基于共享单车轨迹数据的城市街道可骑行性研究 ——以深圳市龙岗区为例
发布时间：2021-06-17 06:08
作为新型的绿色交通出行工具,共享单车不仅有效的解决居民出行最后一公里的问题,而且促进慢行系统回归人们视野。虽然现如今共享单车热度减弱,但其暴露出的城市骑行环境问题,受到政府和专家学者的广泛关注。城市街道的骑行影响因素不仅可以从骑行环境角度测度,也可以用骑行行为来测度,骑行环境关注的是研究者结合经验对建成环境的指标进行选择和分析,而骑行行为是从骑行者的角度对街道环境各设施指标的评价,从更微观层面对街道环境进行测度。通过对实际的骑行行为和街道环境建构线性回归模型,反推街道环境对骑行行为支持的程度,并确定两者之间的关系,用骑行需求、骑行环境、骑行行为三者建构可骑行性评估,对街道环境进行评估。以深圳市龙岗区为例,对14天的共享单车轨迹数据进行处理,从骑行时间、骑行距离对共享单车使用特征进行分析,发现共享单车在龙岗区内骑行时间在15 min左右,骑行平均距离为2770 m,符合对共享单车短距离接驳交通工具的定位;骑行行为早晚高峰现象明显,接驳公交站点、地铁站点与其他用地类型的作用显著,骑行行为多集中于龙岗区“四大商圈”范围内;龙岗大道作为龙岗区骨架作用明显,局部路段骑行频率很高,城市次干路对骑行...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：109 页
【学位级别】：硕士
【部分图文】：
骑行起讫点的需求测度示意图
虑骑行需求的影响。本文以实际的骑行行为和街道环境建构线性回归模型，反推环境对骑行行为支持的程度，并确定两者之间的关系，用骑行需求、骑行环境、骑行行为三者建构可骑行性评估，对街道环境进行评估。研究思路为：首先对龙岗区的共享单车使用特征进行分析；其次选取影响骑行行为的各种环境指标，对建成环境与骑行行为之间关系建立线性回归模型进行分析，以确定影响骑行行为的指标、指标对骑行行为的贡献能力和解释强度；最后，将影响骑行行为的指标进行整合，用骑行需求、骑行环境、骑行行为对街道进行可骑行性评估，如图2-3所示。图2-3研究思路2.2.1建立骑行环境与骑行行为之间的关系事物之间关系的探索可用相关性分析法或建构回归模型，前者是对两者是否有关系的探索，对关系的强弱关注较少，适合筛选独立变量；后者是假设自变量与因变量之间存在某种线性关系，采用逐步法以选取最佳数量的自变量使因变量的模型达到最优。相比前者，模型构建不仅仅关注自变量与因变量之间的关系，同时分析各个自变量与因变量之间影响力的差异。本文以街道骑行频次为因变量，以街道环境各个指标为自变量建构线性回归模型分析骑行环境与骑行行为之间的关系。骑行环境受居民的出行需求、街道基本属性和街道的周边业态三重影响，如图2-6所示。骑行需求主要是控制街道之间由于需求差异造成的误差，当骑
哈尔滨工业大学工学硕士学位论文-21-行环境与骑行需求均较高时，街道的骑行环境才是优越的，且因为空间自相关作用，街道的骑行行为受周边街道的骑行行为影响较大，因此在对街道骑行环境测度时应将骑行需求和周边街道的骑行行为考虑在内。街道道路的横断面属性如道路等级、是否机非分离等均对骑行的舒适性有一定的影响，而街道上的基础设施和街道两侧的业态所隐含的信息，均可能是骑行的阻碍因素。骑行行为可分为骑行频次、骑行时间和骑行速度等，由于不同街道其骑行速度的差异性较小，无明显的街道环境偏好，本研究不考虑骑行速度，仅考虑骑行频次——街道被所有骑行者骑行经过的次数，考虑不同时间段街道的骑行量差别较大，对骑行频次进行全时间段分析会掩盖不同时间段内骑行频次与街道环境之间的关系，结合其他学者对不同骑行需求下的骑行环境测度，本文将样本分为工作日早晚高峰、工作日工作时间段、工作日晚间以及休息日早晚高峰，工作日小午高峰的现象在研究地块内并不显著，因此将其归为工作日工作时间段。图2-4影响骑行环境的指标总结2.2.2可骑行性评估体系建构现有骑行环境评估研究多采用相关性分析方法，线性回归模型可用来判断自变量与因变量之间相互依赖的程度，相关系数揭示了因变量与各个自变量之间的联系强度，与评估体系中的权重在实质上是一致的，因此，可以用线性回归模型的系数代替权重值，对骑行环境进行评估。回归模型中未标准化回归系
【参考文献】：
期刊论文
[1]环境行为学导向下小城镇街道空间活力提升策略研究——以紫湖镇为例[J]. 罗奇,温子涵,余来彦. 城市发展研究. 2019(02)
[2]北京市轨道交通站点周边区域共享自行车运行不均衡性研究[J]. 王家川,欧阳松寿. 交通运输系统工程与信息. 2019(01)
[3]基于随机森林与时空聚类的共享单车站点需求量预测[J]. 种颖珊,韩晓明. 科学技术与工程. 2018(32)
[4]基于大数据的南京市共享单车时空特征研究[J]. 周超,周亚男,李振世,杨泽航. 西南师范大学学报(自然科学版). 2018(10)
[5]面向智慧城市的共享单车出行时空间特征研究——以广州天河中心区为例[J]. 魏宗财,莫海彤,刘玉亭. 科技导报. 2018(18)
[6]“自行车+轨道交通”导向型城市空间发展策略研究——以上海为例[J]. 黄一哲,孙健. 交通与运输. 2018(05)
[7]利用共享单车大数据的城市骑行热点范围提取[J]. 杨永崇,柳莹,李梁. 测绘通报. 2018(08)
[8]单车上的老北京─北京老城区骑行行为影响因素研究[J]. 李煜茜,张能,王珊珊,林源圣. 北京规划建设. 2018(03)
[9]基于摩拜开放数据的上海市共享单车骑行特征分析[J]. 吕雄鹰,潘海啸. 上海城市规划. 2018(02)
[10]共享单车需求评估及调度方案设计[J]. 夏芸,玉琦彤,林子立. 长安大学学报(社会科学版). 2018(02)
硕士论文
[1]基于APP运动轨迹的自行车休闲骑行空间行为研究[D]. 洪鹏飞.河南大学 2017
[2]针对时空自行车轨迹数据分析的可视化方案设计[D]. 王圣策.长安大学 2017
[3]基于IPA方法的骑行环境优化策略研究[D]. 赵文慧.青岛理工大学 2017
本文编号：3234634
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：109 页
【学位级别】：硕士
【部分图文】：
骑行起讫点的需求测度示意图
虑骑行需求的影响。本文以实际的骑行行为和街道环境建构线性回归模型，反推环境对骑行行为支持的程度，并确定两者之间的关系，用骑行需求、骑行环境、骑行行为三者建构可骑行性评估，对街道环境进行评估。研究思路为：首先对龙岗区的共享单车使用特征进行分析；其次选取影响骑行行为的各种环境指标，对建成环境与骑行行为之间关系建立线性回归模型进行分析，以确定影响骑行行为的指标、指标对骑行行为的贡献能力和解释强度；最后，将影响骑行行为的指标进行整合，用骑行需求、骑行环境、骑行行为对街道进行可骑行性评估，如图2-3所示。图2-3研究思路2.2.1建立骑行环境与骑行行为之间的关系事物之间关系的探索可用相关性分析法或建构回归模型，前者是对两者是否有关系的探索，对关系的强弱关注较少，适合筛选独立变量；后者是假设自变量与因变量之间存在某种线性关系，采用逐步法以选取最佳数量的自变量使因变量的模型达到最优。相比前者，模型构建不仅仅关注自变量与因变量之间的关系，同时分析各个自变量与因变量之间影响力的差异。本文以街道骑行频次为因变量，以街道环境各个指标为自变量建构线性回归模型分析骑行环境与骑行行为之间的关系。骑行环境受居民的出行需求、街道基本属性和街道的周边业态三重影响，如图2-6所示。骑行需求主要是控制街道之间由于需求差异造成的误差，当骑
哈尔滨工业大学工学硕士学位论文-21-行环境与骑行需求均较高时，街道的骑行环境才是优越的，且因为空间自相关作用，街道的骑行行为受周边街道的骑行行为影响较大，因此在对街道骑行环境测度时应将骑行需求和周边街道的骑行行为考虑在内。街道道路的横断面属性如道路等级、是否机非分离等均对骑行的舒适性有一定的影响，而街道上的基础设施和街道两侧的业态所隐含的信息，均可能是骑行的阻碍因素。骑行行为可分为骑行频次、骑行时间和骑行速度等，由于不同街道其骑行速度的差异性较小，无明显的街道环境偏好，本研究不考虑骑行速度，仅考虑骑行频次——街道被所有骑行者骑行经过的次数，考虑不同时间段街道的骑行量差别较大，对骑行频次进行全时间段分析会掩盖不同时间段内骑行频次与街道环境之间的关系，结合其他学者对不同骑行需求下的骑行环境测度，本文将样本分为工作日早晚高峰、工作日工作时间段、工作日晚间以及休息日早晚高峰，工作日小午高峰的现象在研究地块内并不显著，因此将其归为工作日工作时间段。图2-4影响骑行环境的指标总结2.2.2可骑行性评估体系建构现有骑行环境评估研究多采用相关性分析方法，线性回归模型可用来判断自变量与因变量之间相互依赖的程度，相关系数揭示了因变量与各个自变量之间的联系强度，与评估体系中的权重在实质上是一致的，因此，可以用线性回归模型的系数代替权重值，对骑行环境进行评估。回归模型中未标准化回归系
【参考文献】：
期刊论文
[1]环境行为学导向下小城镇街道空间活力提升策略研究——以紫湖镇为例[J]. 罗奇,温子涵,余来彦. 城市发展研究. 2019(02)
[2]北京市轨道交通站点周边区域共享自行车运行不均衡性研究[J]. 王家川,欧阳松寿. 交通运输系统工程与信息. 2019(01)
[3]基于随机森林与时空聚类的共享单车站点需求量预测[J]. 种颖珊,韩晓明. 科学技术与工程. 2018(32)
[4]基于大数据的南京市共享单车时空特征研究[J]. 周超,周亚男,李振世,杨泽航. 西南师范大学学报(自然科学版). 2018(10)
[5]面向智慧城市的共享单车出行时空间特征研究——以广州天河中心区为例[J]. 魏宗财,莫海彤,刘玉亭. 科技导报. 2018(18)
[6]“自行车+轨道交通”导向型城市空间发展策略研究——以上海为例[J]. 黄一哲,孙健. 交通与运输. 2018(05)
[7]利用共享单车大数据的城市骑行热点范围提取[J]. 杨永崇,柳莹,李梁. 测绘通报. 2018(08)
[8]单车上的老北京─北京老城区骑行行为影响因素研究[J]. 李煜茜,张能,王珊珊,林源圣. 北京规划建设. 2018(03)
[9]基于摩拜开放数据的上海市共享单车骑行特征分析[J]. 吕雄鹰,潘海啸. 上海城市规划. 2018(02)
[10]共享单车需求评估及调度方案设计[J]. 夏芸,玉琦彤,林子立. 长安大学学报(社会科学版). 2018(02)
硕士论文
[1]基于APP运动轨迹的自行车休闲骑行空间行为研究[D]. 洪鹏飞.河南大学 2017
[2]针对时空自行车轨迹数据分析的可视化方案设计[D]. 王圣策.长安大学 2017
[3]基于IPA方法的骑行环境优化策略研究[D]. 赵文慧.青岛理工大学 2017
本文编号：3234634
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3234634.html
