A spatial statistical approach to estimate bus stop demand using GIS-processed data 利用GIS处理数据估计公交车站需求的空间统计方法
文章速览
研究目的
研究方法
研究结果
研究区域
数据
土地使用数据：从地籍网站下载，初始获取了超过200种土地使用类型和280,000个数据点，数据被过滤和分组。每个数据点都进行了地理参考，并与其对应的区域相关联。预选的数据包括与健康、教育、办公、零售、酒店、文化、宗教和体育中心相关的土地使用数据。 社会经济变量：从国家统计局（INE）和加利西亚统计局（IGE）获取的公开数据，这些数据包括人口的年龄、收入、职业和原籍国等信息 。 交通供给：使用公交运营公司记录的每个站点的年行程次数，并乘以一个考虑每个站点服务的公交线路数量和站点相对位置的系数。这些数据也使用GIS软件进行处理。
方法
GIS数据处理：
通过GIS软件处理和精炼土地使用数据，获取每个车站影响范围内的详细数据。社会经济数据也进行了地理分配，以确保每个住宅建筑内的居民数据被准确分配。 影响区域的确定：考虑到步行网络的实际情况，选择500米作为步行距离，确保排除行人无法到达的区域 。
变量需要调整以便应用模型和比较结果。土地使用变量按影响区域的面积比例计算，社会经济变量按总人口的百分比计算，交通供给变量为每个站点调整后的公交行程次数占影响区域内总调整行程次数的比例。
使用广义加性模型（GAM）来捕捉线性和非线性关系，并考虑空间相关性。GAM模型能够提供比传统多元线性回归（MLR）模型更高的预测性能，特别是在考虑空间依赖性时。模型的伪R平方为0.79，表现出较高的解释能力 。
研究结果
1，
讨论
讨论部分强调了捕捉行人运动实际情况的重要性，并提出了一种结合街道网络实际步行距离的方法。研究表明，考虑空间依赖性可以显著提高模型的预测精度。同时，讨论了未来研究可能的改进方向，例如更加详细的数据处理和模型优化 。
结论
这项研究通过分析公交车站周围的土地使用特征、社会经济因素和公交供应，开发了一种新的公交车站需求预测模型。模型能够准确预测公交车站需求，提供有价值的信息以支持可持续的城市交通规划。研究强调了考虑空间依赖性的重要性，并展示了模型在提高城市公交系统规划和优化中的应用潜力 。
