为了量化站域建成环境与地铁客流量的复杂关联效应,运用公共交通刷卡、手机信令、POI(point of interest)等多源大数据,采用可解释机器学习方法(融合随机森林和SHAP(Shapley additive explanations)模型),对站域建成环境变量与成都地铁...为了量化站域建成环境与地铁客流量的复杂关联效应,运用公共交通刷卡、手机信令、POI(point of interest)等多源大数据,采用可解释机器学习方法(融合随机森林和SHAP(Shapley additive explanations)模型),对站域建成环境变量与成都地铁客流量之间的非线性关系以及变量之间的协同效应进行实证研究。研究结果表明:对地铁客流量影响最大的3个建成环境变量是容积率、就业密度和道路密度。SHAP模型分析进一步揭示了站域建成环境对地铁客流量的阈值效应以及建成环境变量之间的协同效应。上述发现为以公共交通为导向的城市发展(transitoriented development,TOD)规划和实践提供了理论支持和政策启示。展开更多
美国联邦公共交通管理局(FTA)在FTA—VA—90—1003—2006《Transit Noise And Vibration ImpactAssessment》中提出的地铁环境振动预测方法在美国使用广泛。介绍了该预测方法的基本思想,建立了预测模型,基于北京地铁大量环境振动实际测...美国联邦公共交通管理局(FTA)在FTA—VA—90—1003—2006《Transit Noise And Vibration ImpactAssessment》中提出的地铁环境振动预测方法在美国使用广泛。介绍了该预测方法的基本思想,建立了预测模型,基于北京地铁大量环境振动实际测试数据,对该方法在我国城市轨道交通环境振动预测中的可用性进行了系统分析。研究结果表明:该方法在研究思路上对北京地铁环境振动预测方法具有良好的借鉴和指导作用,但其中各重要环节和具体修正量则需依据实际情况和实测结果加以重新界定。展开更多
文摘美国联邦公共交通管理局(FTA)在FTA—VA—90—1003—2006《Transit Noise And Vibration ImpactAssessment》中提出的地铁环境振动预测方法在美国使用广泛。介绍了该预测方法的基本思想,建立了预测模型,基于北京地铁大量环境振动实际测试数据,对该方法在我国城市轨道交通环境振动预测中的可用性进行了系统分析。研究结果表明:该方法在研究思路上对北京地铁环境振动预测方法具有良好的借鉴和指导作用,但其中各重要环节和具体修正量则需依据实际情况和实测结果加以重新界定。