10.13813/j.cn11-5141/u.2020.0506
街区尺度下的通勤出行方式挖掘及其影响因子 ——以北京市为例
通勤数据的传统获取手段存在成本高、覆盖面小、更新慢等问题,难以满足实时、高效监测和管理的需求.基于百度地图时空大数据,综合应用多种机器学习方法,构建一套识别城市街区尺度下通勤出行方式的技术框架,具有准确率高、覆盖面广、空间分辨率高等优势.挖掘北京市六环高速公路以内各街区的通勤出行方式构成特征,结果显示各类交通方式的通勤出行比例相对均衡.进而考察通勤出行方式的具体空间布局,探索其与路网密度、用地功能混合密度、公共交通设施服务水平3项建成环境因子之间的内在联系.对比分析结果验证了路网密度、用地功能混合密度与小汽车通勤出行呈负相关关系,轨道交通服务水平对通勤出行的影响具有空间异质性.
通勤交通方式、时空大数据、机器学习、绿色交通
18
U491.1+2(交通工程与公路运输技术管理)
国家政府间国际科技创新合作重点专项"数字城市规划新技术研发"2017YFE0118600
2020-11-04(万方平台首次上网日期,不代表论文的发表时间)
共8页
54-60,67