朱才華 李巖 孫曉黎 徐金華 付澤坤

(長安大學(xué) 運(yùn)輸工程學(xué)院，陜西 西安 710064)

準(zhǔn)確預(yù)測公共自行車站點(diǎn)未來需求是建設(shè)及運(yùn)營管理公共自行車系統(tǒng)的基礎(chǔ)[1]。在新建公共自行車站點(diǎn)時(shí)，若無法預(yù)測該站點(diǎn)未來的使用需求，會(huì)導(dǎo)致新建站點(diǎn)規(guī)模過剩或者不足等問題。因此，亟需建立可準(zhǔn)確預(yù)測新建公共自行車站點(diǎn)需求的算法，以避免浪費(fèi)公共資源和保證居民出行需求。

由于新建公共自行車站點(diǎn)缺乏歷史使用數(shù)據(jù)，已有研究主要是根據(jù)已知站點(diǎn)流量預(yù)測未建成站點(diǎn)的交通需求[2- 3]，需直接建立公共自行車需求與變量間的關(guān)系模型。在預(yù)測中還應(yīng)考慮需求生成與站點(diǎn)可達(dá)性的關(guān)系，然而已有方法很難在考慮可達(dá)性的基礎(chǔ)上定量描述復(fù)合變量和公共自行車需求的關(guān)系?，F(xiàn)有公共自行車需求預(yù)測方法按照所輸入數(shù)據(jù)的集計(jì)特性可分為宏觀預(yù)測和微觀預(yù)測。宏觀預(yù)測主要為四階段法，常用于大范圍的公共自行車需求預(yù)測[4]。由于該模型的可解釋性和普適性，在整體預(yù)測中被廣泛使用[5]。但此類預(yù)測在模型的精確性[6]和敏感性[7]等方面還存在若干局限。微觀預(yù)測方法主要包括移動(dòng)平均自回歸模型[8]、BP神經(jīng)網(wǎng)絡(luò)[9]、支持向量機(jī)[10]、馬爾可夫模型[11]等方法。此類預(yù)測可有效針對(duì)各類型站點(diǎn)進(jìn)行短時(shí)預(yù)測，但其輸入數(shù)據(jù)為歷史數(shù)據(jù)，是依據(jù)歷史情況預(yù)測未來，無法應(yīng)對(duì)新建站點(diǎn)的情況。站點(diǎn)可達(dá)性對(duì)需求生成率有重要影響，即隨著步行距離的增加，居民使用公共自行車出行的概率降低[12]。在考慮站點(diǎn)可達(dá)性建模中，現(xiàn)有模型通常以歐氏距離作為約束[13]，忽略了居民出行是以步行距離作為衡量標(biāo)準(zhǔn)，導(dǎo)致模型預(yù)測結(jié)果產(chǎn)生一定誤差。

土地利用作為城市規(guī)劃的長期不變屬性，以土地利用為媒介獲取的公共自行車需求與土地利用間的關(guān)系可長期服務(wù)于站點(diǎn)規(guī)劃[14]。單位用地的需求生成率與周邊居民使用公共自行車的出行意愿直接相關(guān)[15]，可用于確定更切合實(shí)際的站點(diǎn)規(guī)模。公共自行車使用需求受站點(diǎn)地理位置的影響[16]，地理加權(quán)回歸模型可在保證空間異質(zhì)性的前提下，從空間區(qū)位角度建立因變量與解釋變量的關(guān)系模型[17]。在建模中以路網(wǎng)距離作為約束條件更符合居民使用公共自行車出行的衡量標(biāo)準(zhǔn)[18]，可提升模型的預(yù)測精度。預(yù)測的時(shí)間間隔可選擇為1 h，既可保證數(shù)據(jù)的短時(shí)時(shí)變特性，也可避免忽略不同時(shí)段的需求規(guī)律特征。

已有研究主要是針對(duì)已建成站點(diǎn)的未來需求進(jìn)行短時(shí)預(yù)測或描述因素與需求關(guān)系。從土地利用角度，根據(jù)已知站點(diǎn)流量預(yù)測未建成站點(diǎn)流量的研究還不充分，需求生成隨站點(diǎn)距離增大表現(xiàn)的具體衰減形式還不清晰?；谏鲜鰧?shí)情和認(rèn)知，本文以西安市公共自行車系統(tǒng)為例，以路網(wǎng)作為約束對(duì)象，以小時(shí)為時(shí)間間隔，建立公共自行車使用需求與周邊土地利用性質(zhì)之間的關(guān)系模型，以獲取不同時(shí)間節(jié)點(diǎn)用地需求生成率及不同用地需求生成率與站點(diǎn)可達(dá)性間的關(guān)系。其中需求生成率為單位時(shí)間內(nèi)單位用地面積平均每天產(chǎn)生的公共自行車出行次數(shù)；站點(diǎn)可達(dá)性為用地中心到最近公共自行車站點(diǎn)的難易程度，以路網(wǎng)距離作為衡量指標(biāo)。本研究的主要目標(biāo)為：

(1)以路網(wǎng)為約束，建立公共自行車使用需求與土地利用性質(zhì)的關(guān)系模型，獲得各類用地的需求生成率。

(2)分時(shí)段建立需求生成率與站點(diǎn)可達(dá)性的關(guān)系模型，獲得不同時(shí)段需求生成率隨用地與站點(diǎn)距離增大所表現(xiàn)出的衰減趨勢。

1 研究方法

研究的核心思想是從土地利用的角度出發(fā)，分時(shí)段獲得各用地的需求生成率及其與站點(diǎn)可達(dá)性間的關(guān)系，從而為待建公共自行車站點(diǎn)提供未來各時(shí)段的使用需求。

在待建公共自行車需求預(yù)測中，主要需解決三個(gè)問題：(1)在站點(diǎn)影響范圍內(nèi)，由于站點(diǎn)數(shù)量較多，易引起區(qū)域重疊，因此采用泰森多邊形重新劃分站點(diǎn)的影響范圍；(2)在空間建模中，解釋變量高度相關(guān)和因變量的空間非平穩(wěn)性容易導(dǎo)致模型最終回歸結(jié)果產(chǎn)生偏差，為保證模型精度和空間模型的適應(yīng)性，對(duì)解釋變量和因變量分別進(jìn)行多重共線性和空間自相關(guān)檢驗(yàn)；(3)站點(diǎn)可達(dá)性代表公共自行車騎行的便利性，可達(dá)性的好壞直接決定需求的大小，簡單的定性描述無法帶來實(shí)際參考價(jià)值。以路網(wǎng)距離為約束建立用地與公共自行車需求的地理加權(quán)回歸模型，定量獲取用地與需求之間的關(guān)系。對(duì)于站點(diǎn)與用地的可達(dá)性關(guān)系，在站點(diǎn)影響范圍內(nèi)，同一用地與站點(diǎn)的距離不同，其需求生成率也有很大差別，因此需在此基礎(chǔ)上統(tǒng)計(jì)各用地與站點(diǎn)間的路網(wǎng)距離，并分析用地需求生成率隨路網(wǎng)距離增大而表現(xiàn)的衰減關(guān)系。綜上所述確定論文的整體研究框架如圖1所示。

1.1 確定站點(diǎn)步行吸引范圍

站點(diǎn)步行吸引范圍是以某一公共自行車站點(diǎn)為中心，以某一距離為半徑的緩沖區(qū)[19]。吸引范圍半徑選擇合理可有效提高模型的預(yù)測精度和可靠性[20]。在分析中，若吸引范圍超出實(shí)際影響區(qū)域，出行生成率將會(huì)低于實(shí)際，反之將偏高。根據(jù)已有研究[4,21- 22]，本文中選用300 m作為公共自行車站點(diǎn)步行吸引范圍。

在確定影響范圍分析中，歐氏距離因其便利性被廣泛使用，但由于城市規(guī)劃路徑還應(yīng)考慮出行中的建筑物規(guī)避，所以常采用路網(wǎng)距離作為判斷標(biāo)準(zhǔn)。對(duì)比以歐氏距離和路網(wǎng)距離為約束建立的需求生成模型結(jié)果，基于路網(wǎng)距離的分析結(jié)果更優(yōu)[23]。公共自行車站點(diǎn)空間分布密集，在劃分吸引范圍時(shí)，會(huì)產(chǎn)生重疊區(qū)域。研究假設(shè)使用者會(huì)選擇距離自己最近的公共自行車站點(diǎn)作為出行起源點(diǎn)和目的點(diǎn)，泰森多邊形[24]可保證區(qū)域內(nèi)的點(diǎn)到相應(yīng)站點(diǎn)的距離最近，且其邊上的點(diǎn)到兩邊站點(diǎn)的距離相等，因此采用泰森多邊形對(duì)重疊區(qū)域進(jìn)行重新劃分。圖2為分別選用三種方法劃分吸引范圍的表現(xiàn)形式，其中圖2(a)為歐氏距離，圖2(b)為路網(wǎng)距離，圖2(c)為基于泰森多邊形重新劃分重疊區(qū)域后的路網(wǎng)距離。文章選用泰森多邊形方法確定公共自行車站點(diǎn)的影響區(qū)域。

圖1 整體研究框架

圖2 公共自行車站點(diǎn)吸引范圍確定方法的對(duì)比

1.2 篩選輸入變量

在解釋變量的挑選過程中，可能存在因解釋變量高度相關(guān)導(dǎo)致多重共線性的情況[25]。解釋變量的多重共線性會(huì)導(dǎo)致估計(jì)量的標(biāo)準(zhǔn)誤差變大，回歸系數(shù)的符號(hào)產(chǎn)生錯(cuò)誤，甚至難以評(píng)估各解釋變量對(duì)可決系數(shù)的貢獻(xiàn)，導(dǎo)致模型失真。因此在建立公共自行車需求與用地間的關(guān)系模型時(shí)，需檢驗(yàn)用地類型之間的多重共線性。采用方差膨脹因子v檢驗(yàn)用地解釋變量的共線性，以弱化由于用地因素間高度共線對(duì)回歸分析結(jié)果的影響[26]。計(jì)算公式為

(1)

式中，r2為單一解釋變量與其余解釋變量回歸模型中的可決系數(shù)，是反映回歸方程說明因變量變化可靠程度的統(tǒng)計(jì)指標(biāo)，其計(jì)算公式為

(2)

v的取值越大，則解釋變量間可能存在多重共線性的機(jī)率越大。若v取值在0～10之間，則可認(rèn)為解釋變量間不存在高度共線性，所檢驗(yàn)的變量因子可直接用于回歸分析，否則需重新篩選解釋變量。

選擇空間模型分析公共自行需求與用地間的關(guān)系。因此在建模前需要判定公共自行車需求是否與空間位置有關(guān)，若有關(guān)則使用空間模型可提高模型精度，反之則不需要使用空間模型。空間自相關(guān)指某一空間區(qū)域要素觀測值與臨近空間區(qū)域要素觀測值間的相關(guān)性[27]，其主要目的是發(fā)現(xiàn)研究對(duì)象在空間中是否存在空間異質(zhì)性或空間聚集性，進(jìn)而說明此次研究空間模型是否適用。Moran’s I(莫蘭指數(shù))可描述某現(xiàn)象的整體分布情況，是衡量空間自相關(guān)的常用指標(biāo)，通常判斷觀測數(shù)據(jù)之間潛在的相互依賴性。采用Moran’s I檢驗(yàn)公共自行車使用量分布的空間自相關(guān)性，其輸入樣本為公共自行車使用數(shù)據(jù)，計(jì)算公式如下。

(3)

(4)

式中，E(I)和V(I)分別是Moran’s I統(tǒng)計(jì)量的期望和標(biāo)準(zhǔn)偏差，取置信度為95%，Z(I)判定標(biāo)準(zhǔn)為|Z(I)|>1.96。

1.3 考慮用地的模型構(gòu)建

最小二乘法回歸是對(duì)全局回歸變量的標(biāo)定，適用于不受位置變化的二維分布。對(duì)于空間回歸，由于受到空間異質(zhì)性的影響，僅僅依靠傳統(tǒng)的全局回歸，很難把握變量間因空間位置變化產(chǎn)生的回歸誤差。地理加權(quán)回歸模型[28]模擬了局部回歸因變量與解釋變量間的關(guān)系，容許部分不平穩(wěn)數(shù)據(jù)被模擬。區(qū)域回歸參數(shù)根據(jù)相鄰區(qū)域觀測值估計(jì)局部回歸值，則變量參數(shù)隨著空間位置而變化，此時(shí)模型表示為

(5)

(i=1,2,…,n)

式中：yi為第i個(gè)樣本點(diǎn)的因變量；β0(ui,vi)是第i個(gè)樣本點(diǎn)的常數(shù)項(xiàng)；(ui,vi)是i的區(qū)位地理坐標(biāo)；βk(ui,vi)是第k個(gè)解釋變量在第i個(gè)樣本點(diǎn)的回歸系數(shù)，隨著區(qū)位的改變而變化；xik是第i個(gè)樣本點(diǎn)的第k個(gè)解釋變量；εi為隨機(jī)誤差。任意一個(gè)局部回歸項(xiàng)的系數(shù)βk都被用來估計(jì)該局部回歸項(xiàng)相鄰的空間參數(shù)觀測值。

給定一個(gè)對(duì)角加權(quán)矩陣W(ui,vi)，wj(ui,vi)(1

εTW(ui,vi)ε=yTW(ui,vi)y-2βT(ui,vi)·

XTW(ui,vi)y+βT(ui,vi)XTW(ui,vi)Xβ(ui,vi)

(6)

式中，β為變量回歸系數(shù)。對(duì)式(6)求β(ui,vi)的偏導(dǎo)，并令其等于0，可得：

[XTW(ui,vi)X]-1XTW(ui,vi)Xβ(ui,vi)=

[XTW(ui,vi)X]-1XTW(ui,vi)y

(7)

因此， 第i個(gè)位置的模型參數(shù)估計(jì)β(ui,vi)為

β(ui,vi)=(XTW(ui,vi)X)-1XTW(ui,vi)Y

(8)

式中，X是參數(shù)矩陣，

(9)

Y為每組樣本數(shù)據(jù)對(duì)應(yīng)的因變量，即Y=(y1,y2,…,yn)T。W(ui,vi)是對(duì)角加權(quán)矩陣，

(10)

式中，wj(ui,vi)是空間距離衰減函數(shù)，其計(jì)算公式如下：

(11)

式中：dj(ui,vi)是小區(qū)與影響因子間的空間路網(wǎng)距離，此距離為所有路徑中的最短距離；b是帶寬，帶寬的大小直接影響了地理加權(quán)回歸模型的空間變化形式。b的取值為低于研究區(qū)域最大覆蓋半徑的隨機(jī)數(shù)，最佳帶寬可通過試值法確定。模型的最佳帶寬應(yīng)在擬合優(yōu)度與自由度間取得平衡。帶寬對(duì)應(yīng)的b值在校正后赤池信息準(zhǔn)則AICc取最小值時(shí)最優(yōu)[29]。

各地塊土地利用的開發(fā)強(qiáng)度和周邊建筑環(huán)境不同，其產(chǎn)生的需求生成也有較大差異。為保證站點(diǎn)需求的精確預(yù)測，在模型中增加用地混合度和建筑強(qiáng)度兩個(gè)解釋變量以改善模型精度。用地混合度可采用混合度熵方法獲取。熵值范圍在0～1之間，熵越接近于1表示用地的混合度越大。定義熵混合度為M，

(12)

式中:Pi為站點(diǎn)300 m范圍內(nèi)第i種建筑用地所占的比例；k為用地種類；k為用地的種類數(shù)，取k=6。站點(diǎn)建筑強(qiáng)度是指站點(diǎn)周邊300 m范圍內(nèi)的建筑物容積率。

2 數(shù)據(jù)

2.1 研究區(qū)域及基礎(chǔ)數(shù)據(jù)

截止2018年1月底，西安市共設(shè)置公共自行車服務(wù)站點(diǎn)1 800個(gè)，投放自行車5.2萬輛，已形成覆蓋規(guī)模[30]。研究區(qū)域涵蓋西安市碑林、新城、蓮湖、雁塔、未央、灞橋6個(gè)主城區(qū)，站點(diǎn)位置分布及空間密度如圖3所示，單位為個(gè)/km2。

圖3 研究區(qū)域道路網(wǎng)及公共自行車站點(diǎn)分布

研究基礎(chǔ)數(shù)據(jù)主要包括：2018年的西安市開源地圖(Open Street Map)路網(wǎng)數(shù)據(jù)；研究區(qū)域內(nèi)1 465個(gè)公共自行車站點(diǎn)的數(shù)據(jù)，包括站點(diǎn)ID、名稱、位置(經(jīng)緯度)、總樁數(shù)和車輛實(shí)時(shí)借出還入量；西安市用地?cái)?shù)據(jù)，主要包括用地屬性、建筑用途和用地面積等信息，其中建筑用途分為居住、商業(yè)、辦公、文娛、旅游、工業(yè)等12種用途，具體如圖4所示。為方便觀察與統(tǒng)計(jì)，將12種建筑用途合并為6類，分別為居住、商業(yè)金融、行政辦公、旅游文化、工業(yè)和其他用地。

圖4 研究區(qū)域用地性質(zhì)分布情況

2.2 變量選擇

公共自行車需求受多種因素影響。常見因素包括周邊土地性質(zhì)、換乘設(shè)施分布、區(qū)域人口和經(jīng)濟(jì)條件、天氣、節(jié)假日等。公共自行車站點(diǎn)周邊的土地利用情況容易獲得，且短期內(nèi)不會(huì)發(fā)生顯著變化，對(duì)公共自行車出行需求起最關(guān)鍵的作用[31]，因此在選取單一分析影響因素時(shí)，宜選用站點(diǎn)周邊用地性質(zhì)分析，既保證需求生成的主要來源，又避免了統(tǒng)計(jì)困難，同時(shí)可長期服務(wù)于需求預(yù)測。

公共自行車使用強(qiáng)度可分別從借出量、還入量和總使用量(借出量與還入量之和)等3個(gè)角度描述。其中，借出量和還入量體現(xiàn)了需求的潮汐特性和調(diào)度輸送特性，總使用量則體現(xiàn)了站點(diǎn)總體使用規(guī)模?？紤]到模型計(jì)算量和確定新建站點(diǎn)規(guī)模的計(jì)算需求，選取公共自行車總使用量為模型的因變量，用地屬性、用地混合度和建筑強(qiáng)度作為模型的解釋變量。模型中各個(gè)變量屬性如表1所示。

表1 變量描述

3 結(jié)果分析

為降低天氣等因素對(duì)公共自行車使用量的影響，選擇2018年6月4日至6月10日一周的公共自行車使用數(shù)據(jù)進(jìn)行分析，所選一周西安的天氣均為晴天或多云狀態(tài)。根據(jù)分析結(jié)果可知，2018年6月份公共自行車已經(jīng)處于共享單車影響過后新的穩(wěn)定狀態(tài)，因此可只采用公共自行車使用數(shù)據(jù)進(jìn)行分析。以1 h為時(shí)間間隔，各時(shí)段西安公共自行車系統(tǒng)的總使用量變化均值如圖5所示。

圖5 公共自行車總使用量小時(shí)變化特性

從圖5可知，西安市公共自行車使用存在明顯的早晚高峰。早高峰集中在(7:00～8:00)，而晚高峰集中在(18:00～19:00)。此特性與西安市其他公共交通方式一日內(nèi)乘車強(qiáng)度時(shí)間分布一致[32]。與休息日使用時(shí)間相比，公共自行車在工作日的早晚高峰效應(yīng)更明顯，使用變化幅度更為劇烈。因此后續(xù)的模型分析中主要針對(duì)工作日的公共自行車需求進(jìn)行分析，并選取6:00～23:00作為分析時(shí)段。

3.1 用地需求生成率時(shí)間特性

運(yùn)行模型前需檢驗(yàn)變量的多重共線性和空間自相關(guān)性，所得的解釋變量間方差膨脹因子如表2所示。模型方差膨脹因子取值均在0～10之間，可認(rèn)為用地解釋變量間不存在高度共線性，所檢驗(yàn)影響因子可直接用于回歸分析。

表2 共線性指標(biāo)

分別進(jìn)行各時(shí)段公共自行車需求全局自相關(guān)分析，結(jié)果如表3所示。

表3 全局自相關(guān)Moran’s I統(tǒng)計(jì)表

由表3可知，全局Moran’s I統(tǒng)計(jì)值在0.429～0.732之間，表明數(shù)據(jù)聚合。P值為觀測數(shù)據(jù)隨機(jī)生成的概率，其值越小模型性能越好。模型所得P值在0.000～0.011之間，同時(shí)Z得分大于1.96，表明西安市公共自行車需求在空間上具有很強(qiáng)的空間自相關(guān)性，離散點(diǎn)間的遠(yuǎn)近對(duì)取值影響較大，變量的地理屬性對(duì)變量值的影響較大，是地理加權(quán)回歸模型建模的客觀基礎(chǔ)。以各小時(shí)站點(diǎn)總使用量作為因變量，建立需求與用地單位建筑面積的地理加權(quán)回歸模型如式(13)所示，模型參數(shù)如表4所示。

(13)

表4 模型擬合系數(shù)

表4中擬合系數(shù)的正負(fù)分別表示對(duì)公共自行車需求的促進(jìn)和抑制。建筑容積率對(duì)公共自行車的使用起促進(jìn)作用，而用地混合度則在不同時(shí)段表現(xiàn)為各異的作用狀態(tài)。用地?cái)M合系數(shù)為所屬時(shí)段各用地需求生成率均值，各用地最大需求生成時(shí)段分別為19:00、20:00、9:00、19:00、8:00和12:00?？蓻Q系數(shù)r2處于0.725～0.851之間，滿足擬合要求。以19:00時(shí)段的居住用地為例，參數(shù)估計(jì)值為67.092×10-5，表示每1 m2建筑面積的居住用地平均每天產(chǎn)生67.092×10-5次出行，換算成100 m2，則每天約產(chǎn)生0.067次出行。

以9:00時(shí)段和20:00時(shí)段為例，對(duì)比各類用地。9:00時(shí)段站點(diǎn)的需求生成率由大到小依次為：行政辦公>商業(yè)金融>居住>其他>旅游文化>工業(yè)；20:00時(shí)段站點(diǎn)的需求生成率由大到小依次為：商業(yè)金融>居住>旅游文化>工業(yè)>其他>行政辦公。說明在不同時(shí)段，用地性質(zhì)對(duì)需求生成的影響也不斷變化。在制定相關(guān)服務(wù)設(shè)施和應(yīng)急措施時(shí)，宜根據(jù)時(shí)段進(jìn)行管理。西安市不同用地需求生成率的時(shí)間序列如圖6所示。

從圖6可知，不同用地的需求生成率在以天為周期的小循環(huán)內(nèi)具有各異的變化趨勢。

居住用地存在著明顯的早晚高峰現(xiàn)象，且早晚高峰需求生成率相近，有輕微的午高峰，早高峰在7:00～8:00間，晚高峰在18:00～19:00間，說明白天時(shí)段服務(wù)于此類用地站點(diǎn)的車輛流動(dòng)性并不大。

商業(yè)金融用地具有明顯的早晚高峰特性，且晚高峰的需求生成率高于早高峰，不存在午高峰現(xiàn)象。早高峰在7:00～9:00間，晚高峰在18:00～21:00間。相比較于居住用地，此類用地的高峰時(shí)段持續(xù)時(shí)間更長，且晚高峰時(shí)段會(huì)相應(yīng)推遲約1個(gè)小時(shí)。

行政辦公用地具有明顯的早晚高峰現(xiàn)象，且早高峰的需求生成率高于晚高峰，不存在午高峰現(xiàn)象。相比居住用地，此類用地的早高峰會(huì)推遲，晚高峰會(huì)提前，早高峰在8:00～9:00間，晚高峰在15:00～17:00間。

旅游文化用地具有明顯的晚高峰，而早高峰不顯著。此類用地的高峰持續(xù)時(shí)間較長，15:00～20:00均可認(rèn)為是晚高峰，不可控制因素較多。此類用地的站點(diǎn)建議增加實(shí)時(shí)監(jiān)控，防止“無樁可還、無車可借”的情況出現(xiàn)。

(a)居住用地

(b)商業(yè)金融用地

(c)行政辦公用地

(d)旅游文化用地

(e)工業(yè)用地

(f)其他用地

工業(yè)用地具有明顯的早晚高峰，且午高峰對(duì)比于其他用地較為顯著。其早高峰在7:00～8:00間，晚高峰在18:00～19:00間，此類用地多為工作上班需要，時(shí)間較為統(tǒng)一，車輛便于管理。

其他用地多處于波動(dòng)的狀態(tài)，主要與用地分類有關(guān)，未發(fā)現(xiàn)較為合適的變化規(guī)律。此類用地的分布較為分散，夾雜在其他用地之間。

3.2 用地需求生成率空間特性

由于模型具有局部回歸特性，所以除獲得整體用地需求生成率，還可獲取每個(gè)站點(diǎn)影響范圍內(nèi)各類用地的需求生成率，從而分析各類用地到公共自行車站點(diǎn)距離對(duì)需求生成率的影響。統(tǒng)計(jì)各類用地中心到公共自行車站點(diǎn)的路網(wǎng)距離，并和各時(shí)段需求生成率對(duì)應(yīng)，建立二者的關(guān)系模型。各類用地需求生成率都具有早晚高峰的特點(diǎn)，因此文章分析站點(diǎn)可達(dá)性與生成率之間的關(guān)系選擇早晚高峰對(duì)應(yīng)的7:00～8:00和18:00～19:00兩個(gè)時(shí)間段進(jìn)行具體分析，統(tǒng)計(jì)結(jié)果如圖7所示。

根據(jù)圖7所示結(jié)果可以看出，7:00～8:00和18:00～19:00時(shí)間段分別服從線性衰減模型和指數(shù)衰減模型，其模型構(gòu)造如式(14)和式(15)所示：

(14)

(15)

式中：SLDijn表示站點(diǎn)i步行吸引范圍內(nèi)第n類用地中第j塊用地的面積；dijn表示該用地到公共自行車站點(diǎn)的路網(wǎng)距離；an、bn是線性衰減模型參數(shù)；An、Bn與λn是指數(shù)衰減模型參數(shù)；Ri是土地利用產(chǎn)生的需求量。

在7:00～8:00時(shí)間段，隨著站點(diǎn)可達(dá)性降低，需求生成率呈線性衰減模型，其擬合優(yōu)度為0.787，擬合效果較好。各類用地需求生成率受站點(diǎn)可達(dá)性影響程度由大到小依次為：行政辦公用地>商業(yè)金融用地>居住用地>其他用地>旅游文化用地>工業(yè)用地。根據(jù)衰減趨勢變化，可將6類用地分為3類進(jìn)行描述：(1)行政辦公和商業(yè)金融用地具有最大的需求生成率，但其下降速率也是最快，說明這兩類用地在此時(shí)段對(duì)站點(diǎn)可達(dá)性非常敏感，當(dāng)距離較遠(yuǎn)時(shí)，居民選擇公共自行車出行的需求顯著降低；(2)旅游文化和工業(yè)用地使用公共自行車出行需求隨著可達(dá)性的變?nèi)酰渌p并不是很顯著，工業(yè)用地由于可選擇的出行方式有限，因此距離衰減緩慢，旅游文化用地由于可選交通方式的限制，因此距離衰減同樣緩慢；(3)居住用地和其他用地衰減幅度在前兩類之間，但在距離超過0.5 km后，其需求生成率擬合值為0。在早高峰時(shí)段，居住用地的出行多為上班或上學(xué)等通勤出行，對(duì)時(shí)間要求高，此時(shí)可達(dá)性的權(quán)重極高。

(a)7:00～8:00

(b)18:00～19:00

在18:00～19:00時(shí)間段，隨著站點(diǎn)可達(dá)性降低，需求生成率呈指數(shù)衰減模型，其擬合度為0.815，擬合效果較好。各類用地需求生成率受站點(diǎn)可達(dá)性影響程度由大到小依次為：商業(yè)金融用地>行政辦公用地>居住用地>旅游文化用地>其他用地>工業(yè)用地。此時(shí)段的影響層次與早高峰時(shí)段存在顯著差異，且除行政辦公用地和工業(yè)用地外，其余用地需求生成率普遍高于早高峰時(shí)段。當(dāng)用地與公共自行車站點(diǎn)間的距離在0～0.3 km范圍內(nèi)時(shí)，需求量衰減最快，當(dāng)距離超過0.3 km時(shí)，需求生成率接近于0。在18:00～19:00時(shí)段并未出現(xiàn)距離超過0.6 km后用地需求生成率為0的現(xiàn)象，此情況主要與居民的通勤行為有關(guān)。

其余時(shí)間段各類用地需求生成率與站點(diǎn)可達(dá)性的關(guān)系如表5所示，其中αn、βn為系數(shù)，衰減圖只代表趨勢，不代表量級(jí)。

用地需求生成率隨公共自行車站點(diǎn)與用地之間距離增大的衰減關(guān)系模型共呈現(xiàn)出線性衰減、指數(shù)衰減和立方衰減三種形式。其中，指數(shù)衰減以300 m為劃分節(jié)點(diǎn)，在0～300 m間，用地需求生成率急劇下降，而超過300 m后，下降變得平緩，同時(shí)需求生成率也接近于0；線性衰減下降速率保持一致，不存在拐點(diǎn)，但當(dāng)距離接近600 m時(shí)，其衰減更易產(chǎn)生需求生成率為0的情況；立方衰減表現(xiàn)為急劇下降、平緩、急劇下降轉(zhuǎn)變形式，兩個(gè)拐點(diǎn)分別在200 m和400 m附近，此類衰減所占比例較前兩種衰減相比較低。

各時(shí)段公共自行車需求隨著距離的衰減呈現(xiàn)出不同的表示形式，且不同用地的衰減模式也有差異。根據(jù)各用地的需求生成率及隨距離的衰減規(guī)律可對(duì)新建公共自行車站點(diǎn)的需求進(jìn)行預(yù)測，并根據(jù)預(yù)測結(jié)果判定站點(diǎn)位置和規(guī)模是否合適。

應(yīng)用所建立模型預(yù)測西安市公共自行車使用需求，并與實(shí)際使用需求對(duì)比，以評(píng)估模型的預(yù)測精度。西安市公共自行車系統(tǒng)某工作日全天使用需求在不同時(shí)段的實(shí)際值與預(yù)測值如圖8所示。

由圖8可知，所提出模型較好地預(yù)測了西安市公共自行車在各時(shí)段的實(shí)際使用需求。選用平均絕對(duì)百分比誤差MAPE和可決系數(shù)(r2)度量模型預(yù)測效果的結(jié)果如表6所示。

越小的MAPE值和越大的r2值表明模型的預(yù)測精度越高。文中提出模型的MAPE接近于0，且r2接近于1，說明模型具有較高的預(yù)測精度，可滿足實(shí)際應(yīng)用中對(duì)新建的公共自行車站點(diǎn)需求預(yù)測的要求。

表5 分時(shí)段不同用地站點(diǎn)可達(dá)性性質(zhì)

圖8 預(yù)測結(jié)果

表6 預(yù)測精度評(píng)價(jià)指標(biāo)

4 結(jié)論

(1)在以路網(wǎng)距離為約束條件的情況下建立了地理加權(quán)回歸模型，并考慮用地區(qū)位信息對(duì)模型進(jìn)行改進(jìn)，定量獲取各類用地在不同時(shí)段的需求生成率。

(2)在以天為周期的時(shí)間特征中，居住、商業(yè)金融、行政辦公、旅游文化、工業(yè)和其他用地分別在19:00、20:00、9:00、19:00、8:00和12:00具有最大的需求生成率。居住、商業(yè)金融、行政辦公和工業(yè)用地具有明顯的早晚高峰，其中，行政辦公用地早晚高峰時(shí)間點(diǎn)更為集中，而旅游文化用地晚高峰更為顯著。

(3)隨著用地與公共自行車站點(diǎn)間的路網(wǎng)距離逐漸增大，需求生成率在不同時(shí)段表現(xiàn)為指數(shù)、線性或者立方衰減趨勢。證明了分時(shí)段分析的必要性。在對(duì)公共自行車需求預(yù)測時(shí)，根據(jù)不同的衰減規(guī)律可有效提高預(yù)測精度。

(4)公共自行車需求受天氣影響較大，不同天氣的使用需求也有所差異，進(jìn)而與土地利用間的關(guān)系也不盡相同。文章僅選擇6月份溫度適中天氣進(jìn)行分析，而其他天氣的需求特征有待深入探討。共享單車作為城市公共自行車的主要競爭對(duì)手，它的出現(xiàn)同樣會(huì)改變公共自行車需求量，未來可將共享單車和公共自行車對(duì)比分析，描述二者在時(shí)空中的競爭關(guān)系。