冉斌. 手机数据在交通调查和交通规划中的应用. 城市交通, 2013, 11(1): 72-81.]
手机作为一种理想的交通探测器,为居民出行信息分析提供了很好的技术选择。将手机数据映射至交通分析单元,并经信息预处理、匹配分析、交通模型分析处理、数据去噪、扩样等一系列海量数据运算处理,最终可获得居民出行特征数据。利用长期历史手机话单数据,可分析常住人口和就业人口分布、通勤出行特征、大区间OD、特定区域出行特征、流动人口出行特征等。手机信令数据能够较完整地识别手机用户的出行轨迹,可进一步应用于分析城市人口时空动态分布、特定区域客流集散、查核线断面或关键通道客流、轨道交通客流特征、出行时耗、出行距离、出行强度、道路交通状态等。根据天津手机话单数据应用案例及上海手机信令数据应用案例,验证了技术可行性。
[18] Wang Bo.Relationship between the rush hour passenger flow congestion and residents commuting in Shanghai rail transit system. Urban Mass Transit, 2016, 19(7): 75-78.
[本文引用:1]
[王波. 上海轨道交通早高峰客流拥挤与居民通勤关系分析. 城市轨道交通研究, 2016, 19(7): 75-78.]
分析了上海轨道交通客流时段分布特征、客流潮汐现象以及拥挤断面分布等高峰特征。通过分析早高峰时段轨道交通客流的空间分布特征,找出经过高峰客流拥挤断面的客流去向。利用手机信令数据分析经过拥挤断面的外围轨道交通站点1 km范围内居民的职住空间分布,得出这些外围站点周边居民70%以上在中心城区就业、旱高峰集中乘坐轨道交通前往中心城上班的结果。分析了居民通勤的主要通道,发现通勤(职住)通道上的客流不平衡与轨道交通早高峰客流拥挤有较强的相关性。
[19] Xu Zhirong.Study on job-housing relationship and characteristics of commuting in Shanghai: Based on the perspective of rail transit passenger flow data. Shanghai Urban Planning Review, 2016(2): 114-121.
[本文引用:1]
[许志榕. 上海市职住关系和通勤特征分析研究: 基于轨道交通客流数据视角. 上海城市规划, 2016(2): 114-121.]
交通卡刷卡数据、手机信令数据、空间定位信息(GPS)等大数据的出现为城市与人的行为研究提供了数据支撑。基于2015年4月上海市公共交通卡刷卡数据,创建一般出行及虚拟换乘规则,建立上海轨道交通出行数据模型,并结合轨道交通网络空间数据模型,识别基于地铁出行的城市居民居住地、就业地和包括通勤时间、距离、空间分布等在内的通勤特征信息,并对典型就业中心和大型居住社区周边站点进行应用分析。研究表明,基于地铁的通勤出行者有130多万持卡人,平均通勤时间34.82 min,平均通勤距离为12.4 km;居住地在内环内、内外环间及外环外各站的持卡人相差不多,但就业地则有近2/3分布于内环内;通勤出行方向呈现明显的向心性;典型就业中心辐射范围广泛,平均通勤时间越往市中心越低;各大型居住社区的地铁通勤量相差很大,通勤去向并不集中于内环内。
[20] Yan Hai, Yang Rongrong, Xiong Wen, et al.Critical accessing time and distance for pedestrian and cyclists to urban rail transit. Urban Transport of China, 2013(2): 83-90.
[本文引用:2]
[严海, 杨荣荣, 熊文, . 步行和自行车接驳轨道交通时空阈值研究. 城市交通, 2013(2): 83-90.]
当前步行和自行车接驳轨道交通的理论研究和实践多侧重于设施指标水平,而对出行者心理考虑不足.在北京市某轨道交通车站周边进行问卷调查和现场模拟实验, 深入分析影响步行和自行车接驳轨道交通的因素.同时得到使用步行和自行车接驳轨道交通的出行者对接驳距离和时间的敏感程度及接受度分布特征、接驳客流距离 衰减特征等.利用非集计价格敏感度分析法量化步行和自行车接驳轨道交通的时空阈值,分别得到合理和最大的接驳距离和接驳时间.
[21] Luo Jiangfan, Li Qingyao, Wu Yan, et al.Interchange study on "Last Kilometer" to transit stations. Modern Urban Transit, 2016(4): 93-98.
[本文引用:1]
[罗江凡, 栗庆耀, 吴严, . 轨道交通站点“最后一公里”的接驳研究. 现代城市轨道交通, 2016(4): 93-98.]
近年来,国内各大城市均通过大力发展城市轨道交通建设来解决日益严重的交通拥堵问题,但随着城市轨道交通沿线居民出行的增加,其站点与居民出行地之间的“最后一公里”问题也越来越严重。文章综合比较、分析各种交通方式的特点和国内各城市的实例,提出建立适合南宁市实情的社区公交系统的车型、接驳、运营、管理模式。
[22] Du Caijun, Jiang Yukun.Connection of urban rail transit with other public transportations. Urban Rapid Rail Transit, 2005, 18(3): 45-49.
[本文引用:2]
[杜彩军, 蒋玉琨. 城市轨道交通与其他交通方式接驳规律的探讨. 都市快轨交通, 2005, 18(3): 45-49.]
根据城市轨道交通在城市客运交通系统中的作用,结合城市轨道交通接驳方式的抽样调查,分析以城市轨道交通为主的出行中与之衔接的各种交通方式的接驳特征,阐述各种方式接驳的时间与距离分布及客流接驳的规律,进而对车站进行了聚类分析,以指导未来城市轨道交通和城市道路设施的规划、建设和使用.
[23] Wang Wenhong, Guan Hongzhi.Application of nested-logit mode in railway transfer mode selection. Urban Mass Transit, 2008, 11(7): 25-30.
[本文引用:1]
[王文红, 关宏志. Nested-Logit模型在轨道交通衔接方式选择中的应用. 城市轨道交通研究, 2008, 11(7): 25-30.]
[24] Zielstra D, Hartwig H.A comparative study of pedestrian accessibility to transit stations using free and proprietary network data. Transportation Research Record Journal of the Transportation Research Board, 2011, 2217: 145-152.
[本文引用:1]
[25] El-Geneidy A, Grimsrud M, Wasfi R, et al.New evidence on walking distances to transit stops: Identifying redundancies and gaps using variable service areas. Transportation, 2013, 41(1): 193-210.
The percentage of the population being served by a transit system in a metropolitan region is a key system performance measure but depends heavily on the definition of service area. Observing existing service areas can help identify transit system gaps and redundancies. In the public transit industry, buffers at 400 m (0.25 miles) around bus stops and 800 m (0.5 miles) around rail stations are commonly used to identify the area from which most transit users will access the system by foot. This study uses detailed OD survey information to generate service areas that define walking catchment areas around transit services in Montreal, Canada. The 85th percentile walking distance to bus transit service is found to be around 524 m for home-based trip origins, 1,259 m for home-based commuter rail trip origins. Yet these values are found to vary based on our analysis using two statistical models. Walking distances vary based on route and trip qualities (such as type of transit service, transfers and wait time), as well as personal, household, and neighbourhood characteristics. Accordingly, service areas around transit stations should vary based on the service offered and attributes of the people and places served. The generated service areas derived from the generalized statistical model are then used to identify gaps and redundancies at the system and route level using Montreal region as an example. This study can be of benefit to transport engineers and planners trying to maximize transit service coverage in a region while avoiding oversupply of service.
DOI:10.1007/s11116-013-9508-z      [本文引用:1]
[26] Jones P, Titheridge H, Wixey S, et al.'WALC': Measuring pedestrian access to local bus and rail stations, taking into account traveller perceptions. Kyoto: 11th International Conference on Travel Behaviour Research, 2006
[本文引用:1]
[27] Xiong Wen.Urban pedestrian and bicycle planning: based on human-oriented spatial analysis [D]. Shanghai: Tongji University, 2008.
[本文引用:1]
[熊文. 城市慢行交通规划: 基于人的空间研究[D]. 上海: 同济大学, 2008.]
[28] Wei Yaping, Pan Conglin.Urban land-use characteristics and commuters' travel pattern: A case study of West Hangzhou. City Planning Review, 2012, 36(3): 76-84.
[本文引用:1]
[韦亚平, 潘聪林. 大城市街区土地利用特征与居民通勤方式研究: 以杭州城西为例. 城市规划, 2012, 36(3): 76-84.]
基于杭州城西9个街区1339份居民出行数据,利用居民个体属性、出行距离和土地利用等三组变量建构了多项逻辑决策模型,分析街区土地利用变量对通勤方式选择的影响。结论为:在中国高密度城市形态下,由于城区扩张和收入水平提高,形成了以小汽车为主导的混合通勤结构,而小尺度街区、密集路网等土地利用变量则是助长小汽车通勤的诱因;有必要在街区空间尺度上,通过土地利用规划、小汽车使用管制以及公共交通环境设计等综合措施,优化居民的通勤结构。
[29] Sun Bindong, Dan Bo.Impact of urban built environment on residential choice of commuting mode in Shanghai. Acta Geographica Sinica, 2015, 70(10): 1664-1674.
[本文引用:1]
[孙斌栋, 但波. 上海城市建成环境对居民通勤方式选择的影响. 地理学报, 2015, 70(10): 1664-1674.]
伴随中国快速城市化与机动化进程,私人汽车拥有量不断增长,由此引起的交通拥堵和环境问题已成为制约中国城市可持续发展的难题。基于上海市区的居民通勤问卷调查数据,采用多项Logit模型检验了街道尺度城市建成环境对于居民通勤方式选择的影响,结果表明,在控制了其他因素后,提高居住地的人口密度、土地利用混合度与十字路口比重,可以减少小汽车通勤方式的选择,而就业地建成环境对居民通勤方式选择影响相对较弱;建成环境对通勤方式选择的影响会因个体的社会经济异质性而不同。这些结论为通过优化土地利用规划来优化居民通勤结构的城市交通和城市规划政策提供了启示。
DOI:10.11821/dlxb201510010     
[30] Zhao Pengjun, Li Nanhui, Li Shengxiao.The impacts of the built environment on residents' activities and travel behavior in TOD areas: A case study of Beijing. Urban Studies, 2016, 23(6): 45-51.
[本文引用:1]
[赵鹏军, 李南慧, 李圣晓. TOD建成环境特征对居民活动与出行影响: 以北京为例. 城市发展研究, 2016, 23(6): 45-51.]
TOD建成环境塑造是TOD空间规划和管理的关键。以北京为例,对TOD区域建成环境对居民和乘客活动的影响进行实证研究。采用调查问卷数据,通过构筑居民就业地选择、购物出行和休闲娱乐出行等三种活动和出行的Logit选择模型,定量分析了TOD土地利用、交通设施、街巷格局、商业设施等建成环境要素对居民活动和出行的影响。
[31] Roof K, Oleru N.Public Health: Seattle and King County's push for the built environment. Journal of Environmental Health, 2008, 71(1): 24-27.
Introduction In Seattle and King County, Washington, and nationwide, evidence shows that...
PMID:18724501      [本文引用:1]
[32] Cevero R, Kockelman K.Travel demand and the 3Ds: Density, diversity, and design. Transportation Research Part D: Transport & Environment, 1997, 2(3): 199-219.
This paper examines the connection between the 3Ds of the built environment and travel demand. Notably, it tries to sort through the relative influences of the three dimensions after controlling for other explainers, like travellers' demographic characteristics. It does this mainly by applying the technique of factor analysis to gauge the relative influence of each dimension as well as their collective impacts. The paper tests the propositions of the new urbanists and others that compact neighborhoods, mixed land uses, and pedestrian-friendly designs 'degenerate' vehicle trips and encourage residents to walk, bike, or take transit as substitutes for automobile travel, particularly for non-work purposes.
DOI:10.1016/S1361-9209(97)00009-6      [本文引用:1]
[33] Cevero R.Mixed land-uses and commuting: Evidence from the American housing survey. Transportation Research Part A: Policy & Practice, 1996, 30(5): 361-377.
This paper investigates how mixed land-uses influence the commuting choices of residents from large metropolitan areas using data from the 1985 American Housing Survey. The analysis examines the effects of mixed-use levels as well as other features of the built environment like residential densities on three measures of transportation demand: commuting mode choice, commuting distance and household vehicle ownership levels. The effects of land-use environments on mode choice are modeled using binomial logit analysis.
DOI:10.1016/0965-8564(95)00033-X      [本文引用:1]
[34] Cevero R.Built environments and mode choice: Toward a normative framework. Transportation Research Part D: Transport & Environment, 2002, 7(4): 265-284.
Compact, mixed-use, and walk-friendly urban development, many contend, can significantly influence the modes people choose to travel. Despite a voluminous empirical literature, most past studies have failed to adequately specify relationships for purposes of drawing inferences about the importance of built-environment factors in shaping mode choice. This paper frames the study of mode choice in Montgomery County, Maryland around a normative model that weighs the influences of not only three core dimensions of built environments – density, diversity, and design – but factors related to generalized cost and socio-economic attributes of travelers as well. The marginal contributions of built-environment factors to a traditionally specified utility-based model of mode choice are measured. The analysis reveals intensities and mixtures of land use significantly influence decisions to drive-alone, share a ride, or patronize transit, while the influences of urban design tend to be more modest. Elasticities that summarize relationships are also presented, and recommendations are offered on how outputs from conventional mode-choice models might be “post-processed” to better account for the impacts of built environments when testing land-use scenarios.
DOI:10.1016/S1361-9209(01)00024-4      [本文引用:1]
[35] Yang J, French S, Holt J, et al.Measuring the structure of U.S. metropolitan areas, 1970-2000: Spatial statistical metrics and an application to commuting behavior. Journal of the American Planning Association, 2012, 78(2): 197-209.
Problem, research strategy, and findings: Metropolitan planning organizations attempt to shape urban form at the regional and metropolitan scale, including the pattern of suburban centers. How do these efforts change behavior? Our study informs that question by way of a new family of urban form metrics summarizing the polycentric structure of U.S. metropolitan areas. Using a spatial statistical approach, these measures are sensitive to the size, amount, and location of suburban centers. The article then tests the influence of these structures on commute times nationally from 1970 to 2000. Takeaway for practice: The influence of development densities on travel in sprawling regions is more complicated than previously understood or measured. While the level of both neighborhood density and regional density explain average commuting times, density also works relatively. The spatial variation of density, the density of suburban centers relative to the region, and the spatial distribution of high-density nodes each appear to play distinct roles in influencing travel. Research support: Centers for Disease Control and Prevention, and Institute for Bioscience and Biomedical Engineering.
DOI:10.1080/01944363.2012.677382      [本文引用:1]
[36] Zhao P.The impact of the built environment on individual workers' commuting behavior in Beijing. International Journal of Sustainable Transportation, 2013, 7(5): 389-415.
The increasing emission of transport-related pollutants has become a key issue in relation to climate change mitigation and the improvement of air quality in China's cities. This article aims to examine the effects of changes in the built environment on transportation by examining the case of Beijing. Looking at household survey data, the analysis found that individual workers commuting behavior (concerning travel destination, mode choice and travel time) is significantly related to some aspects of the built environment when socioeconomic and demographic characteristics are taken into account. There are obvious differences in the effects of the built environment on commuting across income groups, occupations and industries.
DOI:10.1080/15568318.2012.692173      [本文引用:1]
[37] Shiftan Y, Burd-Eden R.Modeling response to parking policy. Transportation Research Record Journal of the Transportation Research Board, 2001, 1765: 27-34.
[本文引用:1]
[38] Schwanen T, Dijst M, Dieleman F.Policies for urban form and their impact on travel: The Netherlands experience. Urban Studies, 2004, 41(3): 579-603.
DOI:10.1080/0042098042000178690      [本文引用:1]
[39] Bai Yufang, Li Linbo, Wu Bing.Influencing factors of travelers' intention to use public transit. Journal of Chongqing Jiaotong University (Natural Sciences), 2012, 31(1): 72-76.
[本文引用:1]
[白玉方, 李林波, 吴兵. 出行者公交出行意愿影响因素研究. 重庆交通大学学报(自然科学版), 2012, 31(1): 72-76.]
针对不同类型的出行者分析了影响其公交出行意愿的主要因素.通过出行意愿调查获得分析数据,构建公交出行意愿logistic模型,并定量对影响因素进行分析.研究发现:提高公交的快速性和便捷性可以最大程度的提高既有公交出行者坚持公交出行的意愿;小汽车运行速度的下降和停车困难是吸引小汽车出行者转向公交出行的主要因素;相比于公交出行者,小汽车出行者的公交出行意愿较低.结果表明:必须从提高公交服务质量、合理管制小汽车运行环境两方面共同努力才可以最有效的提高出行者的公交出行意愿.
[40] Pan Haixiao, Shen Qing, Zhang Ming.Impacts of urban forms on travel behavior: Case studies in Shanghai. Urban Transport of China, 2009, 7(6): 28-32, 49.
[本文引用:1]
[潘海啸, 沈青, 张明. 城市形态对居民出行的影响: 上海实例研究. 城市交通, 2009, 7(6): 28-32, 49.]
了解交通行为与城市形态的关系是创造和引导绿色交通的必要前提。通过收集居民出行行为、社会经济特征和城市形态特征等方面的数据,对上海4个街区进行实证研究。利用多元线性回归方法和逻辑斯蒂克回归模型分析处理数据,探讨街区设计特征与居民出行之间的关系。研究表明,传统街区有利于短距离出行和选择非机动化出行方式。指出我国一些大规模社区的开发模式与目前鼓励的绿色交通发展模式相去甚远,因此规划人员应重视传统的有利于自行车和步行的街区模式设计。
[41] Levinson D.Accessibility and the journey to work. Journal of Transport Geography, 1998, 6(1): 11-21.
This study analyzes the effect of accessibility to jobs and houses at both the home and work ends of trips on commuting duration for respondents to a household travel survey in metropolitan Washington, DC. A model is constructed to estimate the effects of demographics and relative location on the journey to work. Analysis finds that residences in job-rich areas and workplaces in housing-rich areas are associated with shorter commutes. An implication of this study is that, by balancing accessibility, the suburbanization of jobs maintains stability in commuting durations despite rising congestion, increasing trip lengths, and increased work and non-work trip making. .
DOI:10.1016/S0966-6923(97)00036-7      [本文引用:1]
[42] Zhao P, Lv B, Roo G.Impact of the jobs-housing balance on urban commuting in Beijing in the transformation era. Journey of Transport Geography, 2011, 19(1): 59-69.
This empirical study examines the impact of the jobs-housing balance on individual commuting time in Beijing in the period of transformation of the Chinese economy and society. The results of the analysis show that the jobs-housing balance has a statistically significant association with a worker’s commuting time when the factors of transport accessibility, population density and worker’s socioeconomic characteristics are controlled. The higher the jobs-housing balance, the shorter the worker’s commuting time. The finding suggests that the jobs-housing balance still has significant implications for commuting time, although the recent market-oriented reforms in housing are changing the jobs-housing balance in the danwei system that prevailed in the socialist era. As the housing markets are imperfect, with strong government intervention in Beijing, the finding implies that the co-location hypothesis – which believes development management would create ‘barriers’ to a jobs-housing balance and increase commuting time – needs to be rethought before it can be generalized and applied to China’s cities. The results of the analysis also show that the workers living in danwei housing still have shorter commuting time. The finding indicates that the housing marketization is likely to induce a local jobs-housing imbalance and thereby increase commuting time. In this sense, a deterioration in the jobs-housing imbalance and increased commuting time in Beijing may owe much to the adoption of market-based housing supply.
DOI:10.1016/j.jtrangeo.2009.09.008      [本文引用:1]
[43] Yang Liya, Shao Chunfu, Li Xia.Structural equation model analysis for travel mode choice for urban residents. Journal of Beijing Jiaotong University, 2011, 35(6): 1-6.
[本文引用:1]
[杨励雅, 邵春福, 李霞. 城市居民出行方式选择的结构方程模型. 北京交通大学学报, 2011, 35(6): 1-6.]
为克服Logit类模型的局限性,以出行链为分析单元,构建了快速城市化进程中居民出行方式选择的结构方程模型.首先,依据已有研究基础及城市化进程中居民出行特征,确定影响居民出行方式选择的3类因素,建立影响因素与出行方式之间的关系结构;在此基础上,构建结构方程模型,利用北京市居民出行调查数据对模型进行辨识与修正,最终得到了个人与家庭属性、土地利用、出行链等各类因素对出行方式的影响方向与程度.研究结果对优化居民出行方式结构、改善城市交通拥堵具有指导意义.
[44] Chen Yanping, Song Yan, Zhang Yi, et al.Impact of land use development on travel mode choice: A case study in Shenzhen. Urban Transport of China, 2011(5): 80-85, 27.
[本文引用:1]
[陈燕萍, 宋彦, 张毅, . 城市土地利用特征对城市居民出行方式的影响: 以深圳市为例. 城市交通, 2011(5): 80-85, 27.]
为缓解日益严重的城市交通问题、优化居民出行方式,有必要研究城市土地利用与交通系统的协调问题.以深圳市为例,应用多元Logit模型(MNL模型),纳入城市土地利用变量与出行者的家庭、社会、经济等变量,分析其对居民工作与非工作出行方式的影响.研究结果表明,出行起点的城市区位是影响居民出行方式的重要因素之一.相对于组团中心和非中心区的出行者,城市中心和城市副中心的出行者选择公共交通的可能性更高.同时,还从城市规划和设计角度,对优化居民出行方式提出了政策性建议.
[45] Cervero R.Office development, rail transit, and commuting choices. Journal of Public Transportation, 2006, 9(5): 41-45.
DOI:10.5038/2375-0901      [本文引用:1]
[46] Kitamura R, Mokhtarian P, Laidet L.A micro-analysis of land use and travel in five neighborhoods in the San Francisco Bay Area. Transportation, 1997, 24(2): 125-158.
This study examined the effects of land use and attitudinal characteristics on travel behavior for five diverse San Francisco Bay Area neighborhoods. First, socio-economic and neighborhood characteristics were regressed against number and proportion of trips by various modes. The best models for each measure of travel behavior confirmed that neighborhood characteristics add significant explanatory power when socio-economic differences are controlled for. Specifically, measures of residential density, public transit accessibility, mixed land use, and the presence of sidewalks are significantly associated with trip generation by mode and modal split. Second, 39 attitude statements relating to urban life were factor analyzed into eight factors: pro-environment, pro-transit, suburbanite, automotive mobility, time pressure, urban villager, TCM, and workaholic. Scores on these factors were introduced into the six best models discussed above. The relative contributions of the socio-economic, neighborhood, and attitudinal blocks of variables were assessed. While each block of variables offers some significant explanatory power to the models, the attitudinal variables explained the highest proportion of the variation in the data. The finding that attitudes are more strongly associated with travel than are land use characteristics suggests that land use policies promoting higher densities and mixtures may not alter travel demand materially unless residents' attitudes are also changed.
DOI:10.1023/A:1017959825565      [本文引用:1]
[47] Boarnet M, Sarmiento S.Can land use policy really affect travel behavior?A study of the link between non-work and land use characteristics. Urban Studies, 1998, 35(7): 1155-1169.
Transportation and urban planners are increasingly viewing land-use policy as a way to manage travel demand. Yet the evidence on the link between land use and travel behavior is inconclusive. This paper uses travel diary data for southern California residents to examine the link between land-use patterns at the neighborhood level and non-work trip generation for a sample of individuals. The number of non-work automobile trips that an individual makes in a specified period is modeled as a function of sociodemographic variables and land-use characteristics relative to the person's place of residence. Findings suggest the importance of both controlling for residential location choice and using different levels of geographic detail when studying the link between land use and travel behavior.
DOI:10.1080/0042098984538      [本文引用:1]
[48] Gillen D.Effects of parking costs on urban transport modal choice. Transportation Research Record Journal of the Transportation Research Board, 1977, 37: 46-51.
[本文引用:1]
[49] Peng Z, Dueker K, Strathman J.Residential location, employment location, and commuter responses to parking charges. Transportation Research Record Journal of the Transportation Research Board, 1996, 1556: 109-118.
[本文引用:1]
[50] Titherideg H, Hall P.Changing travel to work patterns in South East England. Journal of Transport Geography, 2006, 14(1): 60-75.
The Greater South East England region of the UK constitutes a “global mega-city region”. The UK Government’s 2003 Sustainable Communities strategy proposes major new growth centres in South East England at Ashford, Milton Keynes, Stansted, Cambridge and Thames Gateway. These, along with the upgrade of the West Coast Main Line in 2004 and the completion of the Channel Tunnel Rail Link in 2007, could have major impacts on commuting patterns. To understand the effect of these changes on commute distance and mode choice, the relationships between travel-to-work patterns and socio-economic and land-use characteristics are examined. The analysis suggests that the creation of the new growth centres may result in increased car use but is unlikely to result in longer journeys to work.
DOI:10.1016/j.jtrangeo.2005.06.006      [本文引用:1]
[51] Zong Fang, Jun Xiucai.Activity-based travel mode choice model and analysis on traffic demand management. Journal of Jilin University (Engineering and Technology Edition), 2007, 37(1): 48-53.
[本文引用:1]
[宗方, 隽志才. 基于活动的出行方式选择模型与交通需求管理策略. 吉林大学学报(工学版), 2007, 37(1): 48-53.]
<FONT face=Verdana>应用基于活动的出行需求预测方法研究了长春市实行鼓励公交策略的可行性。通过分析调查数据和总结以往模型,建立了Logistic形式的出行方式选择模型,用长春市居民出行调查数据进行了参数标定和模型验证。应用已建模型初步分析并评价了鼓励公交策略对居民出行方式的影响。结果表明:建立基于活动的方式选择模型预测城市交通方式结构,可以全面有效地进行交通需求管理策略的评价研究,为交通部门制定管理政策提供依据。</FONT>
DOI:     
[52] Sung H, Choi K, Lee S, et al.Exploring the impacts of land use by service coverage and station-level accessibility on rail transit ridership. Journal of Transport Geography, 2014, 36(2): 134-140.
In this study, we employ spatial regression analysis to empirically investigate the impacts of land use, rail service coverage, and rail station accessibility on rail transit ridership in the city of Seoul and the surrounding metropolitan region. Our analyses suggest that a rail transit service coverage boundary of 500m provides the best fit for estimating rail transit ridership levels. With regard to land use, our results confirm that density is positively related to rail transit ridership within a 750m radius of each station. In contrast, land use diversity is not associated with rail transit ridership. We also found that station-level accessibility is as important as land use for explaining rail transit ridership levels. Finally, we conclude that development density and station-level accessibility measures such as the number of station entrances or exits and the number of bus routes at the station are the most important and consistent factors for promoting rail transit ridership.
DOI:10.1016/j.jtrangeo.2014.03.013      [本文引用:1]
[53] Thompson G, Brown J.Explaining variation in transit ridership in U.S. metropolitan areas between 1990 and 2000: Multivariate analysis. Transportation Research Record, 2006, 1986: 172-181.
[本文引用:1]
[54] Zhang Weiwei, Chen Yanyan, Lai Jianhui.Analysis on factors affecting the choices to rail transit for commuters. Road Traffic and Safety, 2014(1): 56-59.
[本文引用:1]
[张伟伟, 陈艳艳, 赖见辉. 轨道交通通勤出行影响因素分析. 道路交通与安全, 2014(1): 56-59.]
通勤出行作为居民日常出行最主要的类型之一,其起终点、出行路径相对固定,对时间可靠性要求较高,而轨道交通的特点恰好能适应通勤出行的需求.研究影响通勤者选择轨道方式出行的因素对于提高轨道交通出行比例、缓解高峰交通拥堵具有一定意义.以北京市居民出行调查数据结合调查问卷对通勤者选择轨道交通出行的影响因素进行了分析.发现是否有车、居住地和工作地到地铁站的距离是影响通勤者选择轨道交通方式的重要原因,此外通勤距离、换乘次数、是否需要绕行等也是影响出行者选择轨道交通方式的因素.
[55] Song Zhengna, Chen Wen, Zhang Guixiang, et al.Spatial accessibility to public service facilities and its measurement. Progress in Geography, 2010, 29(10): 1217-1224.
[本文引用:1]
[宋正娜, 陈雯, 张桂香, . 公共服务设施空间可达性及其度量方法. 地理科学进展, 2010, 29(10): 1217-1224.]
<p>空间可达性度量既可用于评价公共服务设施空间布局的合理性,也可用于比较规划方案的优劣。公共服务设施空间可达性度量需要针对不同设施特有的空间布局目标,选取与之相适应的可达性评价因子,并采用合适的度量方法展开,对此进行专题研究的文献并不多见。本文一方面在对公共服务设施按照时效性、接受性、数量、等级性进行分类的基础上,系统阐述如何针对不同设施进行空间布局目标设定和可达性评价因子选取;另一方面将主要的度量方法分为比例法、最近距离法、基于机会累积的方法、基于空间相互作用的方法,并对各类方法的应用领域及优缺点予以分析比较,同时以潜能模型、两步移动搜寻法为例探讨相关方法在公共服务设施空间可达性度量中的应用;最后在对上述研究总结评述的基础上,本文指出多等级设施空间可达性、从需求者的活动规律考虑空间可达性、针对各类设施的综合空间可达性以及相关度量方法与GIS的集成等主题值得投入更多关注。</p>
[56] Liu Lixia, Bi Huaxing, Kong Xianjuan, et al.GIS location of public service facilities based on improved AHP. Geography and Geo-Information Science, 2011, 27(5): 46-49.
[本文引用:1]
[刘李霞, 毕华兴, 孔宪娟, . 基于改进层次分析法的GIS公共服务设施选址. 地理与地理信息科学, 2011, 27(5): 46-49.]
已有的公共服务设施选址模型较复杂且应用范围受限,无法作为通用模型出现。层次分析法可作为选址的通用模型,但单独使用层次分析法在空间分析方面仍有欠缺,单纯的GIS在复杂指标权重的处理方面存在很大不合理性。该文对层次分析法进行了改进,使之更适用于GIS的数据结构,将改进的层次分析法与GIS技术结合,成为公共服务设施选址更合理的选址模型和方法。以河北省黄骅市中学选址为例验证模型和方法的可用性。
[57] Li Zufen, Yu Lei, Gao Yong, et al.Extraction method of temporal and spatial characteristics of residents' trips based on cellular signaling data. Transport Research, 2016, 2(1): 51-57.
[本文引用:1]
[李祖芬, 于雷, 高勇, . 基于手机信令定位数据的居民出行时空分布特征提取方法. 交通运输研究, 2016, 2(1): 51-57.]
为了得到可靠的居民出行时空分布特征,并为城市交通规划提供准确的出行现状数据,基于手机信令定位数据设计了提取居民出行时空分布特征的方法。通过对重复冗余的手机数据进行处理、运用地理信息系统将手机数据映射至所研究的交通区域、划分交通小区、定义出行识别、建立OD矩阵及绘制出行期望线等出行数据挖掘,得到了居民的出行时空分布特征。为了验证设计方法的可行性,以北京市的手机信令定位数据为例,提取出北京市居民的出行时空分布特征,并将所得的结果与北京市第4次综合交通调查的数据进行对比得出:两者的出行时间分布特征平均偏差为0.78%,早晚高峰进出城方向比例的偏差为0.1,全市的出行发生量与吸引量的平均偏差均小于3%。
[58] Lin Hong, Li Jun.Relationship between spatial distribution of resident trips and mixed degree of land use: A case study of Guangzhou. City Planning Review, 2008, 32(9): 53-56, 74.
[本文引用:1]
[林红, 李军. 出行空间分布与土地利用混合程度关系研究: 以广州中心片区为例. 城市规划, 2008, 32(9): 53-56, 74.]
[59] Li Junfeng, Yao Minfeng, Ji Feng, et al.Quantitative study on how land use mix impact urban rail transit at station-level. Journal of Tongji University (Natural Science), 2016, 44(9): 1415-1423.
[本文引用:1]
[李俊芳, 姚敏锋, 季峰, . 土地利用混合度对轨道交通车站客流的影响. 同济大学学报(自然科学版), 2016, 44(9): 1415-1423.]
针对土地利用混合程度如何影响轨道交通车站客流的问题,建立非线性回归方法对其进行量化研究.采用递远递减权重和相邻车站重叠区域人口分配权重来计算加权人口,并以车站客流/加权人口作为因变量,从而分析由土地利用混合程度引起的车站客流变化.构建最小二乘支持向量机模型来分析土地利用混合程度、岗位居住人口比以及车站客流间相互关系.最后,以日本东京都109个车站的实际数据进行案例分析,案例结果表明土地利用混合程度对车站客流影响较弱,而岗位居住人口比与车站出站客流呈现显著正相关.因此,客流预测过程中应以岗位居住人口比代替土地利用混合程度作为关键因素.
[60] Bollerslev T.Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 1986, 31(3): 307-327.
DOI:10.1016/0304-4076(86)90063-1      [本文引用:1]
[61] Lamoureux C, Lastrapes W.Heteroskedasticity in stock return data: Volume versus GARCH effects. The Journal of Finance, 1990, 45(1): 221-229.
This paper provides empirical support for the notion that Autoregressive Conditional Heteroskedasticity (ARCH) in daily stock return data reflects time dependence in the process generating information flow to the market. Daily trading volume, used as a proxy for information arrival time, is shown to have significant explanatory power regarding the variance of daily returns, which is an implication of the assumption that daily returns are subordinated to intraday equilibrium returns. Furthermore, ARCH effects tend to disappear when volume is included in the variance equation.
DOI:10.2307/2328817      [本文引用:1]
[62] Nelson D.Stationarity and persistence in the GARCH(1, 1) model. Econometric Theory, 1990, 6(3): 318-334.
DOI:10.1017/S0266466600005296      [本文引用:1]
[63] Asteriou D, Hall S. Applied Econometrics.3rd ed. London: Palgrave Macmillan, 2015.
[本文引用:1]
版权所有 © 2013 《地理学报》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发