吉林大学学报(工学版) ›› 2022, Vol. 52 ›› Issue (3): 572-577.doi: 10.13229/j.cnki.jdxbgxb20200844

• 交通运输工程·土木工程 • 上一篇    

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

尹超英1(),邵春福2(),黄兆国3,王晓全2,王晟由2   

  1. 1.南京林业大学 汽车与交通工程学院，南京 210037
    2.北京交通大学 综合交通运输大数据应用技术交通运输行业重点实验室，北京 100044
    3.兰州理工大学 土木工程学院，兰州 730050
  • 收稿日期:2020-11-02 出版日期:2022-03-01 发布日期:2022-03-08
  • 通讯作者: 邵春福 E-mail:cyyin@njfu.edu.cn;cfshao@bjtu.edu.cn
  • 作者简介:尹超英（1989-），女，讲师，博士. 研究方向：交通与土地利用. E-mail：cyyin@njfu.edu.cn
  • 基金资助:
    江苏高校哲学社会科学研究项目(2021SJA0147);国家自然科学基金项目(52072025)

Investigating influences of multi⁃scale built environment on car ownership behavior based on gradient boosting decision trees

Chao-ying YIN1(),Chun-fu SHAO2(),Zhao-guo HUANG3,Xiao-quan WANG2,Sheng-you WANG2   

  1. 1.College of Automobile and Traffic Engineering，Nanjing Forestry University，Nanjing 210037，China
    2.Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport，Beijing Jiaotong University，Beijing 100044，China
    3.School of Civil Engineering，Lanzhou University of Technology，Lanzhou 730050，China
  • Received:2020-11-02 Online:2022-03-01 Published:2022-03-08
  • Contact: Chun-fu SHAO E-mail:cyyin@njfu.edu.cn;cfshao@bjtu.edu.cn

RICH HTML

 5   

PDF (PC)

128

摘要：

为量化不同空间尺度建成环境对居民小汽车拥有行为的影响，构建了可捕捉自变量影响程度的梯度提升迭代决策树模型。同时，考虑了城市层和社区层两个尺度建成环境特征对小汽车拥有行为的影响，并以中国劳动力动态调查的全国抽样数据为例开展了实证研究。结果表明：3个层面变量中，个体层社会经济属性是影响小汽车拥有行为的最重要因素，影响程度为53.24%，而社区层建成环境特征影响程度（30.45%）高于城市层建成环境特征（16.31%）；对于各自变量而言，家庭收入是影响居民小汽车拥有行为的最重要因素（31.66%），且两个层面的建成环境特征对小汽车拥有行为的影响程度均高于1.5%。因此，为减少居民小汽车拥有量的增长，有必要同时从城市层和社区层两个层面优化城市建成环境。

关键词: 交通运输系统工程, 建成环境, 小汽车拥有, 空间尺度, 梯度提升迭代决策树

Abstract:

In order to quantify the influences of the built environment at different spatial scales on car ownership， a gradient boosting decision tree model is applied to investigate the relative importance of the built environment at both city and community levels in this study. The survey data from China Labor-force Dynamics Survey is used to conduct the empirical analysis. The results show that the individual socio-economic status is the most influential among three categories of factors with collective importance of 53.24%. With the collective importance of 30.45%， the built environment characteristics at the community level have greater influences than the built environment characteristics at the city level. For the specific characteristics， household income is the most influential factor with the relative importance of 31.66%. All built environment characteristics have influences that are greater than 1.5%. Therefore， it is important to optimize the built environment at different spatial scales to deter the increase of car ownership.

Key words: engineering of communicaiton and transportation system, built environment, car ownership, different spatial scales, gradient boosting decision tree

中图分类号: 

  • U491

表1

各自变量的描述性统计"

变量名称变量描述均值方差
个体层-社会经济属性性别1=男性；0=女性0.510.50
年龄连续变量45.3513.17
教育水平1=小学及以下；2=初中；3=高中；4=大学及以上2.121.10
16岁以下孩子数量家庭中16岁以下孩子数量0.610.83
家庭规模家庭人口数量3.291.48
家庭收入家庭年收入（单位：万元）6.2411.63
社区层-建成环境特征社区人口密度社区内人口数量与社区行政面积之比（单位：万人/km2）0.344.89
土地利用混合度基于运动设施、图书室、广场及银行等4类设施计算得到的土地利用混合度0.430.36
到公共交通站点距离到最近的公共交通站点的距离（单位：km）2.456.08
到CBD距离到城市中心商务区的距离（单位：km）5.387.73
运动设施数量社区内运动设施数量1.923.20
图书室数量社区内图书室数量1.101.23
广场数量社区内广场数量0.881.79
银行数量社区内银行数量1.172.84
城市层-建成环境特征城市人口密度城市常住人口数量与城市建成区面积之比（单位：万人/km2）0.210.13
是否有地铁1=是；0=否0.230.43
每万人公交车辆数每万人拥有公共交通车辆数（单位：辆/万人）2.173.33
人均道路面积城市道路面积与城市常住人口之比（单位：平方米/人）5.497.14

表2

各自变量的影响程度和重要度排序"

变量名称重要度排序影响程度/%
个体层-社会经济属性性别180.20
年龄46.31
教育水平29.23
是否有16岁以下孩子171.02
家庭规模64.82
家庭收入131.66
合计53.24
社区层-建成环境特征是否有运动设施132.80
是否有图书室142.44
是否有广场152.38
是否有银行113.66
土地利用混合度84.73
到公共交通站点距离104.49
到CBD距离123.29
社区人口密度36.66
合计30.45
城市层-建成环境特征城市人口密度94.66
是否有地铁161.66
每万人公交车辆数74.77
人均道路面积55.22
合计16.31
1 Ding C, Wang Y, Yang J, et al. Spatial heterogeneous impact of built environment on household auto ownership levels: evidence from analysis at traffic analysis zone scales[J]. Transportation Letters, 2016, 8(1): 26-34.
2 Zegras C. The built environment and motor vehicle ownership and use: evidence from santiago de chile[J]. Urban Studies, 2010, 47(8): 1793-1817.
3 Yin Chao-ying, Shao Chun-fu, Wang Xiao-quan. Exploring the impact of built environment on car use: does living near urban rail transit matter?[J]. Transportation Letters, 2020, 12(6):391-398.
4 尹超英, 邵春福, 王晓全. 考虑停车可用性的建成环境对小汽车通勤出行的影响[J]. 吉林大学报:工学版, 2019, 49(3): 714-719.
Yin Chao-ying, Shao Chun-fu, Wang Xiao-quan. Influence of urban built environment on car commuting considering parking availability[J]. Journal of Jilin University (Engineering and Technology Edition), 2019, 49(3):714-719.
5 王晓全,邵春福,尹超英,等. 考虑交通小区相关性的小汽车拥有行为研究[J].交通运输系统工程与信息, 2019, 19(4):28-32, 71.
Wang Xiao-quan, Shao Chun-fu, Yin Chao-ying, et al. Capturing car ownership behavior considering spatial autocorrelation in traffic analysis zones[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(4):28-32, 71.
6 尹超英,邵春福,王晓全,等. 考虑空间异质性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, 2020, 50(2):543-548.
Yin Chao-ying, Shao Chun-fu, Wang Xiao-quan, et al. Influence of built environment on commuting mode choice considering spatial heterogeneity[J]. Journal of Jilin University (Engineering and Technology Edition), 2020, 50(2):543-548.
7 Yin C Y, Zhang J Y, Shao C F. Relationships of the multi-scale built environment with active commuting, body mass index, and life satisfaction in China: a GSEM-based analysis[J]. Travel Behaviour and Society, 2020, 21:69-78.
8 Ma X L, Ding C, Luan S, et al. Prioritizing influential factors for freeway incident clearance time prediction using the gradient boosting decision trees method[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 18(9):2303-2310.
9 Ding C, Cao X Y, Wang Y P. Synergistic effects of the built environment and commuting programs on commute mode choice[J]. Transportation Research Part A: Policy and Practice, 2018, 118:104-118.
10 王晓全,邵春福,管岭,等. 基于机器学习模型的建成环境对小汽车拥有行为的影响[J]. 交通运输系统工程与信息, 2020, 20(4):173-177.
Wang Xiao-quan, Shao Chun-fu, Guan Ling, et al. Exploring influences of built environment on car ownership based on a machine learning method[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(4):173-177.
11 Friedman J H. Greedy function approximation: a gradient boosting machine[J]. Annals of Statistics, 2001, 29(5):1189-1232.
12 Tao T, Wu X Y, Cao J, et al. Exploring the nonlinear relationship between the built environment and active travel in the twin cities[J/OL]. [2020-10-20].
13 Zhang W J, Zhao Y J, Cao X Y, et al. Nonlinear effect of accessibility on car ownership in Beijing: Pedestrian-scale neighborhood planning[J]. Transportation Research Part D: Transport and Environment, 2020,86:No.102445.
[1] 冯天军,孙学路,黄家盛,田秀娟,宋现敏. 基于三种过街方式的两相位信号交叉口延误[J]. 吉林大学学报(工学版), 2022, 52(3): 550-556.
[2] 李先通,全威,王华,孙鹏程,安鹏进,满永兴. 基于时空特征深度学习模型的路径行程时间预测[J]. 吉林大学学报(工学版), 2022, 52(3): 557-563.
[3] 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.
[4] 贾彦峰,曲大义,林璐,姚荣涵,马晓龙. 基于运行轨迹的网联混合车流速度协调控制[J]. 吉林大学学报(工学版), 2021, 51(6): 2051-2060.
[5] 薛锋,何传磊,黄倩,罗建. 多式轨道交通网络的耦合协调度[J]. 吉林大学学报(工学版), 2021, 51(6): 2040-2050.
[6] 陆文琦,周天,谷远利,芮一康,冉斌. 基于张量分解理论的车道级交通流数据修复算法[J]. 吉林大学学报(工学版), 2021, 51(5): 1708-1715.
[7] 卢凯,吴蔚,林观荣,田鑫,徐建闽. 基于KNN回归的客运枢纽聚集人数组合预测方法[J]. 吉林大学学报(工学版), 2021, 51(4): 1241-1250.
[8] 彭博,张媛媛,王玉婷,唐聚,谢济铭. 基于自动编码机-分类器的视频交通状态自动识别[J]. 吉林大学学报(工学版), 2021, 51(3): 886-892.
[9] 张健,吴坤润,杨敏,冉斌. 智能网联环境下交叉口双环自适应控制模型[J]. 吉林大学学报(工学版), 2021, 51(2): 541-548.
[10] 王殿海,沈辛夷,罗小芹,金盛. 车均延误最小情况下的相位差优化方法[J]. 吉林大学学报(工学版), 2021, 51(2): 511-523.
[11] 宋现敏,张明业,李振建,王鑫,张亚南. 动态公交专用道的设置及其仿真分析评价[J]. 吉林大学学报(工学版), 2020, 50(5): 1677-1686.
[12] 贾洪飞,丁心茹,杨丽丽. 城市潮汐车道优化设计的双层规划模型[J]. 吉林大学学报(工学版), 2020, 50(2): 535-542.
[13] 尹超英,邵春福,王晓全,熊志华. 考虑空间异质性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), 2020, 50(2): 543-548.
[14] 张大伟,祝海涛. 考虑行人差异性的人群疏散最优决策理论模型[J]. 吉林大学学报(工学版), 2020, 50(2): 549-556.
[15] 常玉林,袁才鸿,孙超,张鹏. 基于改进元胞传输模型的城市路网实际阻抗计算方法[J]. 吉林大学学报(工学版), 2020, 50(1): 132-139.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发