解构空间异质性与非线性:基于双重方法分析建筑环境因素对网约车需求的影响
《Sustainable Cities and Society》:Unraveling Spatial Heterogeneity and Nonlinearity: A Dual-Method Analysis of the Impacts of Built Environment Factors on Ride-Hailing Demand
【字体:
大
中
小
】
时间:2026年07月22日
来源:Sustainable Cities and Society 13.3
编辑推荐:
摘要
理解城市建成环境与出行需求之间的复杂关系对于提升城市交通效率至关重要。现有研究通常分别探讨空间异质性或非线性关系,而很少有研究全面分析二者共同作用的影响。本研究旨在通过构建一种结合地理加权回归与梯度提升回归树的双方法分析框架,揭示出行需求与城市建成环境之间的内在规律。以
摘要
理解城市建成环境与出行需求之间的复杂关系对于提升城市交通效率至关重要。现有研究通常分别探讨空间异质性或非线性关系,而很少有研究全面分析二者共同作用的影响。本研究旨在通过构建一种结合地理加权回归与梯度提升回归树的双方法分析框架,揭示出行需求与城市建成环境之间的内在规律。以中国成都的网约车订单数据为案例,研究发现网约车需求与城市建成环境之间的关系既存在空间异质性,也具有非线性特征。通过空间系数和SHAP依赖图进行联合分析后发现,单独使用任一方法都可能导致有偏的结果。例如,某些变量表现出空间非平稳性,而这可能本质上源于非线性效应。所提出的分析框架为更可靠地解读建成环境的影响提供了实证依据,有助于制定更具针对性的交通规划与治理策略。
引言
作为基于应用程序的按需出行的典型形式,网约车已成为城市交通系统中的重要组成部分。它通过提供灵活的点对点服务,部分弥补了传统公共交通的不足,广泛应用于通勤、购物和休闲等日常出行活动中(Hall等人,2018)。在中国的主要城市中,网约车需求呈现出明显的时空差异,往往集中在商业中心、交通枢纽和旅游区等功能区域(Zhang等人,2020)。这种不均匀的空间分布不仅增加了车辆调度和供需匹配的难度,也给城市功能区的交通组织、土地利用协调及差异化治理带来了挑战。尽管已有大量研究探讨了建成环境特征与网约车使用之间的关联,但对于这些特征如何影响网约车需求的理解仍较为有限(Wey等人,2016;Zhong等人,2021)。
为更好地理解建成环境影响网约车需求的机制,研究人员采用了多种分析方法。地理加权回归等空间统计模型通过允许系数在不同地点发生变化,放宽了空间平稳性的假设,因此被广泛用于分析建成环境对网约车需求的空间异质性影响(Cheng等人,2021;Liu等人,2024)。与此同时,随机森林和梯度提升回归树等机器学习方法因其强大的能力以及捕捉复杂非线性关系的优势而受到越来越多的关注(Cao,2025;Liu等人,2023)。近期研究进一步利用这些方法识别建成环境变量对出行需求的非线性响应和阈值效应(Tao和N?ss,2022;Tu等人,2021)。
然而,这些方法基于不同的假设,因而具有不同的分析优势。普通最小二乘法和地理加权回归等参数模型通常依赖于线性假设,更适合识别空间变化,但可能忽视复杂的非线性关系。相比之下,机器学习模型无需预先指定函数形式,能够灵活捕捉复杂的非线性模式,但缺乏正式的统计推断能力,在体现空间异质性方面表现较弱。更重要的是,现有证据表明,建成环境因素的有效范围和阈值效应会因城市环境的不同而有所差异(Chen等人,2021;Ding等人,2022;Liu等人,2023)。这表明在真实的城市系统中,空间异质性与非线性往往共存且相互交织。
这种重叠带来了一个重要的方法论挑战,因为在实证分析中,空间异质性与非线性很容易相互混淆(Liu等人,2025;Liu等人,2023;Wang等人,2025)。当建成环境变量与网约车需求之间的真实关系是非线性的时,若强行采用全局线性模型,可能会在不同空间单元中产生系统性拟合误差,而这些误差可能被误认为是局部空间变化。反之,当某种效应的强度在不同地点存在差异,而模型未能充分捕捉这些空间差异时,原本属于空间异质性的现象可能被误解为整体非线性响应。因此,仅依赖单一建模视角可能会导致对建成环境影响网约车需求的解读出现偏差或不够全面。
为解决这一问题,本研究开发了一种双方法分析框架,将地理加权回归与梯度提升回归树相结合,分别识别建成环境影响的空间异质性和非线性特征,同时通过基于相同解释变量的跨模型验证提高结果的稳健性。通过同时分析两种模型的输出,该研究试图更清晰地区分空间变化效应与非线性响应模式。尤其需要指出的是,空间建模对区域单元的规模和形态极为敏感,这一问题被称为可变区域单元问题(MAUP)(Openshaw,1984;Fotheringham和Wong,1991;Dark和Bram,2007)。为减少MAUP可能带来的偏差,本研究在模型估计之前系统评估了不同的网格配置,以提高分析单元的空间适用性。以中国成都的网约车订单数据为依据,本研究旨在为了解建成环境特征如何影响网约车需求提供更可靠的依据,并为城市功能区的差异化治理及可持续交通政策制定提供实践参考。
本研究试图回答以下问题:
(1)建成环境因素对网约车需求的影响是否表现为空间异质性、非线性,或两者兼有?
(2)哪种分析方法对这些影响的解释力更强?MAUP又如何影响其识别结果?
(3)单一方法分析可能在多大程度上导致误解?如何厘清这些复杂现象背后的机制?
本文的其余结构如下:第二节回顾相关文献;第三节介绍研究区域、数据来源及变量;第四节详细阐述双方法分析框架;第五节评估模型性能并分析MAUP问题;第六节从空间异质性和非线性两个角度对比分析建成环境的影响;第七节为讨论部分,第八节为结论部分。
片段一:建成环境对网约车需求的影响
建成环境被公认为是影响网约车需求的重要因素。基于Cervero和Kockelman(1997)提出的“3D”框架——密度、设计多样性和功能多样性,以及Ewing和Cervero(2010)后来扩展的“5D”框架,现有研究主要探讨了密度、土地利用类型、可达性以及与交通枢纽和城市中心的距离等因素如何影响网约车使用情况。在这些因素中,密度受到了最多关注。
片段二:案例研究区域
成都作为中国西南部最发达的大都市之一,其城市交通系统中网约车服务的使用率位居全国前列。数据显示,随着基于互联网的网约车平台“滴滴出行”的普及,成都约有60%的城市居民使用过滴滴的服务。由于网约车在成都的普及程度很高,该市的网约车数据更具代表性。
片段三:双方法分析框架
以往的研究往往单独或依次使用空间统计模型和机器学习模型。在本研究中,我们构建了一种双方法分析框架,用以比较和区分建成环境与网约车需求之间关系中的空间异质性和非线性特征。该框架包括三个主要阶段:(a)并行建模,(b)解释与跨模型验证,(c)解耦机制以识别……
片段四:测试集与训练集的划分
表3展示了第一种划分方案下的模型结果,即80%的网格单元被随机选为训练集,剩余20%作为测试集,如图4所示。R2值显示,在训练集和测试集中,普通最小二乘法的性能始终是最差的,而地理加权回归和梯度提升回归树的模型拟合效果更好。这一差异与三种模型的假设一致:普通最小二乘法估计的是全局线性关系。
片段五:建成环境效应的比较分析
本节从空间异质性和非线性两个角度分析建成环境变量如何影响网约车需求。通过比较地理加权回归识别的空间变化关系与梯度提升回归树捕捉的非线性响应,我们判断每个变量的影响主要是空间异质性的、非线性的,还是由两者共同作用形成的。在梯度提升回归树的分析中,利用SHAP值来解释各变量的贡献及其影响方式。
片段六:讨论
研究结果表明,建成环境变量可能同时存在空间异质性和非线性特征,但不同变量和不同情境下,主导的影响形式有所不同。因此,在制定规划时,应结合每个变量的主导机制、有效范围及所在空间背景来加以考虑。对于那些受非线性效应主导的变量,如到CBD的距离和医疗设施密度,其主要特征表现为阈值效应以及有限的……
片段七:结论
本研究以成都为案例,构建了一种结合地理加权回归与梯度提升回归树的双模型框架,用于分析建成环境对网约车需求影响中的空间异质性和非线性特征。研究结果回应了引言中提出的三个研究问题。首先,建成环境与网约车需求之间的关系既存在空间异质性,也存在非线性特征,但二者的重要性因不同类型的需求而有所差异。
未引用参考文献
Gao等人,2022;Bi等人,2020;Liu等人,2022;Liu等人,2023;Zhao等人,2023
CRediT作者贡献说明
Shi Zhuangbin:写作——审稿与编辑,写作——初稿,监督,方法论,资金获取,概念构思。Wang Yikang:写作——初稿,可视化,方法论,正式分析,数据整理。Liu Yang:写作——审稿与编辑,监督,资源协调,资金获取。Kwan Mei-Po:写作——审稿与编辑。
利益冲突声明
所有作者均声明不存在利益冲突。
致谢
本研究得到了国家自然科学基金(项目编号72564026、52562044)、云南省基础研究计划(项目编号202401AT070373)以及云南省兴滇英才计划青年项目(KKRD202202110、2022)的支持。我们感谢编辑和匿名审稿人提出的宝贵意见,这些意见有助于提升论文质量。
Shi Zhuangbin | Wang Yikang | Liu Yang | Kwan Mei-Po
昆明理工大学交通工程学院,中国云南省昆明市经明南路727号,邮编650500
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号