科学的轨道交通出行模式分析是运营决策优化的重要依据。为挖掘城市轨道交通时空流动特征及其影响机理,提出一种基于非负张量分解的OD客流强度时空分布计算方法,采用融合SHAP归因分析的极端梯度提升树(eXtreme Gradient Boosting,XGBoo...科学的轨道交通出行模式分析是运营决策优化的重要依据。为挖掘城市轨道交通时空流动特征及其影响机理,提出一种基于非负张量分解的OD客流强度时空分布计算方法,采用融合SHAP归因分析的极端梯度提升树(eXtreme Gradient Boosting,XGBoost)对各模式OD客流强度进行拟合预测。使用城市轨道交通AFC(automatic fare collection system,AFC)系统数据,从空间、时段以及出行日3个维度构建3阶客流OD张量,采用交替非负最小二乘法(alternating non negative least squares,ANLS)实现非负CP张量分解。基于张量分解结果,从北京轨道交通344个站点连续1周16266966条出行数据中,提取出晨高峰长距离通勤、早高峰中短通勤、平峰休闲中转出行、晚归出行4种出行模式的时、空分布特征。基于可解释性机器学习模型,对各模式OD客流进行预测。结果表明XGBoost与CatBoost、LightGBM、OLS相比更具优势。根据OD起终点站域环境特征,考虑起终点缓冲区内各类兴趣点(point of interest,POI)数量、小区住户数、房价、人口数量、站点偏离距离以及出行距离等指标,构建OD强度关联指标体系,解释各指标对OD客流强度的正负反馈效应。SHAP归因分析说明,居民更倾向于14站以内的中短途出行,并分别得到了就业类POI数目对晨、早通勤客流正向影响,以及餐饮类POI数目对休闲中转出行客流正向影响的临界阈值。该方法可为轨道交通精细化出行引导和客流组织提供数据支撑,优化城市轨道交通供需平衡及服务水平。展开更多
绿色出行引导效果受外部信息及出行者选择偏好影响,需要考虑出行者潜在属性类别的异质性。自我呈现表现为人们通过控制与自己有关的信息来影响他人对自己的印象,体现了信息与选择偏好的交互作用。为定量分析出行者自我呈现意识和环保意...绿色出行引导效果受外部信息及出行者选择偏好影响,需要考虑出行者潜在属性类别的异质性。自我呈现表现为人们通过控制与自己有关的信息来影响他人对自己的印象,体现了信息与选择偏好的交互作用。为定量分析出行者自我呈现意识和环保意识对出行方式选择行为的影响,本文通过问卷调查收集到1382份有效样本,利用潜在类别模型(Latent Class Model,LCM)将出行者划分为高自我呈现组(18.23%)、中自我呈现组(20.26%)和低自我呈现组(61.51%)。离散选择模型的结果表明,出行者在进行方式选择时更关注出行时间和出行方式自身的特性,若不考虑方式特性,会高估出行费用对高自我呈现组的影响。高自我呈现组仅在短距离出行中对公共交通有强烈偏好,对于6~10 km的出行,选择私家车倾向明显。中短距离的出行中,低自我呈现组对骑行的偏好价值可以在一定程度上抵消过长出行时间带来的负效用。构建考虑出行者异质性的方式选择模型,可为政府和相关部门制定更协调、有针对性的交通调控政策及公共交通运营策略提供理论依据。展开更多
文摘科学的轨道交通出行模式分析是运营决策优化的重要依据。为挖掘城市轨道交通时空流动特征及其影响机理,提出一种基于非负张量分解的OD客流强度时空分布计算方法,采用融合SHAP归因分析的极端梯度提升树(eXtreme Gradient Boosting,XGBoost)对各模式OD客流强度进行拟合预测。使用城市轨道交通AFC(automatic fare collection system,AFC)系统数据,从空间、时段以及出行日3个维度构建3阶客流OD张量,采用交替非负最小二乘法(alternating non negative least squares,ANLS)实现非负CP张量分解。基于张量分解结果,从北京轨道交通344个站点连续1周16266966条出行数据中,提取出晨高峰长距离通勤、早高峰中短通勤、平峰休闲中转出行、晚归出行4种出行模式的时、空分布特征。基于可解释性机器学习模型,对各模式OD客流进行预测。结果表明XGBoost与CatBoost、LightGBM、OLS相比更具优势。根据OD起终点站域环境特征,考虑起终点缓冲区内各类兴趣点(point of interest,POI)数量、小区住户数、房价、人口数量、站点偏离距离以及出行距离等指标,构建OD强度关联指标体系,解释各指标对OD客流强度的正负反馈效应。SHAP归因分析说明,居民更倾向于14站以内的中短途出行,并分别得到了就业类POI数目对晨、早通勤客流正向影响,以及餐饮类POI数目对休闲中转出行客流正向影响的临界阈值。该方法可为轨道交通精细化出行引导和客流组织提供数据支撑,优化城市轨道交通供需平衡及服务水平。
文摘绿色出行引导效果受外部信息及出行者选择偏好影响,需要考虑出行者潜在属性类别的异质性。自我呈现表现为人们通过控制与自己有关的信息来影响他人对自己的印象,体现了信息与选择偏好的交互作用。为定量分析出行者自我呈现意识和环保意识对出行方式选择行为的影响,本文通过问卷调查收集到1382份有效样本,利用潜在类别模型(Latent Class Model,LCM)将出行者划分为高自我呈现组(18.23%)、中自我呈现组(20.26%)和低自我呈现组(61.51%)。离散选择模型的结果表明,出行者在进行方式选择时更关注出行时间和出行方式自身的特性,若不考虑方式特性,会高估出行费用对高自我呈现组的影响。高自我呈现组仅在短距离出行中对公共交通有强烈偏好,对于6~10 km的出行,选择私家车倾向明显。中短距离的出行中,低自我呈现组对骑行的偏好价值可以在一定程度上抵消过长出行时间带来的负效用。构建考虑出行者异质性的方式选择模型,可为政府和相关部门制定更协调、有针对性的交通调控政策及公共交通运营策略提供理论依据。
