吉林大学学报(工学版) ›› 2022, Vol. 52 ›› Issue (11): 2568-2573.doi: 10.13229/j.cnki.jdxbgxb20210530

• 交通运输工程·土木工程 • 上一篇    

考虑城市建成环境非线性作用的通勤时间模型

吴静娴1,2(),申华鹏1,韩印1(),杨敏3   

  1. 1.上海理工大学 管理学院，上海 200093
    2.中国地震局工程力学研究所 地震工程与工程振动重点实验室，哈尔滨 150080
    3.东南大学 交通学院，南京 210096
  • 收稿日期:2021-06-18 出版日期:2022-11-01 发布日期:2022-11-16
  • 通讯作者: 韩印 E-mail:wujingxiannn@163.com;hanyin2000@sina.com
  • 作者简介:吴静娴（1987-），女，讲师，博士. 研究方向：建成环境与出行行为分析. E-mail： wujingxiannn@163.com
  • 基金资助:
    中国地震局工程力学研究所基本科研业务费专项项目(2020D23);国家自然科学基金项目(52072066)

Residents' commuting time model under the nonlinear impact of urban built environment

Jing-xian WU1,2(),Hua-peng SHEN1,Yin HAN1(),Min YANG3   

  1. 1.Business School，University of Shanghai for Science and Technology，Shanghai 200093，China
    2.Key Laboratory of Earthquake Engineering and Engineering Vibration，Institute of Engineering Mechanics，China Earthquake Administration，Harbin 150080，China
    3.School of Transportation，Southeast University，Nanjing 210096，China
  • Received:2021-06-18 Online:2022-11-01 Published:2022-11-16
  • Contact: Yin HAN E-mail:wujingxiannn@163.com;hanyin2000@sina.com

RICH HTML

 6   

PDF (PC)

174

摘要：

为探索城市建成环境对居民通勤时间的非线性作用，以南京为例，构建了包含个人家庭属性、通勤出行特征和交通小区建成环境的梯度提升决策树模型。结果显示：三类属性中，居民通勤出行特征对通勤时间的累计影响程度最大（52%），建成环境影响次之（38.88%）；建成环境指标对通勤时间的非线性作用显著，其中，区域用地混合度和居住用地占比都显现出显著的阈值效应。研究可为后续精准化城市区域规划和设计提供科学的理论与依据。

关键词: 交通运输系统工程, 建成环境, 通勤时间, 非线性影响, 梯度提升决策树

Abstract:

To investigate the nonlinear impact of built environment on residents' commuting time， a case study was conducted in Nanjing by using a Gradient Boosting Decision Tree. The model has considered the impact of socio-demographics， trip characteristics， and built environment at traffic analysis zone. The result shows that trip characteristics have the largest cumulative contribution on commuting time as high as 52%， followed by built environment factors（38.88%）. Significant nonlinear impacts of built environment have been presented. The nonlinear thresholds of land-use mix and residential ratio are identified. This study expects to provide supportive scientific references for urban future planning and design at the micro-level.

Key words: engineering of communications and transportation system, built environment, commuting time, nonlinear effects, gradient boosting decision tree

中图分类号: 

  • U491.1

图1

南京中心城区交通小区分布"

表1

样本基础数据描述（N=3200）"

属性变量变量定义均值标准差
个人家庭性别是否为男性：0-否（48.2%）；1-是（51.8%）0.5180.500
学历是否具有大专及以上学历：0-否（48.0%）；1-是（52.0%）0.5200.500
年龄

年龄：1-18~29岁（34.9%）；2-30~40岁（24.0%）；

3-40~50岁以上（25.8%）；4-50岁以上（15.3%）

2.2141.080
驾照是否拥有驾照：0-否（40.3%）；1-是（59.7%）0.5970.491
汽车拥有数家庭中小汽车拥有数量（辆）0.7900.590
学龄前儿童家庭中学龄前儿童个数（个）0.1240.332
家庭年收入家庭年收入是否高于10万元：0-否（43.0%）；1-是（57.0%）0.5700.494
通勤出行特征慢行出行是否使用慢行交通方式出行：0-否（44.6%）；1-是（55.4%）0.5540.497
公交出行是否使用公共交通出行：0-否（85.3%）；1-是（14.7%）0.1470.354
机动车出行是否使用私人机动车出行：0-否（70.1%）；1-是（29.9%）0.2990.458
出发时间是否高峰时期出行：0-否（47.0%）；1-是（53.0%）0.5300.499
通勤距离职住交通小区间直线距离（km）8.4207.620
通勤时间居民通勤所需时间（min）34.72019.950

建成环境

距市中心距离居住地交通小区距离市中心的距离（km）9.0597.394
公交站点密度居住地交通小区公交站台个数/交通小区面积（个/km2）20.06111.685
交叉口密度居住地交叉口个数/交通小区面积（个/km2）19.63731.801
混合度居住地交通小区用地混合熵0.6490.169
地铁站密度居住地交通小区地铁站个数/交通小区面积（个/km2）1.1971.979
住宅用地占比居住地交通小区住宅用地面积/交通小区面积0.3160.205
工作用地占比居住地交通小区商业、工业等用地面积/交通小区面积0.2970.181
路网密度居住地交通小区所有道路长度/交通小区面积（km/km2）12.3008.860

表2

各变量的影响程度与重要度排序"

属性变 量影响程度影响程度/%总计/%
建成环境属性路网密度36.6138.88
工作用地占比45.61
公交站点密度55.52
距市中心距离65.45
住宅用地占比75.22
混合度84.74
交叉口密度94.06
地铁站点密度141.67
通勤出行特征慢行出行221.1752.00
公交出行112.72
私人机动车131.92
通勤距离122.50
出发时间103.69
个人家庭属性性别161.389.12
学历191.03
年龄122.33
家庭小汽车拥有量151.64
家庭收入171.20
学龄前儿童数目200.37
驾照181.17
总计100

图2

混合度非线性作用曲线"

图3

交叉口密度作用曲线"

图4

工作用地占比作用曲线"

图5

住宅用地占比作用曲线"

1 孙晓雪. 通勤时间对城市居民幸福感的影响研究[D]. 北京: 北京交通大学经济管理学院, 2018.
Sun Xiao-xue. Research on the impact of commute time on urban resident happiness[D]. Beijing: School of Economics and Management, Beijing Jiaotong University, 2018.
2 尹超英, 邵春福, 王聘玺, 等. 基于多层模型的城市建成环境对通勤行为的影响[J]. 交通运输系统工程与信息, 2018, 18(2): 122-127.
Yin Chao-ying, Shao Chun-fu, Wang Pin-xi, et al. Impacts of built environment on commuting behavior based on a multilevel modeling approach[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(2): 122-127.
3 Zhang H, Xu S, Liu X, et al. Near "real-time" estimation of excess commuting from open-source data: evidence from China's megacities[J]. Journal of Transport Geography, 2020, 91(4): 102929.
4 Sun B, Yin C. Impacts of a multi-scale built environment and its corresponding moderating effects on commute duration in China[J]. Urban Studies, 2020, 57(10): 2115-2130.
5 Ding C, Cao X, Wang Y. 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.
6 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.
7 Koushik A N, Manoj M, Nezamuddin N. Machine learning applications in activity-travel behaviour research: a review[J]. Transport Reviews, 2020, 40: 288-311.
8 Zhao X, Yan X, Yu A, et al. Prediction and behavioral analysis of travel mode choice: a comparison of machine learning and logit models[J]. Travel Behaviour and Society, 2020, 20: 22-35.
9 熊丽芳, 甄峰, 钱前, 等. 基于CHAID决策树方法的城市居民通勤时间影响因素分析——以南京为例[J]. 人文地理, 2013(6): 68-73.
Xiong Li-fang, Zhen Feng, Qian Qian, et al. The influencing factors analysis of city residents' commute time based on CHAIN model of decision tree: a case study of Nanjing[J]. Human Geography, 2013(6): 68-73.
10 Cheng L, Vos J D, Zhao P, et al. Examining non-linear built environment effects on elderly's walking: a random forest approach[J]. Transportation Research Part D: Transport and Environment, 2020, 88:102552.
11 Tao T, Wang J, Cao X. Exploring the non-linear associations between spatial attributes and walking distance to transit[J]. Journal of Transport Geography, 2020, 82: 102560.
[1] 方松,马健霄,李根,沈玲宏,徐楚博. 城市快速路右侧车道移动作业区行车风险分析[J]. 吉林大学学报(工学版), 2022, 52(8): 1786-1791.
[2] 宋现敏,杨舒天,刘明鑫,李志慧. 站点间公交行程时间波动特性及预测方法[J]. 吉林大学学报(工学版), 2022, 52(8): 1792-1799.
[3] 张玮,张树培,罗崇恩,张生,王国林. 智能汽车紧急工况避撞轨迹规划[J]. 吉林大学学报(工学版), 2022, 52(7): 1515-1523.
[4] 郑植,耿波,王福敏,董俊宏,魏思斯. 既有低等级混凝土护栏防护能力提升[J]. 吉林大学学报(工学版), 2022, 52(6): 1362-1374.
[5] 吴文静,战勇斌,杨丽丽,陈润超. 考虑安全间距的合流区可变限速协调控制方法[J]. 吉林大学学报(工学版), 2022, 52(6): 1315-1323.
[6] 徐洪峰,陈虹瑾,张栋,陆千惠,安娜,耿现彩. 面向网联汽车环境的单点全感应式信号配时技术[J]. 吉林大学学报(工学版), 2022, 52(6): 1324-1336.
[7] 盖松雪,曾小清,岳晓园,袁子豪. 基于用户-系统双层优化算法的车位引导模型[J]. 吉林大学学报(工学版), 2022, 52(6): 1344-1352.
[8] 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.
[9] 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.
[10] 李兴华,冯飞宇,成诚,王洧,唐鹏程. 网约拼车服务选择偏好分析及建模[J]. 吉林大学学报(工学版), 2022, 52(3): 578-584.
[11] 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.
[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] 林赐云,谢天承,覃蔚,郭旭,李正浩,郑臻. 冰雪天气下交叉口信号配时优化方法[J]. 吉林大学学报(工学版), 2022, 52(10): 2316-2324.
[14] 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.
[15] 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.
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