建成环境因素如何塑造需求响应式交通服务需求:来自德国案例研究的时空模式

《Case Studies on Transport Policy》:How built environment factors shape demand for demand-responsive transport services: spatiotemporal patterns from a German case study

【字体: 大 中 小 】 时间:2026年07月23日 来源:Case Studies on Transport Policy 3.3

编辑推荐:

  需求响应式交通(DRT)服务作为固定路线公共交通的灵活补充正变得越来越重要。然而,许多DRT服务因高运营成本面临挑战。对建成环境如何影响DRT需求的空间和时间详细洞察,可为成本效益地设计和运营DRT服务提供宝贵基础。本研究以德国汉堡南部的一个DRT服务为例,考

  
需求响应式交通(DRT)服务作为固定路线公共交通的灵活补充正变得越来越重要。然而,许多DRT服务因高运营成本面临挑战。对建成环境如何影响DRT需求的空间和时间详细洞察,可为成本效益地设计和运营DRT服务提供宝贵基础。本研究以德国汉堡南部的一个DRT服务为例,考察了建成环境特征对DRT需求的影响。研究人员利用2024年的DRT出行数据,以及小尺度网格单元层面的空间回归模型。除总体需求外,研究人员还调查了五个选定的周时段(TOWPs),以识别建成环境因素重要性的时间差异。结果表明,铁路车站、医院和人口热点在所有考虑时段均是DRT需求的关键驱动因素。相比之下,餐饮场所、文化机构、医生诊所、学校和工作场所集中区仅在特定时段显著。杂货店和零售店在正常营业时间之外对DRT需求产生负面影响,且不仅影响其所在位置,还影响邻近区域。到固定路线公共交通的接入时间增加了DRT需求,但仅发生在公共交通服务相对较弱的时段,突显了DRT在弥补传统公共交通空白方面的作用。基于这些发现,研究人员得出了以更具成本效益和用户友好方式运营DRT服务的实际启示。
**论文解读文章**

**研究背景与问题**

需求响应式交通(Demand-Responsive Transport, DRT)服务作为固定路线公共交通的灵活补充,自2010年代以来因可持续交通规划需求与信息技术发展而日益受到重视。然而,尽管DRT在提升可达性、减少出行时间及增强社会包容性方面具有潜力,其长期运营常因高昂成本而难以持续。欧洲、北美及澳大拉西亚约半数新引入的DRT服务在运营数年后即告失败,主要原因在于成本问题。现有研究对建成环境如何影响DRT需求的认识尚不充分,且多关注用户个体特征,缺乏对空间和时间差异的细致分析。不同研究结果存在矛盾,例如铁路车站、就业密度等变量的作用在不同地理与运营背景下表现不一。此外,建成环境因素对DRT需求影响的时间变化在文献中极少被探讨。因此,开展本项研究,旨在通过高时空分辨率的实证分析,揭示建成环境特征如何塑造DRT需求,为运营者高效配置资源提供依据。

**研究内容与结论**

研究人员以德国汉堡南部Harburg区的DRT服务“hvv hop”为案例,利用2024年全年177,556次行程的上下车点数据,将其聚合至1公顷(100×100米)网格单元,运用空间回归模型(Spatial Durbin Model, SDM)分析建成环境因素对DRT总需求及五个特定周时段(TOWPs)需求的影响。研究发现:铁路车站、医院和人口热点在所有时段均为DRT需求的关键驱动因素;而餐饮场所、文化机构、医生诊所、学校和工作场所集中区仅在特定时段显著;杂货店和零售店在非营业时间对DRT需求产生负向效应,且其影响具有空间溢出性;到固定路线公共交通的接入时间仅在其服务较弱的时段(如夜间与周日)显著增加DRT需求。这些发现表明,DRT能有效弥补常规公交的空白,但需避免在高峰时段对常规公交的替代。论文发表在《Case Studies on Transport Policy》上,为运营者提供了成本效益与用户友好性兼顾的实践启示。

**主要关键技术方法**

为开展研究,研究人员采用了以下关键技术方法:(1)空间回归模型:通过Moran's I检验识别空间自相关,结合拉格朗日乘数(Lagrange Multiplier, LM)检验选定空间杜宾模型(Spatial Durbin Model, SDM)作为分析框架,同时考虑因变量与自变量的空间滞后效应。(2)变量构建:依赖OpenStreetMap和2022年德国普查数据,构建人口、工作场所、兴趣点(POI)及区域(AOI)等建成环境变量;利用通用公交数据规范(General Transit Feed Specification, GTFS)模拟各时段的公共交通接入时间(步行时间加平均发车间隔)。(3)样本来源:数据来自德国汉堡南部Harburg区的DRT运营商vhh.mobility,包括2024年全年所有行程的原始请求上下车点,按1公顷网格聚合以保护隐私。控制变量包括公交车站和公交停车场位置。

**研究结果**

**3.1 识别适当的建模方法**
通过Moran's I检验,研究人员发现DRT上下车点残差均存在显著空间自相关(Moran's I分别为0.23和0.21,p<0.001),说明普通最小二乘(OLS)回归不适用。LM检验显示因变量与误差项均存在空间依赖,因此选择空间杜宾模型(SDM)作为最终模型。SDM相比OLS显著提升了解释力(调整R2从0.433提升至0.534,AIC降低)。

**3.2 建成环境因素与总DRT需求**
SDM结果显示,所有纳入的建成环境变量(除大学外)均对DRT上下车点有显著正向直接效应。其中,主铁路车站、市郊铁路车站和医院影响最强:主铁路车站使本网格年上下车次数平均增加约23倍(pickups)和22倍(drop-offs),医院增加约2.7倍和3.3倍。人口密度增加10人,上下车次数分别增加14%和15%;工作场所效应较弱,仅增加1%。公共交通接入时间每增加1分钟,上下车次数分别增加3%和4%。杂货店和零售店对上车次数的影响大于下车次数。空间滞后效应显示,铁路车站对本网格有正向效应,但对邻近网格有负向溢出(-70%至-77%),表明需求高度集中;杂货店和零售店的溢出效应甚至超过直接效应,说明其影响扩散至周边。

**3.3 建成环境因素重要性的时间变化**
在五个周时段(TOWPs)中,仅铁路车站、医院和人口密度在所有时段均显著正向影响DRT需求。学校和工作场所的效应具有方向性和时间限制:在周一至周五早高峰(TOWP1),学校增加下车次数(+121%),工作场所增加下车次数(+2%);在下午高峰(TOWP2),学校增加上车次数(+128%),工作场所增加上车次数(+1%);其他时段不显著。公共交通接入时间仅在周末夜间(TOWP3)和周日傍晚(TOWP5)显著正向,高峰时段无显著效应,表明DRT主要弥补常规公交低频时段空白。杂货店和零售店在下午及周六下午时段显著正向,但在夜间和周日非营业时间显著负向,且影响邻近网格。餐饮场所在除早高峰外的所有时段正向显著;文化机构在早高峰和周日傍晚之外时段正向;医生诊所仅在早晚高峰时段正向。

**讨论与结论**

研究结论强调,铁路车站是DRT需求的核心枢纽,即使DRT并非专为接驳设计,其仍是需求集中点。人口热点是另一主要驱动因素,但需注意这反映的是潜在用户基数而非城市化程度。公共交通接入时间仅在低频时段显著,说明DRT可有效补充常规公交空白,但高峰时段应避免替代效应,例如通过平台限制可被常规公交合理服务的行程。医院和医生诊所的持续需求提示需关注老年人与健康相关出行者,应设计更易用的预约与车辆配置。学校相关的需求表明DRT可提升未成年人独立出行能力,但高峰时段可能引发容量冲突。杂货店和零售店的上车需求高于下车,说明购物运输是重要用途,车辆应提供充足空间。此外,餐饮、文化等POI的空间溢出效应表明其周边区域需求更高,运营者需考虑动态服务区边界。整体而言,本研究为DRT的时空优化提供了实证依据,但需注意其局限性:基于单一案例,结果可能不具普适性;且未包含详细社会经济变量,无法推断因果。未来研究应整合更多人口特征及不同运营背景的案例,以深化理解。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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