高校相关出行者何时何地使用网约车？来自中国天津 75 所大学的证据

《Journal of Transport Geography》：When and where do university-related travelers use ride-hailing? Evidence from 75 universities in Tianjin, China

　　

摘要
网约车已成为高校相关出行者的主要出行替代方案，特别是在地铁和公交服务覆盖不足的区域。然而，现有研究主要针对普通人群，忽略了高校相关出行者作为一个特定用户群体，并忽视了他们具有代表性的出行模式。为了填补这些空白，本研究针对高校相关的网约车需求，并揭示其时空模式及决定因素，利用中国天津市 75 所高校范围内带有文本地址的城市规模网约车数据。本研究应用了多种机器学习模型，以探索在不同时空背景下，高校相关网约车需求与建成环境、交通及高校特征等解释变量之间的非线性关系，其中梯度提升决策树（GBDT）取得了最佳的预测性能（R2 = 0.746–0.824）。随后，采用 SHAP 分析来确定显著的影响变量，并解释其对高校相关网约车需求的贡献模式。分析在系统性的时空对比框架内进行，空间上区分基于高校的起点和终点，时间上区分工作日与周末。我们的结果显示，大多数高校相关网约车行程持续 10–15 分钟，覆盖 4–6 公里。高校起点和高校终点的行程均表现出每日三个需求高峰，尽管高校终点行程显示出较早的早高峰和大幅推迟的晚高峰。总人口和机构支出成为主导决定因素，并表现出相似的饱和效应。与日常活动相关的因素在很大程度上决定了工作日的网约车需求，而土地利用属性则在周末占据主导地位。实证发现为设计针对高校的公平、高效且动态的网约车服务提供了宝贵的见解。

引言
近年来，网约车已发展成为城市交通系统中不可或缺且具有影响力的组成部分，重塑了居民的出行模式，并作为公共交通、出租车和私家车的补充（Gomez et al., 2021; Wang et al., 2022）。与传统交通方式不同，网约车通过其“点对点”服务，在提供更高的时间和空间灵活性方面表现卓越，使用户能够调整出发时间、旅行路线和服务模式，以适应多样化和个性化的出行需求（Chen et al., 2025; Yap and Cats, 2025）。目前，得益于移动通信和导航技术的进步，网约车平台经历了显著增长并提供有效服务（Feng et al., 2022）。因此，先进的网约车服务预计将缓解公共交通覆盖不足区域及高峰时段的交通压力，从而提高城市交通系统的整体运营效率（Deng et al., 2025; Liang et al., 2023）。

尽管网约车服务具有显著优势，但其快速发展也暴露出明显的时空不平衡，损害了服务效率（Li et al., 2022）。在时间上，网约车需求显著上升，跨越早晚高峰时段，并在周末夜间加剧，主要受社交和休闲出行需求驱动（Tirachini and Del Río, 2019; Wang et al., 2024）。这种时间集中性显著增加了等待时间和网约车服务费用，从而降低了网约车系统的服务水平（Wang et al., 2024）。相反，非高峰时段网约车需求的减少导致了车辆闲置以及持续的供需不平衡（Roy et al., 2025）。在空间上，网约车服务高度集中在中心区、高人口密度区以及机场和火车站等主要交通枢纽。这种空间聚集导致网约车资源集中在这些区域（Zhang et al., 2020），但郊区和低人口密度区域往往网约车服务可用性有限（Marquet, 2020）。上述时空不平衡降低了网约车系统的运营效率，并导致不同区域间网约车服务分布不均（Barajas and Brown, 2021）。因此，解决网约车需求的时空动态问题对于制定公平高效的网约车调度策略及推进城市交通系统至关重要。

作为城市系统的关键组成部分，高校通常产生大量的出行需求（Hamad and Obaid, 2022）。与一般城市出行需求相比，高校相关出行需求表现出更独特的时空模式，特别是在晚间和周末表现出显著的时间集中性。这些模式与高校人群灵活的时间表和多样化的活动参与密切相关（Limanond et al., 2011; Rose, 2008）。在空间方面，此类需求主要集中在高校区域内及周边地区，那里的学术设施、学生住房和活动相关设施高度共置，导致空间分布聚集（G??er and G??er, 2019）。此外，高校相关出行者通常包括多个用户群体，如学生、教职员工、工作人员和校园访客。这些群体依赖步行、骑行、共享出行、公共交通、私家车、出租车和网约车服务进行日常通勤和其他出行目的（Cattaneo et al., 2018; Khan et al., 2025; Kriswardhana and Esztergár-Kiss, 2024）。在这些出行方式中，网约车因其按需服务特征、相比公共交通更高的灵活性以及相比传统出租车服务相对较低的成本，已成为高校相关出行者日益重要的出行选择（Delmelle and Delmelle, 2012; Ruiz-Padillo and De O?a, 2024）。

此外，高校相关网约车需求的时空集中分布给高校周边的交通管理带来了巨大挑战，高校周边的交通管理条件受限，包括限制车辆通行、停车位供应有限以及指定的上客或下客区域（Bridgelall, 2014; Bustillos et al., 2011; Manullang et al., 2025）。特别是高峰时段上客和下客活动的聚集不可避免地给网约车运营带来压力，并在高校周边地区产生交通拥堵（Zhang et al., 2024）。基于这一现实的管理关注，从多方面检验高校相关网约车需求的时空动态的必要性得到了充分论证，特别是对于设计针对高校背景的公平高效的网约车服务。首先，了解高校相关网约车需求的分布模式是有效网约车调度运营的前提。其次，调查高校相关网约车需求的典型分布模式和决定因素支持准确的需求预测，并实现更主动的管理策略。

尽管高校相关网约车需求具有实际意义，但现有研究很少检验其时空模式和决定因素。这一研究空白主要归因于能够准确识别高校相关网约车行程的大规模数据的可用性有限。大多数现有研究依赖于传统移动性数据集，如问卷调查和 GPS 轨迹，这些数据集基于空间缓冲区或地理邻近性来识别高校相关行程。这种基于位置的识别方法容易对高校相关行程进行错误分类，因为周边设施和混合使用区通常与高校位置重叠，使得难以准确确定行程起点或终点是否真正与高校相关（Akter and Alam, 2024; Irawan et al., 2021）。在此背景下，本研究通过对网约车行程的文本起讫点地址匹配，提出了高校相关网约车需求的基于位置的实证分析。我们专注于调查常规时期高校相关网约车需求的时空模式和决定因素，排除考试、假期和重大活动等特殊事件的影响。本研究的主要贡献概述如下：
(1) 本研究从富含文本信息的起讫点数据中准确识别高校相关网约车行程。它在系统性的对比框架内揭示了高校相关网约车需求的时空模式，特别强调工作日与周末之间以及从高校出发和以高校为终点的行程之间的差异。
(2) 本研究应用机器学习技术揭示高校相关网约车需求与多个解释变量之间的非线性关系，包括建成环境特征、交通属性和高校特定特征。它进一步识别关键决定因素，阐明其影响途径，并检查其影响如何随空间和时间背景而变化。

本研究的结构安排如下：第 2 节回顾先前关于网约车出行模式和高校相关出行行为的研究。第 3 节描述研究区域和数据来源，而第 4 节呈现建模方法论。第 5 节分析实证结果，涵盖时空模式、网约车需求的显著决定因素以及非线性效应。最后，第 6 节呈现研究结论、政策启示和未来研究方向。

章节片段
网约车出行模式
近期研究表明，网约车用户代表城市交通系统中一个独特的出行者群体（Alemi et al., 2019; Zhang et al., 2022）。具体而言，Tirachini 和 Del Río (2019) 使用拦截调查数据并估计了一个广义有序 logit 模型，以检验个人特征与网约车使用频率之间的关联，发现 40 岁以下的年轻人表现出显著更高水平的网约车使用

研究区域与数据来源
本研究以中国天津作为研究区域，天津是一个具有相当地理和经济意义中心城市。该市面积约为 11,966.45 平方公里，常住人口约 1373 万，其中城市居民为 1165 万。截至 2024 年 4 月 30 日，共有 42 家 licensed 网约车平台公司在天津运营，平均每天完成约 70.7 万趟网约车行程。本研究

因变量与自变量
本研究将因变量定义为研究期间与每所高校相关的高校相关网约车行程总数，即高校相关网约车需求。工作日网约车需求计算为工作日发生的行程总和，而周末网约车需求计算为周末发生的行程总和。考虑到网约车行程是起源于高校还是以高校为目的地，以及是否

结果分析与讨论
本节在建立的对比框架内展示高校相关网约车行程的时空分布模式。此外，通过特征重要性和 SHAP 分析，展示影响此需求的显著因素及其驱动效应。

主要发现
本研究通过网约车行程的文本起讫点地址匹配，检验与高校地点相关的网约车需求的时空模式和决定因素，并在多个时空背景下进行系统对比，从而推进了现有文献。通过使用覆盖中国天津 75 所高校的大规模包含文本的网约车数据进行基于位置的实证分析，本研究的主要发现是

CRediT 作者贡献声明
Xinwei Ma：写作 – 审查与编辑，方法论，资金获取，数据整理，概念化。Jichi Zhao：写作 – 初稿，可视化，形式分析。Weijie Yu：写作 – 审查与编辑，监督，方法论，形式分析。Hongjun Cui：写作 – 审查与编辑，方法论。Yang Liu：写作 – 审查与编辑，可视化。

利益冲突声明
作者声明无利益冲突。

致谢
本研究得到了国家自然科学基金 [批准号 52202387, 52172304, 52372301]；重点人才项目（留学回国人员平台）[批准号 A20240013]，燕赵金台人才工程重点人才项目（教育平台）[批准号 HJZD202514] 的支持。

Xinwei Ma|Jichi Zhao|Weijie Yu|Hongjun Cui|Yang Liu
河北工业大学土木与交通工程学院，天津 300401，中国