学术论文
2022年4月，国际交通运输领域的学术期刊《Journal of Transportation Engineering Part A: Systems》（2022，148（6）05022003）发表了由长安大学运输工程学院陈红教授、博士生刘至真共同完成的学术论文：“基于多源交通数据的地铁站区域短时网约车出行需求预测”（Short-Term Online Taxi-Hailing Demand Prediction Based on the Multimode Traffic Data in Metro Station Areas）。陈红教授是该篇论文的通讯作者，第一作者是其博士生刘至真。
研究背景
交通需求预测的目的是解决交通时空资源的供需不平衡，而智能交通技术的进步可为预测问题提供技术支撑。现今城市交通枢纽区域的交通集散所造成的交通压力，亟需通过合理的交通时空资源配置来缓解。另外，网约车的出现在填补出租车供应不足的同时，其可预约功能也导致了道路停车的增加，并加剧了拥堵。因此，准确预测地铁站区域的网约车出行量对缓解城市拥堵至关重要。现有研究中多数交通需求预测模型仅基于单一的交通模式，忽略了不同交通模式之间的关联性。而多数考虑了不同交通模式信息的研究却忽视了诸如环境信息和土地利用特征等信息对出行量变化规律的影响。总而言之，目前缺乏针对地铁站区域探讨基于多源数据的网约车出行量预测的研究。
主要内容
论文针对网约车预约停车时占用交通枢纽周边道路空间资源的问题，考虑不同交通模式间出行需求的关联性，解析其受到环境、土地利用特征和地理位置的影响，针对地铁站区域构建了基于多源交通数据的网约车出行量预测框架，以提高预测精度并探索了具有不同土地利用特征的地铁站区域的最佳预测范围。论文从出租车、网约车和地铁数据中提取了出发地和目的地信息，通过皮尔逊系数分析从环境数据中提取了关键影响因素；其次从包含不同类型信息的几个模型中选择了最佳预测模型，并探索了最佳预测范围。结果表明，多源交通数据的引入可以提高交通需求预测的精度，且通过分析预测结果发现在具有不同土地利用特征的地铁站区的最优交通需求预测范围具有差异性。本文的主要贡献有以下几点：（1）提出了一个考虑气象、环境和土地利用因素的网约车需求预测模型。（2）所提出的预测模型探讨了出租车需求和地铁出行需求对网约车出行需求的影响。（3）本文预测了地铁站周边区域的网约车出行需求，并通过预测精度对比探索了最优预测范围，发现最优预测范围与区域周边的土地利用特性高度相关。
论文链接：
https://doi.org/10.1061/JTEPBS.0000681
