基于大数据的城市轨道交通客流特征分析与建模研究

轨道交通系统作为城市公共交通的重要组成部分，对缓解城市交通压力、促进城市可持续发展具有重要意义。提升轨道交通系统的规划和运营水平，提高轨道交通出行比例，是解决城市交通拥堵问题的关键。而要实现这一目标，精准刻画和描述轨道交通系统的客流特征，深入探究其出行机理、分布规律以及与城市建成环境的关系至关重要。

城市轨道交通站点客流量巨大，其客流移动在时间和空间上的波动，很大程度上反映了城市内部人群的流动规律和城市建成环境的布局。研究站点影响区域，有助于理解城市轨道交通与其他城市组成部分的相互关系，为城市建成环境开发利用提供参考。

以澳门轻轨为例，自2019年12月开通以来，其客流量经历了疫情前后的波动变化。对此类现象进行深入研究，分析客流特征和出行行为机理，对于优化澳门轻轨运营、提升其吸引力具有重要意义。

针对城市轨道交通出行研究，需要关注以下几个方面：

个体出行特征与网络层面客流规律: 既要关注个体层面居民利用轨道交通出行的特征，也要利用刷卡数据等大数据技术，从站点和网络层面分析城市内部人群流动在空间和时间维度上的变化规律。2. 建成环境对客流特征的影响: 交通出行需求源于活动需求，城市轨道交通客流及出行特征与建成环境密切相关。建成环境不仅影响个体出行特征，也影响着网络和站点客流的时空特征。3. 多元数据融合分析: 传统客流分析方法多基于单一数据源，难以全面准确地描述复杂的客流行为。融合多元数据，如刷卡数据、手机信令数据、城市POI数据等，进行轨道客流特征分析和建模，才能更准确地刻画客流特征，揭示客流规律。

本研究旨在利用大数据技术，融合多元数据，对城市轨道交通客流特征进行深入分析和建模研究，探究客流出行行为机理及其与城市建成环境的关系，为轨道交通系统的规划、建设和运营提供科学依据，促进城市交通系统的可持续发展。