通过使用台北地铁智能卡数据,在COVID-19的影响下调查时空流动模式和地铁使用变化,使用台北地铁智能卡数据
Christian Martin Mützel1, Joachim Scheiner2
1Faculty of Spatial Planning, Technische Universität Dortmund, 44227 Dortmund, Germany.
Public transport (Heidelberg, Germany)
|April 16, 2024
概括
自动收费 (AFC) 智能卡数据显示,在COVID-19大流行期间,公共交通使用的变化异质. 地铁乘客数量在不同时间和地点有很大差异,并没有均下降.
科学领域:
- 城市规划 城市规划
- 运输科学 运输科学
- 数据科学数据科学数据科学
背景情况:
- 公共交通系统使用自动收费 (AFC) 和智能卡,生成大量的时空数据.
- 这些数据为交通规划,管理和城市发展提供了宝贵的见解.
研究的目的:
- 用台北智能卡数据分析时空地铁旅行模式.
- 为了识别乘客流量的时间变化,并可视化地理分布.
- 评估COVID-19大流行对地铁乘客模式的影响.
主要方法:
- 分析来自台湾台北的智能卡旅行数据.
- 每周数据的细分成不同的时间段.
- 应用简单线性回归和线图来识别模式.
- 乘客流量大小的地理可视化.
- 对大流行前 (2019年) 和大流行 (2020年) 乘客数据的比较分析.
主要成果:
- 在乘客流动中识别出不同的时间模式,跨日和时间.
- 乘客流量大小对实际地理位置进行可视化.
- 证明COVID-19大流行期间地铁使用变化不是统一的.
- 在乘客转移中存在显著的空间和时间异质性的证据.
结论:
- 智能卡数据为了解复杂的城市移动模式提供了强大的工具.
- 随着COVID-19大流行,公共交通行为发生了异质而不是统一的变化.
- 调查结果为应对危机的适应性运输规划和管理提供了关键的见解.
