王陆一
, 吴健生, 李卫锋
WANG Luyi, WU Jiansheng, LI Weifeng
通讯作者:
收稿日期: 2018-04-23
修回日期: 2018-09-23
网络出版日期: 2019-01-20
版权声明: 2019 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有
基金资助:
作者简介:
作者简介：王陆一（1993-）,男,硕士生,研究方向为城市与区域规划,时空数据分析与挖掘。E-mail:wangluyi@pku.edu.cn
展开
摘要
公共自行车在促进交通可持续发展、方便居民出行等方面意义重大。本文以广东省惠州市惠城区和惠阳区、韶关市区公共自行车为研究对象,利用时间序列数据分析、层次聚类、地理可视化等方法探究出行模式,利用随机森林算法分析出行行为的影响因素及其重要性程度。研究发现,惠州市惠城区和韶关市的公共自行车出行行为有规律、成规模,站点呈现生活居住、工作就业等类型;惠州市惠城区自行车使用目的多元,包括通勤、短途办事、公交接驳等,韶关市中,通勤是主要出行目的。惠州市惠阳区受到骑行道路限制,公共自行车使用率低。本研究可以为提高公共自行车系统运营效率、引导慢行交通政策制定、评估城市用地布局提供参考和建议,也能为其他区域公共自行车的研究提供借鉴作用。
关键词：
Abstract
Given the importance of environment-friendly cities, the development of public bicycle systems (PBSs) has become more popular in recent years around the world. The purpose of this study was to explore the usage patterns of PBSs in small and medium-sized cities in Guangdong province, China, and to infer the driving mechanisms of system attributes and the built environment. The research applied time series analysis of global activity patterns, hierarchical clustering algorithm using Dynamic Time Warping distances as features and spatial data visualization on station-based data, and then compared different systems by employing a random forest algorithm to evaluate the influencing factors. The study objective was to better understand the relationship between public bicycle usage activity and underlying built environment characteristics. In Huicheng District of Huizhou City and Shaoguan City, the public bicycle usage patterns are regular, and bicycle stations are grouped into several clusters based on usage patterns of "morning destination, night origin" "morning origin, night destination" and "steady throughout the day". The PBS in Huicheng District plays various roles by helping users commute to and from jobs and schools, and to make short distance trips. The PBS also is a complementary tool for bus transit facilities. The PBS in Shaoguan City mostly serves as a mode for commuting. The PBS is inefficiently used in Huiyang District of Huizhou City owing to the poor road conditions. This research provides a study framework that can be reproduced in other areas, and offers a way of optimizing PBSs, thereby assisting urban transportation planning and urban land use allocation.
Keywords：
中国近年来城市快速扩张,交通机动化的趋 势明显。为了减少机动车带来的污染排放、交通 拥堵,不仅需要限制小汽车出行,同时要改善公共出行环境,鼓励低碳交通方式。其中,公共自行车作为共享经济模式在交通出行发展的产物,具有 重要意义和发展空间,近年来在全世界得到重视 并迅速发展。至2016年底,全球大约有1200个公共自行车系统[1]。自2008年开始,中国先后在杭州、上海、北京、广州、深圳等城市实施了公共自行车系统[2]。
随着信息通信和大数据技术的发展,许多学者利用公共自行车的历史数据,对站点时空特征、人群移动模式进行探索。在国外,Froehlich等[3]挖掘了巴塞罗那公共自行车出行的时空行为模式,利用系统树图聚类Ward's算法分析出行与地理位置、周围环境、时间的关系。纽约市的公共自行车可行性研究结合了自行车出行状况与人口密度、工作岗位密度、服务设施、文化与休闲设施和商业中心等建成环境,推断各地区的需求水平[4]。O'Brien等[5]收集了全球38个公共自行车系统的使用数据,根据系统规模、日常并发量、站点车桩的占有和空闲情况、站点间距离、空间紧凑度、自行车供给数量等指标,对不同地区的系统进行聚类,为解决站点不平衡问题提供分析基础。在国内,刘冰等[6]利用杭州市公共自行车IC卡数据,通过数据挖掘测度了站点的使用特点,揭示了杭州市“圈层式”的结构,以及不同区域的站点在使用量、潮汐性、周转率等指标的差异。郭素萍等[7]对南京公共自行车数据进行了时间统计和空间可视化分析,对不同目的（如通勤、生活等）下出行的时空间特征进行了总结和对比,并建议站点规划布局应充分考虑用地功能和空间形态。邓力凡等[8]利用北京市的摩拜单车数据分析了骑行时空特征,发现工作日存在明显的早晚高峰。在公共交通和商业、餐饮等空间要素的影响下,骑行存在不同的空间特征,其还提出了共享单车停车设施优化建议。朱玮等[9,10]以上海市闵行区公共自行车为研究对象,采用调查问卷与刷卡数据分析结合的方式,对不同用地类型站点的使用特征进行了描述性分析。在以往的定量城市研究中,掌握公共自行车用户的时空间行为模式和特征有助于更好地理解系统内在机理和城市运行特点,通过出行大数据挖掘,可以捕捉到用户使用公共自行车的时空规律和更细致的出行行为。
为了帮助规划部门、公共自行车运营部门评估城市潜在的运行机理,促进系统运营,需要对自行车出行模式的驱动机制进行研究。Zhang等[11]建立多元线性回归和空间回归模型,探讨中山市建成环境对出行需求量和需求供给比的影响,其中的建成环境变量主要是指站点自身特征和可达性、自行车出行基础设施、公共交通以及土地利用特征。Wang等[12]建立了Log-linear和负二项回归模型,评估了居民的经济社会属性、土地利用特征（包括水体、商业区、学校）、其他交通站点等因素对于日均出行量影响的边际效应;该研究成果可以为优化公共自行车运营、新站点选址提供参考。Faghih-Imani等[13]研究了蒙特利尔土地利用和城市形态对自行车出行量的影响,建立线性回归和线性混合模型,利用log-likelihood ratio进行模型检验;主要结论表明临近的商务区、饭店、大学对出行量有显著影响,增加站点数量比增加某站点车位数对车流量的影响更加显著。已有研究表明,影响公共自行车出行的主要因素可能包括：系统本身属性、交通基础设施和公共交通换乘、土地利用情况等。
现有对于公共自行车的研究不足主要体现在 3个方面：① 研究区大多集中在欧洲大中城市、北美等地,中国区域研究主要关注杭州、北京等一线城市,缺乏对于欠发达地区的关注。中小城市发展空间紧凑、土地开发强度低,居民出行特征与发达城市会有所不同;② 国内对于公共自行车出行模式的研究有待大规模时空数据的进一步分析和佐证;③ 国内鲜有研究定量分析建成环境对于公共自行车使用行为的驱动机制。本文将对以上不足开展以下研究：选取广东省惠州市惠城区和惠阳区、韶关市区3个公共自行车系统作为研究对象,基于历史使用数据,挖掘全局使用情况,对站点使用模式进行识别并聚类,探索自行车出行的时空特征;利用随机森林算法检测站点使用模式的影响因素及其重要性程度;在研究结果的基础上,结合调研和规划文件,为城市规划和公共自行车部门提供政策依据,同时对城市用地布局和其他交通系统的规划与评估提供参考。
惠州市位于广东省东南部,属于珠江三角洲城市群。惠州市管辖惠城区、惠阳区等区县。惠城区位于惠州市中部,是市政府所在地,功能分区包括住宅区、商业区、行政区和文化区,2015年底常住人口120.01万人。惠阳区位于惠州市南部,是惠州区域副中心城市,西靠深圳、东莞,南临大亚湾,2015年常住人口59.56万人。惠州市中,惠城区和惠阳区相距大约30 km,基本不存在跨区骑行的情况,故分开讨论。韶关市被定位为“粤北区域中心城市”,是广东的老工业基地和重要生态屏障,2016年末韶关市区常住接近100万人。3个区域（图1）均建设了公共自行车系统且已运营时间较长,进行中小城市研究具有一定的典型性。系统的基本属性如表1所示。不同的区域具有不同的经济水平和功能区定位、人口分布、交通建设水平、土地利用和建成环境,各方面的差异势必造成自行车出行模式的差异。通过不同区域的比较研究,尤其针对缺乏关注度的中小城市居民出行特征的研究,有利于全面细致地探索居民出行和城市结构的交互关系。
表1 研究区域公共自行车系统概况
Tab. 1 Attributes of the public bicycle systems
| 研究区域 | 惠州市惠城区 | 惠州市惠阳区 | 韶关市市区 |
|---|---|---|---|
| 系统开始运营时间 | 2012年4月 | 2013年12月 | 2013年1月 |
| 自行车站点数量 | 97 | 37 | 31 |
| 总车位数/个 | 1762 | 714 | 600 |
| 自行车数/辆 | 760 | 260 | 270 |
| 车位/站点比 | 18.16 | 19.30 | 19.35 |
| 车位/自行车数比 | 2.32 | 2.75 | 2.22 |
本文采用的公共自行车站点数据来自惠民运营系统管理有限公司网站[14],编写Python脚本实时获取各个站点的可借车辆和剩余车位数据。选取的数据时间跨度为2017-05-01至2017-09-01,时间分辨率为10 min。根据以往研究[5],该频率获取的数据可以较精确地反映一天中出行行为和自行车可用性的变化,描绘出通勤高峰时段和其他的特征。每一条记录值包含的属性字段主要有：站点ID、名称、具体地址、经纬度、总车位数、可借车数、可还车数、日期时间和星期。
惠州市惠民自行车公共服务系统项目已作为惠州市2012年十大民生实事之一进行重点推广;另外,摩拜、ofo等无桩共享单车在研究数据时段内未进入市场,只在个别园区试运营。在韶关市,主要道路的自行车高峰小时交通流量不大,部分主要道路的自行车交通量在100辆/h以下[15]。市区建成范围有限,31个自行车站点覆盖了绝大部分交通要道。综上,惠民运营系统能够一定程度反映研究区公共自行车的整体情况。
其他使用到的数据包括：人口分布数据（2013年）为Oak Ridge国家实验室提供的LandScanTM[16] 数据;道路数据来自众包地图平台OpenStreetMap[17];公交站点数据和地理兴趣点（Points of Interest,POI）,POI数据（电子地图上的地标、景点、处所等）来自北京城市实验室（Beijing CityLab）[18,19]。
本节利用站点可借车数和空余车位的时间序列数据,探究使用行为的时空间模式。首先,分析系统总体使用强度,即所有站点可借车数总和随时间和日期的变化,找出自行车的使用高峰、低谷期以及工作日和周末的差异。此外,对站点的时间序列数据进行层次聚类,解析站点使用日变化的规律,识别使用类别不同的站点,并分析不同类型的站点在城市空间上的分布。层次聚类基于不同组数据间的相似度来创建一棵有层次的嵌套聚类树,优点体现在：距离和规则的相似度容易定义,不需要预先设定聚类数目,可以发现类与类之间的层次关系。
由于系统中站点的总车位数并不是统一的,引入标准化可借车数（Normalization Available Bicycles,NAB）的概念,即可借车数的数量占总车位数的比值[3,20]。NAB的范围是0（代表车位全空,无法借车）到1（代表车位占满,无法还车）。考虑到某些站点的NAB序列的日变化趋势相近,但是真实值不相近,为了提高聚类的效果,对可借车数进行二次标准化,引入NNAB（Normalized NAB）的概念。对于某一天的数据,NNAB计算如下：
式中：meanday(NAB)代表某一天中NAB的平均值。通过二次标准化的方法,时间序列值反映的是趋势的变化,便于提高对站点NAB日变化序列的聚类效果。
对于时间序列数据相似度的度量,采取动态时间规整（Dynamic Time Warping, DTW）距离[21]。给定2个时间序列集Q和C,DTW距离的计算需要构建一个n×m的邻接矩阵,寻找最短路径。矩阵中第（i, j）个元素为（qi-cj）2,代表匹配时间序列Q的点 qi到时间序列C的点cj的距离。在本文中,由于数据每10 min收集一次,一天一个站点的数据量为 6×24=144,所以n=m=144。2组时间序列的匹配可以表示为矩阵中一条弯曲的路径：W=w1, w2, …, wk, …, wK,且该路径是连续的、单调的,始于矩阵的左下角、终于矩阵的右上角。2组时间序列的最佳匹配需要该路径经过的点的匹配距离和最小,对应的最小距离和即是DTW距离[22]：
欧氏距离要求2组时间序列长度相同,且严格计算每个时刻的对应距离,因此对噪声较敏感。相较于欧氏距离,DTW距离在度量时间序列数据相似度上,优势体现在对微小的不协调数据有较低的敏感度[22]。将站点层次聚类后,对属于各个类别的站点进行人工判别,观察其时间序列变化趋势,避免时序被过度拉伸、压缩。数据预处理和层次聚类通过R语言实现。
根据已有的研究[11-12,23-24]可知,系统本身属性和建成环境对自行车出行模式有一定影响,其影响因素归结可为3大类：① 自行车站点属性,包含自行车站点总车位数、距离最近站点的距离、缓冲区内自行车站点数;② 可达性和公共交通接驳,包含缓冲区内的人口、非机动车道长度、机动车道长度、公交站数量;③ 城市土地利用和功能区情况,包含缓冲区内POI种类、不同类别（就业、居住、商业、公共服务、学校、休闲娱乐）POI数量。本文选取300 m欧氏距离作为缓冲区,计算站点建成环境的特征变量,因为该值在以往的研究中被证明可以较好地反映自行车站点服务范围的效果[11,25],且步行长度大约为10 min,取值合理。
随机森林是机器学习中由决策树理论发展而来的组合学习方法。决策树能够表示给定特征条件下类的条件概率分布（定义在特征空间的一个划分上）,各叶结点（特征空间的单元）上的条件概率往往偏向某一类,决策树分类时将该结点的实例分到条件概率大的类[26]。Breiman[27]于2001年创造性地提出了随机森林：双重随机构建模型方法,即对数据集随机有放回抽样与节点处随机特征选取。由随机化产生若干的决策树结果投票得到最优的分类结果。随机森林能够在训练过程中检测到特征之间的相互影响以及特征的重要性程度。
利用随机森林识别工作日期间站点使用行为的影响因素,对建模结果和变量因子的重要性进行评价分析。本研究中,随机森林模型本质为分类问题,因变量为站点工作日使用情况的聚类结果,特征变量为前文中系统本身属性和建成环境。利用袋外数据估计错误率评估模型结果。在构建某决策树时,对训练集使用随机且有放回的抽取,没有参与树的生成的训练实例,被称为该树的“袋外数据”样本。利用袋外数据估计错误率可以在模型生成的过程中对误差建立无偏估计,而无需使用独立的测试集。
分析工作日和周末,系统所有自行车使用强度的日变化,3个区域的结果如图2-图4所示。可以看出,对于惠州市惠城区和韶关市,系统的使用情况呈现出了比较明显的早晚高峰。而在惠州市惠阳区,整体的使用强度低,且没有特殊的规则模式。
图2 惠州市惠城区站点可借车数平均值日变化
Fig. 2 Average of the total bicycles available in the stations in Huicheng, Huizhou
图3 惠州市惠阳区站点可借车数平均值日变化
Fig. 3 Average of the total bicycles available in the stations in Huiyang, Huizhou
图4 韶关市站点可借车数平均值日变化
Fig. 4 Average of the total bicycles available in the stations in Shaoguan
惠州市惠城区的公共自行车系统颇受市民欢迎,呈现出较规律、成规模的出行行为。使用高峰从7时开始并持续到10时,在8-9时之间达到顶峰;下午高峰出现在17-19时。高峰期时被使用的车辆数量约为80辆,占到总车数约11%。而在周末,虽然也呈现出早晚高峰的趋势,但是高峰期使用量明显低于工作日,推断出该系统对于日常工作通勤的服务作用较为明显。惠州市是全国文明城市,为了倡导低碳、绿色的出行概念,缓解城市交通拥堵,注重发展慢行交通,2012年开始启动“惠民自行车”建设工程。惠城区地貌多为平原区,比较适合自行车出行。惠城区存在公交车、出租车等候时间较长的现象,公共自行车可以对其他出行方式起到一定的补充或替代作用。
惠州市惠阳区公共自行车使用量小,没有得到有效的利用。通过调研发现,该区主要的问题是骑行道路欠缺,且有众多的摩托车骑行者,自行车与机动车距离过近,还会发生抢道混行的现象,带来了一定程度的骑行安全问题。对于公共自行车的建设推广,除了站点和车辆,还需要有通畅的路网配套,优化市区路网空间,才能更加充分地发挥自行车的出行作用。另外,市民对于公共自行车的了解程度不高,知道系统运营、使用方法的市民不多,宣传力度有待加强。
韶关市中心区的公共自行车租借行为存在较明显的“潮汐性”。系统的使用高峰出现在8-10时和17-18时,早高峰使用极值出现在9时左右。高峰期自行车使用量占到总车数的9%。周末相较于工作日来说,自行车的使用情况变化较为平缓,使用强度整体较工作日低,尤其是2个高峰时段。与惠州市惠城区整体使用情况不同的是,在20-21时,韶关市公共自行车系统出现了一个局部使用高峰,揭示出该地区部分市民夜间出行、户外休闲活动的特点。韶关市区生态环境优美,市区范围内到达目的地耗时大多不超过1 h,一定程度上有利于自行车出行。
本节对自行车站点在工作日的使用情况进行时间序列数据聚类,发现主要的出行模式规律,并探析不同类别站点在空间上的分布特点。
惠州市惠城区的公共自行车站点可大致分为 5种类别模式（图5-图6）,其中类别1、4、5对应“早间出发地、晚间到达地”型,类别3对应“早间到达地、晚间出发地”型,类别2对应“平稳”型。从空间分布来看,“早间到达地、晚间出发地”型的站点集中分布在穿城而过的东江北部惠州市政府附近以及东江南部的世贸中心、港惠新天地等商圈,日间到达热点区域呈现双中心的格局。“早间出发地、晚间到达地”型站点也呈现一定程度上的空间集聚,如沿二环路外围、东江支流西枝江两岸等。
图5 惠州市惠城区站点工作日聚类结果NNAB日变化趋势
Fig. 5 Average NNAB of clusters on weekdays in Huicheng, Huizhou
图6 惠州市惠城区站点工作日NNAB聚类结果空间分布
Fig. 6 Map visualization of NNAB clustering results on weekdays in Huicheng, Huizhou
惠州市惠阳区的公共自行车系统使用强度微弱,绝大多数站点呈现“平稳”型,没有明显的多种模式特征（图7-图8,图8见第32页）。
图7 惠州市惠阳区站点工作日聚类结果NNAB日变化趋势
Fig. 7 Average NNAB of clusters on weekdays in Huiyang, Huizhou
图8 惠州市惠阳区站点工作日NNAB聚类结果空间分布
Fig. 8 Map visualization of NNAB clustering results on weekdays in Huiyang, Huizhou
韶关市公共自行车站点在工作日主要呈现3种模式,分别为“早间出发地、晚间到达地”型、“早间到达地、晚间出发地”型、“平稳”型（图9-图10,图9见第32页,图10见第33页）。从站点类别的空间分布上,可以看出明显的单中心模式：日间自行车使用者向浈江和武江中部的城市中心区域集聚,附近分布有事业单位、商城等,夜间向“Y”字型河流两侧分散,目的地多为居住功能区,如鸿洲花园站、碧岛豪庭站、时代花园站等。未得到充分利用的站点主要分布在省级干线公路和城市建成区边缘地带。
图9 韶关市站点工作日聚类结果NNAB日变化趋势
Fig. 9 Average NNAB of clusters on weekdays in Shaoguan
图10 韶关市站点工作日NNAB聚类结果空间分布
Fig. 10 Map visualization of NNAB clustering results on weekdays in Shaoguan
综上所述,通过对于站点使用模式的识别,能够映射出城市活动中心的时空间分布特点和出行运行机制。基于传感技术捕捉到公共自行车出行实时动态,利用“社会感知”和“城市计算”[28,29]挖掘市民的移动行为模式,有助于理解城市交通需求的产生机理,识别出城市核心功能区域和外围组团的人群活动强度,为完善城市综合交通体系、土地复合开发利用等提供借鉴。
本节对惠州市惠城区和韶关市中心区的公共自行车站点模式和影响因素的关系分别进行随机森林分析,得到特定出行行为的驱动机制。由于惠州市惠阳区公共自行车使用强度微弱,且没有识别出有规律的模式,故不在本文讨论范围。利用R语言的"randomForest"工具包进行随机森林算法的实现。对于惠州市惠城区和韶关市,训练样本剔除了使用行为模式规则不明显的站点,剩余样本数分别为56和25。选取合适的树节点预选变量个数（mtry）和模型包含的决策树的数目（ntree）,控制模型误差,并剔除对模型重要性程度小的特征变量,得到的因子重要性评价结果如图11-图12所示（图11见第33页,图12见第34页）。2个模型的袋外数据估计错误率分别为17.86%和24.00%,效果较好。结果中,Mean Decrease Accuracy（平均准确率降低度）和Mean Decrease Gini（平均基尼指数降低度）描述的是特征变量重要性度量[30]。Mean Decrease Accuracy描述的是当把一个变量变成随机数时,随机森林预测准确度的降低程度,该值越大表示该变量的重要性越大。Mean Decrease Gini通过基尼指数计算每个变量对决策树上每个节点的观测值的异质性的影响,该值越大表示该变量的重要性越大。
图11 惠州市惠城区站点类别影响因素重要程度
Fig. 11 Importance evaluation of factors on station cluster in Huicheng, Huizhou
图12 韶关市站点类别影响因素重要程度
Fig. 12 Importance evaluation of factors on station cluster in Shaoguan
在惠州市惠城区,多种类别POI数量重要性程度较高,推断出该地市民使用自行车目的多元,包括工作日通勤和通学、短途办事、公交接驳、休闲娱乐等等,其中居住和公共服务类POI起到最重要的驱动作用;惠城中心两江贯城,具有一定的生态景观资源和休闲活动空间,也为城市骑行提供了活力。《惠州市低碳生态规划（2014-2030）》中提出,建设舒适便民的慢行交通系统,结合大型社区、公交枢纽站、公园广场、重点景区等场所设置公共自行车站点,加大公共自行车投放力度,这符合基于历史数据挖掘出的自行车出行的需求。
在东江南北两个日间活动中心的自行车站点附近,公交站点较多、非机动车道长度较小,而居住型站点附近公交站数量相对较少,也侧面反映出公交发展水平、道路条件等的不平衡问题。目前惠州市区某些道路没有专门的非机动车道,公共骑行的条件存在一定不足。未来慢行系统的发展,应结合区域机动车和公交发展,实施区域差别化的政策指引：如接驳类站点布置在交通干道临近处;生活居住类站点更多考虑渗透到支路,并调查生活居住区对于公交站点的诉求,统筹发展公共交通体系。另外,在核心建城区的东北和东南部、东江绿道沿线等地,自行车站点布局欠缺,为了推进“慢行+公交”为出行方式主体,还需要增加自行车站点的数量和密度。
对于韶关市,根据已有研究[15],居民使用自行车的出行目的包括通勤通学、健身或休闲旅游、公交换乘等。根据随机森林模型,其中工作日通勤是出行的主要目的,而公交换乘所占的比例很少,这也与现状调查的结论相一致。韶关市上班高峰期存在较堵车的现象,而城市整体范围不大,公共自行车一定程度上可以缓解机动车通勤的压力,有较大的发展空间。
自行车站点服务区覆盖人口数显著影响了使用强度,居住型站点服务的人口多于平稳型的站点,后者大多位于省道等交通干线和城市建成区边缘,距离最近的自行车站点也较远。另外,韶关市存在自行车道及停车设施不足的问题,调研发现部分道路机动车和非机动车混行,有机动车违章占道,降低了自行车通行能力,带来了安全隐患。为了促进公共自行车的使用,要完善自行车出行的设施配置,增强居民的自行车出行意愿。
本研究利用时空数据挖掘技术剖析了公共自行车出行模式。惠州惠城区和韶关市区的公共自行车系统,都呈现规律明显的早晚高峰现象。与北京、杭州、上海[6,8-9]等城市相比,二者的早高峰稍延后,晚高峰持续时间较短;且在北京中午12时出现骑行需求的次高峰,在研究区并未出现。韶关市公共自行车在20-21时呈现使用次高峰,推测原因为：该地生态环境、户外休闲场所吸引部分市民晚间骑行。
通过对站点的工作日时间序列数据进行聚类,识别出主要的出行模式,深入探讨了自行车出行的运行机制和城市空间的特点。惠州惠城区和韶关市的站点主要呈现出生活居住型、工作就业型、平稳型。相较而言,在北京、上海等地,骑行活动具有更多元的变化,如单向型、若干小波峰型等[8,9]。从站点的模式可以识别出,惠州惠城区日间活动区域呈现双中心格局;韶关市区呈现单就业中心格局。
自行车出行模式与站点属性和建成环境息息相关。利用随机森林提取出影响站点模式类别的特征变量和重要性程度。惠州惠城区市民使用公共自行车出行目的更为多元,包括通勤、短途办事、休闲娱乐、公交接驳等。在韶关市,影响站点使用模式的主要因素为通勤和通学,而不包含公交换乘。类似的,在某些中等城市如湖南株洲市,市民使用公共自行车作为整个行程的工具,而非公交换乘[31];而在诸如北京、杭州的大城市,公共自行车对其他公共交通系统同时起到补充和替代的作用[32,33]。在建设公共自行车系统前需要了解当地出行需求,针对不同地区差别化定位公共自行车的角色。
推进新型城镇化的进程中不能只关注大城市,我国中小城市数量众多,存在着交通低效、用地粗放等问题,未来要更多地针对中小城市居民出行特征进行探索,为中小城市的城市规划和交通精细化管理提供参考[34]。面对不同城市形态和市民的交通需求,需要针对性提出规划建议和政策引导：如惠州市定位为绿色化现代山水城市,惠城区自行车使用目的多元,扩大站点规模时应全面考虑社区、就业聚集地、公园广场、公交枢纽等场所。惠阳区更多地需要考虑市民的出行习惯,加强宣传引导的力度,并且优化路网空间。对于韶关市,主要问题体现在部分自行车道路设施不足、局部区域站点利用率低等。由于建成区范围有限,市民对于最后一公里交通接驳的需求并不大。基于历史数据,可以识别出低频使用站点,有助于改善站点的辐射效应,促进系统的均衡运营。
目前城市规划处在由增量规划向存量规划转变的阶段,互联网大数据和时空数据挖掘算法对存量空间优化起到重要的作用。近年出现了无桩共享单车,此类单车造成的严重问题是无序的市场扩张带来车辆浪费、挤占公共空间。本研究的分析框架也可以应用到无桩单车的投放量评估、停车设施空间布局,促进企业转型和城市管理。
The authors have declared that no competing interests exist.
| [1] |
Bicycle-sharing system socio-spatial inequalities in Brazil [J].https://doi.org/10.1016/j.jth.2017.12.011 URL [本文引用: 1] 摘要
OBJECTIVE To present national estimates regarding walking or cycling for commuting in Brazil and in 10 metropolitan regions. METHODS By using data from the Health section of 2008’s Pesquisa Nacional por Amostra de Domicílio (Brazil’s National Household Sample Survey), we estimated how often employed people walk or cycle to work, disaggregating our results by sex, age range, education level,... [Show full abstract]
|
| [2] |
自行车出行行为和决策研究进展 [J].
在可持续和低碳发展背景下，中国越来越多的城市开始兴建公共自行车系统。国内对公共自行车系统的研究正处于起步阶段，现有研究成果集中在公共自行车系统的建设和运营效果方面。而西方国家对公共自行车以及私人自行车的研究涵盖广泛的研究问题，摸索出了若干成熟的研究方法，并结合信息技术应用在自行车系统设计规划过程。尤其是在自行车出行行为和决策方面探索深入，而这些方面正是可以反映自行车系统的运行效果及作用机制的最根本方面。因此，本文针对国内外已有的自行车出行行为和决策的研究进展进行回顾，从公共自行车系统的建设运营，自行车出行行为的基本特征，使用者的出行方式、路径的选择及出行行为差异等方面内容进行总结；介绍用于解释行为和决策的模型方法、揭示偏好法、陈述偏好法、指标系统打分法、基于地理信息系统的分析方法等，以及研究在规划及其他实践领域的应用，以期对我国正在兴起的公共自行车系统建设和研究起到一定的借鉴作用。
Progress of research on bicycle travel behavior and decisions [J].
在可持续和低碳发展背景下，中国越来越多的城市开始兴建公共自行车系统。国内对公共自行车系统的研究正处于起步阶段，现有研究成果集中在公共自行车系统的建设和运营效果方面。而西方国家对公共自行车以及私人自行车的研究涵盖广泛的研究问题，摸索出了若干成熟的研究方法，并结合信息技术应用在自行车系统设计规划过程。尤其是在自行车出行行为和决策方面探索深入，而这些方面正是可以反映自行车系统的运行效果及作用机制的最根本方面。因此，本文针对国内外已有的自行车出行行为和决策的研究进展进行回顾，从公共自行车系统的建设运营，自行车出行行为的基本特征，使用者的出行方式、路径的选择及出行行为差异等方面内容进行总结；介绍用于解释行为和决策的模型方法、揭示偏好法、陈述偏好法、指标系统打分法、基于地理信息系统的分析方法等，以及研究在规划及其他实践领域的应用，以期对我国正在兴起的公共自行车系统建设和研究起到一定的借鉴作用。
|
| [3] |
Sensing and predicting the pulse of the city through shared bicycling [C]. |
| [4] |
Bike-share opportunities in New York City[R] . |
| [5] |
Mining bicycle sharing data for generating insights into sustainable transport systems [J].https://doi.org/10.1016/j.jtrangeo.2013.06.007 URL [本文引用: 2] 摘要
Bicycle sharing systems (bike-shares) are becoming increasingly popular in towns and cities around the world. They are viewed as a cheap, efficient, and healthy means of navigating dense urban environments. This paper is the first to take a global view of bike-sharing characteristics by analysing data from 38 systems located in Europe, the Middle East, Asia, Australasia and the Americas. To achieve this, an extensive database depicting the geographical location and bicycle occupancy of each docking station within a particular system has been created over a number of years to chart the usage in the chosen systems (and others) and provide a consistent basis on which to compare and classify them. Analysis of the variation of occupancy rates over time, and comparison across the system extent, infers the likely demographics and intentions of user groups. A classification of bike-shares, based on the geographical footprint and diurnal, day-of-week and spatial variations in occupancy rates, is proposed. The knowledge of such patterns and characteristics identifiable from the dataset has a range of applications, including informing operators and policymakers about the maintenance of a suitable balance of bicycles throughout the system area (a nontrivial problem for many bike-shares), the location of new docking stations and cycle lanes, and better targeting of promotional materials to encourage new users. Within the context of transport research, the systems utilised here are part of relatively small, closed environments that can be more easily modelled and validated. Such work lays foundations for the analysis of larger scale transport systems by creating a classification of the different systems and seeks to demonstrate that bike-shares have a lot to offer both as an effective method of transport and a rich source of data.
|
| [6] |
城市公共自行车使用活动的时空间特征研究——以杭州为例 [J].https://doi.org/10.16361/j.upf.201603009 URL [本文引用: 2] 摘要
为考察公共自行车使用活动的时空间特征,首先提出了基于租赁点的若干使用特征指标,界定了时长势力商、租还潮汐比、桩位周转率等指标的概念及其计算方法。进一步利用杭州某一典型工作日的刷卡数据,通过数据挖掘技术,细粒度、全景式地测度了所有租赁点的使用特征,并对城市各类地域的使用状况进行了比较。研究发现,受空间布局和建成环境的影响,租赁点特征指标值存在明显的个体差异,总体上形成了"圈层式"的空间分异结构,即使用量大、潮汐性弱且周转率高的租赁点集中于中心区,而使用量小、潮汐性强和周转率低的租赁点多分布于主城区边缘和外围组团;非景区租赁点的使用时长普遍小于景区,但短时长使用比例并不高,表明公共自行车接驳作用有限。最后,针对租赁点使用冷热不均、绩效水平差异大、接驳功能弱等问题提出了相关建议。
A study on the temporal-spatial features of bicycle-sharing activities: A case of Hangzhou [J].https://doi.org/10.16361/j.upf.201603009 URL [本文引用: 2] 摘要
为考察公共自行车使用活动的时空间特征,首先提出了基于租赁点的若干使用特征指标,界定了时长势力商、租还潮汐比、桩位周转率等指标的概念及其计算方法。进一步利用杭州某一典型工作日的刷卡数据,通过数据挖掘技术,细粒度、全景式地测度了所有租赁点的使用特征,并对城市各类地域的使用状况进行了比较。研究发现,受空间布局和建成环境的影响,租赁点特征指标值存在明显的个体差异,总体上形成了"圈层式"的空间分异结构,即使用量大、潮汐性弱且周转率高的租赁点集中于中心区,而使用量小、潮汐性强和周转率低的租赁点多分布于主城区边缘和外围组团;非景区租赁点的使用时长普遍小于景区,但短时长使用比例并不高,表明公共自行车接驳作用有限。最后,针对租赁点使用冷热不均、绩效水平差异大、接驳功能弱等问题提出了相关建议。
|
| [7] |
城市公共自行车出行时空间特征分析 [J].
公共自行车在各大城市的建设运营为完善交通体系、方便居民出行等方面发挥了一定的作用。文章对南京浦口、桥北两个组团2015年1~9月的公共自行车运营数据进行了时间统计分析和空间可视化分析,并对不同出行目的下公共自行车出行的时空间特征进行了总结和对比。研究发现,以通勤为目的的公共自行车出行耗时更短,在路径选择上偏向于快速通过性强的道路,而以生活为目的的公共自行车出行则耗时更长,路径选择多元,并注重骑行活动的多样性;公共自行车站点紧凑有序的空间布局结构可提高自行车的使用率。基于此,文章建议未来的公共自行车站点规划布局应以不同区域不同出行目的的人群结构为基础,充分考虑站点布局与用地功能、空间形态的关系,以满足不同出行目的人群的需求。
Analysis on space-temporal characters of public bicycles [J].
公共自行车在各大城市的建设运营为完善交通体系、方便居民出行等方面发挥了一定的作用。文章对南京浦口、桥北两个组团2015年1~9月的公共自行车运营数据进行了时间统计分析和空间可视化分析,并对不同出行目的下公共自行车出行的时空间特征进行了总结和对比。研究发现,以通勤为目的的公共自行车出行耗时更短,在路径选择上偏向于快速通过性强的道路,而以生活为目的的公共自行车出行则耗时更长,路径选择多元,并注重骑行活动的多样性;公共自行车站点紧凑有序的空间布局结构可提高自行车的使用率。基于此,文章建议未来的公共自行车站点规划布局应以不同区域不同出行目的的人群结构为基础,充分考虑站点布局与用地功能、空间形态的关系,以满足不同出行目的人群的需求。
|
| [8] |
基于骑行时空数据的共享单车设施规划研究 [J].[本文引用: 3] 摘要
共享经济为城市绿色、健康发展提供了重要的实现路径。作为共享经济的产物,共享单车在影响城市居民日常出行方式的同时,也在慢慢改变城市的空间格局。从城市规划的视角看,共享单车使用的规范化本质上是解决空间资源优化配置的问题。针对共享单车随处停放给城市管理带来的挑战,文章利用北京市建成区2017年5月10日至5月25日摩拜单车的使用数据进行了用户骑行行为的时空间特征分析,结果发现,工作日的骑行存在明显的早晚高峰时间特征;在公共交通和商业、餐饮等空间要素的影响下,骑行存在不同的空间特征,具体可划分为潮汐型、单向型、松散联系型、距离容忍型和紧密联系型5类骑行区域。基于研究结果,文章提出了相应的共享单车停车设施布局优化建议。
Bicycle-sharing facility planning base on riding spatio-temporal data [J].[本文引用: 3] 摘要
共享经济为城市绿色、健康发展提供了重要的实现路径。作为共享经济的产物,共享单车在影响城市居民日常出行方式的同时,也在慢慢改变城市的空间格局。从城市规划的视角看,共享单车使用的规范化本质上是解决空间资源优化配置的问题。针对共享单车随处停放给城市管理带来的挑战,文章利用北京市建成区2017年5月10日至5月25日摩拜单车的使用数据进行了用户骑行行为的时空间特征分析,结果发现,工作日的骑行存在明显的早晚高峰时间特征;在公共交通和商业、餐饮等空间要素的影响下,骑行存在不同的空间特征,具体可划分为潮汐型、单向型、松散联系型、距离容忍型和紧密联系型5类骑行区域。基于研究结果,文章提出了相应的共享单车停车设施布局优化建议。
|
| [9] |
上海市闵行区公共自行车出行特征研究 [J].
以上海闵行区公共自行车系统为例,考察该系统自实施以来对闵行区居民出行产生的影响,以期为闵行以及我国的公共自行车事业发展提供借鉴。研究以使用者的刷卡数据样本以及实地问卷调查获得的样本为数据基础,首先总结不同区域、不同用地类型的公共自行车网点的运行特征。接着以居民为对象,总结使用公共自行车的出行目的、频率变化、网点使用时空分布、出行方式转换、使用公共自行车的原因以及使用模式。最后分析在虚拟收费和费用返还的情景下,人们使用公共自行车的意愿变化。
Research on the travel characteristics of public bicycle in Minhang District, Shanghai [J].
以上海闵行区公共自行车系统为例,考察该系统自实施以来对闵行区居民出行产生的影响,以期为闵行以及我国的公共自行车事业发展提供借鉴。研究以使用者的刷卡数据样本以及实地问卷调查获得的样本为数据基础,首先总结不同区域、不同用地类型的公共自行车网点的运行特征。接着以居民为对象,总结使用公共自行车的出行目的、频率变化、网点使用时空分布、出行方式转换、使用公共自行车的原因以及使用模式。最后分析在虚拟收费和费用返还的情景下,人们使用公共自行车的意愿变化。
|
| [10] |
公共自行车系统影响下居民出行的变化与机制研究——以上海闵行区为例 [J].https://doi.org/10.3969/j.issn.1000-3363.2012.05.010 URL [本文引用: 1] 摘要
作为考察公共自行车使用行为特征和机制的系列研究的一部分,以上海闵行区公共自行车系统为案例,采用问卷调查、统计分析和选择模型分析方法,着重研究在公共自行车系统运营前后人们的出行行为变化以及影响其使用公共自行车的原因。发现人们使用公共自行车后,出行频率略有增加,出行距离长于预期,但是时间节省效果总体不明显。多数公共自行车使用者将公共自行车作为步行、公交以及私人自行车的替代方式;仅少量出行转换自小汽车、助动车/摩托车或者黑车。人们转换到公共自行车方式的最主要原因是方便,其认可度远高于节省时间和锻炼身体。以包含和不包含公共自行车的出行链为备选项的选择模型映证了公共自行车特征要素对出行选择决策的影响力显著,而出行时耗以及服务点与出发点和目的地的接近程度也是重要的因素。应用模型估计出公共自行车使用者的出行效用增长显著。
Travel behavior change after the introduction of public bicycle systems: A case study of Minhang District, Shanghai [J].https://doi.org/10.3969/j.issn.1000-3363.2012.05.010 URL [本文引用: 1] 摘要
作为考察公共自行车使用行为特征和机制的系列研究的一部分,以上海闵行区公共自行车系统为案例,采用问卷调查、统计分析和选择模型分析方法,着重研究在公共自行车系统运营前后人们的出行行为变化以及影响其使用公共自行车的原因。发现人们使用公共自行车后,出行频率略有增加,出行距离长于预期,但是时间节省效果总体不明显。多数公共自行车使用者将公共自行车作为步行、公交以及私人自行车的替代方式;仅少量出行转换自小汽车、助动车/摩托车或者黑车。人们转换到公共自行车方式的最主要原因是方便,其认可度远高于节省时间和锻炼身体。以包含和不包含公共自行车的出行链为备选项的选择模型映证了公共自行车特征要素对出行选择决策的影响力显著,而出行时耗以及服务点与出发点和目的地的接近程度也是重要的因素。应用模型估计出公共自行车使用者的出行效用增长显著。
|
| [11] |
Exploring the impact of built environment factors on the use of public bikes at bike stations: Case study in Zhongshan, China [J].https://doi.org/10.1016/j.jtrangeo.2016.11.014 URL [本文引用: 3] 摘要
Many countries have implemented public bike systems to promote sustainable public transportation. Despite the rapid development of such systems, few studies have investigated how built environment factors affect the use of public bikes at station level using trip data, taking account of the spatial correlation between nearby stations. Built environment factors are strongly associated with travel demand and play an important role in the success of public bike systems. Using trip data from Zhongshan's public bike system, this paper employed a multiple linear regression model to examine the influence of built environment variables on trip demand as well as on the ratio of demand to supply (D/S) at bike stations. It also considered the spatial correlations of PBS usage between nearby stations, using the spatial weighted matrix. These built environment variables mainly refer to station attributes and accessibility, cycling infrastructure, public transport facilities, and land use characteristics. Generally, we found that both trip demand and the ratio of demand to supply at bike stations were positively influenced by population density, length of bike lanes and branch roads, and diverse land-use types near the station, and were negatively influenced by the distance to city center and the number of other nearby stations. However, public transport facilities do not show a significant impact on both demand and D/S at stations, which might be attributed to local modal split. We also found that the PBS usage at stations is positively associated with usage at nearby stations. Model results also suggest that adding a new station (with empty capacity) within a 300m catchment of a station to share the capacity of the bike station can improve the demand-supply ratio at the station. Referring to both trip demand models and D/S models, regression fits were quite strong with larger R2for weekdays than for weekends and holidays, and for morning and evening peak hours than for off-peak hours. These quantitative analyses and findings can be beneficial to urban planners and operators to improve the demand and turnover of public bikes at bike stations, and to expand or build public bike systems in the future.
|
| [12] |
Modeling bike share station activity: Effects of nearby businesses and jobs on trips to and from stations [J]. |
| [13] |
How land-use and urban form impact bicycle flows: Evidence from the bicycle-sharing system (BIXI) in Montreal [J].https://doi.org/10.1016/j.jtrangeo.2014.01.013 URL [本文引用: 1] 摘要
Installed in 2009, BIXI is the first major public bicycle-sharing system in Montreal, Canada. The BIXI system has been a success, accounting for more than one million trips annually. This success has increased the interest in exploring the factors affecting bicycle-sharing flows and usage. Using data compiled as minute-by-minute readings of bicycle availability at all the stations of the BIXI system between April and August 2012, this study contributes to the literature on bicycle-sharing. We examine the influence of meteorological data, temporal characteristics, bicycle infrastructure, land use and built environment attributes on arrival and departure flows at the station level using a multilevel approach to statistical modeling, which could easily be applied to other regions. The findings allow us to identify factors contributing to increased usage of bicycle-sharing in Montreal and to provide recommendations pertaining to station size and location decisions. The developed methodology and findings can be of benefit to city planners and engineers who are designing or modifying bicycle-sharing systems with the goal of maximizing usage and availability.
|
| [14] |
|
| [15] |
韶关主城区自行车交通系统规划研究 [J].
自行车交通作为一种绿色、环保、低碳的交通方式，必然成为新城区交通系统的重要组成部分。本 文主要基于现状调查，主要研究韶关主城区自行车交通现状及公共自行车交通存在的问题，进而提出与城市土地利用相协调的中远期交通设施规划方案，促进城市交 通的畅通、安全、绿色发展，为市民提供快捷、经济、舒适和安全的服务。
Research on the planning of bicycle transportation system in main urban areas of Shaoguan [J].
自行车交通作为一种绿色、环保、低碳的交通方式，必然成为新城区交通系统的重要组成部分。本 文主要基于现状调查，主要研究韶关主城区自行车交通现状及公共自行车交通存在的问题，进而提出与城市土地利用相协调的中远期交通设施规划方案，促进城市交 通的畅通、安全、绿色发展，为市民提供快捷、经济、舒适和安全的服务。
|
| [16] |
“2013 LandScan data for population distribution from the Oak Ridge National Laboratory in USA.” [EB/OL]. |
| [17] |
OpenStreetMap contributors [EB/OL]. |
| [18] |
Redefining Chinese city system with emerging new data [J].https://doi.org/10.1016/j.apgeog.2016.08.002 URL [本文引用: 1] 摘要
61Redefine Chinese city system with road junctions using percolation theory.61Evaluate the redefined city system in terms of its size, pattern, scaling, hierarchy and temporal evolution.61Understand the evolution of the Chinese city system during 2009–2014.61Benchmark the results with the conventional Chinese city system by using yearbooks.
|
| [19] |
Evaluating cities' vitality and identifying ghost cities in China with emerging geographical data [J].https://doi.org/10.1016/j.cities.2017.01.002 URL [本文引用: 1] 摘要
With the rapid urbanization of China, plenty of new urban lands have been developed with the great expectation to deal with all kinds of issues in old urban areas such as high population density, great demand on limited land resources, and decaying environment. However, a great proportion of vacancy in these newly developed units leads to the undesired observation of ghost cities. Lacking of clear and effectively evaluation criterion, the understanding of ghost cities in China is then rather limited. Considering the fact of ghost cities, we borrow the theory of urban vitality to identify and evaluate ghost cities in this paper. We argue that ghost cities are associated with very low urban vitality. In the light of big/open data, we are able to profile ghost cities of China based on 535,523 recent project-level residential developments from 2002 to 2013. We use the national-wide and million magnitude road junctions, points of interest and location based service records of 2014/2015 for measuring the morphological, functional and social vitality of each residential project. We then aggregate the project level evaluation results into the city level and thirty ghost cities are then identified by comparing the residential projects' vitality in the old (developed before or in 2000) and new (developed after 2000) urban areas in each city. Our profiling results illustrate the big picture of China's past residential developments, and then of ghost cities. We find the average vitality of residential projects in new urban areas is only 8.8% of that in old urban areas, denoting the potential existence of ghost cities in newly developed areas in Chinese cities. We have also benchmarked our identified ghost cities with existing rankings, the Baidu searching engine and night-time light images. Although we admit that ghost cities may exist in the particular urbanizing phase of China and that some ghost cities now may be well developed in the future, this study provides a thorough evaluation on the ghost city condition in China. This may shed light on policy implications for Chinese urban development.
|
| [20] |
Measuring the impact of opening the London shared bicycle scheme to casual users [J].https://doi.org/10.1016/j.trc.2011.12.004 URL [本文引用: 1] 摘要
The increasing availability of sensor data in urban areas now offers the opportunity to perform continuous evaluations of transport systems and measure the effects of policy changes, in an empirical, large-scale, and non-invasive way. In this paper, we study one such example: the effect of changing the user-access policy in the London Barclays Cycle Hire scheme. When the scheme was launched in July 2010, users were required to apply for a key to access to the system. By December 2010, this policy was overridden in order to allow for “casual” usage, so that anyone in possession of a debit or credit card could gain access. While the transport authority measured the policy shift’s success by the increased number of trips, we set out to investigate how the change affected the system’s usage throughout the city. We present an extensive analysis of station data collected from the scheme’s web site both pre- and post-policy change, showing how differences in both global and local behaviour can be measured, and how the policy change correlates with a variety of effects observed around the city. We find that, as expected, quicker access to the system correlates with greater week end usage; it also reinforces the week-day commuting trend. In both the pre- and post-change periods, the geographic distribution of activity at individual stations forms concentric circles around central London. However, upon policy change, a number of stations undergo a complete usage change, now exhibiting an opposite trend with respect to that which they had prior to the policy change.
|
| [21] |
Using dynamic time warping to find patterns in time series [C]. |
| [22] |
Using dynamic time warping distances as features for improved time series classification [J].https://doi.org/10.1007/s10618-015-0418-x URL [本文引用: 2] 摘要
Dynamic time warping (DTW) has proven itself to be an exceptionally strong distance measure for time series. DTW in combination with one-nearest neighbor, one of the simplest machine learning...
|
| [23] |
Effects of built environment and weather on bike sharing demand: A station level analysis of commercial bike sharing in Toronto [J].https://doi.org/10.1007/s11116-015-9669-z URL [本文引用: 1] 摘要
Abstract Bike Share Toronto is Canada’s second largest public bike share system. It provides a unique case study as it is one of the few bike share programs located in a relatively cold North American setting, yet operates throughout the entire year. Using year-round historical trip data, this study analyzes the factors affecting Toronto’s bike share ridership. A comprehensive spatial analysis provides meaningful insights on the influences of socio-demographic attributes, land use and built environment, as well as different weather measures on bike share ridership. Empirical models also reveal significant effects of road network configuration (intersection density and spatial dispersion of stations) on bike sharing demands. The effect of bike infrastructure (bike lane, paths etc.) is also found to be crucial in increasing bike sharing demand. Temporal changes in bike share trip making behavior were also investigated using a multilevel framework. The study reveals a significant correlation between temperature, land use and bike share trip activity. The findings of the paper can be translated to guidelines with the aim of increasing bike share activity in urban centers.
|
| [24] |
Model-based count series clustering for bike sharing system usage mining: A case study with the Vélib’ System of Paris [J].https://doi.org/10.1145/2560188 URL [本文引用: 1] 摘要
Today, more and more bicycle sharing systems (BSSs) are being introduced in big cities. These transportation systems generate sizable transportation data, the mining of which can reveal the underlying urban phenomenon linked to city dynamics. This article presents a statistical model to automatically analyze the trip data of a bike sharing system. The proposed solution partitions (i.e., clusters) the stations according to their usage profiles. To do so, count series describing the stations’s usage through departure/arrival counts per hour throughout the day are built and analyzed. The model for processing these count series is based on Poisson mixtures and introduces a station scaling factor that handles the differences between the stations’s global usage. Differences between weekday and weekend usage are also taken into account. This model identifies the latent factors that shape the geography of trips, and the results may thus offer insights into the relationships between station neighborhood type (its amenities, its demographics, etc.) and the generated mobility patterns. In other words, the proposed method brings to light the different functions in different areas that induce specific patterns in BSS data. These potentials are demonstrated through an in-depth analysis of the results obtained on the Paris Vélib’ large-scale bike sharing system.
|
| [25] |
Transit ridership forecasting at station level: An approach based on distance-decay weighted regression [J].https://doi.org/10.1016/j.jtrangeo.2011.05.004 URL [本文引用: 1] 摘要
This article develops a rapid response ridership forecast model, based on the combined use of Geographic Information Systems (GIS), distance-decay functions and multiple regression models. The number of passengers boarding at each station in the Madrid Metro network is estimated as a function of the characteristics of the stations (type, number of lines, accessibility within the network, etc.) and of the areas they serve (population and employment characteristics, land-use mix, street density, presence of feeder modes, etc.). The paper considers the need to evaluate the distance threshold used (not the choice of a fixed distance threshold by assimilation from other studies), the distance calculation procedure (network distance versus straight-line distance) and, above all, the use of distance-decay weighted regression (so that the data from the bands nearer the stations have a greater weighting in the model than those farther away). Analyses carried out show that weighting the variables according to the distance-decay functions provides systematically better results. The choice of distance threshold also significantly improves outcomes. When an all-or-nothing function is used, the way the service area is calculated (straight-line or network distances) does not seem to have a decisive influence on the results. However, it seems to be more influential when distance-decay weighting is used.Highlights? The article develops a rapid response ridership forecast model. ? It is based on the use of distance-decay functions and multiple regression models. ? Weighting the predictors according to that functions provides better results.
|
| [26] |
|
| [27] |
Random forests [J].https://doi.org/10.1023/A:1010933404324 URL [本文引用: 1] |
| [28] |
Social sensing: A new approach to understanding our socioeconomic environments [J].https://doi.org/10.1080/00045608.2015.1018773 URL [本文引用: 1] 摘要
The emergence of big data brings new opportunities for us to understand our socioeconomic environments. We use the term social sensing for such individual-level big geospatial data and the associated analysis methods. The word sensing suggests two natures of the data. First, they can be viewed as the analogue and complement of remote sensing, as big data can capture well socioeconomic features while conventional remote sensing data do not have such privilege. Second, in social sensing data, each individual plays the role of a sensor. This article conceptually bridges social sensing with remote sensing and points out the major issues when applying social sensing data and associated analytics. We also suggest that social sensing data contain rich information about spatial interactions and place semantics, which go beyond the scope of traditional remote sensing data. In the coming big data era, GIScientists should investigate theories in using social sensing data, such as data representativeness and quality, and develop new tools to deal with social sensing data.
|
| [29] |
轨迹数据挖掘城市应用研究综述 [J].https://doi.org/10.3724/SP.J.1047.2015.01136 Magsci [本文引用: 1] 摘要
轨迹数据作为泛在地理信息环境中社会遥感数据的主要表现形式之一，为从个体的视角研究群体的空间移动规律，提供了新的数据支撑和研究思路。特别是在当前的大数据背景下，通过轨迹数据发掘人类的移动规律和活动模式，进而探求蕴含的深层次知识，是解决城市问题的重要途径，轨迹数据挖掘也由此成为地理信息科学及相关学科的研究热点。本文首先阐述了人类移动规律研究常用的轨迹数据集及在该数据集上开展的相关研究和典型应用;然后从城市空间结构功能单元的识别及城市韵律分析、人类活动模式的发现与空间移动行为预测、智能交通的时间估算与异常探测、城市计算的其他4个方面，综述了轨迹数据挖掘在城市中的应用;最后，指出了轨迹数据挖掘面临的挑战和进一步的发展方向。
A review on the application research of trajectory data mining in urban cities [J].https://doi.org/10.3724/SP.J.1047.2015.01136 Magsci [本文引用: 1] 摘要
轨迹数据作为泛在地理信息环境中社会遥感数据的主要表现形式之一，为从个体的视角研究群体的空间移动规律，提供了新的数据支撑和研究思路。特别是在当前的大数据背景下，通过轨迹数据发掘人类的移动规律和活动模式，进而探求蕴含的深层次知识，是解决城市问题的重要途径，轨迹数据挖掘也由此成为地理信息科学及相关学科的研究热点。本文首先阐述了人类移动规律研究常用的轨迹数据集及在该数据集上开展的相关研究和典型应用;然后从城市空间结构功能单元的识别及城市韵律分析、人类活动模式的发现与空间移动行为预测、智能交通的时间估算与异常探测、城市计算的其他4个方面，综述了轨迹数据挖掘在城市中的应用;最后，指出了轨迹数据挖掘面临的挑战和进一步的发展方向。
|
| [30] |
Variable selection using mean decrease accuracy and mean decrease gini based on random forest [C]. |
| [31] |
Sustainable bike-sharing systems: Characteristics and commonalities across cases in urban China [J].https://doi.org/10.1016/j.jclepro.2014.04.006 URL [本文引用: 1] |
| [32] |
Hangzhou public bicycle: Understanding early adoption and behavioral response to bikesharing in Hangzhou, China [J].https://doi.org/10.3141/2247-05 URL [本文引用: 1] 摘要
Over the past 20 years, China has experienced a steady decline in bicycle use. To address this trend, China's central and local government for urban transportation created the Public Transit Priority to encourage public transport initiatives. As part of this effort, the Hangzhou government launched 鈥淗angzhou Public Bicycle鈥 in 2008. This service allows members to access a shared fleet of bicycles. As of March 2011, it operated 60,600 bicycles with 2,416 fixed stations in eight core districts. To understand factors leading to bikesharing adoption and barriers to adoption,the authors conducted an intercept survey in Hangzhou between January and March 2010. Two separate questionnaires were issued to bikesharing members and non-members to identify key differences and similarities between these groups. In total, 806 surveys were completed, including 666 members and 140 non-members. The authors found that bikesharing is capturing modal share from bus transit, walking, autos, and taxis. Approximately 30% of members had incorporated bikesharing into their most common commute. Members indicated that they most frequently used a bikesharing station closest to either home (40%) or work (40%). These modal shifts suggest that bikesharing acts as both a competitor and a complement to existing public transit.Members exhibited a higher rate of auto ownership in comparison to non-members, suggesting that bikesharing is attractive to car owners. Recommendations for improving bikesharing in Hangzhou include: adding stations and real-time bike/parking availability technologies, improving bike maintenance and locking mechanisms, and extending operational hours.
|
| [33] |
Factors influencing the choice of shared bicycles and shared electric bikes in Beijing [J].https://doi.org/10.1016/j.trc.2016.03.004 URL [本文引用: 1] 摘要
China leads the world in both public bikeshare and private electric bike (e-bike) growth. Current trajectories indicate the viability of deploying large-scale shared e-bike (e-bikeshare) systems in China. We employ a stated preference survey and multinomial logit to model the factors influencing the choice to switch from an existing transportation mode to bikeshare or e-bikeshare in Beijing. Demand is influenced by distinct sets of factors: the bikeshare choice is most sensitive to measures of effort and comfort while the e-bikeshare choice is more sensitive to user heterogeneities. Bikeshare demand is strongly negatively impacted by trip distance, temperature, precipitation, and poor air quality. User demographics however do not factor strongly on the bikeshare choice, indicating the mode will draw users from across the social spectrum. The e-bikeshare choice is much more tolerant of trip distance, high temperatures and poor air quality, though precipitation is also a highly negative factor. User demographics do play a significant role in e-bikeshare demand. Analysis of impact to the existing transportation system finds that both bikeshare and e-bikeshare will tend to draw users away from the “unsheltered modes”, walk, bike, and e-bike. Although it is unclear if shared bikes are an attractive “first-and-last-mile solution”, it is clear that e-bikeshare is attractive as a bus replacement.
|
| [34] |
小城市居民出行行为时空动态及驱动机制研究 [J].https://doi.org/10.3724/SP.J.1047.2017.00176 URL [本文引用: 1] 摘要
相比于大城市,中小城市在新型城镇化中至关重要,具有独特的居民出行行为特征,但以往的研究并没有得到足够的关注。目前研究主要使用浮动车数据分析特大城市居民的出行行为,但考虑到小城市土地开发强度低、公共交通不发达、研究空间尺度精细等特点,这些研究方法不能完全适用于针对小城市的研究。因此,本文使用小城市出租车GPS轨迹数据识别上下客事件,沿道路生成随机样点采样得到了分时段的上下客密度,并对其时空动态进行描述和表达;筛选出显著影响上下客密度时空分布的9类设施,建立出租车上下客事件的地理加权回归模型;分析了小城市出租车上下客时空动态与各类城市设施的时空关系,发现在工作日与双休日和一天中不同时段中,不同城市设施对上下客事件的影响具有不同的分布规律及其驱动机制。研究结果可为小城市的城市规划和交通需求精细化管理提供参考。
Spatio-temporal dynamics and driving mechanisms of resident trip in small cities [J].https://doi.org/10.3724/SP.J.1047.2017.00176 URL [本文引用: 1] 摘要
相比于大城市,中小城市在新型城镇化中至关重要,具有独特的居民出行行为特征,但以往的研究并没有得到足够的关注。目前研究主要使用浮动车数据分析特大城市居民的出行行为,但考虑到小城市土地开发强度低、公共交通不发达、研究空间尺度精细等特点,这些研究方法不能完全适用于针对小城市的研究。因此,本文使用小城市出租车GPS轨迹数据识别上下客事件,沿道路生成随机样点采样得到了分时段的上下客密度,并对其时空动态进行描述和表达;筛选出显著影响上下客密度时空分布的9类设施,建立出租车上下客事件的地理加权回归模型;分析了小城市出租车上下客时空动态与各类城市设施的时空关系,发现在工作日与双休日和一天中不同时段中,不同城市设施对上下客事件的影响具有不同的分布规律及其驱动机制。研究结果可为小城市的城市规划和交通需求精细化管理提供参考。
|
/
| 〈 |
|
〉 |
