论文总字数：29548字

摘 要

作为城市交通的重要组成部分，公共自行车不仅为短途出行提供了合适的解决方案，十分灵活，可达性强；而且相比小汽车等其他交通工具绿色环保，污染较少，得到了许多国家和地区的发展和推广。为了使公共自行车客流系统运营和管理更加科学有效，需要对公共自行车客流及其影响因素进行分析。

与传统的服务点客流分析和影响变量选择方法不同，POI（point of interest，兴趣点）数据作为一类新型数据，具有空间位置的属性，能够强调公共自行车客流和影响因素的空间分布差异特性，为公共自行车客流分析提供了新的渠道和方法。

论文以南京市浦口区部分区域为例，收集了当地的公共自行车服务点客流数据，并提取了相应样本点周围的POI数据。在分析过程中，首先应用了OLS（Method of ordinary least squares，普通最小二乘法模型）模型，发现了OLS模型的局限性。在空间性数据分析中，进行了公共自行车客流和POI数据的空间自相关检验，证明了其具有空间不稳定性。进而，论文选取了学校、医院、商业、办公、住宅、交通六类因素，构建了关于公共自行车客流的GWR（Geographically Weighted Regression，地理加权回归模型）模型，与OLS模型进行了对比并分析了不同因素对公共自行车客流的影响机制。

关键词：POI数据，公共自行车，GWR模型，空间分异性

Abstract

As an important part of urban traffic, public bicycle not only provides the appropriate solution for short-distance travel with flexiblility and strong accessibility, but also protects the green environment and has less pollution compared with cars and other vehicles.Public bicycle is already developmened and promotioned by many countries and regions.In order to make the public bicycle traffic system more scientific and effective on operation and management, we need to analysis the public bicycle passenger flow and its influencing factors.

Different with the traditional service point passenger flow analysis and influence variable selection method, POI (point of interest) data is a new kind of data, which has the property of spatial location, and to emphasize the difference characteristics of spatial distribution with public bicycle passenger flow and its influence factors. It provides a new channel and methods for the public bicycle passenger flow analysis.

The thesis takes nanjing pukou area as an example. The search collects the local public service point bicycle passenger flow data, and extracts the POI data around the corresponding sample points.In the process of analysis, firstly applies the OLS (Method of ordinary least squares) model, to discover the limits of the OLS model.In spatial data analysis, the thesis conducts a spatial autocorrelation test for public bicycle passenger flow POI data, proves its space instability. The thesis selects the schools, hospitals, commercial, office, residence, traffic as six factors, build the GWR model about public bicycle passenger flow, then compares with the OLS model and analyzes the influence mechanism of different factors on the public bicycle passenger flow.

Keywords: POI data, public bicycle, GWR model, spatial distribution

目录

摘要 I

Abstract II

目录 III

第一章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.2.1 土地利用与客流关系 1

1.2.2 公共自行车规划 2

1.2.3 现有成果总结 3

1.3 研究内容与技术路线 3

1.3.1 研究目的 3

1.3.2 研究内容 3

1.3.3 技术路线 4

1.4 本章小结 4

第二章 研究区域数据来源及处理 6

2.1 研究区域 6

2.2 数据来源 6

2.3 公共自行车客流数据获取 8

2.4 POI数据的获取 8

2.4.1 POI数据的概念 8

2.4.2 通过API接口的POI数据提取 9

2.5 本章小结 12

第三章 GWR模型研究 13

3.1 全局回归模型与局部回归模型 13

3.2 GWR模型原理 13

3.3 权重函数的选择 14

3.4 带宽的优化与确定 15

3.5 GWR模型的检验 16

3.6 GWR模型的特性 17

3.7 本章小结 17

第四章 探索性空间数据分析 18

4.1 线性拟合 18

4.1.1 公共自行车客流影响因素的选取 18

4.1.2 OLS模型的拟合 19

4.2 空间自相关检验 20

4.3 本章小结 21

第五章 基于GWR模型的公共自行车客流影响因素分析 22

5.1 GWR模型构建 22

5.1.1 GWR模型影响因素选择 22

5.1.2 GWR模型的确定 22

5.2 GWR模型结果分析 22

5.3 各类POI对公共自行车客流影响的机制分析 23

5.3.1 商业因素对公共自行车客流影响的空间分异性 24

5.3.2 医院因素对公共自行车客流影响的空间分异性 24

5.3.3 办公因素对公共自行车客流影响的空间分异性 25

5.3.4 住宅因素对公共自行车客流影响的空间分异性 26

5.3.5 学校因素对公共自行车客流影响的空间分异性 27

5.3.6 交通因素对公共自行车客流影响的空间分异性 28

5.4 本章小结 29

第六章 研究结论与展望 30

6.1 研究结论 30

6.2 研究的不足之处 30

6.3 研究展望 31

致谢 32

参考文献（References） 33

绪论

研究背景与意义

随着经济的快速发展，小汽车大规模进入普通家庭的同时，也带来了交通拥堵、出行时间延长、环境污染、土地滥用、交通事故多发等一系列的负面问题。与小汽车相比，自行车作为一种灵活、方便、快捷、健康、环保、可达性好的交通工具，得到了很多国家和地区的大力推广。

剩余内容已隐藏，请支付后下载全文，论文总字数：29548字