开发一个模型的评估转运中心的覆盖范围使用智能卡数据

文摘

因为城市是扩大城市扩张的结果,采取了多模式交通系统来满足郊区和城市之间的联系。周围的交通系统正在修改运输中心城区方便进入市区的郊区。研究正在进行改善公共交通的易访问性通过使用中心辐射型的概念。在这项研究中,我们发展一个覆盖面积指数(CAI)评估的影响交通中心访问城市的郊区定量。网络中心的概念和内核密度函数是用来评估的程度的影响一个交通中心。首尔市区的智能卡数据用于分析CAI。六在首尔市区交通中心调查比较转运中心的覆盖范围。核密度函数的带宽设置为2公里考虑每个地区的规模和影响力。我们评估六个交通中心使用中美国际学校在首尔和交通指数特征相比可访问性(TA)指数从之前的研究。CAI可以识别无能中心,过度拥挤的替代路线来解决问题的中心,区域运输和供应不足的地区。

1。介绍

随着人口的增加,城市扩张可以迅速发生,它可以影响郊区。轮辐式结构的集成多通道公共交通系统是足够的覆盖限制的大型郊区基础设施和运营成本。旅客想去市中心区域表达交通从郊区进入市区附近的一个转运中心,在那里他们可以转移到一个城市公共汽车或一个城市铁路把他们市中心。这个系统是划算的,但乘客可能不舒服由于转移如果运输方式不协调。

交通中心作为协调分市区和郊区之间中心辐射型结构网络。评价交通中心的功能,运营商应该调查影响的区域中心。调查将为运营商提供信息关于预期的边界影响的一些行为是实现交通中心。相反,穷人连通性的郊区交通中心意味着旅行从郊区到市中心是低效的。

几项研究已经评估的有效性交通中心使用数据包络分析(DEA)模型(1,2]。一些研究已经开发出一种连接和可访问性指数与进展等变量和传输时间3,4]。在规划阶段,其他的研究使用了可访问性和连通性指数来自社区的社会经济指标来评估交通中心(5,6),他们利用启发式模型评估交通中心的位置(7]。然而,这样的模型有局限性,他们不考虑转移游客的起源和目的地。为了克服这个限制,我们建议使用智能卡开发索引数据知道转运中心用户的来源和目的地。

本研究旨在建立一个覆盖面积指数(CAI)交通中心考虑到中心的作用是促进的轮辐式结构的连接区域交通系统连接与市区的郊区。中间性中心的概念应用于实际的来源和目的地旅行,旨在表明游客的偏好。CAI的定义是旅行的人数的比例通过中转中心的总旅行从郊区到市中心。内核密度函数是用来聚合离散旅行链数据流量分析区。随着索引使用,我们讨论一个比较交通中心,交通供给和交通网络的结构。

交通中心的评估包括研究与经验数据中心之间的相对评价,定义和测量指标,使用社会经济因素来确定最优中心位置在计划阶段和发展指标使用网络中心从社会科学概念。有几项研究的基于数据的评价交通中心使用DEA模型。个人中心的相对效率计算通过相互比较中心的定义输入和输出。DEA模型与投入使用,例如,的区域中心,运营的成本,需要的员工数量和能力的中心。模型的输出被转移的数量,每天平均和传输时间的偏差1]。另一个研究使用DEA模型的输入,例如,传输时间,地铁和公交线路,等待时间的中心和输出模型的转移,转移率(8]。科钦市日本,相同的DEA模型是使用智能卡数据来评估转移之间的公共汽车和有轨电车。进展和行数作为输入,和转移的数量和所需的时间转移所需的模型的输出(2]。DEA模型用于评估效率的交通中心,但很难评估他们与周围地区。

可访问性和连通性是常见指标用来评估交通中心,有各种详细定义在每一个概念。从第一个角度来看,连接被认为是一个指数来评价交通的可用性。一项研究评估节点的连通性、线、传输中心,使用连接电源和网络计算的进展和容量的交通线路3]。从第二个角度来看,连接被认为是一个索引来评估旅行者的经历。有一项研究连接定义为模式之间的传输时间和经验数据,测量了指数从交通走廊在奥克兰,新西兰(4]。这两种观点都对连接能力和时间的函数,而不是考虑旅行的空间分布。

交通设施的易访问性评估是基于人口和就业的数量在一个小的距离设施(9,10]。的运输能力和服务质量手册(TCQSM),流量分析区域的可访问性指数被定义为在一定面积的百分比访问之间的距离站transit-supportive区域(11]。研究测量的可访问性区域与几个指标的加权平均找到服务差距(12]。访问距离和覆盖的设施经常被视为步行进入车站,但一些研究访问距离和覆盖的概念扩大到其他模式。一项研究测量站,总面积的可访问性,可以达到在合理的时间步行,骑自行车,使用局部总线服务(13]。另一项研究显示转运中心的访问区域与适当的访问时间到达中心与多模式交通(14]。另一个叫做易访问性措施,认为(OD)重力模型的旅行是出于需求预测(15]。已经有许多研究,测量可访问性使用的供应运输服务,距离和时间。相比之下,只有少数的研究集中在转运中心和实际OD对。

在规划层面,交通中心的位置进行了优化,最大化网络的性能考虑质心为中心的最佳位置。这种方法有一个限制,它认为距离是唯一的变量之间的关系在一个交通中心和覆盖范围(5]。在另一种方法,它是假定可访问性指数与其他社区社区人口不重叠。连通性指数被视为节点之间的连接数量和地区有大量游客来优化整个交通网络(6]。

有些方法已经使用了网络中心概念网络理论评价交通网络。几个中心措施是用来评估流量分析区域在首尔,韩国,内核密度函数聚合网络节点区(16]。具体来说,亲密中心被用来代表交通节点的可访问性(17]。

研究用智能卡数据的易访问性评估交通和获得总客流量的交通网络。有一项研究,开发了一种使用智能卡数据平台和车辆GPS数据。平台设计可视化交通性能措施几个levels-network,路线,并停止水平(18]。使用智能卡数据的另一种方法是找到一个关系数据和人口,土地利用和交通因素来预测客流量或旅行的目的19,20.]。客流量以外的各种数据可以从智能卡数据获得在首尔出发,目的地指定的时间和地点。有研究利用获得的旅行时间从数据评估交通网络的竞争力与其他模式相比(21,22]。有另一种方法使用手机数据的来源和目的地未知的旅行模式。来源和目的地、旅行时间和距离的私家车和公共交通比较定义可访问性指数(23]。这些研究提出了一些方法来评估可通过数据驱动的方法,但是他们没有使用运输的出发地和目的地旅行。评估交通中心,不仅出发地和目的地,而且转移地点的交通旅行,也需要被考虑。

如上所示,有几种方法来评估交通中心,但没有具体的测量,可以用于评估交通中心,连接节点的关键作用在郊区和市区之间的数据从实际旅行。因此,如果我们了解中转中心的连接,我们理解旅行的总体分布在市区可以改善。在网络层,中心可以的一个概念,地址连接中转中心的角色,但以往的研究并不专注于交通中心。

2。模型公式

2.1。覆盖范围为中转中心的定义

中转中心被定义为一个会议的不同模式和一些路线和线函数作为有效的中心工作区域collection-distribution函数(7,11]。覆盖的原始概念是“东西可以被理解为在这一领域的影响,这样的事可以感知”(24]。公共交通设施的覆盖的范围是指空间可以步行或骑自行车。火车站在城郊地区,覆盖范围可以扩展到汽车访问访问区域,如减少或kiss-and-ride地点在一个特定的情况下(11]。在这项研究中,由于转运中心是许多游客从快速转移的位置区域交通对城市交通、交通中心的访问模式规定的覆盖面扩大到每一个模式,包括地区的公交车。从这个角度来看,每个交通中心的覆盖范围的郊区地带交通便利和强烈依赖于转运中心接近市中心区域。扩大覆盖范围的概念在市区图所示1。旅客离开郊区区经过中转中心去中部城市的路线。因此,构建良好的轮辐式结构,大部分旅客从区域交通转移到其他模式的交通中心。这种现象类似于“中间性”概念在网络理论。分析扩大覆盖面,我们开发了一个覆盖面积指数使用中间性中心概念。OD出行是用来测量中心而不是交通网络拓扑,因为拓扑反映旅客的喜好来说太复杂了。内核密度函数用于获取正确数据从智能卡数据聚合OD旅行。

2.2。网络中心

网络中心节点的测量来评估网络在社会科学和网络理论。有几种类型的中心,例如,中间性中心,靠近中心,平直度中心(25- - - - - -27]。中间性中心的定义是如何区位于所有成对的其他区域之间。测量为最短路径的数量的比率通过区域的总数所有成对的区域之间的最短路径。这是一个合适的中心措施评估交通中心,因为这些中心的覆盖范围在交通网络的作用是区域之间的连接节点覆盖范围和市中心区。中间性中心可以用数学表达如下16]: 在哪里意味着中间性的中心地带我,意味着区域的数量,意味着从区最短路径的数目j对区k通过区我,意味着从区域的最短路径的数量j对区k。

应用覆盖范围的定义,旅游链数据而不是最短路径的使用数据。这个词的“最短路径”的数量代替旅行由于旅客选择行为的数量来定义蔡。

2.3。核密度函数(KDF)

聚合实际访问数据时,登上或落区记录在智能卡数据没有实际的来源或目的地的旅行因为旅行者走或采取其他方式没有记录你的邻居区域访问中转。内核密度函数(KDF)用于应用这个社区的效果。KDF设置的值的类型的功能和带宽。在本文中,我们使用简单的三角核函数。邻居的影响区域减少线性距离,当距离超过带宽,影响变成了零。KDF可以制定 在哪里意味着质心之间的欧几里得距离的区域我和k(公里)意味着内核带宽(公里)。

KDF的带宽是唯一的变量,影响相邻效应的力量,但没有定义最优带宽。在这个研究中,我们将带宽设置为2公里,中值的相邻区域之间的欧式距离首尔市区。这个带宽是合理的基于案例研究。

2.4。覆盖面积指数(CAI)

不可避免的是,在大都市郊区区只能直接连接到中心城市的某些点,因为限制的基础设施或运行成本。鉴于这种约束,旅行者必须从区域交通转移到城市交通,城市公共汽车或地铁等交通网络应该形成一个中心辐射型结构。现有的可访问性指数为中转中心很少专注于交通网络的复杂性和旅客的选择行为由网络的结构造成的。因此,本研究使用实际访问数据,反映所有旅客的个人喜好而不是在中间性中心使用的最短路径。实际行程数据使我们能够分析游客的依赖从每个区域在特定郊区交通点通过反向中间性中心的定义。因为实际旅行数据代表当前旅游者的旅游行为,这将是适合分析当前覆盖,而不是预测未来或潜在的报道。

从方程(1),中部城市被认为是区 ,和每个区域在郊区地区被认为是区域 。区域之间的最短路径的数量和变成了中心城市之间的旅行的数量和每个区域。通过中转中心最短路径的数量, ,转化为中心城市之间的旅行数量和区域,包括中转中心的转移。这是合理的,因为一个选择旅行路线表明之间的路线的一般成本最小可能的选择集。

区域的覆盖面积指数交通中心 被定义为的比例修改数量的旅行通过中转中心吗旅行从区域的总数我中心城市。KDF用于占相邻效应和修改原始的旅行。CAI的定义 在哪里意味着区域的覆盖面积指数我交通中心j,意味着旅行的总数从区域中心城市我,意味着旅行的总数从中心城市区我,意味着之间的欧式距离区域的质心我和k, 意味着从区域旅行的数量我通过中转中心中部城市j,意味着旅行的数量从中心城市区我通过交通中心j,随着距离的增加意味着内核密度函数和带宽w。

CAI是比例,所以它有一个值在0和1之间。值接近1时,大多数旅行者从区域中心城市转移到城市交通的中心。这表明该地区区域覆盖的交通中心。指数接近0时,几乎没有旅行从区域中心城市通过中转中心。如果足够大的中心城市有多个中转中心,该指数可以测量分别为每一个交通中心。

我们采用两种方法对网络评估、网络中心和内核密度函数。评价交通中心,中间性中心用于定义其他区域的地理位置,和内核密度函数应用于转运中心的有效面积。虽然中间性中心都集中在一个区域或节点,CAI认为中转中心和目的地之间的旅行比其他交通中心。比较结果表明,方程(1)和(3)、介数中心定义为和蔡被定义为 。这一特点使CAI独特的用法,不仅评估交通中心,而且测试每个区域的交通网络CAI的空间分布。

2.5。评价CAI相比可访问性指数

CAI使用由CAI的对比评价,在前面给出的可访问性测量研究。中使用的可访问性测量研究被定义为产品吸引力的目的地和区域之间的摩擦和目的地。这个解释来自于需求预测模型与社会经济条件和交通网络(15从萨克拉门托),使用参数和变量,CA (28]。因为这项研究是集中在首尔,韩国,反映地方特色,参数和变量来自韩国的国家需求预测模型使用(29日]。该模型来源于一项全国性调查,用重力模型预测。TA与模型计算,一些变量需要被修改,同时保持了助教的根本意义。助教的定义 在哪里意味着交通区之间的可访问性我和中心j;意味着转运中心的吸引力j;意味着摩擦区域之间的访问我和中心j,这是定义为一个组合模型;意味着雇主的总数在转运中心的区域j(人);意味着交通中心的区域的人口j(人);意味着工作人员的总数在服务区域的交通中心j(人);意味着学生的总数在转运中心的区域j(人);和意味着平均出行距离之间的交通区我和j。

3所示。案例研究

3.1。数据描述

在首尔市区智能卡数据被用来获取公共交通旅行链数据,并且数据覆盖近99%的公共交通在首尔旅行。旅客的登机时间和车站、到达时间和车站,使用模式,转移的数量,每个智能卡一个惟一的ID,并记录每个访问链的事务ID,因为用户必须标记他们的卡片都当他们获得了交通模式在首尔。与适当的治疗使用的事务ID记录数据,郊区和首尔之间的所有旅行链和地点他们可以获得通过。在这个研究中,1.8亿年访问数据五个工作日(16 - 19和2017年5月22日)。数据为250万次(trips)总额的2.33%没有使用,因为他们不包括到达时间和车站。治疗后,1577万年访问链郊区和首尔之间了。

案例研究选择6个交通中心。他们作为目的地的大部分区域表达公共汽车从首尔郊区,因为它们可以高速公路,并连接到首尔的地铁线路。三个人(Gangnam Sadang, Jamsil)在首尔南部Gangnam商业区附近,首尔的中心。其他三个(首尔站,Cheongnyangni, Hapjeong)附近的中央商务区,首尔的历史市中心,在图2。

大约有二百万游客从区域总线模式转移到城市公交和地铁每天中心,反之亦然。平均每个区之间的旅行和首尔郊区地区每天是4526 5,和13.8%的总行程(626.8旅行每天为每个区)通过交通中心。根据旅行的百分比,它可以显示,交通中心突出的区域交通网络的首尔。平均旅行时间和旅行的旅行距离交通中心49.4分钟,26.9公里。旅行的平均旅行速度通过交通中心的速度快于总郊区和首尔之间的旅行。的基本统计数据处理的结果如表所示1。

3.2。带宽的KDF CAI的效果

站通常是附近的边界区域,等站只算作一个区域虽然来自邻近的区域使用。此外,智能卡数据可能不能反映实际的旅行,因为人们常常穿过邻近区域的起源来访问交通模式。这种效应被应用调整相邻效应与KDF聚合离散智能卡数据空间区域。

邻居区域质心之间的距离的中位数在研究区域是2.1公里,平均区大小是16公里²。我们认为人们不会跨越多个区域访问中转。灵敏度分析的带宽进行了基于价值2公里。0的带宽km-without KDF,使用了2公里,5公里。CAI的测量结果的一部分地区Gangnam的图所示3。没有应用KDF, CAI邻区有显著差异。当内核函数的带宽是5公里,指数在大面积夷为平地,相邻区域的力量增加。这导致较小的索引相邻区域之间的差异。

根据敏感性分析,适当的带宽的KDF取决于评价的目的。短带宽适合观察差异在一个小观点,如区域的水平。相反,长带宽适合观察差异广泛的观点,如区域或郡的水平。在这项研究中,我们使用了2公里的带宽来观察相邻区域之间的差异,因为我们想要比较CAI在区域层次的差异。

3.3。覆盖范围使用CAI的中转中心

每个交通中心的整体覆盖范围图所示4。覆盖区域被定义为最大的区CAI值大于0.05,超过100人前往首尔。Sadang覆盖面积在首尔郊区的西南部分地区。的CAI Sadang最高Jangan值为0.922。这表明92.2%的旅行从Jangan区首尔通过Sadang中转中心。Gangnam中转中心接近最重要的公路在首尔,这是最接近的中转中心Gangnam区。这些特征的位置导致了它覆盖的广阔领域。Cheongnyangni和Jamsil位于东部的首尔,所以他们的覆盖区域所示的东部郊区的首尔。首尔站和Hapjeong覆盖了西方首尔近郊区域的一部分,但中美国际学校的每个区域都小于其他中心的价值。这种倾向意味着首尔站和Hapjeong并不像其他中心和不太重要的功能比其他中心。

首尔站和Gangnam展示在公共交通网络最重要的区别。如图5助教,他们有相似的分布,它们都位于首尔的主要商业区,但是他们的CAI非常不同的中心。Gangnam高度集中了CAI在首尔南部。这意味着在首尔南部有一个交通网络中心辐射型结构Gangnam定心。相比之下,首尔站的覆盖范围位于首尔南部和西北部地区和CAI值很低的区域。这意味着首尔站与董事会首尔市区的一部分,但中心的力量是不足以构成了交通网络中心辐射型结构。通过这个分析,我们可以讨论交通线路连接首尔站和首尔南部应该调整连接首尔的中心和东北部分实现交通网络的有效中心辐射型结构定心首尔站。在市中心的交通方面,有必要检查是否游客抵达首尔站在郊区可以充分前往城市的其他部分。

因此,CAI可以识别交通中心没有足够的权力中心在轮辐式结构;这意味着转运中心的功能在整个网络将是不够的。与图4较低,三个中心CAI对自己coverage-Seoul站,Hapjeong, Cheongnyangni-would对应情况。中心应该升级对游客的吸引力,如加快区域与快速公交巴士或一个方便的环境转移高质量室内公车候车亭和信息系统。

从广泛的角度而非个人中心,覆盖区域的CAI交通中心的中央商务区(首尔站,Hapjeong, Cheongnyangni)小于Gangnam地区中心的索引(Sadang, Jamsil, Gangnam)。我们可以推断中央商务区附近的交通网络没有形成一个中心辐射型结构。因此,地区高效的交通网络,它可以认为政府应该改革地区的交通网络或运输中心形成一个中心辐射型结构。

3.4。评价的指标性能

我们比较CAI和助教三centers-Sadang Gangnam,首尔站总六个中心。Sadang中心,执行得很好,它有一个定义明确的报道。Gangnam和首尔站是位于首尔的两个不同的中心。他们有着相似的分布的助教,但蔡显示了两个中心之间的区别。在图所示的趋势5CAI和TA表示一个重要的区别。有一些核心区域在郊区地区CAI值高,但蔡迅速当核心的距离的增加而减少。助教曾发挥了中心城市附近的最高价值,而且它缓慢下降的距离中心城市增加。这种差异的趋势的原因是摩擦TA指数影响强烈的欧式距离交通中心。相比之下,CAI并不强烈影响区和中心城市之间的距离。由于CAI的定义,旅行的人数的比例没有直接影响的距离。

这个结果显示CAI的贡献。几乎所有附近的区域中心城市与城市交通。旅行者从那些区域不需要转移的交通中心。区域连接到一个转运中心与区域表达总线将高CAI中心和中心的改造会影响显著的即使他们远离城市。如果公共汽车线路终止,服务水平将大幅减少。这种空间依赖性分析可以提供新的动机和见解规划者和运营商。CAI和其他易访问性指标,如助教、互补关系。

4所示。讨论

4.1。衡量交通供给和用户的偏好

蔡高的区域转运中心意味着很高比例的游客区,中部城市之间的集成中心。除了旅行的总数的情况很小,路线穿过中心的路线时,旅行者最喜欢他们选择区域和城市之间的路线。这意味着区域连接到与高水平的区域服务中心,如表达总线在首尔。如果带一个小CAI的交通中心,旅客从区域到另一个中心城市将转移到城市交通或出城。后者的情况下实现更长的旅行,慢的运输模式,如地铁或公交车。

观察的结果与现有的区域交通网络CAI,特别是表达的主要走廊公交线路,很明显,为什么指数是它是什么。图6显示区域与高CAI表达紧密连接到现有的公交线路。图6(一)显示区域研究的西南部地区有高CAI Sadang,即。0.92点。他们通过表达公交线路连接到首尔Sadang。许多表达线路使用高速公路,所以他们被视为Sadang的报道。图6 (b)表明Gangnam中转中心有一个广泛的覆盖在研究区南部因为Gangnam Gyungbu高速公路最近的转运中心,中央走廊在首尔市区。

因此,CAI可以识别交通中心太宽泛报道会导致过度拥挤的游客和车辆的中心。例如,首尔Gangnam广泛覆盖在首尔南部,见图6 (b)。相反,Jamsil没有充分地覆盖东南区域图的一部分6 (c)。在另一个视图,覆盖面积Sadang太依赖于一个交通中心,见图6(一)。如果有严重的事件在路上Sadang,区域会被孤立。政府应该有其他选择连接到首尔地区与其他线路或模式。这个观察Gangnam过度拥挤的可以建议一个解决方案,如改变目的地区域公共汽车从区域到Jamsil。与一个合适的表达公交线路,旅行从区域到可以分散中心城市。

4.2。中心和郊区之间的连通性

中美国际学校也可用于评价区域交通在郊区地区通过获得中美国际学校的总和为所有六个中心(CAISUMs)。如果CAISUMs区域很小,这表明,欧元区通过另一个转运中心或连接到市区,没有先进的区域交通联系交通中心,这意味着欧元区不形式的运输中心辐射型结构到市中心。区分这两种情况下,CAISUMs区域应与邻近的CAISUMs区。当一个区域和周边区域有小CAISUMs,可以推断出,都是连接到其他中心。所以,比较的CAISUM区与周边区域可以用来确定交通网络的结构效率低下。

图7显示差异的CAISUMs CAISUM区和邻近地区。我们使用不同的带宽CAISUMs KDFs比较。差异CAISUM带宽的2、5、10公里可以显示CAISUM中的差异而调整区和一个数字。如果一个区有积极价值的不同,它有一个小CAISUM比邻近区域。铁路经过区域时,CAISUMs区域计算的一个小值。区被观察到缺乏区域交通,因为旅行的区域的中心城市铁路交通中心不需要转移,以及地铁线路之间的转移并不计入智能卡数据。这一分析的贡献可以从图中的虚线框7。这些区域CAISUMs低于相邻的区域,因为他们没有任何铁路和公交线路连接到交通中心。区域和城市之间的旅行在城市交通、低水平的服务,不形成中心辐射型结构通过交通中心。对比的数据7(一)和7 (b)视图的大小。图7(一)适合找到区与低效的运输网络在各个区域水平,和图吗7 (b)是适合寻找县级区域。

使用这种方法,小胡子和一个服务区域交通的不足。旅行者的地区将经历低速度和一个贫穷的环境旅行时转移到市中心。政府应该提供一个区域表达从区域现有公交系统中心。如果该地区的交通需求太大处理中心,打开一个新的交通中心连接地铁和城市公交车与区域交通应考虑。

5。结论

在这个研究中,覆盖率的概念扩展到评估多通道的集成和协调公共交通系统。覆盖面积指数(CAI)被定义为旅行的数量的比率通过中转中心的总数从区域中心城市。智能卡数据被用来进行案例研究,和内核密度函数应用于聚合点对点叫做数据区。6个交通中心连接首尔和首尔市区南部被选来衡量中美国际学校。CAI的峰值变化之间的中心,从0.173为Sadang首尔站0.92。CAI可以用来比较交通中心的重要性,来衡量交通供给和旅客的偏好和评价是否从郊区交通区域中心城市是融入城市的城际交通网络。

交通中心整合交通模式的角色市区和郊区之间的复杂的轮辐式大城市的交通网络。一些研究人员认为是有效性、连接性和可访问性的交通中心,但他们很少处理整个交通网络的整合或协调。我们开发CAI使用中间性的概念中心评估中心的角色。CAI,郊区的依赖中心可以可视化。通过比较CAI和助教,我们能够评价CAI在距离市中心的独立性。因为只有OD数据需要衡量CAI,它没有必要直接比较不同的替代路线和模式。CAI的特点优势当交通网络太复杂,分析大都市地区。

蔡可用于三个目的:寻找报道交通中心,测量交通供给,和测量中心和郊区之间的连接。每个中心的报道,我们会发现不称职的中心,狭窄的和模糊的报道。这意味着他们不能函数和一个中心,中心应该吸引更多的游客。与测量区域交通供给,替代路线解决拥挤问题的中心被牵连。测量连接,区域交通供给不足的区域,和策略提出了改善连接区域。

鉴于我们的结论和观察,未来的研究应该考虑到首尔罕见的智能卡数据集,它提供了访问链数据,包括准确的寄宿和降落站用于旅行。的定义提出了覆盖和CAI可以应用到其他类型的访问数据,如公共交通客流量OD矩阵和数据。然而,这些特征可能是指数,因为指数的限制不能被用来测试场景在规划阶段由于缺乏的将来访问数据。它可以进一步研究与预测未来使用索引访问数据。通过扩大索引与数据,潜在的覆盖区域,游客可以转运中心的用户可以识别。这个结果将有利于交通中心和交通网络的规划者。在未来的研究中,分析的报道交通中心可以分配给不同的大城市来识别区域,区域交通不足。它可以进一步努力使用索引的数据预测未来的旅行。

数据可用性

智能卡数据用于支持这项研究的结果被限制的土地、基础设施和运输韩国为了保护隐私。数据可从TRLab首尔国立大学的研究人员满足访问机密数据的标准。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究受到了基础科学研究项目通过韩国国家研究基金会(NRF)由科技部资助的ICT (2020 r1f1a1061802)。

引用

1. l .太阳、j .荣和l .姚明,“测量传输效率的城市公共交通终端通过数据包络分析,“城市规划与发展》杂志上,卷136,不。4、314 - 319年,2010页。视图:出版商的网站|谷歌学术搜索
2. h .选择t Todoroki, y .岸”的基本研究评价公共交通换乘节点通过数据包络分析方法,使用智能卡数据”交通研究Procedia》第六卷,第401 - 391页,2015年。视图:出版商的网站|谷歌学术搜索
3. 美国米希拉,t·韦尔奇,m . k . Jha”公共交通连接性能指标综合交通网络,”交通研究部分:政策和实践,46卷,不。7,1066 - 1085年,2012页。视图:出版商的网站|谷歌学术搜索
4. a .转让人y净,c . Coriat”测量公共交通连接性能应用在奥克兰,新西兰,”交通研究记录:《交通研究委员会,卷2111,不。2111年,第147 - 139页,2009年。视图:出版商的网站|谷歌学术搜索
5. 王z和y陈,“位置方法的发展为城市公共交通网络中心辐射型网络结构的基础上,“交通研究记录:《交通研究委员会,卷2276,不。1,17-25,2012页。视图:出版商的网站|谷歌学术搜索
6. h . b . Yu朱、w·蔡:妈,问:旷,和b .姚明,“两阶段优化方法交通枢纽位置,大连的情况下,“交通地理杂志33卷,第71 - 62页,2013年。视图:出版商的网站|谷歌学术搜索
7. M.-C。希什、h . Mahamassani和m . Baaj”中转航线网络规划和设计模型与协调行动时,“交通研究记录:《交通研究委员会,卷1623,不。1,16-23,1998页。视图:谷歌学术搜索
8. e·h·李·h·李,s . y .许思义d k金,“评价公交和地铁之间的传输效率基于数据包络分析使用智能卡数据,”KSCE土木工程杂志》上,23卷,不。9日,1 - 12,2019页。视图:出版商的网站|谷歌学术搜索
9. 城市可访问性:j . g . Koenig”指标的理论和应用,“运输,9卷,不。2、145 - 172年,1980页。视图:出版商的网站|谷歌学术搜索
10. s . k . Sathisan和n . Srinivasan”的易访问性评估城市交通网络”,交通研究记录:《交通研究委员会,卷1617,不。1,第83 - 78页,1998。视图:出版商的网站|谷歌学术搜索
11. 生命& Associates USFT管理、识别程序,和TD公司,运输能力和服务质量手册交通研究委员会,华盛顿,美国,2003年。
12. s . a .马蒙n e·朗兹,”测量服务差距:accessibility-based交通需要指数”,交通研究记录:《交通研究委员会,卷2217,不。1,第161 - 153页,2011。视图:出版商的网站|谷歌学术搜索
13. i Tasic、c . Bozic和e·汉斯”向真正的多通道交通可达性:数据、措施和方法,”美国交通运输研究委员会第96届会议(民国)美国,华盛顿特区,2017年1月。视图:谷歌学术搜索
14. C.-L。程和a . w . Agrawal TTSAT:映射交通可访问性的新方法,”《公共交通,13卷,不。1,55 - 72、2010页。视图:出版商的网站|谷歌学术搜索
15. b·m·阿拉姆·g·l·汤普森和j·r·布朗”用另一种方法估算交通可访问性:证据来自布劳沃德县,佛罗里达州,”交通研究记录:《交通研究委员会,卷2144,不。1,第71 - 62页,2010。视图:出版商的网站|谷歌学术搜索
16. 孙k·d·金,“区域中心措施和相邻效应”,交通研究部分:政策和实践,44卷,不。9日,第743 - 733页,2010年。视图:出版商的网站|谷歌学术搜索
17. s . b .钟,s . h .户珥,j . h .门敏d·金和k·h·歌,“使用亲密中心开发易访问性指数,”交通研究东亚社会学报》第九届东亚社会交通研究的国际会议交通研究,东亚社会,济州岛,韩国,2011年。视图:谷歌学术搜索
18. x和y王”,开发数据驱动平台的运输性能措施使用智能卡和GPS数据,”交通运输工程学报,卷140,不。12日,2014年。视图:出版商的网站|谷歌学术搜索
19. E.-J。金、金y和D.-K。金”,可翻译的机器学习模型估计旅行目的智能卡数据”诉讼的民事制度Engineers-Municipal工程师托马斯•德福有限公司,页22页,2020。视图:出版商的网站|谷歌学术搜索
20. w .涂,r·曹y悦,b .周问:李,李问:,“在城市公共空间变化客流量来自GPS轨迹和智能卡数据,”交通地理杂志卷。69年,45-57,2018页。视图:出版商的网站|谷歌学术搜索
21. h·李,h .公园、美国许思义和d·金”评估运输竞争力在首尔考虑实际运输时间基于智能卡数据,”交通地理杂志文章ID 102546卷,80年,2019年。视图:出版商的网站|谷歌学术搜索
22. c . Kapuku S.-Y。许思义D.-K。金,工程学系。秋,”建模的竞争力既系统使用自行车GPS和交通智能卡数据,”交通信,2020年,页1 - 5。视图:出版商的网站|谷歌学术搜索
23. z Cai, d . Wang和x m .陈“小说之旅覆盖指数运输易访问性评估使用手机数据,”《先进的交通工具ID 9754508条,卷。2017年,14页,2017。视图:出版商的网站|谷歌学术搜索
24. m·t·Magalhaes”空间覆盖索引来评估国家和区域交通基础设施,“交通地理杂志卷,56岁,61年53 - 2016页。视图:出版商的网站|谷歌学术搜索
25. l·c·弗里曼,“一套措施基于中间性的中心,“人与人之间,40卷,不。1,35-41,1977页。视图:出版商的网站|谷歌学术搜索
26. l·c·弗里曼,”中心在社交网络概念澄清,“社交网络,1卷,不。3、215 - 239年,1978页。视图:出版商的网站|谷歌学术搜索
27. 诉Latora和m . Marchiori”小世界网络的有效行为,”物理评论快报,87卷,2001年。视图:出版商的网站|谷歌学术搜索
28. g·l·汤普森”实现郊区交通潜能:萨克拉门托重新审视,“交通研究记录:《交通研究委员会,卷1571,不。1,第160 - 151页,1997。视图:出版商的网站|谷歌学术搜索
29. 韩国交通数据库,2018年建立交通网络分析、韩国运输研究所和土地、基础设施和运输韩国,韩国世宗市2018年。

版权

版权©2020 Hyunjun黄等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。