详情

原文传递基于建成环境空间异质性的城市轨道交通通勤客流分析

论文题名：	基于建成环境空间异质性的城市轨道交通通勤客流分析
关键词：	城市轨道交通;通勤客流分析;混合地理加权回归;建成环境;空间异质性
摘要：	我国城镇化的快速发展导致城市规模迅速扩张、导致了城市空间形态的无序蔓延，人口的增加又导致市民出行的交通需求日益增长。轨道交通由于运量大、准时性强和节约土地资源等优点得到迅速发展。然而快速建设的城市轨道交通建设和土地开发存在脱节现象，因此开展轨道交通与建成环境协同程度评价以及探讨建成环境因素对轨道交通客流影响的空间异质性是十分有必要的。　　首先，为评价轨道站点建成环境发展水平，现有研究多采用专家打分法、层次分析法、模糊综合评价法等评价建成环境，这类方法应用广泛，可以对多指标的复杂系统做出合理的评价，但是计算指标权重时以主观因素为主，同时忽略了数据的空间特征。本文以经典的TOD“5D”原则作为指标选取准则，从实现高密度、高混合度的土地开发、促进城市集约效应的角度出发，引入描述空间集聚特征的莫兰指数Moran''sI，确定指标权重，构建建成环境发展水平评价指标体系，评价站域建成环境发展水平。　　其次，本文以轨道交通通勤客流与建成环境的协同发展为切入点，在评价站域建成环境发展水平的基础上，将轨道周边建成环境水平和站点客流空间集聚特征作为二者协同发展的判断标准，根据二者协同发展的程度，将轨道站点划分为6类。　　最后，分析城市轨道交通通勤客流的影响因素，以往的研究多采用将所有变量视作全局变量的全局回归模型，它忽略了变量间的空间非平稳性；为了克服全局回归模型的缺点，专家学者们提出了地理加权回归模型（Geographicallyweightedregression,GWR），它是一种局部回归模型，能够克服随地理位置变化产生的空间非平稳性，有效体现变量的空间异质性，但是过分强调变量的局部特性。鉴于城市轨道交通通勤客流的影响因素同时具有空间平稳性和空间非平稳性的特征，本文提出了将变量局部特征和全局特征综合考虑的混合地理加权回归模型（Mixedgeographicallyweightedregression,MGWR），并对比了三种模型的回归结果，结果表明MGWR模型的模型性能是最好的。　　研究结果发现：（1）位于城市中心建成区的站点建成环境发展水平好，轨道交通通勤客流与轨道站点周围建成环境发展协同程度高，北客站、航天新城和国际港务区附近的站点协同程度低。（2）MGWR、GWR、全局回归模型的AICc值分别为-251，-248和-198，AICc值用来衡量模型的性能，AICc值越小，模型性能越好。MGWR模型比GWR模型和全局回归模型能更好的解释建成环境指标对客流的影响。（3）MGWR模型将土地功能混合度作为全局变量，路网密度、公交线路数量和城市功能密度作为局部变量进行回归分析。对于所有站点来说，土地混合度对于通勤客流有显著的正向影响，对于轨道交通通勤客流与建成环境协调程度较高的站点，路网密度对于站点通勤客流影响更大；对于轨道交通通勤客流与建成环境协调程度较低的站点，城市功能密度和公交线路数量对于站点通勤客流影响更大。
作者：	孙斯嘉
专业：	交通运输工程
导师：	王元庆
授予学位：	硕士
授予学位单位：	长安大学
学位年度：	2022