公共交通是市民出行的主要交通方式。因此,城市规划的变化和公共交通站点的客流变化有着密切的关系。通过收集站点周围环境(例如:站点周边的民居规模、站点周围的商务楼规模等)和站点客流数据,通过神经元网络、线性回归算法等方法了解各种城市因素是如何终影响站点客流量的,以便提前了解站点周边城市建设变化对站点客流造成的影响,从而辅助管理者制定中长期的资源配置计划。
下例为纽约市政规划部门为了了解不同的城市规划对居民乘坐轨道交通意愿的影响所作的分析。纽约市交通研究部门搜集了以下相关数据:交通相关数据:每周地铁客流量、地铁站地理数据(用X,Y轴标识地铁位置);社会经济数据:中等家庭收入;人口统计学数据:总人口;土地使用数据:每块土地建筑分类描述(建筑类型)。
通过对上述数据采用线性回归算法建模,得到各类数据和地铁周客流量关系如下:
通过上图展现结果,分析人员可以了解到LU05、Dis_TS、MHHoldINC等因素和轨道交通客流量之间相关密切,各种因素和客流量之间的影响关系可以简单用下列公式表示:
近轨道站点客流量=LU05*421.887+Dis_Ts*(-2033.68)+ MHHoldINC*(0.101)+…+20,767.691
纽约市政规划部门在了解各种区域因素终是如何影响轨道交通客流量后,利用GWR(地图展现软件)对分析结果加以展现。下图用颜色深浅表示不同区域乘坐轨道交通的潜在乘客数,一方面便于市政部门做出长期的、正确的站点规划,另一方面也便于市政部门在调整市政规划建设后里及时了解对附近站点客流的影响。
|