城市建成环境与道路交通运行关系

doi:10.13229/j.cnki.jdxbgxb.20230337

摘要/Abstract

摘要：

为解决建成环境与道路交通运行之间的量化描述和解释问题，本文以路段平均行程速度表征交通运行状况，基于面板数据构建随机森林预测模型，以建成环境预测路段车速。结果表明：构建的随机森林预测模型表现出优秀的性能，道路交通运行与建成环境显著相关，并呈现多样化的非线性关系。本文研究弥补了先前相关研究中交通运行动态特性考虑不足、小范围片区研究偶然性偏差、非线性关系缺乏等问题，同时本文研究结果可为城市与交通规划、管理决策等提供支持。

关键词: 城市交通, 关联机理, 随机森林, 建成环境, 行程速度, 非线性关系

Abstract:

This study provides a quantitative analysis of the relationship between the built environment and road traffic performance. We define traffic performance by measuring average travel speeds on road segments and develop a random forest model using multi-source panel data to predict speeds based on built environment variables. The results demonstrate high predictive accuracy， revealing a significant correlation between road traffic performance and the built environment， characterized by complex non-linear relationships. Our work addresses three limitations in prior research： overlooking dynamic traffic performance characteristics； potential chance bias in small-area studies； and insufficient exploration of non-linear relationships. These findings provide actionable insights for urban planners and policymakers to optimize transport infrastructure and management strategies.

Key words: urban traffic, correlation mechanism, random forest, built environment, travel speed, non-linear relationship

中图分类号:

U121

年光跃,潘海啸,孙健. 城市建成环境与道路交通运行关系[J]. 吉林大学学报(工学版), 2025, 55(1): 141-149.

Guang-yue NIAN,Hai-xiao PAN,Jian SUN. Exploring relationship between urban built environment and road traffic performance[J]. Journal of Jilin University(Engineering and Technology Edition), 2025, 55(1): 141-149.

图/表 7

图1

表1

图2

表2

图3

表3

图4

参考文献 20

1	住房和城乡建设部城市交通基础设施监测与治理实验室. 2022年度中国主要城市道路网密度与运行状态监测报告[R]. 北京:住房和城乡建设部, 2022.
2	陆化普. 城市交通拥堵机理分析与对策体系[J]. 综合运输, 2014, 392(3): 10-19.
	Lu Hua-pu. Analysis of urban traffic congestion mechanism and countermeasure system[J]. China Transportation Review, 2014, 392(3): 10-19.
3	袁浩, 任杰, 杨睿, 等. 考虑空间异质性的城市建成环境对交通拥堵状态的影响[J]. 武汉理工大学学报:交通科学与工程版, 2021, 45(5): 840-845.
	Yuan Hao, Ren Jie, Yang Rui, et al. Influence of urban building environment on traffic congestion considering spatial heterogeneity[J]. Journal of Wuhan University of Technology(Transportation Science & Engineering), 2021, 45(5): 840-845.
4	李佳敏, 张彪, 郭亮. 大城市交通与建成环境综合规划的范式扩展与深化——中美案例的比较与启示[J]. 西部人居环境学刊, 2021, 36(4): 36-44.
	Li Jia-min, Zhang Biao, Guo Liang. The paradigm expansion and deepening of the comprehensive planning of transportation & built environment in metropolis: comparison and enlightenment of the Sino-American case[J]. Journal of Human Settlements in West China, 2021, 36(4): 36-44.
5	Wang M, Debbage N. Urban morphology and traffic congestion: longitudinal evidence from US cities[J]. Computers, Environment and Urban Systems, 2021, 89: No.101676.
6	Handy S L, Boarnet M G, Ewing R, et al. How the built environment affects physical activity: views from urban planning[J]. American Journal of Preventive Medicine, 2002, 23(Sup.2): 64-73.
7	韩会然, 杨成凤. 建成环境对出行行为的影响研究进展与展望[J]. 安徽师范大学学报:自然科学版, 2019, 42(2): 166-173.
	Han Hui-ran, Yang Cheng-feng. Progress and prospects of the research on built environment and residents´travel behavior[J]. Journal of Anhui Normal University(Natural Science), 2019, 42(2): 166-173.
8	Ewing R, Cervero R. Travel and the built environment—a meta-analysis[J]. Journal of the American Planning Association, 2010, 76(3): 265-294.
9	Handy S, Cao X, Mokhtarian P. Correlation or causality between the built environment and travel behavior? Evidence from northern California[J]. Transportation Research Part D: Transport and Environment, 2005, 10(6): 427-444.
10	Cao J. Heterogeneous effects of neighborhood type on commute mode choice: an exploration of residential dissonance in the twin cities[J]. Journal of Transport Geography, 2015, 48(C): 188-196.
11	Zhang Q, Clifton K J, Moeckel R, et al. Household trip generation and the built environment: does more density mean more trips?[J]. Transportation Research Record, 2019, 2673(5): 596-606.
12	尹超英, 邵春福, 黄兆国, 等. 基于梯度提升决策树的多尺度建成环境对小汽车拥有的影响[J]. 吉林大学学报:工学版, 2022, 52(3): 572-577.
	Yin Chao-ying, Shao Chun-fu, Huang Zhao-guo, et al. Investigating influences of multi⁃scale built environment on car ownership behavior based on gradient boosting decision trees[J]. Journal of Jilin University(Engineering and Technology Edition), 2022, 52(3): 572-577.
13	颜冉, 杨新刚, 杨婷. 城市建成环境对道路服务水平的影响研究[J]. 安徽建筑大学学报, 2020, 28(5): 70-75.
	Yan Ran, Yang Xin-gang, Yang Ting. Research on road service level influenced by urban built environment[J]. Journal of Anhui Jianzhu University, 2020, 28(5): 70-75.
14	钟绍鹏, 何璟, 朱康丽, 等. 基于建成环境和低频浮动车数据的路段行程时间估计[J]. 交通运输系统工程与信息, 2021, 21(4): 125-131,147.
	Zhong Shao-peng, He Jing, Zhu Kang-li, et al. Travel time estimation based on built environment and low frequency floating car data[J]. Journal of Transportation Systems Engineering and Information Technology, 2021, 21(4): 125-131,147.
15	Pan Y, Chen S, Niu S, et al. Investigating the impacts of built environment on traffic states incorporating spatial heterogeneity[J]. Journal of Transport Geography, 2020, 83: No.102663.
16	Zhang K S, Sun D, Shen S W, et al. Analyzing spatiotemporal congestion pattern on urban roads based on taxi GPS data[J]. Journal of Transport and Land Use, 2017, 10(1): 675-694.
17	Zhong S, Wang Z, Wang Q, et al. Exploring the spatially heterogeneous effects of urban built environment on road travel time variability[J]. Journal of Transportation Engineering, Part A: Systems, 2021, 147(1): No.4020142.
18	王东炜, 李辉, 李岩, 等. 城市道路网络路段状态相关性与道路间距分析[J]. 交通运输工程学报, 2017, 17(1): 101-108.
	Wang Dong-wei, Li Hui, Li Yan, et al. Analysis of road section state correlation and road distance in urban road network[J]. Journal of Traffic and Transportation Engineering, 2017, 17(1): 101-108.
19	Cervero R. Mixed land-uses and commuting: evidence from the American housing survey[J]. Transportation Research Part A: Policy and Practice, 1996, 30(5): 361-377.
20	Breiman L. Random forests[J]. Machine Learning, 2001, 45(1): 5-32.

相关文章 15

[1]	董春娇,陆育霄,马社强,李鹏辉. 考虑等待忍耐时间的电动自行车违规行为研判[J]. 吉林大学学报(工学版), 2024, 54(9): 2540-2546.
[2]	马书红,廖国美,黄岩,张俊杰. 建成环境对交通小区地铁通勤客流的异质性影响[J]. 吉林大学学报(工学版), 2024, 54(7): 1913-1922.
[3]	熊志华,董黛悦,董春娇,郑炎,解超. 考虑个人偏好的观赛人群组合决策选择行为[J]. 吉林大学学报(工学版), 2024, 54(4): 979-986.
[4]	吴娇蓉,林清凯,邓泳淇. 基于公交线路运行稳定性的潜在公交专用道需求识别方法[J]. 吉林大学学报(工学版), 2024, 54(3): 692-699.
[5]	庄焱,董春娇,米雪玉,张小雨,王菁. 基于随机参数Logit的中小城市居民出行方式选择建模[J]. 吉林大学学报(工学版), 2024, 54(2): 461-468.
[6]	张文会,伊静. 考虑通行能力和排队延误的公交停靠系统优化[J]. 吉林大学学报(工学版), 2024, 54(1): 146-154.
[7]	宋世军,樊敏. 基于随机森林算法的大数据异常检测模型设计[J]. 吉林大学学报(工学版), 2023, 53(9): 2659-2665.
[8]	尹超英,陆颖,邵春福,马健霄,许得杰. 考虑空间自相关的建成环境对通勤方式选择的影响[J]. 吉林大学学报(工学版), 2023, 53(7): 1994-2000.
[9]	杨亚让,吴云虎. 基于随机森林的无线传感器通信网络阻塞故障检测[J]. 吉林大学学报(工学版), 2023, 53(5): 1490-1495.
[10]	王斌,何丙辉,林娜,王伟,李天阳. 基于随机森林特征选择的茶园遥感提取[J]. 吉林大学学报(工学版), 2022, 52(7): 1719-1732.
[11]	邝先验,陈自如. 基于CA的无信号灯控制路段行人过街横道处动态博弈礼让行为[J]. 吉林大学学报(工学版), 2022, 52(4): 837-846.
[12]	贾洪飞,邵子函,杨丽丽. 终点不确定条件下网约车合乘匹配模型及算法[J]. 吉林大学学报(工学版), 2022, 52(3): 564-571.
[13]	尹超英,邵春福,黄兆国,王晓全,王晟由. 基于梯度提升决策树的多尺度建成环境对小汽车拥有的影响[J]. 吉林大学学报(工学版), 2022, 52(3): 572-577.
[14]	董春娇,董黛悦,诸葛承祥,甄理. 电动自行车出行特性及骑行决策行为建模[J]. 吉林大学学报(工学版), 2022, 52(11): 2618-2625.
[15]	吴静娴,申华鹏,韩印,杨敏. 考虑城市建成环境非线性作用的通勤时间模型[J]. 吉林大学学报(工学版), 2022, 52(11): 2568-2573.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

变量名称	符号	最小值	中值	平均值	最大值	标准差
路段长度	l	250.288	602.351	665.739	2 202.920	300.180
POI混合度	m	0	0.864	0.785	1	0.255
是否有地铁站	s	0	0	0.167	1	0.373
车辆服务密度	d₁	0	0.021	0.061	4.744	0.164
住宅小区密度	d₂	0	0.047	0.092	0.667	0.111
医疗卫生服务密度	d₃	0	0.034	0.127	1.802	0.213
停车场出入口密度	d₄	0	0	0.058	0.955	0.114
公交站密度	d₅	0	0.033	0.040	0.230	0.035
科技文化服务密度	d₆	0	0.036	0.114	2.695	0.205
生活服务密度	d₇	0	0.084	0.299	9.017	0.593
体育休闲服务密度	d₈	0	0.027	0.109	3.773	0.220
政府机构密度	d₉	0	0.039	0.127	1.963	0.224
购物服务密度	d₁₀	0	0.122	0.630	22.873	1.434
餐饮服务密度	d₁₁	0	0.065	0.285	7.512	0.566
公司企业密度	d₁₂	0	0.052	0.117	3.079	0.213
金融保险密度	d₁₃	0	0	0.060	1.308	0.126
住宿服务密度	d₁₄	0	0	0.076	3.282	0.215
商住楼密度	d₁₅	0	0	0.021	0.532	0.057
景点密度	d₁₆	0	0	0.019	0.863	0.052

建成环境密度变量	符号	因子变量
建成环境密度变量	符号	f₁	f₂	f₃	f₄	f₅
车辆服务密度	d₁	0.195	0.746	0.195	0.270	0.040
住宅小区密度	d₂	0.244	0.341	0.794	-0.021	0.110
医疗卫生服务密度	d₃	0.861	0.299	0.206	0.208	0.064
停车场出入口密度	d₄	0.667	0.226	0.487	0.153	0.087
公交站密度	d₅	0.746	0.302	0.368	0.197	0.037
科技文化服务密度	d₆	0.540	0.544	0.302	0.189	0.024
生活服务密度	d₇	0.709	0.130	0.356	0.393	0.036
体育休闲服务密度	d₈	0.887	0.323	0.185	0.044	0.071
政府机构密度	d₉	0.645	0.643	0.116	0.008	0.061
购物服务密度	d₁₀	0.534	0.067	0.621	0.317	-0.003
餐饮服务密度	d₁₁	0.101	0.103	0.077	-0.016	0.984
公司企业密度	d₁₂	0.468	0.725	0.190	-0.064	0.162
金融保险密度	d₁₃	0.786	0.381	0.111	0.062	0.063
住宿服务密度	d₁₄	0.842	0.250	0.186	0.122	0.042
商住楼密度	d₁₅	0.864	0.210	0.227	0.049	0.106
景点密度	d₁₆	0.164	0.135	0.072	0.927	-0.021

变量	Estimate	Std. Error	t value	P_r（>\|t\|）
模型评价	R²	0.011	p-value	3.6×10^-9
截距	23.958	0.943	25.409	<2.0×10^-16***
是否有地铁站s	-4.157	0.655	-6.347	2.4×10^-10***
POI混合度m	1.360	0.960	1.416	0.157
路段长度l	0.003	0.001	3.819	0.000 1***
因子f₁	0.221	0.237	0.934	0.350
因子f₂	0.213	0.241	0.884	0.377
因子f₃	0.241	0.242	0.998	0.318
因子f₄	0.157	0.253	0.622	0.534
因子f₅	0.033	0.339	0.097	0.923