佳文赏析 | 基于空间溢出效应和时间动态的出租车客流量影响因素研究

 1 内容导读

现代城市中，出租车作为一种灵活、便捷、省时的交通工具，在城市交通系统中发挥着重要作用。了解出租车出行的时空分布和出租车需求的影响因素，可以帮助政府和决策者完善多式联运系统设计，解决大都市地区日益严重的拥堵和排放问题，更好地满足乘客的出行需求。一般而言，出租车需求受到各类建成环境因素的影响，且存在时段差异。目前已有很多研究探讨了出租车需求与建成环境之间的相关性，但尚未在精细化的空间尺度上考察建成环境因子对出租车需求的直接和溢出效应。为填补以上研究空白，本研究借助出租车GPS轨迹数据、手机信令数据和POI数据，采用空间计量经济学模型，在1平方公里网格尺度上研究了多因素对北京市出租车需求的影响。

 2 研究数据与方法

2.1 研究数据与变量选取

本研究选取北京市五环内作为研究区域，参照以往多数研究的方法，将研究区域划分为1km× 1km的网格单元。模型构建方面，因变量为出租车出发地和目的地的空间分布，由每个网格的出租车早高峰载客量、落客量和出租车晚高峰载客量、落客量表示；自变量为社会经济变量、公共交通覆盖率、土地开发强度水平和不同类型的POI等。

• 因变量数据

本研究所用出租车出行数据为2015年4月1日至26日北京市所有出租车的GPS轨迹数据，可以综合反映北京市出租车出行的真实时空分布情况。在上述时间段内，研究区域内平均每天有17984辆出租车。数据集中，每条出租车行程记录包含每隔30秒的地理位置（即经度和纬度）以及每次载客和落客的时间和地点。根据每辆出租车的连续轨迹，可以提取每次行程中载客点和落客点的经纬度和时间。

• 自变量数据

手机信令数据由中国联通有限公司提供，可用于识别每个网格内的就业和居住人口数量。POI数据由百度地图（http://map.baidu.com）提供，为避免类型重复，参照中国标准土地利用规划的分类体系，将其重分类为五类（图1）。公共交通覆盖率为地铁和公交站点缓冲区面积与网格总面积的比值，平均房价来自于链家网站（https://bj.lianjia.com）发布的房价数据。其余建成环境数据由OSM（www.openstreet.com）和高德地图（http://lbs.amap.com/)提供。

图1 POI重分类结果

2.2 研究方法

• 空间自相关检验

由于地理邻近性，出租车出行数目的变化可能因空间而异，故采用全局Moran's I指数测度空间自相关程度，计算方法如下：

• 空间计量经济学模型

空间计量经济学模型包括广义嵌套空间模型（GNS）、空间杜宾模型（SDM）、空间滞后模型（SLM）和空间误差模型（SEM）等。通过对比上述模型，本研究选择空间杜宾模型以测度建成环境的影响，该方法能防止遗漏变量偏差。研究采用四个模型，即早高峰和晚高峰时段的出租车载客量和落客量模型。上述模型不仅可以估计解释变量对各网格内出租车载客量和落客量的直接影响，还可以度量它们对邻近网格内出租车客流量的影响，即空间溢出效应。计算方法如下：

 3 研究结果

3.1 空间自相关检验与模型选择

为确定最适宜于本研究的模型，在此应用空间自相关系数检验因变量的空间相关性。如表1所示，四个模型的Moran’s I指数均显著且正值较大，表明出租车出发点和到达点的分布在早晚高峰期均呈现较强的正向空间自相关。采用LMlag和LMerr统计量分别检验空间滞后和空间误差，结果表明在1%的显著性水平下，空间滞后因变量和空间自相关误差项均存在。此外，AIC、BIC和对数似然值的计算结果均显示空间杜宾模型优于其他三类模型，进一步证明空间杜宾模型是最适合本研究的模型。

表1 四个空间杜宾模型的全局Moran's I、LM检验和Robust LM检验结果

3.2 模型结果

回归结果显示，四个模型的空间滞后项系数均为正且显著，与模型选择结果相一致。各解释变量在早晚高峰时段对出租车载客量和落客量的效应可分为三类：直接效应（局部效应）、间接效应（溢出效应）和总效应。

• 居住和就业密度

基于职住的时刻动态特征，早高峰载客量模型和晚高峰落客量模型考察网格居住密度的影响，而早高峰落客量模型和晚高峰载客量模型则针对网格就业密度。上述四个模型中，居住密度和就业密度都只表现出显著的正向直接效应，而无显著的溢出效应。基于Chow检验的跨模型对比结果表明，由于就业区的出租车出行比居住区更为密集，出租车客流量对居住密度的弹性略大于就业密度。

• 公共交通覆盖率

模型结果表明，公交和地铁覆盖率对出租车客流量的影响有别。在早晚高峰时段，公交覆盖范围对出租车的载客量和落客量均有显著的正面直接影响，而无溢出效应。地铁覆盖范围对早高峰时段的出租车落客量具有正向直接影响，对晚高峰时段的出租车落客量则表现出显著的负向间接影响。地铁覆盖率较强的负向溢出效应表明地铁站点可能会吸收周边网格的出租车需求，而公交和地铁覆盖率的正向直接效应则表明两者能有效增加所在网格的出租车需求。

• 土地开发强度

四个模型结果显示，建筑物数量没有对出租车客流量产生直接或间接影响，但平均楼层数具有显著的正向影响，二者均无明显的溢出效应。上述结果表明，高层建筑较多的地区（如住宅、商业和办公）可能产生更多的出租车需求，而建筑物数量对此影响相对较小。

• 平均房价

在晚高峰时段，平均房价对出租车出行数量均呈现显著的直接和间接正向影响，其中对早高峰出租车客流量的影响很小。该结果表明受经济能力影响，在早高峰时段，物价水平较高社区的居民可能选择打车，但更有可能选择自驾车出行，从而抵消对出租车的需求。

• 路网密度

所有模型结果均表明，该变量对出租车客流量具有显著的直接和间接正向影响，表明路网密度的提升能增加网格及其周边的出租车需求。产生上述现象的可能原因是在道路网络密集的地区（如商业区和城市中心），就业地点的空间分布通常较为集中，能产生巨大的出行需求。此外，道路上出租车数量的增加和乘客等待时间的减少也可能增加出租车客流量。

• POI数据

总体而言，不同类型的POI对出租车客流量的直接影响和间接影响存在差异。其中，公共管理和服务类型的POI数量在两个高峰时段都对出租车的载客量和落客量产生较强的正向影响，但无显著溢出效应。制造业和办公、商业和娱乐服务类别的POI数量均对出租车客流量产生较强的正向直接影响，但仅分别在早高峰和晚高峰存在正向溢出效应。

 4 结论

本研究构建了一个用于整合多源大数据的框架，采用空间计量经济学模型，从出租车客流量时空变化的直接和溢出效应出发，考察了早晚高峰两个时段出租车需求与建成环境、邻里社会经济因素等的关系。研究结果显示，在早晚高峰时段路网密度对出租车客流量的直接和间接影响均达到正向最大，故交通规划者应综合考虑整个区域的道路布局，以减少交通拥堵。同时，公共交通覆盖率与出租车客流量之间也存在一定关系，该发现有助于改进多式联运系统的设计，更好地整合公交、地铁和出租车的使用。研究结果还表明不同建成环境因素对出租车早晚高峰时段需求的影响存在差异，故城市出行需求建模应考虑各类POI的数量。研究揭示了出租车客流量的复杂时空格局，有助于改善出租车服务与需求之间的平衡、减少交通拥堵、提高多式联运系统的效率等，对全球特大城市的政策制定者、交通规划者等具有重要意义。

作者简介

朱鹏宇，副教授，香港科技大学公共政策学部。

黄洁，副研究员，中国科学院地理科学与资源研究所区域可持续发展分析与模拟重点实验室。

王姣娥，研究员，中国科学院地理科学与资源研究所区域可持续发展分析与模拟重点实验室。

刘瑜，教授，北京大学地球与空间科学学院。

李佳蓉，博士生，香港科技大学公共政策学部。

王明舒，副教授，格拉斯高大学地理与地球科学学院。

强卫，博士生，香港中文大学地理与资源管理学系。

引用格式

Zhu Pengyu, Huang Jie*, Wang Jiaoe, Liu Yu, Li Jiarong, Wang Mingshu, & Qiang Wei (2022). Understanding taxi ridership with spatial spillover effects and temporal dynamics. Cities, 125(2), 103637. DOI: 10.1016/j.cities.2022.103637

转载自  交通与地理研究

经作者授权转载

文章仅代表作者观点，与本公众号无关，版权归原作者所有

原文标题：

学术成果 | 基于空间溢出效应和时间动态的出租车客流量影响因素研究

图文编辑：申茜茜

审编：张英浩

终审：颜子明 黄宗财 鲁嘉颐

猜你喜欢

扫描二维码，关注我们

都看到这里了，点个【在看】再走呗~