论文部分内容阅读
城市居民出行影响着城市生活的方方面面,对城市居民出行行为时空特征的分析与探索是城市地理学与交通工程领域研究的热点问题。一方面,形式各异的海量交通数据信息,为全面解析城市居民出行时空特征提供数据源。另一方面,新兴时空分析模型能够有效地分析时间、空间和属性三者之间的相互作用关系,为揭示城市居民出行活动的时空特征提供手段。城市轨道交通是居民绿色出行、缓解我国大城市交通拥堵的重要交通方式。在人们的日常出行中,随着轨道交通扮演的角色越来越突出,地铁客流随之上升,同时产生了大量的地铁交通数据。利用这些数据,能够帮助我们更好地研究城市居民的出行时空特征。本文利用南京市地铁刷卡数据、南京市地铁网络数据和天气记录数据,在梳理南京城市居民出行一般规律的基础上,分析了居民购物休闲出行的时空特征,重点探讨了天气因素对城市居民地铁出行的影响机理。本文的主要成果如下:(1)研究了城市居民地铁出行的时空特征,研究发现:在时间维度上,工作日有早晚两个高峰时间段,分别是上午7:00-9:00和下午17:00-19:00,周末并无明显的高峰时间段,且周五的客流量均比其他六天的客流量大;2号线承载的地铁客流量最大,一天中各时间段客流起伏程度也是最明显的;在工作日早晚高峰时间段中心城区内各地铁站点的客流增加量比老城区大。在空间维度上,新街口地铁站在早高峰时段是主要的客流吸引源,迈皋桥站、油坊桥站以及柳州东路站在早高峰时段是主要的客流发生源,而在晚高峰时段是主要的客流吸引源;老城区在早晚/高峰比中心城区表现出更强的客流吸引/发生力,老城区在周末产生更强的客流发生力,中心城区在工作日产生更强的客流发生力;从全日OD客流分布来看,以迈皋桥站和新街口站为O/D点的客流量最大,同时大型居民区和大型商圈的地铁站之间的乘客流动量较大。(2)提出4个购物出行时空特征指标,分别为:购物休闲出行总时长、购物休闲地点的稳定性、进行购物休闲行为的周频次以及购物休闲行为时段偏好,并通过聚类分析将持有地铁IC卡的出行者分成了3类,分别为:地点不稳定、较偏好工作日的极少购物休闲者,地点较稳定、较偏好周末的偶尔购物休闲者,地点稳定、偏好周末的活跃购物休闲者。其中,发现较少进行购物休闲活动、出行时段偏向不明显且出行地点不稳定的通勤者占比最高,其比例为64%。同时引入马尔可夫模型,对不同类型通勤者的购物活动选择行为进行预测。结果表明:对于出行活动时间长、地点稳定、时间偏向明显的通勤者,其购物活动选择行为具有较高的预测精度。(3)通过建立一种时间序列模型(SARIMAX),解释不同种类的天气因素(如降雨、温度、相对湿度、风速等)对地铁客流量在时间和空间分布上的影响程度。结果表明:降雨类因素在高峰和周末时段对地铁客流量的影响较大;各天气因素对各地铁站点客流量的影响大致呈现出从城市中心区域向外围区域逐渐变小的渐变式规律,且地铁无规律出行者比有规律出行者更易受恶劣天气因素的影响。