本书介绍出租车轨迹数据的理论基础、数据处理、出租车时空分布特征分析、出行行为建模及预测、供需平衡优化和交通网络稳定性研究等多个方面的内容。在出租车与地铁等多模式出行的优化与调控方面，通过实证案例展示利用数据驱动方法提升出行效率、优化资源配置的方法，可为绿色交通体系的构建提供参考。
更多科学出版社服务，请扫码获取。
(1) 1994-09 至 1998-07, 兰州铁道学院, 自动控制, 学士
(2) 2000-09 至 2003-07, 兰州交通大学, 交通运输规划与管理, 硕士
(3) 2007-09 至 2012-07, 兰州交通大学, 交通运输规划与管理, 博士(1) 2014-05 至 今, 兰州交通大学, 交通运输学院, 教授
(2) 2012-12 至 2014-05, 美国内华达大学, 土木与环境工程系 访问学者, 无
(3) 2009-05 至 2014-05, 兰州交通大学, 交通运输学院, 副教授
(4) 2003-12 至 2009-05, 兰州交通大学, 交通运输学院, 讲师
(5) 1998-07 至 2003-12, 兰州交通大学, 交通运输学院, 助教交通大数据、智能交通1. 甘肃省教学名师，2023.
2. 甘肃省教学成果奖一等奖，第7位，2021.
3. 甘肃省高等学校青年教师成才奖，第1位，2015.(1) 2014-05 至 今, 兰州交通大学, 交通运输学院, 教授
(2) 2012-12 至 2014-05, 美国内华达大学, 土木与环境工程系 访问学者, 无
(3) 2009-05 至 2014-05, 兰州交通大学, 交通运输学院, 副教授
(4) 2003-12 至 2009-05, 兰州交通大学, 交通运输学院, 讲师
(5) 1998-07 至 2003-12, 兰州交通大学, 交通运输学院, 助教
目录
前言
第1章 绪论 1
1.1 城市公共交通与建成环境 1
1.2 出租车轨迹数据研究现状 3
1.2.1 出租车出行行为 3
1.2.2 组合出行行为 4
1.2.3 建成环境与出行行为 6
1.3 本书主要内容 8
第2章 理论基础 11
2.1 空间统计方法 11
2.1.1 空间统计简介 12
2.1.2 探索性空间数据分析 13
2.1.3 地理加权回归 14
2.1.4 空间自相关分析 17
2.2 图论与复杂网络 19
2.2.1 基本概念 20
2.2.2 路径搜索方法 22
2.2.3 可达性度量 23
2.2.4 社区发现方法 27
2.2.5 中心性分析方法 29
2.3 机器学习 31
2.3.1 神经网络 31
2.3.2 聚类 33
2.3.3 XGBoost算法 34
2.4 数据可视化 36
第3章 数据处理与分析 38
3.1 引言 38
3.2 研究区域 38
3.3 建成环境 39
3.3.1 建成环境要素描述 40
3.3.2 建成环境数据源 41
3.3.3 建成环境数据预处理 43
3.4 出租车轨迹数据 45
3.4.1 数据介绍 45
3.4.2 数据预处理 46
3.4.3 出租车OD提取 47
3.5 本章小结 49
第4章 出租车出行特征 51
4.1 引言 51
4.2 核密度估计及数据拟合 52
4.2.1 核密度估计方法 52
4.2.2 数据拟合方法 53
4.3 时空分布特征 55
4.3.1 出租车载/落客时间分布特征 55
4.3.2 出租车载/落客空间分布特征 60
4.3.3 出行距离 65
4.4 出租车和地铁客流量相关性 67
4.4.1 分析指标 67
4.4.2 结果分析 69
4.5 出租车与地铁竞合关系 71
4.5.1 站点直接影响范围 71
4.5.2 竞合关系识别 72
4.5.3 竞合出行移动特性 73
4.6 本章小结 75
第5章 出租车与地铁竞合出行特征 77
5.1 引言 77
5.2 研究方法 78
5.2.1 奇异值分解 78
5.2.2 多项Logit 模型 78
5.3 竞合出行时空特征 79
5.3.1 补充型、竞争型出行的时间特征 79
5.3.2 延伸型出行的时间特征 83
5.3.3 补充型、竞争型出行的空间特征 87
5.3.4 延伸型出行的空间特征 90
5.4 竞合出行需求模式 95
5.4.1 奇异值分解OD时空矩阵 95
5.4.2 补充型出行的需求模式 96
5.4.3 竞争型出行的需求模式 98
5.4.4 延伸型出行的需求模式 101
5.5 本章小结 103
第6章 建成环境对竞合出行分布的影响机理 105
6.1 引言 105
6.2 建成环境对竞合出行分布的全局影响 106
6.2.1 变量介绍 106
6.2.2 全局OLS模型 107
6.2.3 基于全局OLS模型的建成环境影响性分析 108
6.3 建成环境对竞合出行分布的局部影响 111
6.3.1 地理加权回归模型 111
6.3.2 基于局部GWR模型的建成环境影响性分析 113
6.4 考虑空间异质性尺度差异的影响 114
6.4.1 多尺度地理加权回归模型 115
6.4.2 尺度分析 116
6.4.3 系数空间格局分析 117
6.5 模型拟合优度 130
6.6 本章小结 131
第7章 站域建成环境对出租车-地铁组合出行的影响机理 133
7.1 引言 133
7.2 站域建成环境 135
7.2.1 站点潜在影响范围 135
7.2.2 站域建成环境数据 136
7.3 站域建成环境对出租车-地铁组合出行影响建模 138
7.3.1 负二项回归模型 138
7.3.2 机器学习模型 139
7.4 基于NBR模型的站域建成环境影响性分析 140
7.5 基于XGBoost模型的站域建成环境非线性影响分析 143
7.5.1 SHAP模型与必要条件分析 143
7.5.2 非线性建模与结果分析 145
7.6 本章小结 152
第8章 出租车出行需求预测模型 154
8.1 引言 154
8.2 数据与问题定义 156
8.3 不确定估计与深度学习 159
8.3.1 分位数回归 159
8.3.2 卷积神经网络 160
8.3.3 长短期记忆网络 164
8.3.4 自注意力机制卷积长短期记忆神经网络 165
8.4 模型与实验 169
8.4.1 联合均值和分位数的SA-ConvLSTM模型 169
8.4.2 实验与结果分析 170
8.5 本章小结 173
第9章 基于收益优先的高铁站出租车司机决策模型 174
9.1 引言 174
9.2 出租车司机决策分析 175
9.3 权重计算模型 176
9.3.1 层次分析法 177
9.3.2 组合赋权法 179
9.4 决策模型 180
9.4.1 决策数与收益指标 181
9.4.2 决策阈值与决策准则 182
9.5 实例分析 184
9.5.1 影响因素与数据分析 184
9.5.2 权重计算模型求解与敏感性分析 187
9.6 本章小结 191
第10章 出租车运输网络的级联失效模型 193
10.1 引言 193
10.2 出租车运输网络 194
10.2.1 空间聚类与网络构建 194
10.2.2 出租车运输网络拓扑特征 198
10.3 级联失效模型 200
10.3.1 变量与评价指标 200
10.3.2 级联失效模型分析 201
10.4 出租车运输网络仿真 204
10.5 本章小结 205
参考文献 207
书单推荐
