新書推薦：
《
新安医学古籍整理发掘研究
》
售價：NT$
500
《
如何提出一个好问题（全新升级版）
》
售價：NT$
561
《
索恩丛书·风雨山河：清季变局中的人物与社会
》
售價：NT$
352
《
外太空巨型星座管控的迫切需求
》
售價：NT$
347
《
“Z行动”苏联空军志愿队研究（套装全2册）
》
售價：NT$
1678
《
清华大学藏战国竹简校释（柒）：《楚居》诸篇
》
售價：NT$
612
《
任伯年册页精选
》
售價：NT$
1530
《
国之大道G219自驾攻略图——314国道喀什至红其拉甫口岸、独库公路
》
售價：NT$
245
|
| 內容簡介： |
|
《出租车轨迹数据统计分析理论与应用》介绍出租车轨迹数据的理论基础、数据处理、出租车时空分布特征分析、出行行为建模及预测、供需平衡优化和交通网络稳定性研究等多个方面的内容。在出租车与地铁等多模式出行的优化与调控方面，通过实证案例展示利用数据驱动方法提升出行效率、优化资源配置的方法，可为绿色交通体系的构建提供参考。
|
| 目錄：
|
|
目录前言第1章 绪论 11.1 城市公共交通与建成环境 11.2 出租车轨迹数据研究现状 31.2.1 出租车出行行为 31.2.2 组合出行行为 41.2.3 建成环境与出行行为 61.3 本书主要内容 8第2章 理论基础 112.1 空间统计方法 112.1.1 空间统计简介 122.1.2 探索性空间数据分析 132.1.3 地理加权回归 142.1.4 空间自相关分析 172.2 图论与复杂网络 192.2.1 基本概念 202.2.2 路径搜索方法 222.2.3 可达性度量 232.2.4 社区发现方法 272.2.5 中心性分析方法 292.3 机器学习 312.3.1 神经网络 312.3.2 聚类 332.3.3 XGBoost算法 342.4 数据可视化 36第3章 数据处理与分析 383.1 引言 383.2 研究区域 383.3 建成环境 393.3.1 建成环境要素描述 403.3.2 建成环境数据源 413.3.3 建成环境数据预处理 433.4 出租车轨迹数据 453.4.1 数据介绍 453.4.2 数据预处理 463.4.3 出租车OD提取 473.5 本章小结 49第4章 出租车出行特征 514.1 引言 514.2 核密度估计及数据拟合 524.2.1 核密度估计方法 524.2.2 数据拟合方法 534.3 时空分布特征 554.3.1 出租车载/落客时间分布特征 554.3.2 出租车载/落客空间分布特征 604.3.3 出行距离 654.4 出租车和地铁客流量相关性 674.4.1 分析指标 674.4.2 结果分析 694.5 出租车与地铁竞合关系 714.5.1 站点直接影响范围 714.5.2 竞合关系识别 724.5.3 竞合出行移动特性 734.6 本章小结 75第5章 出租车与地铁竞合出行特征 775.1 引言 775.2 研究方法 785.2.1 奇异值分解 785.2.2 多项Logit 模型 785.3 竞合出行时空特征 795.3.1 补充型、竞争型出行的时间特征 795.3.2 延伸型出行的时间特征 835.3.3 补充型、竞争型出行的空间特征 875.3.4 延伸型出行的空间特征 905.4 竞合出行需求模式 955.4.1 奇异值分解OD时空矩阵 955.4.2 补充型出行的需求模式 965.4.3 竞争型出行的需求模式 985.4.4 延伸型出行的需求模式 1015.5 本章小结 103第6章 建成环境对竞合出行分布的影响机理 1056.1 引言 1056.2 建成环境对竞合出行分布的全局影响 1066.2.1 变量介绍 1066.2.2 全局OLS模型 1076.2.3 基于全局OLS模型的建成环境影响性分析 1086.3 建成环境对竞合出行分布的局部影响 1116.3.1 地理加权回归模型 1116.3.2 基于局部GWR模型的建成环境影响性分析 1136.4 考虑空间异质性尺度差异的影响 1146.4.1 多尺度地理加权回归模型 1156.4.2 尺度分析 1166.4.3 系数空间格局分析 1176.5 模型拟合优度 1306.6 本章小结 131第7章 站域建成环境对出租车-地铁组合出行的影响机理 1337.1 引言 1337.2 站域建成环境 1357.2.1 站点潜在影响范围 1357.2.2 站域建成环境数据 1367.3 站域建成环境对出租车-地铁组合出行影响建模 1387.3.1 负二项回归模型 1387.3.2 机器学习模型 1397.4 基于NBR模型的站域建成环境影响性分析 1407.5 基于XGBoost模型的站域建成环境非线性影响分析 1437.5.1 SHAP模型与必要条件分析 1437.5.2 非线性建模与结果分析 1457.6 本章小结 152第8章 出租车出行需求预测模型 1548.1 引言 1548.2 数据与问题定义 1568.3 不确定估计与深度学习 1598.3.1 分位数回归 1598.3.2 卷积神经网络 1608.3.3 长短期记忆网络 1648.3.4 自注意力机制卷积长短期记忆神经网络 1658.4 模型与实验 1698.4.1 联合均值和分位数的SA-ConvLSTM模型 1698.4.2 实验与结果分析 1708.5 本章小结 173第9章 基于收益优先的高铁站出租车司机决策模型 1749.1 引言 1749.2 出租车司机决策分析 1759.3 权重计算模型 1769.3.1 层次分析法 1779.3.2 组合赋权法 1799.4 决策模型 1809.4.1 决策数与收益指标 1819.4.2 决策阈值与决策准则 1829.5 实例分析 1849.5.1 影响因素与数据分析 1849.5.2 权重计算模型求解与敏感性分析 1879.6 本章小结 191第10章 出租车运输网络的级联失效模型 19310.1 引言 19310.2 出租车运输网络 19410.2.1 空间聚类与网络构建 19410.2.2 出租车运输网络拓扑特征 19810.3 级联失效模型 20010.3.1 变量与评价指标 20010.3.2 级联失效模型分析 20110.4 出租车运输网络仿真 20410.5 本章小结 205参考文献 207
|
| 內容試閱：
|
|
第1章绪论 1.1城市公共交通与建成环境 我国城市经历了从高度计划经济到土地开发市场化的发展历程。改革开放以后，伴随着大量人口的涌入，城市人口越来越多，刺激了人们对于城市空间的需求，城市进入快速城镇化阶段，快速城镇化又带动了城市建成区空间的扩张[1]。在早期土地开发市场化制度的支持下，城市大规模扩建，表现为郊区化的高密度蔓延、“摊大饼”扩张，间接导致了职住分离、基础设施供给不足、机动车保有量快速增长等一系列城市、环境和交通问题[2]。为解决上述问题，提出了多中心的发展模式，以发展“舒展的紧凑城市系统”为目标，在城市总体规划层面，鼓励发展多中心空间结构来分散居住和就业；在社区规划层面，推进社区生活圈建设，实现居民日常需求的就近供给[3]。市场进行资源配置会在打破原有单位格局的同时加大职住空间的“撕裂”[1]。“摊大饼”扩张和职住空间的“撕裂”等现象带来的空间结构调整，增加了居民出行距离，进而加大了居民对小汽车的依赖。 随着城市居民机动化出行比例的提升，交通拥堵问题严峻，严重影响了城市居民的出行环境。此外，车辆尾气排放造成的空气污染，对健康产生了严重的负面影响，这对城市公共交通系统提出了更高的要求。在此背景下，不同交通方式之间的协调平衡、交通与城市用地规划都是当前推动城市交通协调发展、提升居民出行质量必须考虑的问题，同时也是城市交通研究的重要课题[4]。从2012年《国务院关于城市优先发展公共交通的指导意见》、2014年《国家新型城镇化规划(2014—2020年)》和《中央城市工作会议》等文件可知，解决城市蔓延和交通拥堵问题的重要手段是：优先发展以轨道交通为主体的公共交通系统；优化城市结构形态、土地利用等，形成以绿色交通为主导的建成环境。两者相辅相成，相互促进[5]。 以下从优先发展城市公共交通和城市建成环境两方面详细阐述研究背景。 1.优先发展城市公共交通 城市公共交通为解决城市交通拥挤、优化城市交通系统提供了有力支持，其中城市轨道交通在准点性、安全性、环保、运量、节约土地和可持续发展等方面具有突出优势，已成为许多大城市的发展重点[5]。高效、准时、绿色出行的优点，使得城市轨道交通成为居民公共出行的*要选择。过去几十年中，轨道交通得到了快速发展，世界各国普遍认识到，优先发展以轨道交通为主体的多层次城市公共交通体系，是解决城市交通拥堵问题的根本途径[6]。轨道交通并不是一种“门到门”的交通方式，即居民选择轨道交通出行时，面临出行“**公里”(出发地到轨道交通站点)和“*后一公里”(轨道交通站点到目的地)的出行方式选择问题，也就是以轨道交通为主的组合出行中出行方式选择问题。 为了改善交通拥堵和解决轨道交通出行的“**公里”和“*后一公里”问题，对城市常规公共交通网络进一步拓展，使得困扰已久的交通拥堵问题有了一定程度的改善。随着城市建成区空间的扩张，即使城市公共交通网络再密集，也无法覆盖到每一个小区，还是存在公共交通网络无法兼顾的位置。因此，对于以轨道交通作为主要出行方式的居民，他们必须采用步行、共享单车、公交车、出租车等辅助交通方式来解决出行“**公里”和“*后一公里”的问题[7]，即共享单车-地铁、公交车-地铁、出租车-地铁等组合出行。这类出行中，公交、地铁、出租车等互相组合，为私家车提供了替代选择[8]，被称为多模式组合出行(也被称为多方式组合出行或者多出行方式综合使用)。近年来，多模式组合出行已被认为是未来城市交通*有效的可持续策略之一，为实现多模式组合出行这一目标，就需要理解多模式出行的交互关系，即城市中一种出行方式在空间和时间上如何与其他出行方式竞争、合作和补充。对出行方式间竞争、合作和补充关系的深度理解，为交通资源整合、不同交通方式的协调和配置，尤其是处理好城市出租车和地铁之间的竞争和互补关系、寻求引导绿色出行策略合理的科学依据，对提升城市综合交通系统可适应性和可持续发展能力至关重要。 2.城市建成环境 公共交通导向型发展(transit oriented development，TOD)这一城市发展模式被广泛认为是缓解交通拥堵、环境污染等负面效应的重要途径。TOD提倡通过土地利用和交通政策来改善建成环境，即合理地整合建成环境政策(如区域发展规划、土地综合开发和街道网络改善等)与交通政策(如公交、出租车运营管理服务和停车收费政策等)，进而引导人们的出行行为，这也是缓解私家车依赖等相关问题的重要途径[9]。相比尾号限行、拥堵收费和燃油税费等交通需求管理政策而言，发挥城市建成环境对交通出行影响的正面作用，构建合理的城市空间结构来引导居民的交通行为，是从根本上缓解居民对小汽车依赖问题的关键。这是因为建成环境对居民出行行为具有根深蒂固的影响，在宏观层面决定了居民活动的空间分布，并且城市建成环境一旦形成很难改变，对交通出行的影响具有一定的“锁定效应”[10]。 建成环境区别于自然环境，为人们生产及生活提供了所需的空间环境，涵盖了土地利用模式、城市交通、街区设计及承担人类活动等的物质空间环境。通过改善建成环境，形成以公共交通为导向的可持续交通结构，合理规划和优化城市空间结构，设计营造人性化的TOD建成环境已经成为城市规划研究的新课题。我国的部分城市(如上海、北京)已围绕轨道交通站点建成多个TOD社区，解决城市交通问题效果显著。同时，已有研究表明，轨道交通站点与周边建成环境的一体化发展有助于提高绿色出行比例[11]，学者希望了解建成环境对出行的内在影响机理，并将这种影响机理应用到城市建设与更新及交通规划与管理中，为促进城市综合交通良性循环提供指导。尽管建成环境与交通出行间关系的研究取得了一定的研究成果，但大多数研究基于调查问卷数据探究建成环境要素对出行行为的影响，不能全面解析建成环境不同要素对不同出行方式的影响程度。另外，我国建成环境的概念引入较晚，同时建成环境数据短缺，关于建成环境在交通出行中的研究方兴未艾[5，11]。 综上可知，要引导居民绿色出行，促进以公共交通为导向的交通可持续发展，关键在于深入了解建成环境对出行行为的作用机理，明确如何优化城市建成环境以增加多模式组合出行，进而促进居民出行向绿色出行方式转移。 1.2出租车轨迹数据研究现状 城市建成环境是出行需求的内在驱动因素。明晰建成环境和出行之间的关系，有助于交通基础设施优化和合理的城市规划。已有研究探究了建成环境要素对不同出行方式(公交车、地铁、出租车等)及相应出行需求的影响，本节将从以下三方面进行分析：出租车出行行为、组合出行行为、建成环境与出行行为。 1.2.1出租车出行行为 出租车每天搭载不同的乘客，其轨迹数据可以反映城市出行流动性；轨迹数据与空间、时间密切相关，具有时空性；出租车提供随时的搭载服务，具有更新不间断性。依据轨迹数据的流动性、时空性、不间断性，挖掘出租车出行行为，进而分析居民出行规律(包括出行时间、出行目的、热点出行路径、通勤路径等)、出租车运营策略与模式等。 1.居民出行规律 出租车原始轨迹数据是低语义层次的抽象时空信息，需要从中提取语义信息并进一步理解潜在的有意义的移动行为(如人们如何及为什么出行)。Chen等[12]提出了一种基于出租车轨迹数据推断出租车出行目的地的方法，根据到达时间和落客点附近的兴趣点(point of interest，POI)推断乘客的活动区域，使用贝叶斯定理根据特征推断出行目的及活动区域的POI分布。Hu等[13]基于出租车轨迹数据，分析了不同行政功能区出租车需求分布，针对不同行政功能区分析“职住行”和居民通勤特征的时空分布特征，构建耦合协调度模型，探讨不同行政区域职住、交通现状及差异。*昭伟等[14]借助核密度估计分析了出租车上下客位置的时空特性，提出轨迹线密度方法，计算路网密度，划分路段热点强度，识别热点路段。Tang等[15]利用哈尔滨市的出租车出行起讫点(origin destination，OD)分布进行建模，考虑每个OD对之间的行驶距离、时间和费用，定义了广义成本函数，分析了行程时间的可变性，并应用高斯混合模型来拟合行程时间分布。 2.出租车运营策略与模式 学者基于出租车轨迹数据展开了出租车运营策略和运营模式的研究，构建了出租车出行特征、出行时间分布及空间分布的指标和分析方法。将出租车的位置及所在区域的几何形状作为出租车轨迹的空间，将整个行程时间作为时间特征，根据特征偏离情况进行异常轨迹的识别及划分[16]；基于寻客效益指标模型的时空分析方法，得到高效益客源的时空分布特征，通过对比不同收入等级的出租车轨迹模式，研究高低收入出租车司机的运营模式及其差异性，进而从出租车轨迹中挖掘路径选择经验知识[17]；选取出租车的巡游速度、巡游比、供需比差异和下一个乘客行程距离四个特征生成搜索图像，引入稀疏子空间聚类无监督学习算法来识别嵌入在搜索图像中的搜索策略，进行寻客建模[18]；综合考虑预测的置信度问题，基于自注意力卷积长短期记忆(self-attention convolutional long-short term memory，SA-ConvLSTM)网络的多输出层，建立了将多个条件分位数与均值相结合的深度神经网络体系结构，实现了更准确的出租车需求预测，以帮助合理分配交通资源，满足出行需求，减少加剧交通拥堵的空车数量[19]。 综上可知，虽然学者利用出租车轨迹数据展开了大量关于出租车出行行为的研究，但少有研究关注出租车出行与地铁出行间的关系[20-21]。有少数研究利用出租车轨迹数据探讨了出租车与地铁间的出行关系，将出租车出行分为三种类型，即地铁竞争型、地铁延伸型和地铁补充型[21-23]。Li等[22]分析了地铁对出租车上下车点的影响，发现在开通一条新的地铁线路后，其他地区和郊区地铁站之间的出租车出行次数普遍增加。Jiang等[23]基于出租车轨迹数据，对比分析了出租车和地铁出行的空间分布特征，探讨了出租车需求量和地铁客流量之间的关系，发现相比于步行和共享单车等接驳方式，出租车这一地铁接驳方式的接驳距离较长，同时延伸地铁的出租车出行速度明显快于补充地铁出行的速度。Ni等[20]发现，无桩共享单车和出租车具有较高的灵活性和可达性，是地铁出行的主要接驳方式。 1.2.2组合出行行为 世界多国将可持续出行模式作为交通发展的基本目标，以减轻日益严重的交通拥堵带来的社会和环境负面影响。公共交通尤其是地铁在缓解交通拥堵、减轻环境污染等方面具有重要作用，被认为是*有效的可持续交通系统，鼓励引导居民从小汽车出行转向地铁出行是交通管理者和决策者面临的主要挑战。与其他公共交通出行类似，地铁出行提供的是“站到站”的服务，不能为出行者提供“门到门”的服务。由于地铁无法覆盖城市的每一个角落，出发地与地铁站点及地铁站点与目的地间的连通性已成为地铁出行面临的最大挑战[24]。在此背景下，鼓励出行者采用组合出行方式，即采取多种出行方式(共享单车、公共汽车、出租车和网约车)将出发地和/或目的地连接到地铁站，已成为提高地铁系统效率并扩大地铁线路空间覆盖范围的*有效手段。 步行-地铁组合出行被认为是接驳地铁出行的重要方式之一[25]。不同城市的居民和不同的地铁站点能接受的步行距离上限是不同.[26]，800m以内的步行距离是大多数乘客能接受的到地铁站的步行距.[27]。Munoz-Raskin[28]提出，乘客只能接受不超.10min的步行进入地铁站点。相较于步行出行方式的时间和距离约束，共享单车具有绿色、低成本、健康的出行特点，使得共享单车和地铁的综合使用(组合出行)越来越普遍。Chen等[29]发现，超过一半的南京市地铁乘客更倾向选择共享单车连接出发地至地铁站和地铁站至目的地，其出行目的多为购物和拜访朋友，出行时间灵活且无时间约束。等[30]研究了北京市共享单车与地铁的组合出行，发现通勤距离是选择共享单车
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
