《Transportation Research Record》：Comparison of Road Segment-Level Bicycle Volumes Estimation Models: Traditional Regression, Machine Learning, Large Language Models, and Novel Spatial Regression Approaches
编辑推荐：
估算道路路段级自行车流量对于以暴露度为基础的安全分析以及弱势道路使用者的基础设施规划至关重要。现有方法通常需要大量的数据采集工作，包括利用连续计数数据扩样短期计数，或基于道路、社会经济及土地利用特征建立直接需求模型。近年来，融合机器学习、深度学习及众包数据的方
估算道路路段级自行车流量对于以暴露度为基础的安全分析以及弱势道路使用者的基础设施规划至关重要。现有方法通常需要大量的数据采集工作，包括利用连续计数数据扩样短期计数，或基于道路、社会经济及土地利用特征建立直接需求模型。近年来，融合机器学习、深度学习及众包数据的方法展现出应用前景，但往往受限于数据偏差以及各司法管辖区之间数据可得性的不一致。本研究评估了多种基准方法，并提出了若干基于空间邻近效应的新方法，包括线性插值、贝叶斯空间负二项模型、随机森林、大语言模型、图卷积网络以及空间滞后回归。研究采用来自加拿大滑铁卢市和基奇纳市的1127个道路路段全年自行车计数数据（2025年）及场地特征数据，计算了季节平均日自行车流量。模型性能通过均方根误差和平均绝对误差在不同数据可得性水平下进行评估。结果表明，所提出的空间滞后回归模型在所有数据可得性水平下均一致优于其他所有模型，包括图卷积网络模型。研究结论表明，融合空间邻近性和道路特征能够在无需大规模训练数据集或复杂模型结构的前提下提高估算精度，为数据受限环境下的自行车流量估算提供了一种实用且可解释的解决方案。
论文主体内容解读
一、研究背景与问题提出
暴露度通常以交通流量形式呈现，是道路安全分析和基础设施改善的重要考量因素。机动车交通流量常以年平均日交通量表示，这一概念已延伸至行人和自行车等弱势道路使用者，形成年平均日自行车交通量。在路段和交叉口层面估算自行车流量，对基于暴露度的安全分析、基础设施规划以及基于暴露度的碰撞数据分析具有重要意义。然而，与机动车计数相比，自行车流量估算因数据稀疏性以及复杂的时空模式而面临显著挑战。
现有估算方法主要包括以下几类：第一，因子扩样法，即利用连续计数站点推导时间扩样因子，将短期计数扩展为年度流量。该方法虽操作性强，但依赖连续计数站点数量、短期计数时长及站点与因子组的匹配准确性，且因子组通常不具备跨区域空间可迁移性，同时仅能应用于有短期计数的位置，无法覆盖整个路网。第二，直接需求模型，即以土地利用、社会人口和路网特征为自变量建立统计模型。该类模型具有可解释性和坚实的理论基础，但通常假设观测值相互独立，未能反映交通网络固有的空间相互依赖性，且跨区域应用时估算误差较大。第三，网络模型，通过生成出行起讫点矩阵并将出行分配至路网来估算流量，理论上可覆盖全网，但需要详细的出行调查数据、标定的分配模型以及大量计算和数据资源，实际应用受限。第四，机器学习与深度学习方法，包括随机森林、XGBoost和深度神经网络等，能够捕捉解释变量间的非线性关系和复杂交互作用，但通常需要较大规模训练数据以避免过拟合，且多数模型将路段视为独立观测，未显式整合空间邻近性。第五，众包数据方法，如基于Strava等平台轨迹数据估算流量，虽提供广泛空间覆盖，但存在采样偏差，用户群体偏向休闲骑行者或健身爱好者，且采样率在空间和时间上可能变化，影响其作为真值观测的可靠性。
近期研究探索了大语言模型在交叉口层面年平均日自行车交通量估算中的应用，结果表明其可作为一种实用且经济高效的替代方案，仅需少量道路特征作为输入。此外，图卷积网络被用于捕捉路段层面估算中的空间依赖效应，虽取得改进效果，但存在对众包数据依赖较重、对图构建方式高度敏感以及评估稳健性不足等局限。
基于上述背景，本研究提出三个核心研究问题：空间效应在路段级年平均日自行车交通量估算中是否呈现显著相关性；大语言模型能否作为现有统计、传统机器学习和深度学习方法在路段级估算中的可行替代方案；显式融合空间效应的更简单替代建模框架能否在路段级估算中提供与更复杂的空间深度学习方法相当或更优的性能。
二、研究内容与主要结论
研究区域为加拿大安大略省滑铁卢地区滑铁卢市和基奇纳市组成的连续城区，2021年人口约37.8万，面积201平方公里。区域内设有三所主要高等教育机构，2025年在校学生约8万人。研究采用单一供应商部署于337个信号交叉口的基于摄像头的交通监测系统，逐分钟记录机动车、行人和自行车流量。经数据筛选，275个站点被认定为连续计数站点，62个站点为短期计数站点。
研究人员首先利用美国国家公路与运输协会方法计算连续计数站点的年平均日自行车交通量，对短期计数站点则采用星期-月份扩样因子进行估算。通过敏感性分析确定最优因子组数量，结果表明因子组数超过一个并未带来估算精度的实质性提升，故采用单一因子组。鉴于研究区域冬季自行车活动显著减少，研究人员进一步计算了季节平均日自行车流量，即基于4月至11月数据计算的季节性调整后的年平均日自行车交通量。
在路段层面，研究人员将道路路段定义为满足以下条件的路段：位于两个交叉口之间、属于主干道或集散道类型、相交道路亦为主干道或集散道、车道数沿路段保持不变。根据路段两端是否具有已知交叉口流量值，将路段分为完全匹配、部分匹配和不匹配三类，最终获得1127个路段。完全匹配路段的流量由两端交叉口进出流量均值计算，部分匹配路段则仅利用已知端流量。
研究选取了11个解释变量，包括自行车基础设施长度、公交站点数量、车道数、交叉口数量、是否为集散道、平均坡度、800米范围内是否有高等教育机构、800米范围内是否有非高等教育学校、交叉口密度、路边停车存在性以及交通压力等级。这些变量均来自开放数据源，具备量化性和易获取性，符合直接需求建模的常用标准。
三、关键技术方法
研究评估了多种基准与新型估算方法，主要包括：线性插值法，利用邻近已知路段流量进行空间插值；贝叶斯空间负二项模型，在传统负二项回归基础上引入空间随机效应；随机森林，一种集成机器学习方法；大语言模型，利用自然语言处理能力基于路段特征进行估算；图卷积网络，通过图结构显式建模路段间空间依赖关系；空间滞后回归，在传统回归模型中引入空间滞后项以捕捉邻近路段流量的影响。模型性能采用均方根误差和平均绝对误差在不同数据可得性水平下进行评估。
四、研究结果
空间相关性与模型性能比较。 研究结果表明，空间滞后回归模型在所有数据可得性水平下均一致优于其他所有模型，包括图卷积网络模型。这一发现证实了路段级自行车流量存在显著的空间依赖效应，且通过显式建模空间邻近性可有效提升估算精度。
大语言模型适用性。 大语言模型在路段级估算中的表现验证了其作为实用替代方案的潜力，但整体性能不及空间滞后回归模型。
简单模型与复杂模型对比。 相较于需要大量训练数据和复杂结构的图卷积网络，空间滞后回归模型以更简单的结构实现了更优的估算性能，表明在数据受限环境下，显式融合空间效应的传统统计方法可提供更具实用性和可解释性的解决方案。
五、讨论与结论
研究结果表明，融合空间邻近性和道路特征的空间滞后回归模型能够在无需大规模训练数据集或复杂模型结构的前提下提高估算精度，为数据受限环境下的路段级自行车流量估算提供了一种实用且可解释的解决方案。相较于依赖众包数据的深度学习方法，空间滞后回归模型避免了数据偏差问题，且对图构建方式不敏感，具有更强的稳健性和可迁移性。该研究为交通规划部门在数据有限条件下开展暴露度分析和基础设施规划提供了有效工具。
