为探究建成环境对城市轨道站点客流的非线性影响,以北京市轨道交通站点为研究对象,基于兴趣点(Point of Interest,POI)数据、手机信令数据、路网数据等多源数据,从社会经济与人口、土地利用、多模式衔接及站点特征4方面精细化刻画建成环...为探究建成环境对城市轨道站点客流的非线性影响,以北京市轨道交通站点为研究对象,基于兴趣点(Point of Interest,POI)数据、手机信令数据、路网数据等多源数据,从社会经济与人口、土地利用、多模式衔接及站点特征4方面精细化刻画建成环境,构建梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型揭示建成环境对不同时段及不同方向站点客流的相对贡献、非线性影响及阈值效应.研究结果表明:GBDT模型拟合效果优于普通最小二乘(Ordinary Least Squares,OLS)模型、自适应增强(Adaptive Boosting,AdaBoost)算法及随机森林(Random Forest,RF)模型;社会经济与人口属性对高峰时段客流的影响最大,对早晚高峰进出站客流的贡献均超过40%;土地利用属性对平峰进出站客流的影响最大,贡献为33.06%及49.10%;相对重要程度最高的变量对站点客流均表现出明显的非线性影响及阈值效应;距离市中心15~22 km的站点有更高的早高峰进站及晚高峰出站客流;高峰时段私家车接驳轨道交通的比例远大于平峰时段.研究结果可为城市轨道交通线网规划及城市土地利用布局提供理论支撑.展开更多