排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
行程时间不确定性导致了可达性随时间的变化,相关研究表明忽略行程时间不确定性会高估可达性水平。既有可达性研究往往用行程时间可靠性表示行程时间不确定性,但未考虑不同可达性模型结果的差异以及行程时间可靠性价值。本文结合各OD之间的行程时间分布特征,构建方差型的行程时间可靠性来描述行程时间不确定性,并进一步将行程时间可靠性纳入到广义出行时间成本中,建立了时间距离模型、潜力模型、累计机会模型和高斯模型4种基于位置的可达性测算方法,以比较在不同测算方法下,行程时间不确定性对可达性的影响。深圳的案例研究表明：① 忽略行程时间不确定性会使全区域的可达性至少被高估5.04%,最大被高估95.04%。潜力模型、时间距离模型、累计机会模型和高斯模型的高估幅度由低到高;② 行程时间不确定性对可达性的影响存在阈值效应,阈值越高,可达性受影响的程度越小;③ 从空间分布来看,行程时间不确定性对可达性水平高和低的区域都有一定影响。若不考虑行程时间不确定性,可达性高的区域高估值大,而在可达性低的区域,可达性高估的百分比较大,高估百分比中位数的差异程度最大可达77.1%;④ 行程时间不确定性对潜力模型可达性分类的影响最小,对累计机会模型差异的影响最大。可达性使用者应充分考虑研究区域实际情况,结合可解释性与理论性偏好,进而选择合适的可达性模型和评判标准。 相似文献
2.
城市轨道交通及其沿线土地一体化发展是城市可持续发展的关键问题。提高城市轨道交通可持续性和土地资源配置合理性的关键需掌握轨道交通客流与土地功能之间的依赖关系,而回归分析是研究二者关系的主要方法。既有研究对于土地利用的描述多基于用地面积等概略数据,难以揭示各类属性的用地对客流的影响机理及其空间效应。采用百度地图POI数据以刻画用地信息,提出城市轨道交通车站吸引范围内用地功能的细粒度描述方法,基于全局常参数和局部变参数的回归模型研究车站早高峰出站客流与粗细粒度土地利用的相互依赖关系及其空间效应。针对北京地铁的案例研究表明：车站出站客流与不同功能用地及POI的依赖程度和空间特征存在显著差异。早高峰出站客流更多地受到与就业通勤相关的商业服务业设施用地、公共管理与公共服务用地的影响。在细粒度层面上,出站客流对写字楼和政府机构的依赖性更大,二者显著分布在就业岗位密集的中心城区功能分区和城市核心区。基于细粒度POI的局部变参数模型能较好地识别各类土地利用对车站客流的影响及其空间异质性,案例研究表明车站客流与土地利用的依赖关系是各类属性功能用地影响及其空间效应的叠加。 相似文献
3.
改善末端的慢行环境是提升绿色交通出行竞争力的关键问题。既有研究多针对出行效率问题分析地面公交末端出行的改善效果，未充分考虑城市公共交通系统与土地利用的关系。本文融合多源交通大数据构建“门到门”精细尺度的公共交通出行链，提出步行和骑行等两种方式下公共交通全过程出行时间的计算方法，据此构建基于累计机会模型的末端出行改善效果的评估模型，研究骑行替代步行后公共交通可达性改善效果。该方法两步计算具有计算量较小和数据更新机制灵活的特点，适应于大空间尺度公共交通可达性研究。基于2020年北京的案例研究表明：骑行替代的公共交通出行时间平均减少315 s，降低幅度达12.8%；末端出行效率的提高改善将进一步提升就业、医疗、餐饮、绿地、购物和休闲等城市居民活动的公共交通可达性，其改善幅度达90%、74%、94%、33%、107%和77%，且改善的区域聚集于中心城区和外围居住组团。另外，公共交通可达性改善效果呈圈层径向递减的空间特征，城市轨道交通作为公共交通的主干网络，就业、医疗、餐饮、绿地、购物和休闲活动提升效果分别为地面公交的1.43、1.43、1.70、1.42、1.70、1.71倍。 相似文献
1