基于GPS数据与自回归外生变量模型的自行车走廊设计方法及其迁移性评估

《Future Transportation》：Optimization of Bicycle Path Networks Using Autoregressive Models: An Application to the City of Querétaro

　　摘要许多研究侧重于自行车站点的选址而非网络设计，往往忽视了骑行者的体验，而骑行体验取决于个人特征和所使用的自行车类型。本研究提出了一种利用全球定位系统（GPS）数据和带自回归外生变量模型（ARX）设计自行车走廊的方法论。研究开展两项实验：（1）固定路线场景，改变骑行者和自行车类型；（2）可变路线场景，使用骑行者自身的自行车。两项实验均通过使用历史数据集预测后续速度来评估模型的准确性和"可迁移性"。结果显示，固定路线的R值为0.94，可变路线的R值为0.93，分别使用255和139个历史数据点作为滞后阶数。固定路线中表现最佳的模型实现了均方误差（MAE）为2.01公里/小时，均方根误差（RMSE）为2.55公里/小时，平均绝对百分比误差（MAPE）为0.13%，使用238个滞后阶数时R值为0.92；仅使用2个滞后阶数时，R值为0.82。公共自行车和六速自行车比电动自行车表现出更强的可迁移兼容性。最后，该模型（使用两个滞后阶数）被应用于克雷塔罗（Querétaro）的路网，以创建初步的走廊设计方案。研究结论认为，虽然该模型具有实用价值——并且随着数据的增加可以更好地表征骑行者的行为——但不应将其视为万能解决方案。