基于多元数据的澳门轨道客流分析及建模研究

1. 研究背景

轨道交通系统是城市公共交通系统的重要组成部分。提升轨道交通系统的规划和运营水平有助于提高其出行比例，进而缓解城市交通拥堵。对轨道交通系统的客流进行精准刻画和描述，探究其出行机理、客流分布规律以及与城市建成环境的关系，对线路的规划建设和调整等具有重要意义。

澳门轻轨于2019年12月10日通车运营，共设11座车站。然而，受疫情影响，2020年至2022年期间轻轨客流量大幅下降。随着疫情政策的调整，到2023年8月，轻轨客流已恢复至9,150人次/日。在这一背景下，针对澳门轻轨客流进行分析其特征和出行行为机理显得更加有意义。

2. 文献综述

国内外学者对轨道客流的相关研究已有一定积累，主要集中在以下几个方面：

OD分布: 研究轨道交通乘客的出行起终点分布规律，常用的方法包括基于刷卡数据的OD矩阵分析、基于手机信令数据的OD推断等。* 站点客流: 分析轨道交通站点客流的时空分布特征、影响因素以及预测模型，常用的方法包括时间序列分析、回归分析、机器学习等。* 与建成环境的关系: 探讨轨道交通客流与城市建成环境之间的相互影响，常用的方法包括空间分析、多元统计分析等。* 轨道出行出行行为选择模型: 分析影响居民选择轨道交通出行的因素，常用的方法包括离散选择模型、结构方程模型等。

部分相关文献如下：

[1] Taylor, B. D., & Miller, D. (2001). Exploring the spatial context of urban travel: The role of accessibility in explaining subway use in Madrid, Spain. Urban Geography, 22(8), 675-697.

[2] Jun, M. J., & Park, J. Y. (2011). Modeling the spatial pattern of subway ridership in Seoul: Exploring the effects of built environment. Cities, 28(6), 626-634.

[3] Sohn, J., Lee, S., & Choi, Y. (2017). Factors influencing subway ridership: Evidence from Seoul, Korea. Transportation Research Part A: Policy and Practice, 104, 236-248.

[4] Choi, Y., Lee, S., & Sohn, J. (2018). Modeling spatial dependence in subway ridership: A case study of Seoul, Korea. Journal of Transport Geography, 68, 1-11.

[5] Zhao, J., Shen, D., & Wu, J. (2017). Short-term subway passenger flow forecasting with heterogeneous influencing factors. Transportation Research Part C: Emerging Technologies, 85, 349-367.

[6] Sun, L., Zhao, Y., & Yin, J. (2016). Built environment and transit ridership: Empirical findings and policy implications from Beijing, China. Journal of Transport Geography, 51, 150-160.

3. 研究目标

通过对澳门轻轨刷卡数据的处理和分析，获取OD的时空维度特征、站点客流特性以及客流的时空演化规律。* 通过对澳门居民出行调查结果的分析，获取轨道交通出行者的个体出行特征，以及影响居民选择轨道交通出行的关键因素。* 以建成环境数据为纽带，将刷卡数据和个体出行调查数据相结合，从宏观和微观层面分别探索城市建成环境与城市轨道交通出行特征之间的关系。* 构建基于多元数据的轨道客流预测模型，为澳门轻轨的规划和运营提供决策支持。

4. 数据来源

澳门轻轨刷卡数据: 来自澳门轻轨自动售检票系统，包含乘客进出站时间、站点等信息。* 澳门建成环境数据: 包括土地利用现状数据、路网数据、POI数据等，可从澳门地图绘制暨地籍局等相关网站获取。* 澳门居民出行调查数据: 预计2024年澳门将开展新一轮居民出行调查，届时可获取居民出行方式选择、出行时间、出行目的等信息。

5. 研究方法

数据预处理: 对原始数据进行清洗、转换、整合等操作，构建统一的数据分析平台。* 描述性统计分析: 对澳门轻轨客流的OD分布、站点客流等进行描述性统计分析，揭示客流的时空分布特征。* K-means聚类分析: 基于站点客流的时间序列特征，对澳门轻轨站点进行分类，以便针对不同类型的站点制定差异化的运营策略。* 建成环境指标构建: 参照Ewing等[17]提出的“5D”指标体系，构建澳门轻轨站点周边建成环境评价指标体系。* 梯度提升回归树模型: 分析建成环境对轨道交通OD客流的影响，并探究其影响的非线性关系和动态变化。* 多项Logit回归模型: 基于居民出行调查数据和建成环境数据，构建居民出行方式选择模型，分析影响居民选择轨道交通出行的因素。

6. 研究意义和价值

构建澳门轨道站点周围影响范围的建成环境水平评价体系: 为澳门轻轨站点周边区域的规划和建设提供参考依据。* 揭示建成环境对轨道交通客流的影响机制: 为制定促进轨道交通客流增长的规划和运营策略提供科学依据。* 构建基于多元数据的轨道客流预测模型: 为澳门轻轨的运力调度、客流疏导等提供决策支持。

7. 时间安排

2023年10月-2024年3月: 完成文献综述、研究方案设计、数据收集和整理。* 2024年4月-2024年9月: 完成数据分析、模型构建和结果分析。* 2024年10月-2025年3月: 完成论文撰写、修改和答辩。