轨道交通导向下建成环境对交通出行的影响机理及引导策略研究

It has seen as a fundamental strategy to ease the city traffic problems through playing the positive role of the built environment in travel thereby reducing the individual car dependence. The relationship between the built environment and travel has become an international research topic in the field of urban planning and transportation. However, the research on the influence of the rail transit-oriented built environment on travel and planning guidance strategy is still quite limited. In particular, the empirical studies based on the linearity assumption cannot describe the real linkage between the built environment and travel. To fill the gaps, from the individual behavior viewpoint, this proposal builds Copula-based semi-parameter multi-choice model to explore the effect of the rail transit-oriented built environment on car ownership and travel mode choice. Then, machining learning method is used to investigate the non-linear linkage between the station-level built environment and rail transit demand. On this basis, the project will set up an integrated planning model to jointly sketch the land use and travel around the rail station, guiding the individuals to green travel through optimizing the station-level built environment. To apply the proposed models and methods under the data-driven environment, Beijing etc. will be used as the empirical case for this project. This research can help to better understand the effect of the built environment on travel, and provide important theory support for make integrated transportation and land use planning, and travel demand management policies.

发挥建成环境对交通出行影响的正面作用，从而降低居民小汽车依赖，被认为是缓解城市交通问题的根本所在。建成环境与交通出行关系研究现已成为城市规划与交通领域前沿性课题，但是当前研究缺乏探究轨道交通导向下建成环境对交通出行的影响机理及引导策略，尤其是基于线性关系假设的实证研究难以准确揭示建成环境与交通行为之间的内在机制。本课题从微观行为视角出发，建立Copula理论下多维选择半参数模型，揭示轨道交通导向下建成环境对私家车拥有及出行模式的影响机理，进而利用机器学习剖析站点周边建成环境与轨道交通需求的非线性关联机制。在此基础上，构建基于行为视角的轨道交通站点周边土地利用与交通整合规划模型，优化建成环境以引导可持续交通出行。课题以北京等为例开展实证研究，在数据驱动下对上述模型和方法加以应用。该研究有助于深入理解建成环境对交通出行的作用机理，为现阶段大城市制定交通规划及出行需求管理策略提供关键支撑。

发挥建成环境对交通出行影响的正面作用，从而降低居民小汽车依赖，被认为是缓解城市交通问题的根本所在。建成环境与交通出行关系研究现也已成为城市规划与交通领域前沿性课题，但是当前研究缺乏探究轨道交通导向下建成环境对交通出行的影响机理及引导策略，尤其是基于线性关系假设的实证研究难以准确揭示建成环境与交通行为之间的内在机制。本项目从微观行为视角出发，建立了Copula理论下多维选择半参数模型，揭示了轨道交通导向下建成环境对私家车拥有及出行模式的影响机理，进而利用机器学习剖析了站点周边建成环境与轨道交通需求的非线性关联机制。在此基础上，构建了基于行为视角的轨道交通站点周边土地利用与交通整合规划模型，优化建成环境以引导可持续交通出行。项目以北京、南京、济南等城市为例开展实证研究，在数据驱动下对上述模型和方法加以应用。该研究有助于深入理解建成环境对交通出行的作用机理，为现阶段大城市制定交通规划及出行需求管理策略提供关键支撑。.标注项目批准号，项目负责人以第一作者或通讯作者在Cities、Transportation Research Part A、Transportation Research Part D和Journal of Transport Geography等城市与交通领域顶级期刊发表Q1区SCI/SSCI论文7篇，Q2区SSCI论文1篇。依托本项目培养在读博士研究生1名，毕业硕士研究生7名，其中1人校级优秀硕士学位论文。项目负责人作为第一完成人，本项目成果支撑的“大城市通勤交通时空辨析与效能提升关键技术及应用”获得2022年度住建部华夏建设科学技术奖一等奖，“建成环境与交通出行耦合机理及规划调控关键技术” 获得2021年度中国地理信息科技进步奖一等奖。在项目执行期间，项目负责人获评交通运输部青年科技英才、中国公路青年科技奖、中国交通运输协会科技创新青年奖等，受邀担任交通领域顶级期刊Transportation Research Part D副主编和智能交通领域顶级期刊IEEE Transactions on Intelligent Transportation Systems副主编。