作為新型的綠色交通出行工具,共享單車不僅有效的解決居民出行最后一公里的問題,而且促進(jìn)慢行系統(tǒng)回歸人們視野。雖然現(xiàn)如今共享單車熱度減弱,但其暴露出的城市騎行環(huán)境問題,受到政府和專家學(xué)者的廣泛關(guān)注。城市街道的騎行影響因素不僅可以從騎行環(huán)境角度測度,也可以用騎行行為來測度,騎行環(huán)境關(guān)注的是研究者結(jié)合經(jīng)驗對建成環(huán)境的指標(biāo)進(jìn)行選擇和分析,而騎行行為是從騎行者的角度對街道環(huán)境各設(shè)施指標(biāo)的評價,從更微觀層面對街道環(huán)境進(jìn)行測度。通過對實際的騎行行為和街道環(huán)境建構(gòu)線性回歸模型,反推街道環(huán)境對騎行行為支持的程度,并確定兩者之間的關(guān)系,用騎行需求、騎行環(huán)境、騎行行為三者建構(gòu)可騎行性評估,對街道環(huán)境進(jìn)行評估。以深圳市龍崗區(qū)為例,對14天的共享單車軌跡數(shù)據(jù)進(jìn)行處理,從騎行時間、騎行距離對共享單車使用特征進(jìn)行分析,發(fā)現(xiàn)共享單車在龍崗區(qū)內(nèi)騎行時間在15 min左右,騎行平均距離為2770 m,符合對共享單車短距離接駁交通工具的定位;騎行行為早晚高峰現(xiàn)象明顯,接駁公交站點、地鐵站點與其他用地類型的作用顯著,騎行行為多集中于龍崗區(qū)“四大商圈”范圍內(nèi);龍崗大道作為龍崗區(qū)骨架作用明顯,局部路段騎行頻率很高,城市次干路對騎行... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：109 頁

【學(xué)位級別】：碩士

【部分圖文】：

騎行起訖點的需求測度示意圖

慮騎行需求的影響。本文以實際的騎行行為和街道環(huán)境建構(gòu)線性回歸模型，反推環(huán)境對騎行行為支持的程度，并確定兩者之間的關(guān)系，用騎行需求、騎行環(huán)境、騎行行為三者建構(gòu)可騎行性評估，對街道環(huán)境進(jìn)行評估。研究思路為：首先對龍崗區(qū)的共享單車使用特征進(jìn)行分析；其次選取影響騎行行為的各種環(huán)境指標(biāo)，對建成環(huán)境與騎行行為之間關(guān)系建立線性回歸模型進(jìn)行分析，以確定影響騎行行為的指標(biāo)、指標(biāo)對騎行行為的貢獻(xiàn)能力和解釋強(qiáng)度；最后，將影響騎行行為的指標(biāo)進(jìn)行整合，用騎行需求、騎行環(huán)境、騎行行為對街道進(jìn)行可騎行性評估，如圖2-3所示。圖2-3研究思路2.2.1建立騎行環(huán)境與騎行行為之間的關(guān)系事物之間關(guān)系的探索可用相關(guān)性分析法或建構(gòu)回歸模型，前者是對兩者是否有關(guān)系的探索，對關(guān)系的強(qiáng)弱關(guān)注較少，適合篩選獨立變量；后者是假設(shè)自變量與因變量之間存在某種線性關(guān)系，采用逐步法以選取最佳數(shù)量的自變量使因變量的模型達(dá)到最優(yōu)。相比前者，模型構(gòu)建不僅僅關(guān)注自變量與因變量之間的關(guān)系，同時分析各個自變量與因變量之間影響力的差異。本文以街道騎行頻次為因變量，以街道環(huán)境各個指標(biāo)為自變量建構(gòu)線性回歸模型分析騎行環(huán)境與騎行行為之間的關(guān)系。騎行環(huán)境受居民的出行需求、街道基本屬性和街道的周邊業(yè)態(tài)三重影響，如圖2-6所示。騎行需求主要是控制街道之間由于需求差異造成的誤差，當(dāng)騎

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-21-行環(huán)境與騎行需求均較高時，街道的騎行環(huán)境才是優(yōu)越的，且因為空間自相關(guān)作用，街道的騎行行為受周邊街道的騎行行為影響較大，因此在對街道騎行環(huán)境測度時應(yīng)將騎行需求和周邊街道的騎行行為考慮在內(nèi)。街道道路的橫斷面屬性如道路等級、是否機(jī)非分離等均對騎行的舒適性有一定的影響，而街道上的基礎(chǔ)設(shè)施和街道兩側(cè)的業(yè)態(tài)所隱含的信息，均可能是騎行的阻礙因素。騎行行為可分為騎行頻次、騎行時間和騎行速度等，由于不同街道其騎行速度的差異性較小，無明顯的街道環(huán)境偏好，本研究不考慮騎行速度，僅考慮騎行頻次——街道被所有騎行者騎行經(jīng)過的次數(shù)，考慮不同時間段街道的騎行量差別較大，對騎行頻次進(jìn)行全時間段分析會掩蓋不同時間段內(nèi)騎行頻次與街道環(huán)境之間的關(guān)系，結(jié)合其他學(xué)者對不同騎行需求下的騎行環(huán)境測度，本文將樣本分為工作日早晚高峰、工作日工作時間段、工作日晚間以及休息日早晚高峰，工作日小午高峰的現(xiàn)象在研究地塊內(nèi)并不顯著，因此將其歸為工作日工作時間段。圖2-4影響騎行環(huán)境的指標(biāo)總結(jié)2.2.2可騎行性評估體系建構(gòu)現(xiàn)有騎行環(huán)境評估研究多采用相關(guān)性分析方法，線性回歸模型可用來判斷自變量與因變量之間相互依賴的程度，相關(guān)系數(shù)揭示了因變量與各個自變量之間的聯(lián)系強(qiáng)度，與評估體系中的權(quán)重在實質(zhì)上是一致的，因此，可以用線性回歸模型的系數(shù)代替權(quán)重值，對騎行環(huán)境進(jìn)行評估�；貧w模型中未標(biāo)準(zhǔn)化回歸系

【參考文獻(xiàn)】：
期刊論文
[1]環(huán)境行為學(xué)導(dǎo)向下小城鎮(zhèn)街道空間活力提升策略研究——以紫湖鎮(zhèn)為例[J]. 羅奇,溫子涵,余來彥.  城市發(fā)展研究. 2019(02)
[2]北京市軌道交通站點周邊區(qū)域共享自行車運行不均衡性研究[J]. 王家川,歐陽松壽.  交通運輸系統(tǒng)工程與信息. 2019(01)
[3]基于隨機(jī)森林與時空聚類的共享單車站點需求量預(yù)測[J]. 種穎珊,韓曉明.  科學(xué)技術(shù)與工程. 2018(32)
[4]基于大數(shù)據(jù)的南京市共享單車時空特征研究[J]. 周超,周亞男,李振世,楊澤航.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2018(10)
[5]面向智慧城市的共享單車出行時空間特征研究——以廣州天河中心區(qū)為例[J]. 魏宗財,莫海彤,劉玉亭.  科技導(dǎo)報. 2018(18)
[6]“自行車+軌道交通”導(dǎo)向型城市空間發(fā)展策略研究——以上海為例[J]. 黃一哲,孫健.  交通與運輸. 2018(05)
[7]利用共享單車大數(shù)據(jù)的城市騎行熱點范圍提取[J]. 楊永崇,柳瑩,李梁.  測繪通報. 2018(08)
[8]單車上的老北京─北京老城區(qū)騎行行為影響因素研究[J]. 李煜茜,張能,王珊珊,林源圣.  北京規(guī)劃建設(shè). 2018(03)
[9]基于摩拜開放數(shù)據(jù)的上海市共享單車騎行特征分析[J]. 呂雄鷹,潘海嘯.  上海城市規(guī)劃. 2018(02)
[10]共享單車需求評估及調(diào)度方案設(shè)計[J]. 夏蕓,玉琦彤,林子立.  長安大學(xué)學(xué)報(社會科學(xué)版). 2018(02)

碩士論文
[1]基于APP運動軌跡的自行車休閑騎行空間行為研究[D]. 洪鵬飛.河南大學(xué) 2017
[2]針對時空自行車軌跡數(shù)據(jù)分析的可視化方案設(shè)計[D]. 王圣策.長安大學(xué) 2017
[3]基于IPA方法的騎行環(huán)境優(yōu)化策略研究[D]. 趙文慧.青島理工大學(xué) 2017



本文編號：3234634