天气因素对城市地铁客流时空分布的影响——基于智能交通卡数据的实证研究

城市地理空间、气候环境及交通系统间存在复杂的相互联系、相互制约的关系,交通及地理时空数据为理解三者间关系带来了新的机遇。城市轨道交通是居民绿色出行、缓解中国大城市交通拥堵的重要交通方式。深入研究影响城市地铁客流时间和空间分布变化的因素,有利于制定合理的土地利用及交通需求管理政策,也可为实时响应特定天气条件下旅客出行需求的变化和优化公交服务运营提供理论依据。论文使用智能交通卡数据,以南京市为例,通过建立一种季节性差分自回归移动平均(seasonal autoregressive integrated moving average with explanatory variables, SARIMAX)模型,解释不同种类的天气因素(如降雨、气温、相对湿度、风速等)对地铁客流量时空分布的影响程度。研究发现：降雨类因素在高峰和周末时段对地铁客流量的影响较大;各天气因素对各地铁站点客流量的影响大致呈现出从城市中心区域向外围区域逐渐变小的渐变式规律,且地铁无规律出行者比有规律出行者更易受恶劣天气因素的影响。     

城市居民非工作活动的家内外时间分配及影响因素——以北京上地—清河地区为例

中国各大城市交通供求不平衡的问题日益凸显,如何科学合理地分析、预测、引导交通出行需求已成为城市可持续发展的核心问题。西方对城市居民出行需求的研究已经由基于出行的分析转向基于活动的分析,并且认为家内/家外活动决策与出行需求的产生密切相关;而国内少有从家内/家外活动时间分配的视角透视居民出行需求的产生机理的研究。基于2012年北京市居民日常活动与交通出行调查所采集的第一手数据,本研究以北京上地—清河地区为例,构建结构方程模型,分析工作日与休息日家内/家外的非工作活动的时间分配特征及其影响因素,以此尝试对居民非工作出行需求的产生机理进行解读。研究表明：家内活动与家外活动之间存在显著的替代关系;家内/家外非工作活动时间分配受到工作与通勤时长、社会经济属性的影响,并且不同类型的非工作活动的家内/家外时间分配存在内生联系。研究结果将为居民出行需求预测与引导提供参考依据。     

中小城市居民购物行为研究——以湖南省益阳市为例

利用行为地理学的方法,选取湖南省益阳市为调查地点,对城区居民不同商品类型的购物行为进行调查,分析了居民购物出行的一般特征、空间特征,在此基础上得出了居民购物出行的圈层结构。通过问卷的科学分析并将结果与已有国内大城市研究结果对比,得到了如下结论：（1）中小城市居民购物出行一般特征与大城市具有很大相似性,符合购物出行一般特征的普遍规律。（2）居民购物出行呈明显的圈层结构,但与大城市不同,中小城市呈现不连续的区间分布。（3）中小城市居民出行呈现被动购物型特征。（4）城市商业空间结构、距离、价格、商品质量为居民购物出行的重要影响因素。     

城市居民非工作活动的家内外时间分配及影响因素——以北京上地—清河地区为例

中国各大城市交通供求不平衡的问题日益凸显,如何科学合理地分析、预测、引导交通出行需求已成为城市可持续发展的核心问题。西方对城市居民出行需求的研究已经由基于出行的分析转向基于活动的分析,并且认为家内/家外活动决策与出行需求的产生密切相关;而国内少有从家内/家外活动时间分配的视角透视居民出行需求的产生机理的研究。基于2012年北京市居民日常活动与交通出行调查所采集的第一手数据,本研究以北京上地—清河地区为例,构建结构方程模型,分析工作日与休息日家内/家外的非工作活动的时间分配特征及其影响因素,以此尝试对居民非工作出行需求的产生机理进行解读。研究表明:家内活动与家外活动之间存在显著的替代关系;家内/家外非工作活动时间分配受到工作与通勤时长、社会经济属性的影响,并且不同类型的非工作活动的家内/家外时间分配存在内生联系。研究结果将为居民出行需求预测与引导提供参考依据。     

乌鲁木齐市居民出行行为的空间特征和碳排放分析

城市化发展过程中,从微观机制探讨城市空间结构、居民出行行为和碳排放的关系是城市地理学研究的一个重要方面。利用2011年乌鲁木齐居民出行日志调查数据,在分析居民基本出行特征和通勤空间特征的基础之上,探讨了不同城市空间的居民出行碳排放的分布特征和影响因素。结果表明:①乌鲁木齐市居民出行以通勤类出行为主,居民出行在空间上存在差异性,内城中心区和郊区卫星城人均出行次数高于其他区域。城市南、北发展不平衡对郊区居民出行产生影响。②乌鲁木齐市居民通勤的实际平均出行距离为4.9 km,相比于东部大城市具有通勤距离短而通勤时间长的特征。通勤距离在空间上呈现明显的由内向外递增趋势。③2011年乌鲁木齐市居民日常出行人均直接碳排放量为682.95 g,居民日常出行碳排放表现为中心区和卫星城的低碳化、近郊区居民中碳化和远郊区居民的高碳化。     

北京城市街区尺度对居民交通评价的影响

居民交通出行质量是影响城市宜居性和可持续发展的重大问题,国内越来越多的地理和规划学者开始关注城市建成环境对交通出行方式的影响,尤其是街区尺度成为相关政策的重点,但细化讨论建成环境对居民交通感知的研究尚不多见。本文以北京为例,结合街区尺度等建成环境客观数据与居民交通评价调查主观数据,采用有序多分类逻辑模型探讨街区尺度特征对居民主观交通便捷性评价和交通安全性评价的影响。研究表明：小街区的模式下交叉路口多,易于设置公交站点,有利于提高居民交通便捷性评价,并且避免了大马路带来的交通隐患,对居民的交通安全性评价也有提升作用;容积率、区位、公交站点等对交通评价具有促进作用。最后分析表明,交通评价还与居民自身属性有关,交通建设需充分考虑不同居民的需求及其分布特征。本文的结论可为推行街区制提供理论支持。     

多尺度交通出行碳排放影响因素研究进展

减少交通出行碳排放是全球共同面对的重大议题之一,同时也是城市和交通可持续发展的重要目标。论文首先基于文献计量方法对近20年来的全球交通出行碳排放研究现状与趋势进行梳理与分析,在此基础上,分别从国家、城市和社区3个尺度对国家交通能源消耗及其碳排放的驱动力因素、城市形态对交通碳排放的影响以及社区建成环境对居民出行碳排放的影响研究进行了文献综述与归纳凝练。研究发现：① 国家尺度的研究早期大多基于时间序列数据,采用分解法探究交通能源消耗的主要驱动力;近年来,研究进一步根据能源消耗数据“自上而下”地测算交通碳排放,并通过构建面板数据模型探究社会经济、城市形态和交通发展因素对交通碳排放的影响。② 城市尺度的研究早期围绕紧凑城市是否一种低碳的城市形态而进行讨论,主要使用截面数据和相关分析方法;近年来,进一步拓展使用情景预测、GIS空间分析、空间回归、空间模拟等方法探究城市交通碳排放的空间差异及其与城市形态、城市中心分布形式之间的关系。③ 在社区尺度,研究多以截面、非集计的问卷调查数据为主,采用定量的数学模型探究居民社会经济属性和人口密度,土地利用混合度,与就业地、城市中心的距离,路网与交叉口密度、公共交通供给水平等建成环境要素对居民出行碳排放的影响。最后有针对性地提出了未来中国城市交通出行碳排放影响因素的研究趋势。     

上海市民高档服装购物出行的交通方式特征

利用上海市民消费行为问卷调查资料,研究高档服装购物出行交通方式的结构特征、时空间特征以及居民属性和交通方式的相关性.居民高档服装购物出行总体上以公共交通方式为主,同时存在地区差异;公共交通方式出行的时间敏感程度较低,出行的时空间范围较广;各交通方式出行在空间上存在3个圈层结构;出行方式选择受到居民性别、年龄、收入、家庭结构的影响.     

武汉市多维度城市公园绿地空间公平性分析

以武汉市中心城区为研究区域,居民建筑为研究单元,基于步行、骑行及公共交通3种出行方式,从城市公园绿地数量、质量及可达性3个维度衡量每个建筑单元的公园绿地空间公平性水平。结果表明：① 3种交通方式下建筑单元的公园绿地公平性分布相差较大,但整体呈现由城中心沿江区域向外围辐射递减的分布特征;② 随着居民出行方式的升级,极限出行时间内居民的活动范围不断扩大,因此所享有公园绿地公平性水平逐步提升;③ 城市公园绿地资源与人口分布存在空间失配现象,多数公园绿地分布于城市中部,而南北部城郊区域分布较少,西北和西南部多数区域居民享有公园绿地公平性水平整体较差。     

京津城际高速铁路影响下的跨城流动空间特征

在流动空间的视角下,高速铁路交通客流成为城市区域功能联系的重要表征,本研究选取京津城际高速铁路出行作为研究对象,通过对乘客群体问卷访谈式的实证调查,从微观个体的角度研究城际高铁所表征下的跨城流动空间.研究发现：① 北京与天津城区同属城际流动密集区,郊区县市为流动稀疏区,城际高铁流具有显著的空间极化性;京-津中心城区是最主要的空间联系带,京滨、京(津) 武走廊流则构成次级联系带,京津跨城流动呈现出轴辐式空间格局.② 旅游、购物等休闲活动对跨城流动具有较明显的增强作用,而从跨城活动的时空迁移来看,城际高铁某种程度上缩短了时空距离,但对居住地点和工作空间的迁移改变有限.③ 京津跨城流动的频次并不很高,通勤者跨城周期为1 周左右,现阶段城铁交通主要为商务出行流和休闲旅游流,这反映了高铁作为流动空间物质基础的构成特征;出行人群以男性、高学历、较高职业地位和商务出行为主,且商务出行的跨城流动频次更高,对出行时间更敏感,这反映了高铁跨城流动空间具备一定的精英空间特征.④ 以城际高铁交通出行表征的区域一体化进程中,北京和天津的跨城流动空间暗含一定的不对称性,这体现在京津两地的到发客流分布不均、商务出差客流的比重差异以及不同站点在居住、工作、休闲等跨城功能联系方向上的不均衡等.     

北京航空旅客出行特征及新机场旅客分担

本文基于北京市大样本航空旅客问卷调查, 采用结构相似系数和序数逻辑回归模型对398 份普通旅客问卷和3942 份航空旅客问卷定量分析发现:北京地区的旅客出行具有“近谷远峰”的空间性, 其对交通方式的选择具有“航进陆退”的发展趋势和“近汽远飞”的空间特征;基于票价、时间、舒适和自由等4 大因素, 旅客按照供需结构相似决策机制, 选择出行交通方式;年龄和性别对航空旅客出行的影响不显著, 教育程度和月收入水平对航空旅客的“时间价值”、“乘机比例”和“乘机频率”均有正向影响, 其中月收入水平影响最大;公商务旅客主要选择飞机和动车出行, 度假旅游者主要选择动车和飞机出行, 探亲访友者主要选择长途汽车和自驾车出行, 学生主要选择火车和长途汽车出行。基于时间价值和效用函数, 采用logit 模型计算出北京新机场对北京市航空旅客的分担率为41.2%。     

广州地铁站点交通流特征与居民地铁出行的人群分异

基于广州地铁交通流的始发地（Origin）—目的地（Destination）（OD分析）,运用出行成本（距离/时间）、集中出行距离区间等指标对地铁站点交通流特征及居民地铁出行的人群分异进行刻画。结果表明：1）地铁站点随出行距离增加的乘客累积比例呈“S”型曲线变化,广州地铁站点的平均出行成本约为14.04 km（20.48 min）,并由中心向外逐层增加约4 km（5 min）和13 km（10 min）,周末平均出行成本略高于工作日。2）广州地铁出行的集中距离区间为8.55~26.61 km,在该出行距离范围内的乘客量占总数的71.88%;周末出行集中距离区间宽度变窄,但乘客量的集中比例却有所下降。3）社会弱势群体如女性、老年人、固定上下班的大学以上学历人群、办事人员、商服人员等是地铁潜在客流的主要构成群体;不同人群的地铁平均出行距离出现分化,其中出行需求小、出行能力偏弱的群体平均出行距离较短,出行需求大的群体平均出行距离普遍较长;除个别人群外站点集中出行距离区间相对差异不大。     

基于大数据的上海市共享汽车出行模式研究

共享汽车是城市交通发展的新潮流,论文基于2018年上海市共享汽车运营大数据和城市POI数据,研究共享汽车用户出行的空间、时间和频次特征,并对用户开展出行模式的K均值聚类分析,以期挖掘典型出行规律,为共享汽车运营优化提供依据。研究表明：① 工作日与休息日共享汽车使用行为差异显著,工作日共享汽车出行较集中于中心城区的混合功能区,早晚通勤高峰使用量大;休息日共享汽车出行空间布局较分散,使用量更高、平均单次使用时长更短且仅存在傍晚一个使用高峰。② 上海市共享汽车出行行为可分为工作日通勤的中高频模式,工作日夜间活动的高频模式,工作日偶尔用车晚餐及返家、偶尔用车远距离通勤和夜间长距离返家的低频模式,休息日日间休闲的高频模式、休息日傍晚离家休闲的中长途低频模式、休息日傍晚在休闲地之间穿梭的远距离低频模式、休息日日间加班的低频模式等10种模式。③ 中高频用户主要使用共享汽车实现远距离通勤和周末中长距离休闲活动,空间区域主要集中在中心城区和副中心区域;低频用户使用共享汽车多为夜间、长距离、休息日加班等公共交通难以满足需求、出租车成本过高的情景,空间分布也比较分散。可通过对用户提供差别化用车方案、优化车辆空间调度等方式推进超大城市共享汽车市场发展。     

基于浮动车数据的旅游景点周边路网容量研究——以厦门岛为例

随着旅游业的快速发展,旅游城市在法定节假日出现了交通需求的大幅增长,导致不同程度的交通问题。本文利用厦门市的浮动车数据(FCD),分别选取2014年10月1日与10月14日作为节假日与工作日的样本进行研究,首先通过OD点核密度估计判断节假日与工作日出行在时空上的差异,确定研究的时空范围;其次,通过对FCD数据进行核密度估计分析旅游景点周边的车流量变化,并与路段的等级、车道数等道路设施属性进行对比,推测路网的容量;最后进一步通过计算路网中路段行程车速验证方法的可行性。结果显示：节假日期间的旅游交通与工作日的通勤交通在时空分布上存在差异,同时基于FCD数据研究旅游景点周边的路网容量是有效的,厦大—南普陀景点周边路网在节假日期间无法满足车流量的需求。本文对旅游景点周边路网容量的评估结果可为旅游旺季旅游路网的合理规划与管控提供依据。     

Identifying primary public transit corridors using multi-source big transit data

ABSTRACT

Effective public transit planning needs to address realistic travel demands, which can be illustrated by corridors across major residential areas and activity centers. It is vital to identify public transit corridors that contain the most significant transit travel demand patterns. We propose a two-stage approach to discover primary public transit corridors at high spatio-temporal resolutions using massive real-world smart card and bus trajectory data, which manifest rich transit demand patterns over space and time. The first stage was to reconstruct chained trips for individual passengers using multi-source massive public transit data. In the second stage, a shared-flow clustering algorithm was developed to identify public transit corridors based on reconstructed individual transit trips. The proposed approach was evaluated using transit data collected in Shenzhen, China. Experimental results demonstrated that the proposed approach is a practical tool for extracting time-varying corridors for many potential applications, such as transit planning and management.     

利用公交刷卡数据分析北京职住关系和通勤出行

基于位置服务(Location Based Service, LBS) 技术为研究城市系统的时空动态规律提供了新的视角, 已往多基于移动通讯(GSM)、全球定位系统(GPS)、社会化网络(SNS) 和无线宽带热点(Wi-Fi) 数据开展研究, 但少有研究利用公交IC 卡刷卡数据进行城市系统分析。普遍存在的LBS数据虽然具有丰富的时间和空间信息, 但缺乏社会维度信息, 使其应用范围受到一定限制。本文基于2008 年北京市连续一周的公交IC 卡(Smart Card Data, SCD) 刷卡数据, 结合2005 年居民出行调查、地块级别的土地利用图, 识别公交持卡人的居住地、就业地和通勤出行, 并将识别结果在公交站点和交通分析小区(TAZ) 尺度上汇总:① 将识别的通勤出行分别从通勤时间和距离角度, 与居民出行调查数据和其他已有北京相关研究进行对比, 显示较好的吻合性;② 对来自3 大典型居住区和去往6 大典型办公区的通勤出行进行可视化并对比分析;③ 对全市基于公交的通勤出行进行可视化, 并识别主要交通流方向。本研究初步提出了从传统的居民出行调查和城市GIS 数据建立规则, 用于SCD数据挖掘的方法, 具有较好的可靠性。     

Understanding the mobility patterns of Mass Rapid Transit (MRT) passengers amid COVID-19 in Singapore using smart card data

The Mass Rapid Transit (MRT) is one of the major modes of public transportation in Singapore. Understanding the mobility patterns of MRT passengers has implications for improving transportation efficiency. As a city-state with a high population density, Singapore provides a representation of balanced urban dynamics that informs smart urban planning. In this paper, we investigated and visualized (using both static maps and dynamic web map applications) the spatiotemporal characteristics of Singapore's MRT commuting patterns before the COVID-19 pandemic (January 2020) and during the first outbreak (May 2020) and the Omicron wave of the pandemic (February 2022), using MRT smart card data. We also investigated the relationship between the passenger flows of individual MRT stations and the nearby land use types. Our results showed that the spatial patterns of Singapore's MRT commuters match the polycentric urban structure. In addition to central areas, several regional centres were identified as passenger hotspots in multiple time periods. Furthermore, during the outbreak of the pandemic, especially in the period of the ‘circuit breaker’, there was a major decline in MRT passenger flows and a decrease in average MRT commuting distances during weekend/holiday peak hours. Lastly, correlations between passenger flows of MRT stations and the proportion of nearby land use types have been identified.     

中国春运城际出行网络结构特征与城市角色识别——基于多元交通客流的测度

作为要素流动的载体和空间重塑的主体,春运交通客流更能透视中国区域发展的新情况新问题。基于2017年春运期间交通客流数据,从整体网络、城际联系和城市节点维度对交通客流网络结构特征进行比较分析并综合识别城市地域交通类型。研究发现：① 与公路客流辐射范围和流量相比,铁路客流较大,航空客流较小;交通客流网络趋于发育为复杂网络;公路客流网络以邻省组合型城市组团为主,铁路客流网络主要为跨省组合型城市组团,航空客流网络均为“破碎”组合型城市组团。② 由短途为主的公路客流、中短途为主的铁路客流和中长途为主的航空客流分别构筑形成的区域空间结构具有显著的分化态势和极化现象,主要发生在“胡焕庸线”东南侧城市群内以及城市群之间。③ 在空间距离制约下,基于城市首位联系刻画而成的交通客流网络空间组织模式存在显著差异。公路客流形成5种区域空间组织模式,铁路客流形成多重组合的核心-边缘空间组织模式,而航空客流则形成多重组合的轴-辐空间组织运营模式。④ 城市地域交通类型分化显著,形成泾渭分明的“沉睡”区与“活跃”区,且中心城市和城市群成为集散客流的主要动力。希冀能为新形势下推动形成优势互补高质量发展的区域经济布局提供借鉴。     

Do suburban residents prefer the fastest or low-carbon travel modes? Combining public participation GIS and multimodal travel time analysis for daily mobility research

Sustainability of urban transportation and residents' daily mobility is increasingly important for the future of urban regions. In this paper, we present a novel methodology combining mapped survey responses (gathered using public participation GIS) and sophisticated multimodal routing analysis to understand patterns of suburban residents' daily mobility. Our particular focus is on residents' mode choices and their optimality in terms of travel time. We also examine the carbon-intensity of potential mode choice mismatches where a comparatively slower travel mode is chosen for a particular trip. This paper shows how the combination of the two data sources create new possibilities for analysing daily mobility by enabling the comparison of self-reported, geographically referenced mobility patterns and modelled, objectively “optimal” patterns. Our case study results from a rapidly growing metropolitan area, Greater Helsinki in Finland, indicate that people have rather sustainable daily mobility practices. Their daily trips are typically short (median 1.8 km), and non-motorised travel modes are the most popular. Also the share of car travel is significant. While public transport clearly has the lowest modal share, it is frequently used on longer trips to destinations where public transport connections are good (particularly the city centre). In 44% of trips, the respondents choose the fastest travel mode. When a comparatively slower travel mode is chosen, it most often produces less CO₂ emissions than the fastest mode. However, particularly on shopping trips – the most commonly reported type of trip – car driving dominates as the fastest means of transportation. When a slower mode is chosen on a shopping trip, it is typically more carbon-intensive than the fastest mode would have been in that case. The methodology presented here can be used to support local decision making, particularly when daily services and transport infrastructure are planned or reorganised.