目錄
前言
第1章 緒論 1
1.1 城市公共交通與建成環(huán)境 1
1.2 出租車軌跡數(shù)據(jù)研究現(xiàn)狀 3
1.2.1 出租車出行行為 3
1.2.2 組合出行行為 4
1.2.3 建成環(huán)境與出行行為 6
1.3 本書主要內容 8
第2章 理論基礎 11
2.1 空間統(tǒng)計方法 11
2.1.1 空間統(tǒng)計簡介 12
2.1.2 探索性空間數(shù)據(jù)分析 13
2.1.3 地理加權回歸 14
2.1.4 空間自相關分析 17
2.2 圖論與復雜網絡 19
2.2.1 基本概念 20
2.2.2 路徑搜索方法 22
2.2.3 可達性度量 23
2.2.4 社區(qū)發(fā)現(xiàn)方法 27
2.2.5 中心性分析方法 29
2.3 機器學習 31
2.3.1 神經網絡 31
2.3.2 聚類 33
2.3.3 XGBoost算法 34
2.4 數(shù)據(jù)可視化 36
第3章 數(shù)據(jù)處理與分析 38
3.1 引言 38
3.2 研究區(qū)域 38
3.3 建成環(huán)境 39
3.3.1 建成環(huán)境要素描述 40
3.3.2 建成環(huán)境數(shù)據(jù)源 41
3.3.3 建成環(huán)境數(shù)據(jù)預處理 43
3.4 出租車軌跡數(shù)據(jù) 45
3.4.1 數(shù)據(jù)介紹 45
3.4.2 數(shù)據(jù)預處理 46
3.4.3 出租車OD提取 47
3.5 本章小結 49
第4章 出租車出行特征 51
4.1 引言 51
4.2 核密度估計及數(shù)據(jù)擬合 52
4.2.1 核密度估計方法 52
4.2.2 數(shù)據(jù)擬合方法 53
4.3 時空分布特征 55
4.3.1 出租車載/落客時間分布特征 55
4.3.2 出租車載/落客空間分布特征 60
4.3.3 出行距離 65
4.4 出租車和地鐵客流量相關性 67
4.4.1 分析指標 67
4.4.2 結果分析 69
4.5 出租車與地鐵競合關系 71
4.5.1 站點直接影響范圍 71
4.5.2 競合關系識別 72
4.5.3 競合出行移動特性 73
4.6 本章小結 75
第5章 出租車與地鐵競合出行特征 77
5.1 引言 77
5.2 研究方法 78
5.2.1 奇異值分解 78
5.2.2 多項Logit 模型 78
5.3 競合出行時空特征 79
5.3.1 補充型、競爭型出行的時間特征 79
5.3.2 延伸型出行的時間特征 83
5.3.3 補充型、競爭型出行的空間特征 87
5.3.4 延伸型出行的空間特征 90
5.4 競合出行需求模式 95
5.4.1 奇異值分解OD時空矩陣 95
5.4.2 補充型出行的需求模式 96
5.4.3 競爭型出行的需求模式 98
5.4.4 延伸型出行的需求模式 101
5.5 本章小結 103
第6章 建成環(huán)境對競合出行分布的影響機理 105
6.1 引言 105
6.2 建成環(huán)境對競合出行分布的全局影響 106
6.2.1 變量介紹 106
6.2.2 全局OLS模型 107
6.2.3 基于全局OLS模型的建成環(huán)境影響性分析 108
6.3 建成環(huán)境對競合出行分布的局部影響 111
6.3.1 地理加權回歸模型 111
6.3.2 基于局部GWR模型的建成環(huán)境影響性分析 113
6.4 考慮空間異質性尺度差異的影響 114
6.4.1 多尺度地理加權回歸模型 115
6.4.2 尺度分析 116
6.4.3 系數(shù)空間格局分析 117
6.5 模型擬合優(yōu)度 130
6.6 本章小結 131
第7章 站域建成環(huán)境對出租車-地鐵組合出行的影響機理 133
7.1 引言 133
7.2 站域建成環(huán)境 135
7.2.1 站點潛在影響范圍 135
7.2.2 站域建成環(huán)境數(shù)據(jù) 136
7.3 站域建成環(huán)境對出租車-地鐵組合出行影響建模 138
7.3.1 負二項回歸模型 138
7.3.2 機器學習模型 139
7.4 基于NBR模型的站域建成環(huán)境影響性分析 140
7.5 基于XGBoost模型的站域建成環(huán)境非線性影響分析 143
7.5.1 SHAP模型與必要條件分析 143
7.5.2 非線性建模與結果分析 145
7.6 本章小結 152
第8章 出租車出行需求預測模型 154
8.1 引言 154
8.2 數(shù)據(jù)與問題定義 156
8.3 不確定估計與深度學習 159
8.3.1 分位數(shù)回歸 159
8.3.2 卷積神經網絡 160
8.3.3 長短期記憶網絡 164
8.3.4 自注意力機制卷積長短期記憶神經網絡 165
8.4 模型與實驗 169
8.4.1 聯(lián)合均值和分位數(shù)的SA-ConvLSTM模型 169
8.4.2 實驗與結果分析 170
8.5 本章小結 173
第9章 基于收益優(yōu)先的高鐵站出租車司機決策模型 174
9.1 引言 174
9.2 出租車司機決策分析 175
9.3 權重計算模型 176
9.3.1 層次分析法 177
9.3.2 組合賦權法 179
9.4 決策模型 180
9.4.1 決策數(shù)與收益指標 181
9.4.2 決策閾值與決策準則 182
9.5 實例分析 184
9.5.1 影響因素與數(shù)據(jù)分析 184
9.5.2 權重計算模型求解與敏感性分析 187
9.6 本章小結 191
第10章 出租車運輸網絡的級聯(lián)失效模型 193
10.1 引言 193
10.2 出租車運輸網絡 194
10.2.1 空間聚類與網絡構建 194
10.2.2 出租車運輸網絡拓撲特征 198
10.3 級聯(lián)失效模型 200
10.3.1 變量與評價指標 200
10.3.2 級聯(lián)失效模型分析 201
10.4 出租車運輸網絡仿真 204
10.5 本章小結 205
參考文獻 207