建成环境对轨道交通客流的时空异质性影响分析.pdf
《建成环境对轨道交通客流的时空异质性影响分析.pdf》由会员分享,可在线阅读,更多相关《建成环境对轨道交通客流的时空异质性影响分析.pdf(10页珍藏版)》请在咨信网上搜索。
1、第23卷第4期2023 年 8 月交通运输系统工程与信息Journal of Transportation Systems Engineering and Information TechnologyVol.23 No.4August 2023文章编号:1009-6744(2023)04-0194-09中图分类号:U121文献标志码:ADOI:10.16097/ki.1009-6744.2023.04.020建成环境对轨道交通客流的时空异质性影响分析许心越*1,孔庆雪1,李建民1,刘军1,孙琦2(1.北京交通大学,轨道交通控制与安全国家重点实验室,北京 100044;2.北京市轨道交通指挥中心
2、,北京 100101)摘要:研究各类建成环境特征对客流的影响,对城市轨道交通网络规划和运营客流控制具有重要意义。本文考虑人口经济特征、车站特征、外部交通特征与土地利用特征这4类建成环境对客流的影响,提出一种融合时空地理加权回归(GTWR)和随机森林(RF)的时空地理加权随机森林模型(GTWR-RF),以捕捉建成环境特征对客流影响的时空异质性与非线性。首先,利用多源数据对各建成环境的统计指标进行细化和完善,采用GTWR模型计算建成环境对客流的影响系数,捕捉并分析建成环境对客流影响的时空异质性。其次,将影响系数输入RF模型中进行训练,捕捉并分析建成环境对客流的非线性影响,实现客流预测并确定建成环境
3、特征对客流预测影响的相对重要度。针对北京的案例研究表明:GTWR-RF模型能够同时捕捉建成环境特征对客流影响的时空异质性与非线性,在所有建成环境特征中,工作人口数量对客流预测影响最显著,其次为公交接驳量;与普通最小二乘法、RF、梯度提升回归树、极限梯度提升树和 GTWR 模型相比,GTWR-RF模型具有更好的预测性能,在早高峰客流预测中决定系数较其他方法分别提升了5.7%,6.3%,0.5%,10.1%和7.3%。关键词:城市交通;客流时空异质性;建成环境;随机森林;时空地理加权回归Analysis of Spatio-temporal Heterogeneity Impact of Buil
4、tEnvironment on Rail Transit Passenger FlowXU Xin-yue*1,KONG Qing-xue1,LI Jian-min1,LIU Jun1,SUN Qi2(1.State Key Laboratory of Rail Traffic Control&Safety,Beijing Jiaotong University,Beijing 100044,China;2.Beijing Rail Transit Command Center,Beijing 100101,China)Abstract:Abstract:It is of great sign
5、ificance to study the influence of various built environment characteristics on passengerflow for urban rail transit network planning and operational passenger flow control.This paper considers the influenceof four types of built environment characteristics on rail transit passenger flow,including p
6、opulation economiccharacteristics,station characteristics,external traffic characteristics and land use characteristics.A hybrid model(GTWR-RF)is proposed,which combines the geographically and temporally weighted regression(GTWR)andrandom forest(RF).The model is used to capture the spatio-temporal h
7、eterogeneity and nonlinearity of the effects ofbuilt environment characteristics on passenger flow.First,the statistical indicators of built environment are refined andimproved by collecting multi-source data.The GTWR was used to calculate the influence coefficient of builtenvironment on rail transi
8、t passenger flow,and to analyze the spatio-temporal heterogeneity of the influence of builtenvironment on passenger flow.Then,the influence coefficient is input into the RF model for training,to analyze thenonlinearity of the influence of the built environment on passenger flow.Using the GTWR-RF mod
9、el,the studycompleted the passenger flow prediction and determined the mean relative importance of the built environmentcharacteristics on passenger flow prediction.A case study in Beijing shows that the GTWR-RF model can describe boththe spatio-temporal heterogeneity and nonlinearity of the impact
10、of built environment characteristics on passenger flow.Of all the built environment features,the number of working population has the most significant influence on the收稿日期:2023-03-17修回日期:2023-04-23录用日期:2023-04-25基金项目:中央高校基本科研业务费专项资金/The Fundamental Research Funds for the Central Universities(2022JBZ
11、Y022);北京市自然科学基金/Natural Science Foundation of Beijing,China(9212014)。作者简介:许心越(1983-),男,河南信阳人,教授,博士。*通信作者:第23卷 第4期建成环境对轨道交通客流的时空异质性影响分析forecast of passenger flow,followed by the number of bus connections.In the morning peak passenger flow forecast,the determination coefficient of GTWR-RF model is inc
12、reased by 5.7%compared to the OLS method,increased by6.3%compared to the RF method,increased by 0.5%compared to the GBRT method,increased by 10.1%compared tothe XGBoost method,increased by 7.3%compared to the GTWR method.Keywords:Keywords:urbantraffic;spatio-temporalheterogeneityofpassenger flow;bui
13、lt environment;random forest;geographically and temporally weighted regression0引言城市轨道交通作为一种高效便捷的出行方式,有助于缓解交通拥堵1。目前,我国的轨道交通规划和建设正处于快速增长阶段,截至2022年底,共有53个城市开通运营城市轨道交通线路290条,运营里程9584 km。城市轨道交通客流时空规律复杂多变,确定轨道交通客流影响因素,特别是建成环境特征对轨道交通客流的影响,对于改善城市交通规划和客流管理至关重要。当前城市轨道交通客流规律、影响因素分析的研究成果丰硕,如马壮林2、郭平3等总结了影响城市轨道交通
14、客流的因素,包括建成环境特征、轨道交通与其他运输方式的衔接和城市相关管理等。但既有研究分析建成环境对轨道交通客流的影响仍处于探索阶段,多从建成环境的部分特征进行研究。比如LI等4从人口经济特征方面与车站特征方面分析建成环境对客流的影响发现,工作人口数量与居住人口数量是客流的发生源之一,且车站出入口数量会对客流产生重要影响。ZHU等5从外部交通特征方面探讨了车站周围道路密度对客流的影响。马超群等6从土地利用特征方面解析了轨道交通进出站客流需求与周边用地之间的关系。近年来,直接需求模型因其成本低、响应速度快的优点被广泛应用于分析建成环境对客流的影响,研究多从建成环境对客流影响的空间异质性角度开展,
15、比较经典的直接需求模型包括线性回归和机器学习两类方法。比如陈启香等7利用多尺度地理加权回归模型研究建成环境对出租车与地铁竞合关系的影响机理,结果表明,竞合关系具有显著的空间异质性。CHEN等8使用普通最小二乘法(Ordinary Least Squares,OLS)研究建成环境特征与地铁使用之间的关系发现,交叉口数量与地铁客流量呈正相关。CHEN等9建立半参数地理加权泊松回归模型探索出租车需求与建成环境之间的时空关系,其拟合优度要高于广义线性模型。LI等10采用 地 理 加 权 回 归 模 型(Geographically WeightedRegression,GWR)分析不同时段建成环境对客
16、流的影响,结果表明,车站出入口数量与客流量呈正相关。LI等11采用GWR模型分析建成环境对轨道交通客流的影响,结果表明,建成环境对客流的影响具 有 空 间 异 质 性。为 将 时 间 维 度 融 入GWR 模型中,HUANG等12提出时间地理加权回归模 型(Geographically and Temporally WeightedRegression,GTWR),其拟合优度要高于 GWR 模型。这些模型多忽略了建成环境特征对客流的非线性影响,导致客流预测误差偏大。近年来,机器学习模型因在非线性和复杂关系建模方面的优势被应用于建成环境对客流影响的研究中。例如,SHAO等13采用梯度提升决策树模
17、型(Gradient Boosting Decision Tree,GBDT)估计建成环境特征对客流影响的相对重要度。YANG等14采用RF模型揭示中国成都轨道交通客流在 1 d中3个时段与建成环境的非线性和时间异质性关系。DING等15采用GBDT模型分析建成环境特征对轨道交通客流的非线性影响,并确定建成环境特征的有效影响范围。然而,建成环境对客流的影响在不同时间和车站表现出异质性,上述机器学习模型虽然能够捕捉建成环境对客流的非线性影响,但忽视了建成环境对客流影响的时空异质性。鉴于此,本文提出时空地理加权随机森林模型(GTWR-RF)以捕捉建成环境特征对轨道交通客流影响的时空异质性与非线性,
18、实现客流预测并确定建成环境特征对客流影响的相对重要度。具体地,利用 GTWR 模型计算建成环境对客流的影响系数,捕捉建成环境对客流影响的时空异质性;进一步将影响系数输入到RF模型中进行训练,捕捉建成环境对客流影响的非线性。1客流数据与建成环境变量构造轨道交通进出站客流数据采用 2022 年 3 月1日7日为期一周的北京市轨道交通运营线路客流数据,共计363座车站,为了揭示建成环境特征在不同时间的不同影响,分为工作日与周末,从6:00-22:00,以1 h为间隔统计客流量。基于相关研究对建成环境因素的分析,本文建195交通运输系统工程与信息2023年8月成环境变量主要从人口经济特征、车站特征、外
19、部交通特征与土地利用特征这4个方面构造,表1为各变量的定义与描述性统计。表 1 变量的定义和描述性统计Table 1 Definition and descriptive statistics of dependent and explanatory variables变量客流量人口经济特征车站特征外部交通特征土地利用特征平均房价居住人口数量工作人口数量度介数局部站点密度出入口数量距市中心距离道路密度公交接驳量公交条数办公设施居住设施教育设施旅游设施医疗设施娱乐设施土地利用混合指数描述车站小时进出站客流量/人次车站吸引范围内居民小区平均房价/(元m-2)车站吸引范围内居住人口数量车站吸引范围内
20、工作人口数量车站连接其他车站数量网络中所有最短路径中经过该车站的路径总数占最短路径总数比例车站2000 m范围内包含其他轨道交通车站数量车站出入口数量车站距离市中心(天安门)的距离/m车站吸引范围内每平方公里的道路长度/(kmkm-2)公交换乘轨道交通的人数车站吸引范围内公交线路数车站吸引范围内办公设施类POI数量车站吸引范围内居住设施类POI数量车站吸引范围内教育设施类POI数量车站吸引范围内旅游景点类POI数量车站吸引范围内医疗设施类POI数量车站吸引范围内娱乐设施类POI数量车站土地利用混合指数平均值41975602928287450022.3110.0404.1813.89817849
21、1817175615.43270.80114.71926.7240.8401.355144.0881.183标准偏差30823096218927467570.8630.0402.3971.644115996453106610.86468.14911.64832.0052.7631.716139.9670.256最小值41000101114990000000000最大值189851768009313626246560.2941210554553552710312525408924724159441.676建成环境中的人口经济特征包括平均房价、居住人口数量与工作人口数量。其中,房价数据出自于贝壳网
22、,通过Python代码爬取得到,约11000条数据。人口数据来自百度地图热力图截图,通过ArcGIS软件处理得到轨道交通车站吸引范围内人口数量。由于工作日10:00与22:00分别被视为人们工作和在家的时间,将工作日10:00-11:00的人口数量定义为工作人口数量,工作日22:00-23:00的人口数量定义为居住人口数量4。建成环境中的车站特征包括度、介数、局部站点密度与车站出入口数量,通过北京市现有轨道交通路网计算得到。建成环境中的外部交通特征考虑了距市中心距离、道路密度、公交接驳量与公交条数,北京市道路数据在太乐地图下载器中下载得到,通过ArcGIS软件处理道路数据得到道路密度,计算公式
23、为p=L S(1)式中:p为路网密度(kmkm-2);L为轨道交通车站吸引范围内的道路长度(km);S为轨道交通车站吸引范围面积(km2)。选择高德地图作为建成环境中土地利用特征数据来源,从“高德地图API_POI类别划分表”中选取能够代表办公设施、居住设施、教育设施、旅游设施、医疗设施和娱乐设施的 6 类兴趣点(Point ofInterest,POI)类型作为本文研究的目标POI类型,总计约20万条数据。土地利用混合指数表示土地利用种类以及平衡程度,其值越大,表示车站吸引范围内土地利用类型越多,计算公式为E=-j=1Jpjln()pj(2)式中:E为每个车站的土地利用混合指数;pj为车站吸
24、引范围内土地利用类别j的比例;J为土地利用类别的总数(本文为6)。城市轨道交通车站直接影响范围是指其步行吸引范围,通常用半径为3001500 m的圆形区域表示,800 m 通常被认为是可接受的步行吸引范围16,因此将车站的影响范围半径设为800 m。196第23卷 第4期建成环境对轨道交通客流的时空异质性影响分析然而,某些车站之间的缓冲区可能重叠,尤其是在中心区域的车站,使用泰森多边形处理这些重叠区域。2时空地理加权随机森林模型为了同时考虑建成环境特征对轨道交通客流影响的时空异质性与非线性,采用GTWR模型计算建成环境对客流的影响系数,进而将影响系数输入RF模型中进行训练。2.1 GTWR模型
25、GTWR模型能较好地描述解释变量与因变量之间的时空关系,其表达式12为yi=0()ui,vi,ti+k=1mk()ui,vi,tixik+i(3)式中:yi为样本i的客流量;ui为样本i的经度值,vi为样本i的纬度值,()ui,vi,ti为第i个样本点的时空坐标;xik为第k个解释变量在第i个样本点的取值;0()ui,vi,ti为第i个样本点的截距;i为样本i对应的残差;m为解释变量个数;k()ui,vi,ti为第k个解释变量在第i个样本点的拟合系数,即GTWR-RF模型所需的影响系数。GTWR模型同时考虑了时间和空间的异质性,使得GTWR模型具有其他模型不具备的特点,其主要特征为解释变量的影
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 建成 环境 轨道交通 客流 时空 异质性 影响 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。