降雨事件对上海地铁通勤客流时空影响的精细尺度研究

全球气候变化背景下,降雨事件日益增多,严重影响城市交通和居民的日常出行。本文以上海市为例,基于分时降雨数据和地铁OD客流数据,运用Prophet时序模型拟合降雨事件下的客流常态值,从站点和OD二个维度定量评估降雨造成的地铁通勤客流变化时空格局。研究结果表明：① 通勤客流总体随小时雨量增大而下降,不同类型站点客流的降雨波动性呈现差异;降雨会造成进站客流的时间滞后性和堆积性,通勤出行需求越大的站点类型堆积效应越显著;由于出发时间弹性差异,不同时点客流的降雨敏感性也不同,7:00和17:00敏感性较高,8:00—9:00和18:00—19:00则相对刚性;② 降雨会造成行程时间≤15 min的短距离客流显著上升,总体增加7.3%,中长距离客流变化不明显,总体减少1.3%;在不同功能区之间,早高峰居住型→产业型的客流波动和时间堆积性最为显著,晚高峰商服型→居住型的返程客流波动性较低;早高峰降雨敏感性线路的起始站点多分布在大型居住区,晚高峰则位于大型产业园区和商业中心;晚高峰返程客流的波动性低于早高峰。尽管降雨事件对通勤客流总量影响不明显,但会造成局部空间区域和时点的客流激增。本文的研究方法与结果有助于量化降雨对地铁通勤客流的影响程度,并为空间化的交通运行保障提供决策依据。     

基于手机信令的北京职住空间结构解析

城市的职住能够很好地反映城市的空间结构。根据用户驻留特征对手机信令进行职住地识别,获取北京的通勤OD数据,在此基础上利用Infomap及PageRank算法解析北京整体的职住空间结构,并对南中轴、北中轴及丰台科技园3个区域进行职住平衡分析。结果表明:①北京居住区郊区化明显,就业区虽呈现多中心格局,但受中心强大磁力及传统上南北差异的影响,空间分布极不均衡;②以长安街为界,南北区域表现出较大差异的通勤特征,整体上呈现北重南轻格局;③受用地现状、区位、交通条件等因素影响,北中轴在3个区域中职住最为平衡。     

北京市出租车OD流多尺度空间预测深度重力模型及其可解释性研究

准确预测城市内部OD流对于优化城市交通运行效率、提高资源利用率以及促进城市可持续性发展具有重要作用。现有研究大多基于单一尺度利用地理位置之间大量的历史流量来预测未来的流量,尚未有研究充分探究不同空间尺度下OD流预测可能存在的重要特征或建模精度差异等问题。本研究以北京市出租车轨迹为例,采用深度重力模型（Deep Gravity）对不同空间尺度下的轨迹OD流进行预测。同时,引入SHAP值（SHapley Additive exPlanations）揭示不同尺度下影响OD流预测建模的重要特征。结果表明：(1)相比于重力模型和辐射模型,街道尺度下深度重力模型的OD流预测精度最高（CPC值高达0.83）,且成功捕捉到了北京市早晚高峰时段的OD流网络整体结构,呈现出“环形散射状”特征;(2)在本研究所选各空间尺度下,对OD流预测精度影响最大的4个特征均为O、D点之间的出行距离,O、D点周围公司企业数量、餐饮服务数量以及购物服务数量;(3)同一特征对OD流预测模型的局部影响不同于全局,如科教文化和体育休闲类POI在全局尺度下对模型影响较小,但在局部尺度下却表现出极大的影响。     

武汉市轨道交通站点周边地区职住平衡与建成环境的关系研究

轨道交通的快速发展提高了通勤可达性,也被认为在重构城市职住空间格局进而影响职住关系方面产生重大影响。探究城市轨道交通站点周边地区（下称轨交站点周边地区）就地职住平衡与建成环境的关系,对于通过建成环境设计促进站点尺度职住“微平衡”,调节由于轨道交通所导致的区域性职住分离意义重大。本文基于武汉市189个轨交站点刷卡数据,首先识别了轨道交通通勤人员并分析了其出行特征,进而利用逐步回归与地理加权回归模型（GWR）探究武汉市轨交站点周边地区职住平衡与建成环境的关系。结果表明：① 从整体看,武汉市向心通勤显著,且汉口片区与武昌片区之间产生较大规模的跨江通勤,跨江交通压力较大;主城区职住平衡指数优于城市近郊区,就业集聚程度呈现“中心-外围”递减趋势,居住空间围绕二环线在外围城区分布,城市整体形成“中心就业,外围居住”的职住分离格局;② 土地利用混合度、公交站点数量对轨交站点周边地区职住平衡有正向促进作用,轨交站点出入口数量则有负向作用,且各因素的影响具有明显的空间异质性;③ 非首末站的职住状况较首末站更好,而是否为换乘站则差异不大。本研究可为轨交站点周边地区就地职住平衡的形成提供参考,促进轨道交通与城市功能协调发展。     

基于多源大数据的武汉城市圈城际通勤分布及影响因素研究

在区域一体化背景下,随着区域交通基础设施完善和中心城市功能集聚,城际通勤现象越来越普遍,多源大数据为相关研究提供了有效的数据支撑。以武汉城市圈32个区县到武汉市中央活动区的城际通勤量为研究对象,基于多源大数据结合地理加权回归模型探究城际通勤量的空间分布特征及影响因素。结果表明:①城际通勤量具有空间自相关性,在区县尺度呈现出从武汉市邻近区域向外衰减的分布特征,在乡镇/街道尺度呈分散点状分布特征。②地理加权回归模型相比于多元线性回归模型拟合能力更佳,社会经济、土地利用和交通通达水平三类特征因素能够有效解释城际通勤量分布,其中人口规模和人工地表覆盖面积都与城际通勤量呈正相关,人民生活水平越高跨城通勤者越少,区域可达性的提升能使节点之间的城际通勤量增加。③各因素对城际通勤量的影响具有空间差异特征,常住人口总量对武汉市邻近区域影响较强,人均GDP(Gross Domestic Product,国内生产总值)的负向影响强度由东部向西部递减,人工地表覆盖面积的影响强度由西部往东部递减,公路可达性比列车可达性的影响更显著。     

基于注意力机制的城市轨道交通网络级多步短时客流时空综合预测模型

准确、可靠的短时客流预测可为城市轨道交通提供运营决策支持。本研究以基于Transformer机制的LSTM网络、深度注意力模块和CNN网络为基础,提出了城市轨道交通网络级多步短时客流预测模型（STIPM）。该预测模型由3个分支组成,分支一以时间序列进站客流为输入,提出了基于Transformer机制的LSTM网络提取该数据中的时间相关性;分支二以基于时间步的OD数据为输入,提出了深度注意力模块挖掘数据中大量的时间、空间相关性,利用基于时间步的OD数据能够更好地展现站间联系紧密程度和全局信息,从而完成了拓扑网络信息提取;分支三的输入为POI数据,使用CNN网络获取其时空相关性,并作为时间与空间特征之间的纽带。为了保证在预测精度足够高的条件下,获得更长的预测时间和更详细的预测信息,本文采用“神经网络多输出”策略,完成了多步预测任务。本文在2个大规模城市轨道交通真实数据集中对该模型进行测试,并将预测结果与10个基准模型和4个消融实验模型进行对比,在RMSE、MAE与WMAPE评估指标中,STIPM模型均得到最高的预测精度,结果表明该模型具有一定的优越性与鲁棒性。     

自动预测通勤高峰期交通流量的方法

通勤高峰期的交通拥堵在中国很多城市越来越严重。通勤高峰期城市道路交通流量的准确预测是缓解交通拥堵和建设智能交通的关键基础问题之一。针对现有道路交通流量主要依靠ORIGIN-DESTINATION调查法,成本高、效率低且结果准确性有限等难题,本文提出一种低成本高效率的方法。综合利用全市域范围内的交通、社保、参保、人口等数字城市数据,依据交通工具的服务半径和出行距离,将居民的出行方式归结为步行、公汽、轨道交通和自驾4种类型,利用轨道交通优先原则和最短路径算法分析统计私家车出行数量和轨道交通人流量,并在此基础上预测通勤高峰期内的道路交通流量。以武汉市典型数据为例,证明了该方法的有效性和可靠性。     

交通大数据在人文与经济地理学的应用及学科影响

交通大数据能够反映人类社会经济活动产生的位移与时空轨迹,不仅能够满足学者们在微观尺度更深入、更精细的研究粒度要求,而且能够为宏观尺度的研究提供广范围、多视角的连续性观测,其研究与发展为人文与经济地理学带来了新思路和新技术。本文以交通大数据的研究前沿为基础,梳理了区位论、时空行为、复杂网络、流空间等理论研究的发展方向,勾勒了“大数据时代”背景下人文与经济地理学的研究框架体系,探讨了新旧技术方法融合的可能性,并讨论了对各个分支学科相关研究的影响。接着,本文总结了交通大数据在人文与经济地理学的主要应用方向与趋势,主要包括出行即服务的交通规划理论与方法,“人工智能+大数据”的城市管理科学,大尺度交通流迁移的模拟,以及“流空间”与“场所空间”的多维度研究等。最后,本文指出了交通大数据应用在获取难度和数据有偏性等方面值得注意的问题并进行了展望。     

省级主体功能区划的交通优势度的分析与应用——以河北省为例

交通是联系地理空间和社会经济活动的纽带.在我国主体功能区划评价中,交通优势度是其中一项重要指标.本文利用最新的基础地理数据及相关统计资料,以河北省147个县域为基本评价单元,进行了GIS空间分析.其构建了河北省交通优势度评价模型,运用层次分析法确定了交通网络密度、交通干线影响度、区位优势度三个因子的权重:0.267、0...     

基于LSTM的城市道路交通速度预测

交通预测对于交通智能管控具有重要的作用,实时准确的交通速度预测是相关研究领域中亟待解决的问题。传统预测方法难以应对日益复杂的交通数据,深度学习作为一种以数据为导向的新技术,在交通预测领域得到了广泛应用。综合利用城市道路交通的时空关联特征,搭建基于长短期记忆(LSTM)的城市道路交通速度预测模型,模型在时间特征上考虑了近历史时刻和远历史时刻的速度信息,以及待预测时刻的时刻值;在空间特征上集成了目标路段的上下游路段速度信息。基于武汉市出租车GPS数据和高德开放交通数据,开展数据处理与路段速度预测实验,分析预测模型参数与特征对预测结果的影响,并通过与传统方法的对比验证模型的有效性。     

Spatial analysis of commuting mode choice in Guangzhou, China

Metropolitan cities in China are commonly confronted with unresolved traffic congestion issues, primarily due to rapidly increasing traffic demand. Group disparity between commuting mode choice and its spatial distribution on road networks has enabled us to examine the factors that give rise to the discrepancies and the fundamental spatial causes of traffic congestion. In recent years, micro-perspective, individual, and behavior-based spatial analysis have mushroomed and been facilitated with effective tools such as temporal geographic information systems (T-GIS). It is difficult to study the interrelations between transport and space on the basis of commuting mode choice since the mode choice data are invisible in a specific space such as a particular road network. Therefore, in the field of transport, the classical origin destination (OD) four-stage model (FSM) is usually employed to calculate data when studying commuting mode choice. Based on the relative principles of T-GIS and the platform of ArcGIS, this paper considers Guangzhou as a case study and develops a spatio-temporal tool to examine the daily activities of residents. Meanwhile, the traffic volume distribution in rush hours, which was analyzed according to commuting modes and how they were reflected in the road network, was scrutinized with data extracted from travel diaries. Moreover, efforts were made to explain the relationship between traffic demand and urban spatial structure. Based on the investigation, this research indicates that traffic volumes in divergent groups and on the road networks is driven by: 1) the socio-economic characteristics of travelers; 2) a jobs-housing imbalance under suburbanization; 3) differences in the spatial supply of transport modes; 4) the remains of the Danwei (work unit) system and market development in China; and 5) the transition of urban spatial structure and other factors.     

不同测算方法下行程时间不确定性对可达性的影响分析

行程时间不确定性导致了可达性随时间的变化,相关研究表明忽略行程时间不确定性会高估可达性水平。既有可达性研究往往用行程时间可靠性表示行程时间不确定性,但未考虑不同可达性模型结果的差异以及行程时间可靠性价值。本文结合各OD之间的行程时间分布特征,构建方差型的行程时间可靠性来描述行程时间不确定性,并进一步将行程时间可靠性纳入到广义出行时间成本中,建立了时间距离模型、潜力模型、累计机会模型和高斯模型4种基于位置的可达性测算方法,以比较在不同测算方法下,行程时间不确定性对可达性的影响。深圳的案例研究表明：① 忽略行程时间不确定性会使全区域的可达性至少被高估5.04%,最大被高估95.04%。潜力模型、时间距离模型、累计机会模型和高斯模型的高估幅度由低到高;② 行程时间不确定性对可达性的影响存在阈值效应,阈值越高,可达性受影响的程度越小;③ 从空间分布来看,行程时间不确定性对可达性水平高和低的区域都有一定影响。若不考虑行程时间不确定性,可达性高的区域高估值大,而在可达性低的区域,可达性高估的百分比较大,高估百分比中位数的差异程度最大可达77.1%;④ 行程时间不确定性对潜力模型可达性分类的影响最小,对累计机会模型差异的影响最大。可达性使用者应充分考虑研究区域实际情况,结合可解释性与理论性偏好,进而选择合适的可达性模型和评判标准。     

CLAB模型：一种乘客出租出行需求短时预测的深度学习模型

乘客出行需求预测是智能交通系统的组成部分,准确的出行需求预测,对于车辆调度具有重要的意义;然而现有的预测方法无法准确的挖掘其潜在的时空相关性,且大都忽略历史流入量对出行需求的影响。为了进一步挖掘时空大数据中的时空特性及提升模型预测乘客出行需求的精度,本文提出了一种乘客出租出行需求短时预测CLAB(Conv-LSTM Attention BiLSTM)模型。CLAB模型设置了3个模块分别为基于注意力机制的Conv-LSTM模块和2个BiLSTM模块,基于注意力机制的Conv-LSTM模块提取临近时刻乘客出行需求量中的空间特征和短时时间特征,其中注意力机制能自动分配不同的权重来判别不同时间的需求量序列重要性;为了探索长期时间特征,用2个BiLSTM模块来提取历史流入量序列时间特征和日乘客需求量序列的时间特征。采用厦门岛的网约车和巡游车的订单数据进行实验,结果表明：(1) CLAB模型更适用于使用30 min历史数据预测未来5 min短时乘客出行需求;(2)与基准预测模型相比,CLAB模型的整体的效果误差更低,具有更好的预测效果,CLAB模型比CNN-LSTM、LSTM、BiLSTM、CNN...     

基于网络地图的多交通模式医疗设施可达性分析

由于城镇化发展迅速、居民对医疗服务需求的提高,使得城市人口密集区域医疗服务压力增大,因此进行医疗服务设施可达性分析具有重要意义。本文以福州市主城区为例,医疗数据来自于福州市卫健委,利用爬虫技术获得小区户数进行人口估算,基于早、中、晚各时段的实时路况信息,计算居民点到医疗服务设施的最优路径旅行时间,并绘制医疗服务等时区,利用高斯距离衰减函数改进的两步移动搜法（Gaussian-Two Step Floating Catchment Area Method, Ga-2SFCA）,考虑出行模式,对福州市主城区二级以上医院进行可达性分析。结果表明：① 驾车出行模式下,医疗服务覆盖率和居民就医可达性要明显好于公共交通出行模式;② 驾车出行模式下,医疗服务可达性受出行时段影响较大;而公共交通出行方式下,各时段差异较小;③ 随着时间阈值的增大,居民点的医疗服务可达性等级提升,且高等级可达性范围逐渐扩大;④ 驾车模式下的医疗可达性空间分布和道路保持一致,呈现出“环线层次”的现象;而公共交通模式下的可达性空间分布由于受到城市公交微循环系统的影响,呈现出“轴向扩张”的现象。     

Study on the urban transport and land-use of Guangzhou

Thefastpaceofeconomicgrowth,urbanpopula-tiongrowthandfamily-incomeincreasesincel978hastriggeredaboomofcarownershipandusage.ThishasbeenaccompaniedbyincreasingtrafficdemandofGuangzhouandthetransportland-useincreasedac-cordingly.Atthesametime,duetoacceleratedurbanizationandsharpincreaseofresidential,businessandindustriallanduseaswellastheirexpansiontowardtheperipheryofthecity,theconflictbetweenlanduseandtraffcdemandhasbeenmoreandmoreevident,whichmakesthisstudymeaningful.lDEVELOPMENTANDPATT…     

可持续TOD建设视角下的轨道站点客流潜力模型构建

轨道是缓解城市交通问题的重要设施,增加出行者选择轨道出行的概率,有利于交通与土地利用协调和TOD可持续发展。本文提出站点客流潜力的概念,并根据复杂网络特征和出行模式构建站点客流潜力模型,通过协调潜力值与实际客流为TOD研究提供新视角。以北京市轨道站点POI数据构建Space-L模型,并依据站点客流潜力模型计算北京市364个站点的客流潜力。研究发现：① 本文提出的站点客流潜力具有吸引力和承载力两类内涵,能定量分析站点空间与站域客流的协调情况;② 北京市站点客流潜力值空间分布为“核心-边缘”模式,区间概率分布为等差数列分类的指数分布和等比数列分类的正态分布;③ 根据出行目的设置四类出行情景。不同情景下出行者选择轨道出行的概率具有差异,早高峰和晚高峰情景下轨道出行概率大,受潜力值影响小,非工作出行情景下轨道出行概率小,受潜力值影响大。实例分析表明相比于单独考虑复杂网络特征,潜力值具有更好的可解释性和科学性;④ 耦合度C 0.5时认定站点失调,其中标准化的实际客流与潜力值的比值Z >1,表示客流过饱和,如西二旗等,会造成站点拥堵,Z 1表示站点交通地理优势未充分发挥,如北运河西等。北京市轨道交通需协调优化以提升效率,实现TOD可持续发展。     

疫情背景下中国居民城际出行恢复力、恢复模式与影响因素

新冠疫情爆发以来,居民城际出行受到显著影响,其时空波动规律反映了居民城际出行恢复力和恢复模式。文章基于百度迁徙数据,着眼于疫情防控常态化阶段,分析城际出行恢复力的分异格局,归纳总结时序波动规律与模式,并构建计量模型探究影响城际出行恢复力的因素。研究构建了波动比率、恢复比率、恢复弹性和恢复指数4个指标,用以衡量城际出行恢复力大小;将2021年中国新冠疫情划分为4个波次,各轮疫情持续时长不一,涉及地区范围各异。研究发现：① 居民城际出行恢复力表现出一定的空间差异,东部地区最好,西部地区和中部地区其次,东北地区最差;② 居民城际出行恢复模式时序与传统韧性三角形模式相似,根据疫情传播特征和性质具体可归纳为相对独立型、中间波动型、起点关联型、终点关联型、双向受制型等5种模式,表现出各异的曲线形态和特征;③ 对于居民城际出行恢复力的影响因素,机场、高铁等交通因素具有正向相关关系,而与GDP、产业结构等经济因素的影响表现为U型关系。疫情防控背景下,城际出行恢复模式和恢复力是城市韧性的重要方面,为制定相关城市政策提供了科学依据。     

城市交通与土地利用一体化模型的核心算法进展及技术创新

交通与土地利用的协调发展是缓解城市交通拥堵、提升交通水平的关键。城市交通与土地利用一体化模型则是分析和模拟城市交通与土地利用相互作用过程的重要科学支撑。多年来不同国家学者已研发出一些操作模型,并用于城市空间政策的制定研究,但这些模型的核心算法仍需进一步升级完善。本文首先梳理了当前已有主流模型的理论特征,解析了这些模型的核心算法发展及其优缺点;然后针对关键算法的不足,提出新的综合均衡模型,就区位可达性、用地混合度与强度、出行成本3个关键变量的核心算法展开讨论;最后,进一步形成模型各子模块的算法创新,包括考虑增量离散选择过程的居住与就业区位决策模块、细分房地产类型并将土地开发结果动态反馈至城市用地演变的房地产开发模块、采用改进的阻抗函数、小汽车拥有情况和动态出行成本的交通综合模型。本文对于定量化分析模拟城市复杂系统、研发我国城市交通与土地利用一体化模型具有一定的参考价值。     

顾及空间异质性的出租载客与公交客流回归分析

出租车一直以来被看作公共交通的补充,但是以往研究多侧重于出租客流与公交客流的独立研究,对于二者的关联关系分析没有足够得到关注。预测出租车载客热点区域不仅能够实时的了解城市交通热点区域,还能够很好地指引出租车司机,帮助出租车司机快速寻客。出租车载客热点常发生在人流密集并且交通出行需求较高的区域,公交乘客IC卡数据能够实时的反映城市中的交通需求。因此,本文使用厦门岛出租车GPS轨迹数据与公共交通运输系统运营数据,利用核密度估计法和地理加权回归模型分析了早晚高峰时段出租车载客与公交上下车（OD）客流之间的时空分布关系。研究发现,出租乘客O点的核密度值在空间上存在分布不均衡性,聚集特征明显。在同一区域,公交乘客O点和公交乘客D点对出租乘客O点所产生的影响刚好相反;在不同区域,城市功能类型复杂的地区公交乘客O点对出租乘客O点产生负的影响,在城市功能类型单一的地区公交乘客O点对出租乘客O点产生正的影响,公交乘客D点则刚好相反。与普通线性回归模型相比,地理加权回归模型的拟合效果显著提高,早晚高峰拟合优度分别从0.13和0.11提升到了0.59和0.53。研究结果可为出租车载客数量的预测提供相关依据。