模拟出租车与地铁的竞争:揭示出行方式和城市环境因素的非线性影响

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》:Modeling Taxi-Metro Competition: Uncovering Nonlinear Influences of Trip and Built Environment Factors

【字体: 大 中 小 】 时间:2026年09月20日 来源:TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT 8.7

编辑推荐:

  摘要理解出租车与地铁之间的竞争对于优化交通模式的分担至关重要,尤其是在这两种交通方式都服务于重叠的出发地-目的地(OD)对的情况下。本研究考察了成都地区出租车与地铁竞争强度的非线性因素,这种竞争强度是通过每对OD对的出租车出行次数与出租车和地铁出行次数之和的占比来定义的。为了解决

  

摘要

理解出租车与地铁之间的竞争对于优化交通模式的分担至关重要,尤其是在这两种交通方式都服务于重叠的出发地-目的地(OD)对的情况下。本研究考察了成都地区出租车与地铁竞争强度的非线性因素,这种竞争强度是通过每对OD对的出租车出行次数与出租车和地铁出行次数之和的占比来定义的。为了解决竞争强度存在上限的问题,我们提出了一种结合了Beta回归和贝叶斯加性回归树(Beta-BART)的混合模型,该模型比梯度提升决策树和BART具有更好的预测性能。研究结果表明,OD距离对竞争强度的相对影响最大(占6.2%),并且当OD距离超过约7.5公里时,竞争强度会显著下降,之后变化不大。此外,土地使用结构呈现出倒U形关联,竞争强度在接近0.80时达到峰值。实际上,这些非线性模式可以为更精准的交通规划提供依据。方法论上,该框架为建模具有上限分布的比例交通结果提供了一个模板。

引言

不同交通方式之间的相互作用是开发高效和可持续城市交通系统时的一个重要考虑因素。地铁服务和出租车在这些系统中扮演着不同但相互关联的角色:地铁提供固定路线上的高容量和相对可靠的出行服务,而出租车则提供更灵活的门到门服务,覆盖更广泛的位置和时间范围。因此,它们之间的关系会随着个别出行的空间和时间背景而变化。出租车可以通过提供首尾公里连接来与地铁合作,或者在地铁覆盖范围或运营时间受限的情况下发挥互补作用。当两种交通方式都能独立完成同一旅程时,它们之间也可能存在竞争。对于出发地和目的地都在地铁服务范围内的OD对来说,竞争尤为突出,因为乘客可以选择任一方式完成整个行程。研究这些OD对之间的竞争变化有助于识别尽管有地铁服务但仍对出租车有吸引力的条件,并为协调两种交通方式提供更细致的依据。
尽管文献中已经认识到出租车与地铁服务之间的竞争,但在OD层面进行系统的实证分析仍然有限。大多数现有研究分别考察了地铁和出租车的乘客量(Chen等人,2021年;Li等人,2024a年;Lyu等人,2023年;Chen等人,2022年)。只有少数研究明确调查了这两种交通方式之间的竞争(Anwar等人,2023年;Jiang等人,2018年;Ong等人,2024年)。这些研究大多依赖于样本量较小的陈述偏好或揭示偏好调查。虽然这类数据能提供有关个人决策的宝贵信息,但它们通常只覆盖了有限的出行类型,不适合用来描述大量OD对之间的竞争情况,也无法为增强多模式系统中地铁的作用制定具体的空间策略。因此,关于OD层面出租车与地铁竞争强度的定量测量以及这种强度与出行属性、建成环境特征、社会经济条件和车站特征之间关联的证据仍然较为稀缺。基于此,本研究提出了三个相关的研究问题:
1) 在出租车和地铁服务都可用的情况下,OD对之间的竞争强度是多少?竞争强度在空间上如何变化?
出行属性、建成环境特征、社会经济条件和车站特征在多大程度上可以解释竞争强度的变化?
这些关系中的非线性和阈值特征是什么?它们如何为发展更可持续的城市交通系统提供政策启示?
为了解答这些问题,本研究提出了一个分析框架,引入了出租车与地铁竞争的定量指标,并应用了针对具有上限结果的机器学习方法。我们将竞争强度定义为两端都在地铁缓冲区(假设半径为800米)内的OD对的出租车出行次数与总出行次数(出租车加地铁)的比值。由于因变量有上限(0,1),并且可能与解释变量存在非线性关联,我们提出了一个结合了贝叶斯加性回归树(BART)的Beta回归模型。该模型既考虑了比例数据的分布特性,又捕捉了非线性关系(Hill等人,2020年;Martin,2024年)。我们将这一分析框架应用于中国的成都交通数据,以展示其在捕捉复杂交通模式竞争动态方面的有效性。本文的贡献有三方面:
1) 它引入了一个明确的OD层面定量指标来衡量出租车与地铁的竞争,重点关注地铁是可行替代方案的市场,而不仅仅是单独考虑某种交通方式的乘客量。
2) 它开发了一种适用于具有上限结果的机器学习方法,能够捕捉复杂非线性关系,同时尊重比例竞争指标的分布特性。
3> 它提供了来自成都的实证证据,揭示了出行属性、建成环境、社会经济和车站变量在构建出租车与地铁竞争中的相对重要性和非线性关联,包括可解释的阈值,这些阈值可以为制定具体情境的政策提供依据。
本文的其余部分安排如下:第2节回顾了以往的研究;第3节详细介绍了数据准备过程;第4节概述了我们的分析框架,特别是将Beta回归模型与BART相结合的部分;第5节展示了分析结果及其对城市规划的启示;最后一部分总结了贡献并提出了未来的研究方向。

章节摘录

文献综述

出租车和地铁是城市交通系统的重要组成部分,在满足多样化的出行需求方面表现出一定的功能互补性。出租车可以提供地铁服务的首尾公里连接,同时也能满足固定路线交通难以有效服务的出行需求(Austin和Zegras,2012年)。然而,这种功能互补性并不排除在某些出行市场中两种交通方式之间可能存在竞争。

数据来源

本研究区域位于中国四川省的成都市。作为中国西部的一个重要的国家中心城市,成都在经济、文化和交通方面占据着重要地位。截至2018年底,成都市下辖20个行政区,总面积为14,335平方公里,常住人口为1633万。成都拥有完善且多元化的交通系统,为市民和游客提供了便利的出行条件。

方法论

方法论的创新之处在于将BART与Beta回归相结合,创建了一个专门用于分析具有复杂非线性关联的比例数据(即出租车与地铁竞争强度)的混合模型。本节首先介绍了BART和Beta回归的理论基础,然后描述了它们如何在所提出的Beta-BART模型中结合使用。最后两个小节分别介绍了变量重要性的计算方法和模型的应用。

模型性能

为了测试Beta-BART模型相对于传统模型的优势,我们比较了Beta-BART、BART、GBDT、Beta回归(BR)和多元线性回归(MLR)的性能。4630对OD对被随机分为7:3的比例,其中3,241对用于训练集,1,389对用于测试集。我们使用均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)来评估模型的性能。
表3比较了Beta-BART的结果

结论与政策启示

本研究调查了OD层面的出租车与地铁系统之间的竞争动态,开发了一个综合分析框架,量化了竞争强度,并揭示了驱动乘客模式选择的复杂非线性机制。通过提出基于出行比例的指标并开发新的Beta-BART混合模型,我们填补了选择行为建模中的关键方法论空白,为优化交通模式分担提供了可操作的见解。

CRediT作者贡献声明

刘骧:撰写 - 原始草稿、软件开发、方法论设计、数据整理。翟国聪:撰写 - 原始草稿、验证、方法论设计、概念化。杨洪泰:撰写 - 原始草稿、监督、方法论设计、资金争取、概念化。王东根:撰写 - 审稿与编辑。Mark Zuidgeest:撰写 - 审稿与编辑。丁宏亮:撰写 - 审稿与编辑。刘晓波:撰写 - 审稿与编辑。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本研究得到了国家自然科学基金(72474185, 72501235)、中央高校基本科研业务费(2682026AI002)和四川省科技计划(2026JDHJ0060, 2026YFHZ0142)的支持。
刘骧|翟国聪|杨洪泰|王东根|Mark Zuidgeest|丁宏亮|刘晓波
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