-
题名不同时期下城市轨道交通客流的时空影响机制研究
- 1
-
-
作者
张鹏羽
李正中
张翕然
岳晓辉
-
机构
天津市交通科学研究院
-
出处
《交通运输系统工程与信息》
2025年第4期24-33,共10页
-
基金
天津市交通运输科技发展计划项目(2024-B12)。
-
文摘
研究工作日、双休日和法定节假日轨道交通客流的时空影响机制,对于制定侧重性开发策略和优化时空资源配置等方面具有重要意义。既有研究多针对工作日客流,未充分考虑不同时期下客流的关键影响因素及其作用差异。本文基于3种时期客流量与“5Ds+C”(密度、混合度、设计、目的地可达性、公交邻近性和网络中心性)影响因素变量数据,实现机器学习回归模型调参训练与评价筛选,运用极限梯度提升回归树-沙普利加法解释模型(XGBoost-SHAP)从整体特征重要性、交互效应和局部时空异质性这3个层面分析客流所受时空影响的差异。针对天津地铁的案例表明:XGBoost相比随机森林(RF)和梯度提升决策树(GBDT)具备更优的解释能力,拟合系数达0.7以上。就整体特征重要性分析而言,工作日、双休日和节假日的关键影响因素、影响重要性和影响模式存在显著差异,双休日和节假日多元化出行因素重要性达59.8%和61.3%。就交互效应分析而言,居住类型用地分别与办公类型用地、购物休闲用地、旅游景点用地对不同时期客流具有显著的交互影响作用。就局部时空异质性分析而言,工作日、双休日和节假日时段应分别注重土地利用程度低的站点域内居住用地,成熟居住区配套设施建设水平和商业旅游用地客流集聚效应,休闲旅游设施完善的站点,节假日客流量显著提升,SHAP影响值涨幅约5000。
-
关键词
城市交通
轨道交通客流
时空影响机制差异
极限梯度提升回归树
沙普利加法解释模型
-
Keywords
urban traffic
rail transit passenger flow
differences in spatiotemporal influence mechanisms
extreme gradient boosting regression tree
Shapley additive explanatory model
-
分类号
U491
[交通运输工程]
-
