محبوبیت روزافزون رفت و آمدهای بین شهری بر توسعه منطقه ای و سبک زندگی مردم تأثیر می گذارد. یک رویکرد کلیدی برای پرداختن به چالش‌های ناشی از رفت‌وآمدهای درون شهری، تحلیل عوامل تعیین‌کننده آن است. اگرچه غیرایستایی فضایی اجتناب‌ناپذیر به نظر می‌رسد، یا حداقل ارزش بررسی در تحلیل و مدل‌سازی فضایی را دارد، دیدگاه جهانی معمولاً برای کشف عوامل تعیین‌کننده جریان‌های رفت‌وآمد بین شهری در مطالعات قبلی مورد استفاده قرار می‌گرفت، که ممکن است منجر به تخمین نادرست شود. هدف این مقاله تفسیر جریان های رفت و آمد بین شهری از سوژو به شانگهای در منطقه دلتای رودخانه یانگ تسه است. برای این منظور، از داده‌های سیگنالینگ تلفن همراه برای ثبت مسیر حرکت انسان و داده‌های بزرگ چند منبعی برای ارزیابی عوامل تعیین‌کننده اجتماعی-اقتصادی استفاده شد. دو جمله ای منفی ( NB) رگرسیون و مدل‌های تعامل وزن‌دار فضایی (SWIM) برای انتخاب عوامل تعیین‌کننده مهم و شناسایی ناپایداری فضایی آنها استفاده شد. نتایج نشان می‌دهد که عوامل تعیین‌کننده زیر معنادار هستند: (1) زمان رفت و آمد، (2) مقیاس خدمات تولیدکننده در محل کار، (3) مقیاس خدمات غیر تولیدکننده در محل سکونت، (4) عرضه مسکن در محل سکونت، (5) سال ساخت و ساز در مسکن، و (6) قیمت مسکن در سکونت. علاوه بر این، هر شش عامل تعیین‌کننده مهم، غیرایستایی فضایی مشهودی را از نظر دامنه اهمیت و سطح ضریب نشان می‌دهند. در مقایسه با رگرسیون وزن‌دار جغرافیایی (GWR)، SWIM نشان می‌دهد که عوامل تعیین‌کننده جریان رفت و آمد بین شهری ممکن است ناپایداری فضایی را هم در محل سکونت و هم در محل کار نشان دهد.

کلید واژه ها:

رفت و آمد بین شهری ; عوامل تعیین کننده عدم ایستایی فضایی ; مدل‌های تعامل وزن‌دار فضایی ؛ جریان های OD ; داده های سیگنالینگ موبایل

1. مقدمه

در سال های اخیر، زیرساخت های حمل و نقل پرسرعت مفهوم دسترسی و تحرک را اصلاح کرده اند. گسترش و توسعه فن‌آوری‌های حمل‌ونقل، مانند راه‌آهن پرسرعت (HSR) و آزادراه‌ها، به طور چشمگیری پیوند عملکردی منطقه‌ای را تغییر داده است [ 1 ، 2 ، 3 ]. علاوه بر این، به ویژه با ظهور HSR، که عملکرد عالی در کاهش زمان سفر دارد، همچنین تقاضا برای سفرهای طولانی مدت را به طور قابل توجهی تحریک می کند، فرصت های شغلی انعطاف پذیرتری را برای افراد فراهم می کند و پیوندهای مکانی بین محل کار و محل سکونت را تضعیف می کند [ 4 ]. ، 5]. زیرساخت‌های حمل‌ونقل پرسرعت جریان رفت و آمد را فراتر از مرزهای اداری ایجاد می‌کنند و ساختار کلان منطقه‌ای را تغییر می‌دهند [ 6 ، 7 ، 8 ]. این تغییرات مهم به روندی کمک می کند که منطقه رفت و آمد یک شهر فراتر از منطقه شهری سنتی به شهرها یا مناطق دیگر گسترش یافته است و تعداد فزاینده ای از مردم در شهرها رفت و آمد می کنند. امروزه رفت و آمدهای بین شهری در سطح جهان بیش از پیش رایج شده است. در سال 2020، بیش از 6 درصد از نیروی کار در اتحادیه اروپا در زیربخش های مختلف NUTS 2 (نامگذاری واحدهای سرزمینی برای آمار) رفت و آمد داشتند. این درصد حتی در بلژیک به 21 درصد رسیده است که بالاترین میزان در اتحادیه اروپا است و پس از آن هلند، آلمان، اتریش و دانمارک (همه بیش از 10 درصد) قرار دارند. 9 ]]. تلاش های گسترده ای برای مطالعه عوامل تعیین کننده رفت و آمد بین شهری [ 10 ، 11 ] و تأثیر آن بر توسعه منطقه ای [ 12 ] صورت گرفته است.
رفت و آمد بین شهری تأثیر عمیقی در بسیاری از زمینه ها داشته است. به عنوان مثال، شهرهای متوسط ​​و کوچک که قبلاً از نظر جغرافیایی از مراکز کلان شهرها یا سایر کلانشهرهای دور منزوی بودند، امروزه می توانند به دلیل رفت و آمدهای پرتکرار [ 13 ] به عنوان مراکز فرعی ویژه کلان شهرها در نظر گرفته شوند که منجر به مسکونی شدن چشمگیر محلی می شود. توسعه [ 14 ]. افزایش تحرک نیروی کار همچنین به ادغام شهری [ 15 ] کمک می کند، رشد توسعه اقتصادی منطقه ای را ارتقا می دهد [ 16 ] و اختلاف دستمزد منطقه ای را کاهش می دهد [ 17 ]. با این حال، اثرات منفی بر انرژی، اکولوژی و سلامت جسمی و روانی مسافران بین شهری دارد [ 18 ].,19 ، 20 ].
چین نیز در حال گذراندن فرآیند مشابهی است [ 21]. در منطقه دلتای رودخانه یانگ تسه، یکی از توسعه‌یافته‌ترین مناطق چین از نظر زیرساخت‌های حمل‌ونقل و توسعه اقتصادی، رفت‌وآمدهای بین شهری به واقعیت تبدیل شده است. در شانگهای، ظهور زیرساخت‌های حمل‌ونقل پرسرعت مانند راه‌آهن بین‌شهری شانگهای-نانجینگ با سرعت 350 کیلومتر در ساعت، راه‌آهن پرسرعت پکن-شانگهای، خط 11 متروی شانگهای که تا سوژو امتداد دارد و شبکه آزادراه بسیار توسعه‌یافته، بین‌المللی را ایجاد کرده‌اند. رفت و آمد به یک پدیده رایج در شانگهای تبدیل شده است. تعداد مسافران بین شهری در حال افزایش است و توسعه مسکن مسکونی در امتداد برخی از مسیرهای HSR یا کریدورهای حمل و نقل رونق گرفته است. از منظر ساختار فضایی، یک منطقه پیوسته عملکردی به تدریج شکل گرفته و از مرز اداری بین سوژو و شانگهای فراتر رفته است [ 22 ].]. طبق مطالعات قبلی، رفت و آمد از راه دور به طور تجربی به عنوان رفت و آمدی که بیش از 40 دقیقه طول می کشد [ 23 ] یا مسافتی بیش از 30 کیلومتر را پوشش می دهد، تعریف می شود [ 24 ]. در یک بررسی پرسشنامه ای که در سال 2018 انجام شد، مسافران مصاحبه شده از سوژو به شانگهای توسط HSR با میانگین زمان رفت و آمد 89.56 دقیقه و میانگین مسافت بیش از 80 کیلومتر سفر می کنند و بنابراین، مسافران معمولی مسافت های طولانی هستند [ 25 ].
مطالعات قبلی نشان می‌دهند که توزیع‌های نابرابر منطقه‌ای عوامل اجتماعی-اقتصادی، مانند توسعه اقتصادی، اندازه جمعیت، عرضه شغل، قیمت مسکن و غیره، علل اصلی جریان‌های رفت‌وآمد بین شهری هستند [ 10 ، 11 ، 26 ]. با این حال، مطالعات فوق تنها از دیدگاه جهانی انجام شده است. همانطور که Fotheringham و همکاران. [ 27] اشاره کرد، بهتر است فرض کنیم که روابط ممکن است در فضا متفاوت باشد و برآورد ضرایب ممکن است تغییرات فضایی قابل توجهی را نشان دهد. مدل رگرسیون جهانی که عدم ایستایی فضایی را نادیده می گیرد، تنها می تواند تخمین پارامترهای «متوسط» یا «جهانی» تولید کند. شایان ذکر است که در مقایسه با مدل رگرسیون جهانی، مدل رگرسیون محلی که قادر به نشان دادن تغییرات مکانی تخمین پارامترها است، تأثیر بهتری بر برازش مدل دارد و بنابراین اطلاعات دقیق تری را برای سیاست گذاری ارائه می دهد.
علاوه بر این، مطالعات قبلی معمولاً از آمار رسمی به عنوان منابع داده اولیه برای بحث در مورد عوامل تعیین کننده جریان رفت و آمد بین شهری استفاده می کردند. با این حال، آمارهای رسمی به دلیل وضوح فضایی کم، به سختی در آشکار کردن ویژگی‌های فضایی رفت‌وآمد در مقیاس درون‌شهری مؤثر هستند. علاوه بر این، هنوز آمار رسمی در مورد رفت و آمد بین شهری در چین وجود ندارد. داده‌های سیگنال‌دهی سیار نشان‌دهنده مسیر فضا-زمان مسافران می‌تواند ویژگی‌های فعالیت‌های مردم را به شیوه‌ای به موقع، دقیق‌تر و جامع‌تر منعکس کند، که برای مطالعه غیرایستایی فضایی عوامل تعیین‌کننده جریان رفت‌وآمد بین شهری در چین مناسب‌تر است.
بنابراین، این مطالعه بر جریان‌های رفت‌وآمد بین شهری از سوژو به شانگهای با استفاده از داده‌های تکی موبایل متمرکز است. تعیین‌کننده‌های مهم رفت‌وآمد بین شهری از طریق مدل رگرسیون جهانی شناسایی می‌شوند و غیرایستایی فضایی چنین عوامل تعیین‌کننده از طریق مدل رگرسیون محلی بررسی می‌شود.

2. بررسی ادبیات

2.1. مدل مفهومی و عوامل تعیین کننده جریان های رفت و آمد بین شهری

با توسعه شهرنشینی در حال گسترش، رفت و آمد در حال تبدیل شدن به بخش مهمی از زندگی ما است و به طور گسترده از دیدگاه رشته های مختلف مورد مطالعه قرار گرفته است. مطالعات اولیه در مورد عوامل تعیین کننده آن به طور جداگانه بر انتخاب محل سکونت یا محل کار متمرکز بود، اما بعداً به طور گسترده پذیرفته شد که افراد این انتخاب ها را به صورت وابسته در نظر می گیرند و عوامل تعیین کننده چند بعدی باید در یک مدل مشترک ارزیابی شوند. 28 ]]. تعامل فضایی یک مفهوم کلاسیک در جغرافیا است که به جریان های پویای عناصر (مانند مهاجرت، حمل و نقل، تجارت بین المللی، گردشگری و غیره) از مبدا به مقصد اشاره دارد. با توجه به مدل تعامل فضایی، جریان‌های دینامیکی عناصر توسط عوامل مبدا، عوامل مقصد و جدایی بین مبدا و مقصد تعیین می‌شوند [ 29 ]. جریان های رفت و آمد بین شهری را می توان به عنوان یک تعامل فضایی معمولی در نظر گرفت زیرا بسیاری از مطالعات نشان داده اند که جریان های رفت و آمد بین شهری تحت تأثیر ترکیبی هزینه رفت و آمد، عوامل تعیین کننده محل سکونت و محل کار هستند [ 10 ، 30 ، 31 ].
اول از همه، قابل توجه ترین عامل تعیین کننده رفت و آمد بین شهری به دلیل بهبود زیرساخت های حمل و نقل، هزینه های رفت و آمد را به میزان قابل توجهی کاهش داده است. با ثابت ماندن فاصله جغرافیایی، حالت های مختلف رفت و آمد هزینه های رفت و آمد متفاوتی را به همراه خواهد داشت. به عنوان مثال، در مقایسه با آزادراه ها، HSR به افزایش فاصله رفت و آمد بسیار کمک می کند در حالی که هزینه رفت و آمد را ثابت نگه می دارد، مناطق دورافتاده و جدا شده قبلی را در منطقه شهری ادغام می کند [ 15 ]. بنابراین زمان رفت و آمد نشانگر دقیق تری از هزینه رفت و آمد بین شهری نسبت به فاصله جغرافیایی است.
علاوه بر این، تفاوت منطقه ای یکی دیگر از دلایل مهم است. مطالعه قبلی، از طریق مدل‌های اقتصادی، نشان داد که تفاوت معنی‌دار بین عوامل تعیین‌کننده محل کار و محل سکونت یک پیش‌نیاز ضروری برای رفت و آمد بین شهری است [ 32 ]. اولا، محیط های کاری با مشاغل بیشتر برای مسافران جذاب تر است. بنابراین، رفت و آمد بین شهری ممکن است با میزان عرضه شغل مرتبط باشد. برخی بر این باورند که با توسعه سریع فناوری‌های ارتباطی و زیرساخت‌های حمل‌ونقل، افراد می‌توانند با انعطاف‌پذیری بیشتری شغل خود را با مسافت‌های رفت‌وآمد طولانی‌تر به نفع پیشرفت شغلی خود تغییر دهند. در نتیجه، رفت و آمد از راه دور جایگزینی برای مهاجرت شده است [ 33]. حقوق بالاتر می تواند هزینه های رفت و آمد بیشتر را جبران کند. از این رو، نابرابری دستمزد منطقه‌ای نیز می‌تواند محرک باشد. سطح دستمزد منطقه ای با ساختار صنعت همبستگی دارد و بخش خدمات پیشرفته رقابتی تر است [ 34 ، 35 ]. ثابت شده است که نوع صنعت شاخص خوبی برای سطح دستمزد منطقه ای است [ 36 ].
قیمت مسکن یکی از بارزترین عوامل تعیین کننده مربوط به محل سکونت است [ 10 ، 11 ]. علاوه بر این، مکان‌هایی با عرضه مسکن بیشتر برای مسافران جذاب‌تر هستند. بنابراین، تعداد مسافران بین شهری نیز ممکن است با عرضه مسکن مرتبط باشد. مطالعات قبلی نشان می دهد که افراد متاهل دارای فرزند مستعد انتخاب رفت و آمد از راه دور هستند: ممکن است این انتخاب منطقی در راستای منافع فردی مسافران نباشد، اما می تواند منابع آموزشی بهتری را برای فرزندانشان تضمین کند [ 37 ، 38 ].]. سال ساخت نیز یک عامل تعیین‌کننده فضایی است که در مطالعات رفت‌وآمدهای طولانی مدت مورد بررسی قرار گرفته است. هر چه یک محله مسکونی جدیدتر باشد، شرایط آن بهتر است. مسافران بین شهری ممکن است برای شرایط زندگی بهتر، املاک مسکونی را در شهر دیگری خریداری کنند. مهمتر از آن، به طور گسترده اعتقاد بر این است که ساکنانی که در جوامع مسکونی مسن تر زندگی می کنند، تمایل دارند رفت و آمد از راه دور را انتخاب کنند، زیرا آنها یک شبکه اجتماعی محلی تثبیت شده و یک زندگی پایدار دارند، و رفت و آمد از راه دور می تواند بر خانواده و خانواده تأثیر بگذارد. شبکه های اجتماعی [ 39 ، 40 ].
بنابراین زمان رفت و آمد، عرضه شغل، نوع صنعت، عرضه مسکن، قیمت مسکن، منابع آموزشی و سال ساخت از عوامل بالقوه تعیین کننده جریان رفت و آمد بین شهری هستند.

2.2. مدل فضایی محلی به کار رفته در رفت و آمد

ایاب و ذهاب علاقه قابل توجهی را از سوی رشته های مختلف مانند اقتصاد، جغرافیا و برنامه ریزی شهری به خود جلب کرده است که منجر به رویکردهای متعددی برای توضیح علل رفت و آمد می شود. برخی از مطالعات تأثیر ویژگی های فردی را بر رفت و آمد تحلیل می کنند [ 40 ، 41 ]، در حالی که برخی دیگر یک دیدگاه فضایی را برای تجزیه و تحلیل عوامل تعیین کننده رفت و آمد با مدل های اقتصادی یا رگرسیون اتخاذ می کنند. مزیت مدل های اقتصادی این است که می توانند توضیحات نظری سیستماتیک [ 42 ، 43 ] ارائه دهند و اثرات سیاست های برنامه ریزی همراه با داده های تجربی را ارزیابی کنند. 44 ].]. با این حال، مدل‌های اقتصادی معمولاً فرض می‌کنند که نهادهای اقتصادی مانند افراد و شرکت‌ها همگن هستند، و آشکار کردن الگوهای فضایی محلی و ناهمگن را دشوار می‌کند. رگرسیون رویکرد دیگری برای تجزیه و تحلیل مسئله از منظر فضایی است که بسته به اینکه تغییرات مکانی در نظر گرفته شود یا خیر، می تواند به رگرسیون جهانی و رگرسیون محلی تقسیم شود. مدل رگرسیون جهانی فرض می‌کند که نمونه‌ها مستقل از یکدیگر هستند و فرآیند در فضا ثابت می‌ماند، به این معنی که تخمین‌های پارامتر همراه با مکان‌های جغرافیایی تغییر نمی‌کند. در بسیاری از موقعیت‌های واقعی، داده‌های مکانی حاوی اطلاعات مکانی و اطلاعات ویژگی‌ها هستند، بنابراین، مفروضات ثابت بودن جهانی ممکن است منجر به تخمین‌های نادرست شود. 45 ]]. برای مقابله با این مشکل، رگرسیون محلی با در نظر گرفتن ناایستایی فضایی راه مناسب تری است. ناایستایی فضایی، شکلی از ناهمگونی فضایی، به پدیده رایجی اشاره دارد که رابطه بین متغیرها ممکن است در منطقه مورد مطالعه متفاوت باشد. برای مثال، ساکنان مکان‌هایی که زیرساخت‌های حمل‌ونقل توسعه نیافته‌اند ممکن است هنگام تصمیم‌گیری در مورد رفت‌وآمد نسبت به مکان‌هایی که زیرساخت حمل‌ونقل خوب دارند، حساس‌تر باشند. به طور مشابه، ساکنان منطقه مرکز شهر نسبت به ساکنان مناطق حومه شهر تمایل کمتری به انتخاب رفت و آمد از راه دور دارند.
چندین مدل وجود دارد که غیرایستایی فضایی را به حساب می آورند، مانند رگرسیون پنجره متحرک و فیلتر تطبیقی ​​فضایی. رگرسیون وزنی جغرافیایی (GWR) رایج ترین مورد استفاده است. GWR استاندارد رگرسیون محلی را بر اساس رگرسیون خطی انجام می دهد در حالی که اثر فروپاشی فاصله را در نظر می گیرد [ 46 ]]. طبق قانون اول جغرافیای توبلر، «همه چیز به هر چیز دیگری مربوط است، اما چیزهای نزدیک بیشتر به یکدیگر مرتبط هستند». کالیبراسیون GWR کمی پیچیده است اما اساساً بر این فرض استوار است که نقاط داده نزدیکتر به نقطه رگرسیون قرار دارند تأثیر بیشتری بر تخمین مدل این نقطه رگرسیون دارند. در هر نقطه رگرسیون، تمام وزن نمونه ها دوباره محاسبه می شود و از این رو، مجموعه ای از برآوردهای پارامترهای محلی به دست می آید. در نتیجه، یک سطح پارامتر محلی برای نشان دادن بصری تغییرات فضایی رابطه توصیف شده توسط ضریب ساخته می‌شود. مراحل اصلی GWR شامل انتخاب تابع وزن دهی فضایی، تعیین پهنای باند بهینه با به حداقل رساندن معیار اطلاعات آکایک اصلاح شده (AICc) مدل است.47 ]. توسط GWR، غیرایستایی فضایی به طور گسترده در مطالعات مربوط به رفت و آمد مشاهده شده است، مانند حالت های رفت و آمد [ 48 ]، زمان رفت و آمد [ 49 ]، رفت و آمد شدید [ 50 ]، و رفت و آمد پایدار [ 51 ].
مطالعات فوق همه بر اساس ویژگی های نقطه یا چندضلعی است. با این حال، فضای جریان به دیدگاه جدیدی در تحلیل فضای جغرافیایی تبدیل شده است. رفت و آمد، در طبیعت، یک جریان عملکردی بین محل کار و محل سکونت است. بنابراین، ویژگی جریان بدون شک بهترین نوع ویژگی برای نشان دادن پیوندهای عملکردی رفت و آمد است. در حال حاضر، مطالعات مرتبط تنها از مدل رگرسیون جهانی برای کشف عوامل تعیین‌کننده جریان رفت‌وآمد بین شهری استفاده می‌کنند. یکی از دلایل این معضل این است که ابزار تحقیق مناسب دیگری در دسترس نبود. یک تلاش اولیه وجود داشت که نیاز به بهبود بیشتر داشت که در آن ناکایا [ 52] سعی کرد مدل GWR و تعامل فضایی را در مدل خاص مبدا ترکیب کند تا غیرایستایی فضایی جریان‌ها را نشان دهد. خوشبختانه، کردی و فاثرینگهام [ 53 ] متعاقباً مدل‌های برهمکنش وزن‌دار فضایی (SWIM) را ارائه کردند، توسعه‌ای از GWR که می‌تواند غیرایستایی فضایی جریان‌ها را بهتر نشان دهد. SWIM در برخی تحقیقات تجربی، مانند جریان ترافیک [ 54 ] و جستجوهای آنلاین سفر [ 55 ] استفاده شده است. در مقایسه با مدل تعامل فضایی جهانی، SWIM، بر اساس فرض واقعی‌تر، می‌تواند تشریح‌تر شکل‌گیری جریان‌ها باشد.

3. منطقه مطالعه و منابع داده

3.1. منطقه مطالعه

در این مطالعه، محل کار منطقه مرکز شهر شانگهای و محل سکونت منطقه اداری سوژو است ( شکل 1 ). شانگهای به عنوان شهر اصلی منطقه دلتای رودخانه یانگ تسه، یک مرکز منطقه ای است که جریان های تجاری، سرمایه، جمعیت و اطلاعات را به هم متصل می کند. 56 ]]. با بهره وری بالاتر، شانگهای محل کار جذاب تری برای مسافران از شهرهای اطراف است. منطقه مرکز شهر آن دارای بیشترین تراکم مشاغل و مشاغل سطح بالا در سطح شهر است. مسافران بین شهری که به جای کار در حومه شانگهای، در مرکز شهر شانگهای کار می کنند، بیشتر از مزایای مالی و پیشرفت شغلی برخوردار هستند. سوژو شهر اصلی محل سکونت مسافران بین شهری به شانگهای است. این شهر که در مجاورت شانگهای قرار دارد، یک شهر مهم در منطقه دلتای رودخانه یانگ تسه است. طبق آمار رسمی برای سال 2020، تولید ناخالص داخلی شانگهای به 3870 میلیارد یوان و جمعیت آن به 24.9 میلیون یوان رسید، در حالی که تولید ناخالص داخلی سوژو 2017 میلیارد یوان یوان و جمعیت آن 12.75 میلیون یوان بود. اگرچه تولید ناخالص داخلی و سرانه تولید ناخالص داخلی بین سوژو و شانگهای چندان متفاوت به نظر نمی رسد،57 ]. بر اساس سالنامه آماری رسمی 2020، درآمد کسب و کار شانگهای و سوژو در مقیاس بالا بر اساس نوع صنعت، شکاف قابل توجهی را در توسعه صنعتی بین شانگهای و سوژو نشان می دهد ( شکل 2 ). توسعه خدمات تولید کننده در شانگهای بسیار بهتر از سوژو است. در این مقاله واحدهای فضایی بر اساس محدوده اداری واحدهای شهرستانی در دو شهر تعریف شده است. منطقه مرکز شهر سوژو یا شانگهای مجموعه ای از واحدهای سطح شهر است که با منطقه مرکز شهر که توسط برنامه ریزی اصلی رسمی تعریف شده است، تلاقی می کنند.
فاصله بین مناطق مرکزی شهر سوژو و شانگهای بیش از 100 کیلومتر است که قبل از ظهور HSR با قطار بیش از یک ساعت و نیم طول خواهد کشید. از زمانی که راه‌آهن بین‌شهری شانگهای-نانجینگ و راه‌آهن پرسرعت پکن-شانگهای در سال 2010 تکمیل شد، زمان سفر به 30 دقیقه کاهش یافت و راه‌آهن به حالت اولیه رفت‌وآمد برای مسافران بین‌شهری بین دو شهر تبدیل شد. در سال 2020، راه آهن بین شهری ریورساید جنوبی به بهره برداری رسید. اگرچه در حال حاضر تنها نقش محدودی در رفت و آمدهای بین شهری ایفا می کند، اما ممکن است در آینده پتانسیل بیشتری را نشان دهد. مسافران از سوژو می توانند در چندین ایستگاه راه آهن در سوژو سوار شوند و در ایستگاه راه آهن هونگ کیائو یا ایستگاه راه آهن شانگهای در مرکز شهر شانگهای پیاده شوند. علاوه بر این، خط 11 متروی شانگهای سوژو و شانگهای را به هم متصل می کند. به این معنی که ساکنان مناطق مجاور شانگهای می توانند به راحتی با مترو به مرکز شهر شانگهای برسند. رفت و آمد بین شهری از سوژو به مرکز شهر شانگهای دارای شرایط حمل و نقل ایده آل است.

3.2. منابع اطلاعات

مطالعات قبلی بیشتر از آمارهای رسمی در سطح شهر برای نمایش جریان های رفت و آمد بین شهری استفاده می کنند. با این حال، در حال حاضر، هیچ آمار رسمی در چین وجود ندارد. خوشبختانه، داده های تکی سیار به یک منبع داده پرکاربرد برای مطالعه الگوهای رفت و آمد و ساختار فضایی تبدیل شده است [ 58 ، 59 ، 60 ]]. این مقاله از داده های سیگنالینگ تلفن همراه از China Unicom به عنوان منبع داده استفاده می کند. China Unicom به عنوان یکی از سه اپراتور اصلی مخابراتی در چین، به 19 درصد از کاربران تلفن همراه در بازار چین خدمات ارائه می دهد. داده ها از کل منطقه دلتای رودخانه یانگ تسه از 1 تا 30 ژوئن 2021 جمع آوری شده است. هر بار که فعالیت تلفن همراه اتفاق می‌افتد (مثلاً تماس صوتی، پیامک، ترافیک شبکه، تماس خودکار با ایستگاه پایه) داده‌های سینگلینگ تلفن همراه به صورت غیرفعال جمع‌آوری می‌شد. هر رکورد جمع آوری شده شامل پنج ویژگی ضروری بود: شناسه کاربر ناشناس، زمان ثبت، ایستگاه پایه، طول جغرافیایی، و عرض جغرافیایی ( جدول 1 را برای ساختار داده ها ببینید).
سایر کلان داده‌های چند منبعی برای نمایه کردن ویژگی‌های اجتماعی و اقتصادی واحدهای فضایی استفاده شد. داده‌های شرکتی از سیستم تبلیغاتی اطلاعات اعتبار سازمانی ملی چین، از جمله تعداد کارکنان، نوع صنعت و سایر ویژگی‌های همه شرکت‌ها در منطقه مورد مطالعه ما جمع‌آوری شد. داده‌های مسکن مسکونی از «بیکه»، یک پلت‌فرم معروف تجارت املاک در چین، از جمله تعداد آپارتمان‌ها، قیمت مسکن، سال ساخت و ساز و سایر ویژگی‌های همه محله‌های مسکونی در منطقه مورد مطالعه ما جمع‌آوری شد. داده های مربوط به مدارس ابتدایی و متوسطه، از جمله تعداد کل و مکان آنها، از AutoNavi POI جمع آوری شد.

4. روش تحقیق

4.1. ساخت جریان های OD رفت و آمد با داده های سیگنالینگ موبایل

برای اندازه‌گیری مسیر مکانی-زمانی مسافران و ساخت جریان‌های OD رفت‌وآمد با داده‌های سیگنالینگ سیار، رایج‌ترین روش مورد استفاده شناسایی نقاط توقف در امتداد یک مسیر مکانی-زمانی و تجزیه و تحلیل مدت زمان هر نقطه توقف در طول روز و شب است. رویکرد ساخت و ساز جریان OD رفت و آمد اتخاذ شده در این مطالعه بر اساس لی و نیو [ 22 ] بهبود یافته است. ابتدا، مسیر زمانی-مکانی هر کاربر در یک روز معین با توجه به جغرافیای زمانی ساخته شد و می‌توان آن را به صورت زیر نشان داد:

تی=[�1،�2،�3،⋯،�من،⋯،��]،�من=(مندمن،تیمن،ل���من،لآتیمن)

جایی که �منمخفف نقطه رکورد i است . مندمن،تیمن،ل���من،لآتیمنبه ترتیب ایستگاه پایه، زمان ثبت، طول جغرافیایی و عرض جغرافیایی نقطه رکورد i را نشان دهید. n تعداد کل امتیازهای رکورد کاربر در آن روز معین. تمام نقاط ثبت به ترتیب زمانی هستند. شکل 3 مسیر معمولی روزانه مکانی-زمانی یک مسافر را نشان می دهد. اگر دو یا چند نقطه رکورد به هم پیوسته در یک ایستگاه پایه مشترک باشند، آنها به عنوان یک نقطه توقف محاسبه می شوند. مثلا، �3،�4،�5در شکل 3 می توان به عنوان یک نقطه توقف شمارش کرد. که در شکل 3مسیر یک نقطه توقف به صورت خط آبی و مسیر بین دو نقطه توقف الحاقی به صورت خط نارنجی نشان داده می شود. برای هر کاربر تلفن همراه، مدت زمان کلی هر نقطه توقف از ساعت 20:00 شب تا ساعت 6:00 صبح روز بعد محاسبه می شود و نقطه توقفی که کاربر برای طولانی ترین زمان (و حداقل بیش از 1 ساعت) در آن می ماند محاسبه می شود. به عنوان محل سکونت کاربر در آن روز در نظر گرفته می شود. اگر چنین نقطه توقفی پیدا نشد، کاربر به عنوان فردی بدون محل سکونت در آن روز شناسایی می شود. اکثر مردم از الگوهای رفت و آمد روزانه نسبتاً ثابتی پیروی می کنند، اما ممکن است گاهی اوقات از مسیرهای معمول خود منحرف شوند. بنابراین، مکان اقامتی که اغلب شناسایی می شود (که برای بیش از 50 درصد روزهای یک ماه به این صورت مشخص می شود) به عنوان محل اقامت دائمی واقعی کاربر در نظر گرفته می شود.

به همین ترتیب، مدت زمان کلی هر نقطه توقف بین ساعت 9:00 تا 16:00 محاسبه می شود و نقطه توقفی که کاربر برای طولانی ترین زمان (و حداقل بیش از 1 ساعت) در آن می ماند به عنوان محل کار کاربر در آن زمان در نظر گرفته می شود. روز اگر چنین نقطه توقفی پیدا نشد، کاربر به عنوان فردی بدون محل کار در آن روز شناسایی می شود. بیشترین محل کار شناسایی شده (که برای بیش از 50 درصد روزهای کاری در ماه به این صورت مشخص می شود) به عنوان محل کار دائمی واقعی کاربر در نظر گرفته می شود.
با توجه به روش های فوق، همه کاربران تلفن همراه به چهار دسته طبقه بندی می شوند: (1) کاربران با محل سکونت و محل کار مشخص. (2) کاربرانی که فقط محل سکونتشان مشخص شده است. (3) کاربرانی که فقط محل کارشان مشخص شده است. (4) کاربران بدون محل سکونت یا محل کار مشخص. گمان می رود اولین گروه از کاربران، نمونه های موثر مسافران باشند.
در مطالعات قبلی، برآورد زمان رفت و آمد معمولا بر اساس API نقشه اینترنتی [ 61 ] یا زمان اجرای HSR [ 10 ] است. با این حال، مسافران بین شهری از سوژو به شانگهای دارای انواع حالت های رفت و آمد هستند. آنها می توانند از محل سکونت یا محل کار خود با پای پیاده، با دوچرخه، اتوبوس، مترو یا ماشین به ایستگاه راه آهن برسند [ 25 ]. بنابراین، روش های بالا برای تخمین زمان رفت و آمد ممکن است منجر به عدم دقت زیادی شود. در این مطالعه از داده های سیگنالینگ موبایل برای محاسبه زمان رفت و آمد آنها استفاده می شود و اصل این است که زمان رفت و آمد یک کاربر مدت زمان بین اولین نقطه ثبت شناسایی شده در محل کار دائمی و آخرین نقطه قبل از آن نقطه ثبت در محل دائمی است. محل اقامت ( تی3-تی1در شکل 3 ).
شایان ذکر است که محدودیت‌های حریم خصوصی داده‌ها ما را از دستیابی به مجموعه داده‌های اصلی با وضوح بالا از مسیرهای شخصی در سطح طول و عرض جغرافیایی باز می‌دارد. اجباری است که مختصات طول و عرض جغرافیایی محل کار و محل سکونت را در شبکه 1 کیلومتری جمع آوری کنید تا اطلاعات فردی کاربران تلفن مبهم شود. بنابراین، این مطالعه بر اساس داده‌های جریان OD در سطح شبکه 1 کیلومتری است.
مسافران بین شهری از بین تمامی نمونه های موثر مسافران انتخاب می شوند. بر اساس تخمین های انجام شده از داده های تکی سیار در این مطالعه، مسافران بین شهری سوژو-شانگهای بیش از 90٪ از کل مسافران بین شهری به شانگهای را تشکیل می دهند. در مجموعه داده، 4275 مسافر بین شهری از سوژو به شانگهای را می توان شناسایی کرد. مسافران بین شهری سوژو-شانگهای که از طریق داده های سیگنالینگ سیار شناسایی می شوند، بیشتر در مناطق مرزی دو شهر، در مرکز شهر سوژو، یا در امتداد مسیر HSR زندگی می کنند و در منطقه غرب میانه مرکز شهر شانگهای کار می کنند ( شکل 1 ).
مسئله واحد منطقه ای قابل اصلاح (MAUP) یک مسئله اجتناب ناپذیر در تحلیل فضایی است. واحدهای شهری به دو دلیل استفاده می شوند. اولاً، واحد شهرک پایین‌ترین سطح واحد در آمار اقتصادی-اجتماعی چین است و همچنین پایین‌ترین سطح واحد اداری دولت محلی است. مزیت استفاده از واحد شهرک این است که تخمین مدل را می توان با آمارهای رسمی مقایسه کرد که باعث می شود نتیجه گیری پیامدهای سیاستی بیشتری داشته باشد. دوم، تقسیم واحدهای بزرگتر می تواند تفاوت را در متغیر وابسته بیشتر محسوس کند. البته، واحدهای فضایی بیش از حد بزرگ تمایل دارند که ناپایداری فضایی را مشاهده نکنند. با توجه به سه دلیل فوق، اعتقاد بر این است که واحد شهرک مناسب ترین انتخاب است. از این رو،شکل 4 جریان های بزرگتر از 2 را برای وضوح نشان می دهد که بیش از 83 درصد از مسافران بین شهری را تشکیل می دهد. جدول 2 آمار توصیفی جریان های رفت و آمد بین شهری را در سطح شهرستان نشان می دهد.

4.2. بررسی عوامل تعیین کننده جریان های رفت و آمد بین شهری

ساخت مجموعه ای از تعیین کننده های بالقوه اولین گام برای انتخاب عوامل تعیین کننده مهم است. شاخص توصیفی عرضه شغل، مجموع کارکنان کلیه بنگاه ها در یک واحد فضایی است. انواع مختلف صنایع در سطح دستمزد و جذابیت آنها برای کارگران متفاوت است. از آنجایی که خدمات تولید کننده جذاب تر است، مشاغل در خدمات تولید کننده و غیر تولید کننده به طور جداگانه تجزیه و تحلیل می شوند. شاخص توصیفی عرضه مسکن، مجموع خانه‌های موجود در یک واحد فضایی است. شاخص توصیفی قیمت مسکن، میانگین قیمت مسکن تمامی واحدهای مسکونی در یک واحد فضایی است. شاخص توصیفی سال ساخت، میانگین سال ساخت برای تمامی محله های مسکونی در یک واحد فضایی منهای سال پایه (1950) است. در سوژو و شانگهای، کارزار بزرگ شهرنشینی در دهه 1980 آغاز شد و قدیمی ترین مناطق مسکونی آنها در دهه 1950 ساخته شد. سال پایه در فرمول جایگزین می شود تا تفاوت میانگین سال ساخت بین واحدهای فضایی را بهتر نشان دهد. هر چه این تعداد بیشتر باشد، جامعه مسکونی جدیدتر است و احتمال اینکه ساکنان آن رفت و آمد بین شهری را انتخاب کنند، بیشتر می شود. شاخص توصیفی منابع آموزشی عبارت است از نسبت تعداد کل مدارس ابتدایی و متوسطه یک واحد فضایی به کل مساحت این واحد. برای نشان دادن کامل تأثیر ترکیبی محل کار و محل سکونت بر جریان رفت و آمد بین شهری، عوامل تعیین کننده فوق هم در محل کار و هم در محل سکونت به طور همزمان در مدل رگرسیون جهانی آزمایش می شوند. برای آمار توصیفی همه متغیرهای مستقل ر.ک سال پایه در فرمول جایگزین می شود تا تفاوت میانگین سال ساخت بین واحدهای فضایی را بهتر نشان دهد. هر چه این تعداد بیشتر باشد، جامعه مسکونی جدیدتر است و احتمال اینکه ساکنان آن رفت و آمد بین شهری را انتخاب کنند، بیشتر می شود. شاخص توصیفی منابع آموزشی عبارت است از نسبت تعداد کل مدارس ابتدایی و متوسطه یک واحد فضایی به کل مساحت این واحد. برای نشان دادن کامل تأثیر ترکیبی محل کار و محل سکونت بر جریان رفت و آمد بین شهری، عوامل تعیین کننده فوق هم در محل کار و هم در محل سکونت به طور همزمان در مدل رگرسیون جهانی آزمایش می شوند. برای آمار توصیفی همه متغیرهای مستقل ر.ک سال پایه در فرمول جایگزین می شود تا تفاوت میانگین سال ساخت بین واحدهای فضایی را بهتر نشان دهد. هر چه این تعداد بیشتر باشد، جامعه مسکونی جدیدتر است و احتمال اینکه ساکنان آن رفت و آمد بین شهری را انتخاب کنند، بیشتر می شود. شاخص توصیفی منابع آموزشی عبارت است از نسبت تعداد کل مدارس ابتدایی و متوسطه یک واحد فضایی به کل مساحت این واحد. برای نشان دادن کامل تأثیر ترکیبی محل کار و محل سکونت بر جریان رفت و آمد بین شهری، عوامل تعیین کننده فوق هم در محل کار و هم در محل سکونت به طور همزمان در مدل رگرسیون جهانی آزمایش می شوند. برای آمار توصیفی همه متغیرهای مستقل ر.ک و احتمال اینکه ساکنان آن رفت و آمد بین شهری را انتخاب کنند بیشتر است. شاخص توصیفی منابع آموزشی عبارت است از نسبت تعداد کل مدارس ابتدایی و متوسطه یک واحد فضایی به کل مساحت این واحد. برای نشان دادن کامل تأثیر ترکیبی محل کار و محل سکونت بر جریان رفت و آمد بین شهری، عوامل تعیین کننده فوق هم در محل کار و هم در محل سکونت به طور همزمان در مدل رگرسیون جهانی آزمایش می شوند. برای آمار توصیفی همه متغیرهای مستقل ر.ک و احتمال اینکه ساکنان آن رفت و آمد بین شهری را انتخاب کنند بیشتر است. شاخص توصیفی منابع آموزشی عبارت است از نسبت تعداد کل مدارس ابتدایی و متوسطه یک واحد فضایی به کل مساحت این واحد. برای نشان دادن کامل تأثیر ترکیبی محل کار و محل سکونت بر جریان رفت و آمد بین شهری، عوامل تعیین کننده فوق هم در محل کار و هم در محل سکونت به طور همزمان در مدل رگرسیون جهانی آزمایش می شوند. برای آمار توصیفی همه متغیرهای مستقل ر.ک عوامل تعیین کننده فوق هم در محل کار و هم در محل سکونت به طور همزمان در مدل رگرسیون جهانی آزمایش می شوند. برای آمار توصیفی همه متغیرهای مستقل ر.ک عوامل تعیین کننده فوق هم در محل کار و هم در محل سکونت به طور همزمان در مدل رگرسیون جهانی آزمایش می شوند. برای آمار توصیفی همه متغیرهای مستقل ر.کجدول 3 .

مدل رگرسیون جهانی رایج ترین روش برای آزمون معنی داری عوامل تعیین کننده است. متداول ترین مدل رگرسیون جهانی، رگرسیون حداقل مربعات معمولی (OLS) با این فرض است که متغیرهای وابسته به طور معمول توزیع شده اند. با این حال، جریان‌های رفت‌وآمد بین‌شهری سوژو-شانگهای یک متغیر شمارش گسسته غیر منفی با ویژگی‌های پراکندگی بیش از حد است (به این معنی که واریانس بسیار بالاتر از میانگین است)، که با فرض توزیع دوجمله‌ای منفی ( NB ) سازگار است. بنابراین، رگرسیون NB ابزار مناسبی برای مطالعه عوامل تعیین‌کننده جریان‌های رفت‌وآمد بین شهری سوژو-شانگهای است. فرمول به شرح زیر است:

ممن�~نب[تی∗انقضا(∑ک=1��کورود به سیستم(ایکسمن�ک))،�]

که در آن ممن�تعداد مسافران بین شهری از واحد فضایی i تا j است. n تعداد عوامل تعیین کننده است. t پارامتر افست است. ایکسمن�کمقدار تعیین کننده k از i تا j است. �کضریب تعیین کننده k است . �پارامتر پراکندگی است. شبه R2 و AICc تنظیم شده برای مقایسه عملکرد برازش مدل جهانی و محلی استفاده می شود. شبه R2 تنظیم شده از 0 تا 1 متغیر است. برخلاف R2 تنظیم شده ، اهمیت نسبی مدل را در مقایسه با مدل فقط ثابت از منظر احتمال ورود به سیستم ارزیابی می کند. قدر مطلق AICc بی معنی است، در حالی که تفاوت بین مقادیر AICc این دو مدل عدد گویاتری است. به عنوان یک قاعده کلی، اگر تفاوت بین مقادیر AICc دو مدل بیشتر از 3 باشد، منطقی است که باور کنیم که یکی از دیگری بهتر است.

4.3. کاوش در ناپایداری فضایی عوامل تعیین کننده

عوامل تعیین کننده مهم انتخاب شده از طریق مدل رگرسیون جهانی ممکن است از نظر فضایی غیر ثابت باشند. از آنجایی که مدل رگرسیون جهانی نمی تواند این ویژگی فضایی را آشکار کند، از مدل رگرسیون محلی برای مطالعه آن استفاده می شود. این مطالعه SWIM را به عنوان مدل رگرسیون محلی اتخاذ می کند. اگرچه کردی و فوثرینگهام [ 53 ] فقط مدل گاوسی و مدل پواسون را معرفی کردند، مطالعه بعدی به بهبود مدل NB کمک کرد و نشان داد که زمانی که متغیر وابسته از توزیع NB پیروی می کند بهتر از مدل گاوسی است [ 54 ]. فرمول به شرح زیر است:

ممن�~نب[تیمن�∗انقضا(∑ک=1��من�کورود به سیستم(ایکسمن�ک))،�]

که در آن ممن�تعداد مسافران بین شهری از واحد فضایی i تا j است. n تعداد عوامل تعیین کننده است. تیمن�پارامتر افست است. ایکسمن�کمقدار تعیین کننده k از i تا j است. �من�کضریب تعیین کننده k از i تا j است. ∝پارامتر پراکندگی است.

در SWIM مختصات جریان ij است (ایکسمن،�من،ایکس�،��); که از جریان من است (ایکسمن”،�من”،ایکس�”،� �”); فاصله بین ij و i’j به صورت زیر محاسبه می شود:

د(من�)(من”�”)=(ایکسمن-ایکسمن”)2+(�من-�من”)2+(ایکس�-ایکس�”)2+(��-��”)2

در GWR، دو روش رایج برای محاسبه ماتریس وزن‌های فضایی وجود دارد: پهنای باند ثابت و پهنای باند تطبیقی. هدف پهنای باند ثابت جستجوی پهنای باند بهینه و محاسبه وزن فضایی بین جریان ij و i’j’ با پیروی از یک تابع گاوسی است. فرمول به شرح زیر است:

�(من�)(من”�”)=هایکسپ[-12(د(من�)(من”�”)ب)2]

که در آن �(من�)(من”�”)وزن فضایی بین جریان ij و i’j’ است . b پهنای باند است. د(من�)(من”�”)فاصله بین ij و ′j′ است.

برای برازش ضرایب از حداقل مربعات با وزن مجدد مکرر استفاده می شود. پهنای باند از طریق یک فرآیند انتخاب طلایی انتخاب می شود تا زمانی که مقدار AICc مدل به حداقل خود برسد. برای اطلاعات دقیق تر در مورد شناسایی پهنای باند و برازش ضریب، داسیلوا و رودریگز [ 62 ] را ببینید.

5. نتایج

5.1. مدل رگرسیون جهانی

جدول 4 نتایج تخمین را از رگرسیون NB نشان می دهد که عملکرد “متوسط” عوامل تعیین کننده کل منطقه مورد مطالعه را نشان می دهد. شبه R 2 تنظیم شده مدل 0.143 و AICc 3898.5 است. زمان رفت و آمد، مقیاس خدمات تولیدکننده در محل کار، مقیاس خدمات غیر تولیدکننده در محل سکونت، عرضه مسکن در محل سکونت، سال ساخت در محل سکونت و قیمت مسکن در محل سکونت به طور معناداری با مقیاس جریان رفت و آمد بین شهری همبستگی دارند، در حالی که سایر عوامل تعیین کننده در قبولی در آزمون معناداری وقتی صحبت از مثبت و منفی شش عامل تعیین کننده مهم می شود، تخمین مدل با مطالعات قبلی مطابقت دارد [ 10 ، 39 ، 40 ].
به طور دقیق تر، ضریب مقیاس خدمات تولید کننده در محیط کار 0.273 و خدمات غیر تولید کننده در محل سکونت 0.713 است که به معنای وجود بخش های بالاتر در محیط کار و وجود بخش های پایین تر است. در محل سکونت با مقیاس جریان های رفت و آمد بین شهری همبستگی مثبت دارند. مقیاس خدمات غیر تولیدکننده در محیط کار از آزمون معناداری عبور نمی کند، به این معنی که مسافران بین شهری مشاغل خدمات تولیدی را ترجیح می دهند و تمایلی به انتخاب شغل در خدمات غیر تولیدکننده ندارند. ضریب عرضه مسکن در محل سکونت 0.497 است که به این معنی است که مکانی با عرضه مسکن بیشتر به احتمال زیاد توسط مسافران بین شهری به عنوان محل سکونت انتخاب می شود. سال ساخت در اقامتگاه دارای ضریب 3.906 می باشد. این بدان معناست که حضور جوامع مسکونی نوساز با رفت و آمدهای بین شهری همبستگی مثبت دارد زیرا شبکه اجتماعی در چنین مکان هایی توسعه کمتری دارد. ضریب قیمت مسکن در محل سکونت 0.538- است، به این معنی که قیمت بالاتر مسکن با جریان های رفت و آمد بین شهری همبستگی منفی دارد. ضریب زمان رفت و آمد 1.840- است، به این معنی که زمان رفت و آمد بالاتر با جریان های رفت و آمد بین شهری همبستگی منفی دارد.

5.2. مدل رگرسیون محلی

مدل رگرسیون محلی می تواند ناپایداری فضایی عوامل تعیین کننده را نشان دهد. شش عامل تعیین کننده ای که آزمون معناداری را در مدل رگرسیون جهانی گذرانده اند در SWIM جایگزین می شوند. از طریق یک فرآیند انتخاب طلایی، مشخص می شود که AICc زمانی که 12.06 کیلومتر به عنوان پهنای باند انتخاب شود، می تواند به حداقل خود برسد. در SWIM، شبه R 2 تنظیم شده 0.871 است و AICc 3559.5 است. با مقایسه آنها با همتایان خود در رگرسیون NB ، می توان دریافت که SWIM عملکرد مناسب بسیار بهتری را نشان می دهد و می تواند عوامل تعیین کننده جریان های رفت و آمد بین شهری را بهتر توضیح دهد.
دیدنجدول 5برای آمار توصیفی نتایج برآورد ضریب SWIM. میانگین‌های مدل رگرسیون محلی و مدل رگرسیون جهانی مشابه هستند، هر دو نشان می‌دهند که زمان رفت‌وآمد و قیمت مسکن در محل سکونت با جریان‌های رفت‌وآمد بین‌شهری همبستگی منفی دارد و چهار عامل تعیین‌کننده دیگر همبستگی مثبت دارند. با این حال، شش عامل تعیین کننده مهم در تعداد جریان های قابل توجه بسیار متفاوت است. تعداد زیادی از جریان ها آزمون اهمیت سال ساخت و ساز در محل سکونت و مقیاس خدمات تولید کننده در محل کار را می گذرانند، به این معنی که بیشتر جریان های رفت و آمد تحت تأثیر دو عامل تعیین کننده هستند. مقیاس خدمات غیر تولیدکننده در محل سکونت کمترین تأثیر را دارد زیرا تعداد جریان های قابل توجه فقط 107 است.

5.3. ناایستایی فضایی

در مدل‌های رگرسیونی، معمولاً دو شاخص توصیفی اساسی برای برآورد پارامتر وجود دارد: p– مقداری که اهمیت آماری رابطه بین متغیر وابسته و متغیر مستقل و مقدار ضریب را که به پاسخ متغیر وابسته به تغییر یک واحدی در یک متغیر مستقل اشاره دارد، در حالی که همه متغیرهای مستقل دیگر ثابت می‌مانند، آزمایش می‌کند. ناایستایی فضایی را نیز می توان از این دو منظر تفسیر کرد. تغییرات فضایی در مورد اینکه آیا جریان های OD تست اهمیت را می گذرانند می تواند به عنوان ناپایداری فضایی از نظر دامنه اهمیت در نظر گرفته شود. تغییرات فضایی مقادیر ضرایب که آزمون معنی‌داری را پشت سر می‌گذارند را می‌توان از نظر سطح ضریب به‌عنوان غیرایستایی فضایی در نظر گرفت. از آنجا که مکان مکانی یک جریان به طور مشترک بر اساس مبدا و مقصد آن تعیین می شود،

5.3.1. ناایستایی فضایی عوامل تعیین کننده صنعت

عوامل تعیین کننده صنعت شامل مقیاس خدمات تولید کننده در محل کار ( شکل 5 الف) و مقیاس خدمات غیر تولید کننده در محل سکونت است. شکل 5) است.ب). برای اکثر جریان‌های OD، مقیاس خدمات تولیدکننده در محل کار، آزمون اهمیت را گذراند و تأثیر آن از نظر فضایی گسترده است. ما می‌توانیم ببینیم که واحدهای اقامتی آن جریان‌های OD عمدتاً نزدیک مرز بین سوژو و شانگهای هستند. هر چه فاصله بین یک واحد مسکونی و مرز بیشتر باشد، جریان های OD کمتری از آزمون معنی داری در این واحد عبور می کنند. با این حال، در امتداد خط HSR، حتی در واحدهای مسکونی دور از مرز، مقدار قابل‌توجهی از جریان‌های OD وجود دارد که مقیاس خدمات تولیدکننده در محل کار، آزمون اهمیت را گذرانده است. این به این معنی است که HSR می تواند مشاغل پیشرفته را در دسترس و جذاب قرار دهد حتی اگر محل سکونت بسیار دور از محل کار باشد. در اکثر واحدهای فضایی در مرکز شهر شانگهای، جریان‌های OD وجود دارد که مقیاس خدمات تولیدکننده در محل کار، آزمون معناداری را گذرانده است. یعنی از نظر دامنه اهمیت، غیر ایستایی فضایی این تعیین کننده را به سختی می توان در منطقه محل کار مشاهده کرد. اگرچه مقیاس خدمات غیرتولیدکننده در محل سکونت آزمون معناداری را در مدل رگرسیون جهانی گذراند، اما تأثیر آن نسبتاً محدود بود: تنها چند جریان OD که از واحدهای مسکونی در نزدیکی مرز به سمت غرب و مناطق مرکزی مرکز شهر شانگهای شروع می‌شدند، موفق شدند. آزمون اهمیت
جریان‌های OD با واحدهای مسکونی دورتر از مرز دو شهر، ضرایب کمتری برای مقیاس خدمات تولیدکننده در محل کار دارند، و جریان‌های OD که از همان واحد مسکونی شروع می‌شوند، ضرایب بسیار مشابهی دارند. جریان‌های OD که مقیاس خدمات تولیدکننده در محل کار با ضرایب 0.529 تا 0.566 تأثیر قابل‌توجهی بالاتری دارد، همه از واحد مسکونی خاص که در کنار مرز و نزدیک‌ترین به مرکز شهر شانگهای است شروع می‌شوند، در حالی که واحدهای محل کار عمدتا در قسمت شرقی مرکز شهر واقع شده‌اند. شانگهای علاوه بر این، این جریان‌های OD فاصله‌ای طولانی‌تر از حد معمول برای مسافران بین شهری در این واحد مسکونی دارند، که به این معنی است که مشاغل جذاب می‌توانند مسافت طولانی را جبران کنند. جریان‌های OD که به انتهای شرقی مرکز شهر شانگهای می‌رسند معمولاً ضریب بالاتری برای مقیاس خدمات تولیدکننده در محل کار دارند. متفاوت از عملکرد مقیاس خدمات تولید کننده در محل کار، جریان های OD از یک واحد مسکونی به واحدهای مختلف محل کار دارای ضرایب مختلفی از مقیاس خدمات غیر تولید کننده در محل سکونت هستند. با این حال، جریان‌های OD از واحدهای مسکونی مختلف به واحد محل کار یکسان دارای ضرایب مشابهی هستند، به این معنی که این عامل تعیین‌کننده به تغییر مکان محل کار و کمتر به محل سکونت حساس است. بدیهی است که جریان‌های OD که به انتهای جنوب غربی مرکز شهر شانگهای می‌رسند دارای ضرایب بالایی برای مقیاس خدمات غیرتولیدکننده در محل اقامت هستند، در حالی که آنهایی که به انتهای شمال شرقی مرکز شهر شانگهای می‌رسند ضرایب پایینی دارند.
به طور خلاصه، هم از نظر دامنه معناداری و هم از نظر سطح ضریب، مقیاس خدمات تولیدکننده در محیط کار و مقیاس خدمات غیرتولیدکننده در محل سکونت از نظر فضایی غیر ثابت هستند.

5.3.2. عدم ایستایی فضایی عوامل تعیین کننده سکونت

عوامل تعیین کننده سکونت شامل عرضه مسکن در محل سکونت ( شکل 5 ج)، قیمت مسکن در محل سکونت ( شکل 5 د)، و سال ساخت در محل سکونت ( شکل 5) است.ه) جریان‌های OD که عرضه مسکن در محل سکونت و قیمت مسکن در محل سکونت تست اهمیت را گذرانده است، عمدتاً از واحدهای مسکونی نزدیک مرز سوژو و شانگهای شروع می‌شوند و به مناطق مرکزی و غربی مرکز شهر شانگهای می‌رسند. برای اکثر جریان های OD، سال ساخت و ساز در محل سکونت آزمون اهمیت را گذراند و تأثیر آن از نظر فضایی گسترده است. ما می‌توانیم ببینیم که واحدهای اقامتی آن جریان‌های OD عمدتاً نزدیک مرز بین سوژو و شانگهای هستند. هر چه فاصله بین یک واحد مسکونی و مرز بیشتر باشد، جریان های OD کمتری از آزمون معنی داری در این واحد عبور می کنند. با این حال، در امتداد خط HSR، حتی در واحدهای مسکونی دور از مرز، مقدار قابل‌توجهی از جریان‌های OD وجود دارد که سال ساخت و ساز در محل سکونت، آزمون معنی‌داری را گذرانده است. این بدان معنی است که HSR می تواند زمان سفر را به میزان قابل توجهی کاهش دهد و از دست دادن شبکه اجتماعی را قابل قبول کند حتی اگر مکان های زندگی بسیار دور از محل کار باشد. در اکثر واحدهای فضایی در مرکز شهر شانگهای، جریان‌های OD وجود دارد که سال ساخت و ساز در محل سکونت آن‌ها آزمون معنی‌داری را گذرانده است، به این معنی که از نظر دامنه اهمیت، ناپایداری فضایی این تعیین‌کننده به سختی در منطقه محل کار قابل مشاهده است.
جریان‌های OD که ضرایب بیشتری از عرضه مسکن در محل سکونت دارند، همگی از واحد مسکونی خاص در نزدیکی مرز سوژو و شانگهای تا منطقه مرکزی مرکز شهر شانگهای هستند، و جریان‌های OD که ضرایب بالاتری از قیمت مسکن در محل سکونت دارند، الگوهای مشابهی دارند. برای دو عامل تعیین‌کننده، جریان‌های OD که از یک واحد مسکونی شروع می‌شوند، ضرایب مشابهی دارند در حالی که آنهایی که به واحد محل کار می‌رسند دارای ضرایب بسیار متفاوتی هستند. این بدان معنی است که دو عامل تعیین کننده به تغییر محل سکونت و کمتر به محل کار حساس هستند. برای جریان های OD که سال ساخت آنها در محل سکونت دارای تأثیر قابل توجهی با ضرایب 10.617 تا 10.894 است، واحدهای اقامتی آنها عمدتاً در نزدیکی مرز سوژو و شانگهای قرار دارند. و واحدهای محل کار آنها بیشتر در انتهای جنوب غربی مرکز شهر شانگهای واقع شده است. برای جریان های OD که از واحدهای مسکونی دورتر از مرز دو شهر شروع می شود، ضریب سال ساخت در محل سکونت کمتر است. این تعیین کننده در جریان های OD که از همان واحد مسکونی شروع می شود به شیوه ای بسیار مشابه عمل می کند در حالی که چنین شباهتی در منطقه محل کار مشاهده نمی شود. این بدان معناست که این تعیین کننده به تغییر محل سکونت و کمتر به محل کار حساس است. این تعیین کننده در جریان های OD که از همان واحد مسکونی شروع می شود به شیوه ای بسیار مشابه عمل می کند در حالی که چنین شباهتی در منطقه محل کار مشاهده نمی شود. این بدان معناست که این تعیین کننده به تغییر محل سکونت و کمتر به محل کار حساس است. این تعیین کننده در جریان های OD که از همان واحد مسکونی شروع می شود به شیوه ای بسیار مشابه عمل می کند در حالی که چنین شباهتی در منطقه محل کار مشاهده نمی شود. این بدان معناست که این تعیین کننده به تغییر محل سکونت و کمتر به محل کار حساس است.
به طور خلاصه، عرضه مسکن در محل سکونت، قیمت مسکن در سکونت و سال ساخت در سکونتگاه هم از نظر دامنه اهمیت و هم از نظر سطح ضریب، از نظر مکانی غیر ثابت هستند.

5.3.3. عدم ایستایی فضایی زمان رفت و آمد

جریانهای OD که زمان رفت و آمد آنها آزمون اهمیت را گذرانده است، عمدتاً از واحدهای مسکونی نزدیک مرز سوژو و شانگهای شروع می شوند و به منطقه مرکزی و غربی مرکز شهر شانگهای می رسند. شکل 5).و) جالب اینجاست که اگرچه HSR به دلیل نقشی که در کاهش زمان رفت و آمد دارد، یکی از مهم‌ترین دلایل رونق رفت و آمد بین شهری است، جریان‌های OD که از واحدهای مسکونی در امتداد خط HSR شروع می‌شوند کمترین تأثیر را تحت تأثیر زمان رفت‌وآمد قرار می‌دهند و HSR گسترش نمی‌یابد. تاثیر فضایی زمان رفت و آمد در مناطق مسکونی برعکس، جریان‌های OD که از واحدهای مسکونی دور از HSR شروع می‌شوند، بیشتر تحت‌تاثیر زمان رفت‌وآمد قرار می‌گیرند. جریان های OD که بیشتر تحت تأثیر زمان رفت و آمد با ضرایب از -2.059-~1.851 هستند، عمدتاً از واحدهای مسکونی نزدیک مرز سوژو و شانگهای شروع می شوند و به واحدهای محل کار نزدیک مرکز حمل و نقل (ایستگاه راه آهن هونگ کیائو) در مرکز شهر می رسند. شانگهای از آنجایی که انتهای شمال شرقی مرکز شهر شانگهای از مرکز حمل و نقل دور است، جریان های OD که به آنجا می رسند کمتر تحت تأثیر زمان رفت و آمد هستند. زمان رفت و آمد به تغییرات مکانی هم در محل سکونت و هم در محل کار حساس است و هم از نظر دامنه اهمیت و هم از نظر سطح ضریب از نظر مکانی غیر ثابت است.

6. نتیجه گیری

عوامل تعیین کننده جریان های رفت و آمد بین شهری معمولاً از دیدگاه جهانی مورد مطالعه قرار می گیرند که به راحتی می تواند منجر به تخمین نادرست شود. در بسیاری از موقعیت‌های زندگی واقعی، غیرایستایی فضایی یک فرض معقول‌تر است. رگرسیون NB می‌تواند عوامل تعیین‌کننده مهم جریان رفت‌وآمد بین شهری از سوژو به شانگهای را انتخاب کند و SWIM می‌تواند ناپایداری فضایی آنها را مطالعه کند. نتیجه گیری به شرح زیر است:
  • جریان رفت و آمد بین شهری با مقیاس خدمات تولیدکننده در محل کار، مقیاس خدمات غیر تولیدکننده در محل سکونت، عرضه مسکن در محل سکونت، و سال ساخت در محل سکونت همبستگی مثبت دارد. در حالی که با قیمت مسکن در زمان سکونت و رفت و آمد همبستگی منفی دارند. از سوی دیگر مقیاس خدمات غیر تولیدکننده در محیط کار، مقیاس خدمات تولیدکننده در محل سکونت، عرضه مسکن در محل کار، سال ساخت در محل کار، قیمت مسکن در محل کار و تراکم مدارس ابتدایی و متوسطه در محل کار و سکونت. عوامل تعیین کننده مهمی نیستند. بدیهی است که جریان های رفت و آمد بین شهری نتیجه مشترک عوامل تعیین کننده متعدد در مورد محل کار و سکونت است.
  • شش عامل تعیین‌کننده‌ای که آزمون معنی‌داری را پشت سر می‌گذارند، از نظر دامنه معناداری و سطح ضریب، ناپایداری فضایی آشکاری را نشان می‌دهند. در مقایسه با مدل رگرسیون جهانی، مدل رگرسیون محلی برای جریان های رفت و آمد بین شهری مناسب تر است. از نظر دامنه اهمیت، مقیاس خدمات غیرتولیدکننده در محل سکونت، عرضه مسکن در محل سکونت، قیمت مسکن در محل سکونت و زمان رفت و آمد در هر دو منطقه محل سکونت و محل کار از نظر مکانی غیر ثابت هستند در حالی که دو عامل تعیین‌کننده دیگر از نظر فضایی عمدتاً در محل سکونت غیر ثابت هستند. حوزه. از نظر سطح ضریب، مقیاس خدمات تولیدکننده در محل کار و زمان رفت و آمد از نظر مکانی در هر دو منطقه سکونت و محل کار غیر ثابت است. مقیاس خدمات غیر تولید کننده در محل سکونت از نظر مکانی غیر ثابت است و عمدتاً در منطقه محل کار است. و سایر عوامل تعیین کننده عمدتاً در منطقه مسکونی از نظر فضایی غیر ساکن هستند. شایان ذکر است که با توجه به مقیاس خدمات تولیدکننده در محل کار و سال ساخت در محل سکونت، برخی از واحدهای مسکونی دورتر از مرز هنوز دارای جریان OD قابل توجهی هستند زیرا HSR می تواند زمان رفت و آمد را تا حد زیادی کاهش دهد تا محدودیت های رفت و آمد را به غیرمحدودیت تبدیل کند. با این حال، HSR نقش مشابهی در سایر عوامل تعیین کننده مهم بازی نمی کند. برخی از واحدهای مسکونی دورتر از مرز هنوز دارای جریانهای OD قابل توجهی هستند زیرا HSR می تواند زمان رفت و آمد را تا حد زیادی کاهش دهد تا محدودیت های رفت و آمد را به غیرمحدودیت تبدیل کند. با این حال، HSR نقش مشابهی در سایر عوامل تعیین کننده مهم بازی نمی کند. برخی از واحدهای مسکونی دورتر از مرز هنوز دارای جریانهای OD قابل توجهی هستند زیرا HSR می تواند زمان رفت و آمد را تا حد زیادی کاهش دهد تا محدودیت های رفت و آمد را به غیرمحدودیت تبدیل کند. با این حال، HSR نقش مشابهی در سایر عوامل تعیین کننده مهم بازی نمی کند.
  • عوامل تعیین کننده جریان رفت و آمد بین شهری ممکن است ناپایداری فضایی را هم در محل سکونت و هم در محل کار نشان دهد. غیر ایستایی فضایی جریان ها پیچیده تر از نقاط یا چندضلعی ها است. ناایستایی فضایی معمولاً به این معنی است که هر چه دو ویژگی فضایی از یکدیگر دورتر باشند، احتمال بیشتری وجود دارد که ضرایب تعیین کننده ها متفاوت باشند. مختصات یک جریان با مبدأ و مقصد آن تعیین می شود. از این رو، غیر ایستایی فضایی ضرایب آن تنها به محل کار یا سکونت محدود نمی شود. به عنوان مثال، زمان رفت و آمد در هر دو محل کار و محل سکونت از نظر مکانی غیر ثابت است. در مقایسه با مدل‌های GWR، SWIM غیرایستایی فضایی جریان‌های رفت‌وآمد بین شهری را به روشی جامع‌تر نشان می‌دهد: عوامل تعیین‌کننده محل سکونت و محل کار همگی در مدل مشترک گنجانده شده‌اند، و مهم‌تر از آن، به ما امکان می‌دهد تا ناپایداری فضایی آنها را در محل سکونت و مناطق
  • سکونت محل کار به طور همزمان مطالعه کنیم.

7. بحث

7.1. درک ناپایداری فضایی

فاثرینگهام و همکاران [ 63 ] بر این باورند که تنوع فضایی در نگرش ها و ترجیحات افراد یکی از دلایل اصلی عدم ایستایی فضایی است. در مطالعات تجربی قبلی ثابت شده است [ 50 ، 64 ]. غیر ایستایی فضایی جریان های رفت و آمد بین شهری سوژو-شانگهای نیز می تواند به طور آزمایشی از این منظر توضیح داده شود.
به طور کلی، در منطقه اداری سوژو، منطقه مرکز شهر از نظر اجتماعی و اقتصادی بهتر از بقیه توسعه یافته است (به عنوان مثال، مناطق هم مرز با شانگهای). در مقایسه با مسافران بین شهری که در مرکز شهر سوژو زندگی می کنند، کسانی که در مناطق مرزی سوژو و شانگهای زندگی می کنند اجاره کمتری می پردازند و در شرایط ایده آل کمتری زندگی می کنند. هنگام تصمیم گیری در مورد رفت و آمد، آنها به حقوق بالا اهمیت بیشتری می دهند، اما در عین حال به مقرون به صرفه بودن اقامت نیز اهمیت می دهند. بنابراین، شش عامل تعیین کننده همگی تأثیر قابل توجهی بر مسافران بین شهری در مناطق مرزی سوژو و شانگهای دارند. در چنین مناطقی، ناپایداری فضایی نیز بسیار مشهود است. به عنوان مثال، جریان‌های OD که مقیاس خدمات تولیدکننده در محیط کار با ضرایب 0.529 تا 0، تأثیرات معنی‌داری بالاتری دارد. 566 همه از واحد مسکونی خاص در کنار مرز و نزدیکترین به مرکز شهر شانگهای شروع می شوند. دلیل آن شاید این باشد که مسافران بین شهری که در آنجا زندگی می کنند بیشتر مشتاق مشاغل با حقوق بالا هستند.
اگرچه HSR اصلی ترین حالت رفت و آمد مسافران بین شهری است که در مرکز شهر سوژو زندگی می کنند، آنها نه به زمان رفت و آمد و نه به هزینه های زندگی اهمیت می دهند. تنها عوامل موثر بر تصمیمات آنها، مقیاس خدمات تولیدکننده در محل کار و سال ساخت و ساز در محل سکونت است. این ممکن است به این معنی باشد که آنها رفت و آمد بین شهری را انتخاب می کنند زیرا این مشاغل سطح بالا فقط در مرکز شهر شانگهای در دسترس هستند. بزرگترین تأثیر مثبت HSR بر آنها این نیست که هزینه رفت و آمد آنها را کاهش داده است، بلکه این است که رفت و آمد بین شهری را به واقعیت تبدیل کرده است.
عدم ایستایی فضایی موضوع جدیدی در مورد مطالعات تعیین کننده های رفت و آمد نیست. با این حال، همانطور که توسط سؤالات تحقیق نیاز است یا به دلیل کمبود ابزار تحقیق، مطالعات قبلی باید مدل تعامل فضایی یا مدل گرانشی را برای ارزیابی تأثیرات مشترک عوامل تعیین کننده مبدا و مقصد انتخاب کنند. در همین حال، مطالعات قبلی تلاش‌های زیادی برای بهینه‌سازی مدل گرانشی انجام داده‌اند، مانند در نظر گرفتن متغیرهای مستقل بیشتر [ 65 ] و بررسی تأثیر انتخاب فرم‌های نامناسب تابع فاصله- فروپاشی [ 66 ] یا ضرایب [ 66]. 67 ].]. با این حال، تاکنون اتفاق نظری وجود نداشته است. SWIM ممکن است با مشکلات فوق مقابله کند زیرا ساختار مدل انعطاف پذیرتری دارد تا متغیرهای بیشتری را مجاز کند. علاوه بر این، GWR می‌تواند سوگیری تخمین ناشی از اشکال عملکرد نادرست را کاهش دهد، که این نیز یکی از دلایل غیرایستایی فضایی است [ 63 ].
راه دیگر برای مصالحه، اتخاذ مدل‌های GWR بر اساس ویژگی چند ضلعی یا نقطه‌ای برای آشکارسازی ناپایداری فضایی است، اگرچه ویژگی جریان اساسی‌ترین نوع ویژگی توصیفی برای رفت و آمد است. روش رایج تبدیل جریان های رفت و آمد به نسبت واحد فضایی معین و مطالعه ناپایداری فضایی رابطه بین این نسبت و متغیرهای مستقل مختلف است. با این حال، این فقط می تواند عدم استقرار فضایی را در مناطق مسکونی یا محل کار نشان دهد. به عنوان مثال، مطالعه ای در مورد رفت و آمدهای شدید، عدم ایستایی فضایی متغیرهای اجتماعی-اقتصادی و کاربری زمین در مناطق مسکونی را مورد بحث قرار داد. 50 ]]. شکی نیست که SWIM در مقایسه با مدل GWR کمتر توسعه یافته و از بسیاری جهات دارای نقص است. غیرایستایی فضایی جریان‌ها پیچیده‌تر است و گاهی اوقات حتی تفسیر آن به روشی شهودی دشوار است. هنوز تکنیک تجسم عملی تری برای مواردی با جریان های بیش از حد وجود ندارد. با این وجود، شایان ذکر است که SWIM، علیرغم نقص‌هایش، بهتر می‌تواند ناپایداری فضایی جریان‌های OD را آشکار کند و درک ما را از رفت و آمد افزایش دهد.

7.2. نماینده بودن پرونده و راهبردهای برنامه ریزی

رفت و آمد بین شهری معمولاً بین کلان شهرها و شهرهای کوچک تا متوسط ​​اطراف اتفاق می افتد زیرا کلان شهرها می توانند مشاغل سطح بالا را فراهم کنند و شهرهای کوچک تا متوسط ​​شرایط زندگی مقرون به صرفه ای دارند [ 13 ، 14 ، 68 ].]. شایان ذکر است که شانگهای و سوژو هر دو ابرشهرهایی با بیش از 10 میلیون نفر جمعیت هستند. سوژو می تواند مشاغل نسبتاً سطح بالایی را ارائه دهد و هزینه زندگی در مرکز شهر کم نیست. با این حال، در مقایسه با سوژو، شانگهای مرکز اقتصادی منحصر به فرد تجمع صنعتی پیشرفته در منطقه دلتای رودخانه یانگ تسه است که علیرغم رفت و آمدهای طولانی مدت، برای مسافران بین شهری از مرکز شهر سوژو به اندازه کافی جذاب است. مسافران بین شهری که در نزدیکی مرز سوژو و شانگهای زندگی می کنند، بیشتر با ترجیحات شغلی و مسکونی آن مسافرانی که از شهرهای اطراف به کلان شهرهای ذکر شده در مطالعات قبلی ذکر شد، مطابقت دارند. توزیع فضایی منحصر به فرد عوامل اجتماعی-اقتصادی در محل کار و سکونت باعث می شود که ناپایداری فضایی آشکارا آشکار شود.
مدل‌های محلی با در نظر گرفتن غیرایستایی فضایی می‌توانند با دقت بیشتری دنیای واقعی را تحلیل کنند و امکان سیاست‌گذاری هدفمندتر را فراهم کنند. برای مسافران بین شهری که در نزدیکی مرز سوژو و شانگهای زندگی می کنند، به دلیل ناتوانی در پرداخت هزینه های بالای زندگی در مرکز شهر شانگهای یا حتی در حومه شانگهای، مجبور به انتخاب رفت و آمد بین شهری هستند. بنابراین افزایش عرضه مسکن و کاهش قیمت مسکن در حومه شانگهای یا تقویت ساختار چندمرکزی اشتغال در شانگهای، اقدامات موثری برای کوتاه کردن مسافت رفت و آمد این مسافران بین شهری است. با این حال، مسافران بین شهری که در مرکز شهر سوژو زندگی می کنند، به هزینه های زندگی حساس نیستند، بلکه بیشتر مشتاق توسعه شغلی و فعالیت های شخصی هستند.

7.3. محدودیت های داده ها و چشم اندازهای آینده

آشکارسازی الگوهای جامع رفت و آمد پیش شرط ضروری برای تجزیه و تحلیل غیرایستایی فضایی است، به همین دلیل است که داده‌های تکی سیار در این مطالعه انتخاب شدند. با این حال، هنوز سوالاتی برای تحقیقات آینده وجود دارد که عمدتاً از محدودیت‌های داده‌ها ناشی می‌شوند. اول، فقدان داده های سرشماری در سطح شهرستان، کنترل دقیق ترجیحات متوسط ​​ساکنان را دشوار می کند. خوشبختانه، داده‌های سرشماری در سطح شهرستان نشان می‌دهد که ویژگی‌های اجتماعی-اقتصادی ساکنان سوژو در فضا به طور قابل‌توجهی متفاوت نیست. در همین حال، مسافران بین شهری درصد پایینی از ساکنان را تشکیل می‌دهند، که نشان می‌دهد که ترجیحات متوسط ​​ساکنان ممکن است بر برآورد مدل تأثیری نداشته باشد. دومین، این مطالعه بر اساس داده‌های جریان OD در سطح شبکه 1 کیلومتری است تا مسیرهای اصلی مسافران بین شهری به دلیل محدودیت‌های حریم خصوصی، که باعث می‌شود حدس زدن در مورد حالت رفت‌وآمد و جایگزینی آن در مدل سخت شود. هزینه رفت و آمد عموماً شامل هزینه پولی و هزینه زمانی می شود. از آنجایی که هزینه رفت و آمد نشانگر جدایی بین محل کار و محل سکونت در مدل تعامل فضایی است، نادیده گرفتن هزینه پولی ممکن است تخمین مدل را به ویژه برای زمان رفت و آمد سوگیری کند. با این حال، یک نظرسنجی پرسشنامه ای که در سال 2020 انجام شد نشان داد که تقریباً نیمی از مسافران بین شهری از سوژو به شانگهای درآمد ماهانه بیش از 20000 یوان RMB دارند. هزینه رفت و آمد عموماً شامل هزینه پولی و هزینه زمانی می شود. از آنجایی که هزینه رفت و آمد نشانگر جدایی بین محل کار و محل سکونت در مدل تعامل فضایی است، نادیده گرفتن هزینه پولی ممکن است تخمین مدل را به ویژه برای زمان رفت و آمد سوگیری کند. با این حال، یک نظرسنجی پرسشنامه ای که در سال 2020 انجام شد نشان داد که تقریباً نیمی از مسافران بین شهری از سوژو به شانگهای درآمد ماهانه بیش از 20000 یوان RMB دارند. هزینه رفت و آمد عموماً شامل هزینه پولی و هزینه زمانی می شود. از آنجایی که هزینه رفت و آمد نشانگر جدایی بین محل کار و محل سکونت در مدل تعامل فضایی است، نادیده گرفتن هزینه پولی ممکن است تخمین مدل را به ویژه برای زمان رفت و آمد سوگیری کند. با این حال، یک نظرسنجی پرسشنامه ای که در سال 2020 انجام شد نشان داد که تقریباً نیمی از مسافران بین شهری از سوژو به شانگهای درآمد ماهانه بیش از 20000 یوان RMB دارند.20 ]. هزینه پولی رفت و آمد در ماه بین 800 تا 2000 یوان RMB است که به نظر می رسد کمتر از 10 درصد درآمد ماهانه برای اکثر مسافران بین شهری باشد. مطالعه قبلی نشان می‌دهد که مسافران ترجیح می‌دهند با وجود افزایش هزینه‌های پولی، زمان رفت و آمد را کاهش دهند [ 69 ]. بنابراین، تأثیر منفی هزینه‌های پولی از دست رفته احتمالاً ناچیز است.
در تحقیق در مورد رفت و آمدهای بین شهری یا از راه دور، نظرسنجی ها و سرشماری های رسمی ممکن است منابع داده مناسب تری باشند. آنها معمولاً حاوی داده های جمع آوری شده از طریق نمونه گیری تصادفی طبقه ای یا سرشماری ملی هستند. آنها نه تنها می توانند ویژگی های کلی رفت و آمد در منطقه مورد مطالعه را به طور کلی آشکار کنند، بلکه می توانند ویژگی ها و ویژگی های فردی را نیز نشان دهند که می تواند به ما کمک کند تا به طور مستقیم و دقیق ترجیحات رفت و آمد ساکنان آن را ارزیابی کنیم. با این حال، چنین منابع داده ای معمولاً هزینه زیادی دارند و به سختی قابل دسترسی هستند. مهمتر از آن، آنها به موقع به روزرسانی نمی شوند. یکی دیگر از منابع رایج داده‌ای که می‌تواند ویژگی‌ها و ویژگی‌های فردی را آشکار کند، نظرسنجی‌های پرسشنامه‌ای است که خود راه‌اندازی می‌شود، اما آنها در آشکار کردن ویژگی‌های جامع رفت‌وآمد منطقه‌ای به اندازه کافی دقیق نیستند. داده‌های سیگنالینگ تلفن همراه کم‌هزینه، به‌راحتی قابل دسترسی، به‌روزرسانی، و وضوح بالا و نرخ نمونه‌گیری بالا هستند، که آن را به یک منبع داده رایج در مطالعات رفت‌وآمد تبدیل می‌کند. ترکیبی از نظرسنجی ها و کلان داده ها ممکن است در آینده به یک الگو در مطالعات رفت و آمد تبدیل شود. کلان داده ها را می توان برای نشان دادن ویژگی های فضایی، مطالعه عوامل تعیین کننده فضایی و ساخت مدل های فضایی و بررسی ها برای تفسیر و آزمایش یافته ها از منظر ویژگی های فردی مورد استفاده قرار داد.

منابع

  1. چن، CL; هال، پی. تأثیر قطارهای سریع السیر بر جغرافیای اقتصادی بریتانیا: مطالعه ای در مورد InterCity 125/225 انگلستان و اثرات آن. J. Transp. Geogr. 2011 ، 19 ، 689-704. [ Google Scholar ] [ CrossRef ]
  2. چن، CL; هال، پی. تأثیرات فضایی-اقتصادی گسترده تر قطارهای سریع السیر: مطالعه موردی مقایسه ای از مناطق فرعی منچستر و لیل. J. Transp. Geogr. 2012 ، 24 ، 89-110. [ Google Scholar ] [ CrossRef ]
  3. باوم اسنو، ن. برانت، ال. هندرسون، JV; ترنر، MA; ژانگ، کیو. جاده ها، راه آهن، و تمرکززدایی شهرهای چین. کشیش Econ. آمار 2017 ، 99 ، 435-448. [ Google Scholar ] [ CrossRef ]
  4. رن، ایکس. وانگ، اف. وانگ، سی. دو، ز. چن، ز. وانگ، جی. دان، تی. تأثیر ریل پرسرعت بر تغییر رفتار سفرهای بین شهری. J. Transp. کاربری زمین 2019 ، 12 ، 265-285. [ Google Scholar ]
  5. Heuermann، DF; اشمیدر، جی اف تأثیر زیرساخت بر تحرک کارگران: شواهدی از گسترش راه‌آهن پرسرعت در آلمان. جی. اکون. Geogr. 2019 ، 19 ، 335-372. [ Google Scholar ] [ CrossRef ]
  6. ژانگ، دبلیو. نیش، سی. ژو، ال. زو، جی. اندازه‌گیری ساختار کلان منطقه‌ای در دلتای رودخانه مروارید توسط داده‌های سیگنالینگ تلفن همراه: یک رویکرد شبکه پیچیده. Cities 2020 , 104 , 102809. [ Google Scholar ] [ CrossRef ]
  7. وانگ، اف. وی، ایکس. لیو، جی. او، ال. گائو، ام. تأثیر راه‌آهن پرسرعت بر تحرک جمعیت و شهرنشینی: مطالعه موردی در تراکم شهری دلتای رودخانه یانگ تسه، چین. ترانسپ Res. بخش A سیاست سیاست. 2019 ، 127 ، 99-114. [ Google Scholar ] [ CrossRef ]
  8. موهینو، آی. لوکایتو سیدریس، ا. Urena، JM تأثیرات راه‌آهن پرسرعت بر ادغام شهری: بررسی لندن، مادرید و پاریس. بین المللی طرح. گل میخ. 2014 ، 19 ، 306-334. [ Google Scholar ] [ CrossRef ]
  9. رفت و آمد بین مناطق در دسترس آنلاین: https://ec.europa.eu/eurostat/web/products-eurostat-news/-/ddn-20210610–1 (در 3 مارس 2022 قابل دسترسی است).
  10. گیرائو، بی. کامپا، جی ال. Casado-Sanz، N. تحرک نیروی کار بین شهرها و ادغام کلان شهرها: نقش رفت و آمد با قطار سریع السیر در اسپانیا. شهرها 2018 ، 78 ، 140-154. [ Google Scholar ] [ CrossRef ]
  11. پارنتی، ا. Tealdi، C. نقش عدم اطمینان شغلی در رفت و آمد بین منطقه ای: مورد ایتالیا. رشد چانگ. 2019 ، 50 ، 634-671. [ Google Scholar ] [ CrossRef ]
  12. مارتینوس، ک. سوزوکی، جی. بوثاق زاده، س. اقتصادهای تراکم، رفت و آمد بین منطقه ای و نوآوری در حاشیه. Reg. گل میخ. 2020 ، 54 ، 776-788. [ Google Scholar ] [ CrossRef ]
  13. گارمندیا، م. رومرو، وی. Ureña، JMD; Coronado, JM; ویکرمن، آر. فرصت های راه آهن پرسرعت در اطراف مناطق شهری: مادرید و لندن. J. زیرساخت. سیستم 2012 ، 18 ، 305-313. [ Google Scholar ] [ CrossRef ]
  14. گارمندیا، م. de Urena، JM; ریبالایگوا، سی. لیل، جی. Coronado, JM توسعه مسکونی شهری در شهرهای کوچک منزوی که تا حدی در مناطق شهری با قطار سریع السیر ادغام شده اند. یورو مقررات شهری گل میخ. 2008 ، 15 ، 249-264. [ Google Scholar ] [ CrossRef ]
  15. گارمندیا، م. Ureña، JD; Coronado, J. سفرهای طولانی مدت در یک منطقه کم جمعیت: تأثیر زیرساخت های پرسرعت. J. Transp. Geogr. 2011 ، 19 ، 537-551. [ Google Scholar ] [ CrossRef ]
  16. گیرائو، بی. Casado-Sanz، N.; فرصت های کارگری Campa، JL توسط خدمات رفت و آمد راه آهن سریع اسپانیا (HSR) در دوره بحران مالی: رویکردی مبتنی بر اختلاف دستمزد منطقه ای و قیمت اجاره مسکن. Reg. گل میخ. 2020 ، 54 ، 539-549. [ Google Scholar ] [ CrossRef ]
  17. هازانس، ام. آیا رفت و آمد باعث کاهش اختلاف دستمزد می شود؟ رشد چانگ. 2004 ، 35 ، 360-390. [ Google Scholar ] [ CrossRef ]
  18. فریرا، جی پی؛ باراتا، ای. راموس، PN; کروز، L. ارزیابی اقتصادی، اجتماعی، انرژی و زیست محیطی رفت و آمد بین شهرداری: مورد پرتغال. سیاست انرژی 2014 ، 66 ، 411-418. [ Google Scholar ] [ CrossRef ]
  19. کیسینجر، ام. Reznik، A. تجزیه و تحلیل شهری دقیق از انتشار گازهای گلخانه ای مربوط به رفت و آمد برای راهنمایی اقدامات کاهش شهری. محیط زیست ارزیابی تاثیر Rev. 2019 , 76 , 26-35. [ Google Scholar ] [ CrossRef ]
  20. وانگ، ال. ژانگ، اس. سان، دبلیو. Chen, CL بررسی سلامت جسمی و روانی مسافران قطار سریع السیر: رفت و آمد بین شهری سوژو-شانگهای. J. Transp. Health 2020 , 18 , 100902. [ Google Scholar ] [ CrossRef ]
  21. وو، کیو. پرل، آ. Sun, J. بزرگتر و متفاوت: شروع به درک نقش راه آهن پرسرعت در توسعه ابرشهرهای آینده چین. ترانسپ Res. ضبط 2016 ، 2546 ، 78-87. [ Google Scholar ] [ CrossRef ]
  22. لی، ک. Niu, X. ترسیم منطقه ابرشهر شانگهای چین از دیدگاه رفت و آمد: مطالعه بر اساس داده های شبکه تلفن همراه در دلتای رودخانه یانگ تسه. ج. طرح شهری. توسعه دهنده 2021 , 147 , 04021022. [ Google Scholar ] [ CrossRef ]
  23. Cassel, SH; ماکوچوا، ز. رودهولم، ن. Rydell، A. تمایل به رفت و آمد طولانی در میان جویندگان کار در Dalarna، سوئد. J. Transp. Geogr. 2013 ، 28 ، 49-55. [ Google Scholar ] [ CrossRef ]
  24. سندو، ای. وستین، ک. مسافر سرسخت – مدت زمان رفت و آمد از راه دور. ترانسپ Res. بخش A سیاست سیاست. 2010 ، 44 ، 433-445. [ Google Scholar ] [ CrossRef ]
  25. چانگ، اچ. یانگ، ی. چن، CI; ویکرمن، آر. بررسی اثرات محیط ساخته شده، موقعیت مکانی و دسترسی بر زمان سفر مسافران راه دور در سوژو و شانگهای، چین. محیط ساخته شده 2020 ، 46 ، 342-361. [ Google Scholar ] [ CrossRef ]
  26. گیرائو، بی. لارا-گالرا، آ. تأثیرات رفت و آمد راه آهن کمپا، JL بر مهاجرت نیروی کار: مورد تمرکز کلان شهرها در منطقه عملکردی مادرید. سیاست کاربری زمین 2017 ، 66 ، 131-140. [ Google Scholar ] [ CrossRef ]
  27. Fotheringham، AS; چارلتون، ام. براندون، سی. جغرافیای پارامتر فضای: بررسی عدم ایستایی فضایی. بین المللی جی. جئوگر. Inf. سیستم 1996 ، 10 ، 605-627. [ Google Scholar ] [ CrossRef ]
  28. گوا، جی. فنگ، تی. Timmermans، HJ وابسته به محل کار، محل سکونت و انتخاب حالت رفت و آمد: نتایج یک مدل لاجیت ترکیبی چند بعدی با جلوه های پانل. Cities 2020 , 96 , 102448. [ Google Scholar ] [ CrossRef ]
  29. Fotheringham، AS; مدل‌های تعامل فضایی O’Kelly، ME : فرمول‌بندی‌ها و کاربردها . Kluwer Academic Publishers: Dordrecht, The Netherlands, 1989; جلد 1. [ Google Scholar ]
  30. Ogura، LM اثرات کنترل های رشد شهری بر رفت و آمد بین شهری. مطالعه شهری. 2010 ، 47 ، 2173-2193. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  31. چن، اچ. وویگت، اس. Fu، X. تجزیه و تحلیل مبتنی بر داده در مورد تصمیمات رفت و آمد بین شهری در آلمان. پایداری 2021 ، 13 ، 6320. [ Google Scholar ] [ CrossRef ]
  32. Suh, SH امکان و عدم امکان رفت و آمد بین شهری. J. شهری اقتصاد. 1988 ، 23 ، 86-100. [ Google Scholar ] [ CrossRef ]
  33. گرین، AE؛ هوگارث، تی. Shackleton، RE رفت و آمد با مسافت طولانی تر به عنوان جایگزینی برای مهاجرت در بریتانیا: بررسی روندها، مسائل و پیامدها. بین المللی جی پوپول. Geogr. 1999 ، 5 ، 49-67. [ Google Scholar ] [ PubMed ]
  34. Wessel, T. تغییرات اقتصادی و افزایش نابرابری درآمد در منطقه اسلو: اهمیت خدمات تجاری مبتنی بر دانش. Reg. گل میخ. 2013 ، 47 ، 1082-1094. [ Google Scholar ] [ CrossRef ]
  35. Hsu، PF حق بیمه دستمزد بین صنعت و بهره وری خاص صنعت در تایوان. Appl. اقتصاد 2005 ، 37 ، 1523-1533. [ Google Scholar ] [ CrossRef ]
  36. سرورو، آر. تعادل شغلی- مسکن و تحرک منطقه ای. مربا. طرح. دانشیار 1989 ، 55 ، 136-150. [ Google Scholar ] [ CrossRef ]
  37. لاموندیا، جی جی. اولتمن هال، ال. گرین، E. فرکانس‌های سفر در راه دور و سفرهای تفریحی: تجزیه و تحلیل پروبیت مرتب شده در تعاریف غیرمستقیم. ترانسپ Res. ضبط 2014 ، 2413 ، 1-12. [ Google Scholar ] [ CrossRef ]
  38. اندرسون، ام. لاوسون، ن. Niedomysl، T. رفت و آمد از راه دور روستایی به شهری در سوئد: روندها، ویژگی ها و مسیرها. J. روستایی. گل میخ. 2018 ، 59 ، 67-77. [ Google Scholar ] [ CrossRef ]
  39. دارگای، جی.ام. کلارک، اس. عوامل تعیین کننده سفرهای طولانی مدت در بریتانیای کبیر. ترانسپ Res. بخش A سیاست سیاست. 2012 ، 46 ، 576-587. [ Google Scholar ] [ CrossRef ]
  40. میترا، SK; Saphores، JDM چرا آنها اینقدر دور از کار زندگی می کنند؟ عوامل تعیین کننده رفت و آمد از راه دور در کالیفرنیا. J. Transp. Geogr. 2019 ، 80 ، 102489. [ Google Scholar ] [ CrossRef ]
  41. چنگ، جی. یان، آر. گائو، ی. بررسی ناهمگونی فضایی در دسترسی و انتخاب حالت حمل و نقل. ترانسپ Res. قسمت D Transp. محیط زیست 2020 ، 87 ، 102521. [ Google Scholar ]
  42. Ogura، LM کنترل رشد شهری و رفت و آمد بین شهری. J. شهری اقتصاد. 2005 ، 57 ، 371-390. [ Google Scholar ]
  43. Li، ZC; Ma، JC سرمایه گذاری در خطوط ریلی بین شهری و/یا درون شهری؟ تجزیه و تحلیل تعادل عمومی برای یک سیستم دو شهر ترانسپ سیاست 2021 ، 108 ، 59-82. [ Google Scholar ] [ CrossRef ]
  44. یانگ، تی. درک الگوهای رفت و آمد و تغییرات: تحلیل خلاف واقع در چارچوب پشتیبانی برنامه ریزی. محیط زیست طرح. ب مقعد شهری. علوم شهر 2020 ، 47 ، 1440-1455. [ Google Scholar ] [ CrossRef ]
  45. چکمه، بی. Okabe، A. تحلیل فضایی آماری محلی: موجودی و چشم انداز. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 355-375. [ Google Scholar ] [ CrossRef ]
  46. براندون، سی. Fotheringham، AS; چارلتون، ME رگرسیون وزن‌دار جغرافیایی: روشی برای کاوش غیرایستایی فضایی. Geogr. مقعدی 1996 ، 28 ، 281-298. [ Google Scholar ] [ CrossRef ]
  47. چارلتون، ام. فاثرینگهام، اس. براندون، سی. رگرسیون وزن‌دار جغرافیایی . کاغذ سفید؛ دانشگاه ملی ایرلند: Maynooth، ایرلند، 2009. [ Google Scholar ]
  48. تائو، ایکس. فو، ز. Comber، AJ تجزیه و تحلیل شیوه های رفت و آمد در مناطق شهری و روستایی. Appl. تف کردن مقعدی سیاست 2019 ، 12 ، 831–845. [ Google Scholar ] [ CrossRef ]
  49. لوید، سی. شاتل ورث، I. تجزیه و تحلیل رفت و آمد با استفاده از تکنیک های رگرسیون محلی: مقیاس، حساسیت، و الگوهای جغرافیایی. محیط زیست طرح. A 2005 ، 37 ، 81-103. [ Google Scholar ] [ CrossRef ]
  50. بای، ایکس. ژای، دبلیو. Steiner, RL; او، Z. بررسی رفت و آمد شدید و رابطه آن با استفاده از زمین و اقتصاد اجتماعی در مرکز Puget Sound. ترانسپ Res. قسمت D Transp. محیط زیست 2020 , 88 , 102574. [ Google Scholar ] [ CrossRef ]
  51. جانگ، دبلیو. یوان، اف. لوپز، جی جی در بررسی الگوهای رفت و آمد پایدار توسط عوامل اجتماعی-اقتصادی. پایداری 2021 ، 13 ، 2180. [ Google Scholar ] [ CrossRef ]
  52. ناکایا، تی. مدل‌سازی تعامل فضایی محلی بر اساس رویکرد رگرسیون وزن‌دار جغرافیایی. جئول J. 2001 ، 53 ، 347-358. [ Google Scholar ]
  53. کردی، م. Fotheringham، AS مدل‌های تعامل وزن‌دار فضایی (SWIM). ان صبح. دانشیار Geogr. 2016 ، 106 ، 990-1012. [ Google Scholar ] [ CrossRef ]
  54. ژانگ، ال. چنگ، جی. جین، سی. مدل‌سازی تعامل فضایی داده‌های جریان OD: مقایسه رگرسیون دوجمله‌ای منفی وزن‌دار جغرافیایی (GWNBR) و OLS (GWOLSR). ISPRS Int. جی. ژئو. Inf. 2019 ، 8 ، 220. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  55. خو، جی. جین، سی. بررسی ناهمگونی مکانی-زمانی در جستجوهای سفر آنلاین: یک رویکرد مدل فضایی محلی. Geogr. Tidsskr. دن. جی. جئوگر. 2019 ، 119 ، 146-162. [ Google Scholar ] [ CrossRef ]
  56. چنگ، ی. LeGates، مسیر منطقه شهر جهانی ترکیبی R. چین: شواهدی از دلتای رودخانه یانگ تسه. شهرها 2018 ، 77 ، 81–91. [ Google Scholar ] [ CrossRef ]
  57. هو، اس. آهنگ، دبلیو. لی، سی. Zhang، CH تکامل تجمعات صنعتی و تخصص در دلتای رودخانه یانگ تسه از 1990 تا 2018: تجزیه و تحلیل مبتنی بر داده های بزرگ در سطح شرکت. پایداری 2019 ، 11 ، 5811. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  58. یانگ، ایکس. نیش، ز. یین، ال. لی، جی. ژو، ی. لو، اس. درک ساختار فضایی رفت و آمد شهری با استفاده از داده های مکان تلفن همراه: مطالعه موردی شنژن، چین. پایداری 2018 ، 10 ، 1435. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  59. ژائو، پی. لیو، دی. یو، ز. هو، اچ. رفت و آمدهای طولانی و نابرابری حمل و نقل در کلان شهر در حال رشد چین: شواهد جدید از پکن با استفاده از داده های تلفن همراه. رفتار سفر. Soc. 2020 ، 20 ، 248-263. [ Google Scholar ] [ CrossRef ]
  60. حداچی، ع. پورمرادناصری، م. خوشخواه، ک. رونمایی از الگوهای رفت و آمد در مقیاس بزرگ بر اساس داده های شبکه تلفن همراه تلفن همراه. J. Transp. Geogr. 2020 , 89 , 102871. [ Google Scholar ] [ CrossRef ]
  61. پنگ، ز. بای، جی. وو، اچ. لیو، ال. Yu, Y. تشخیص حالت سفر ساکنان شهری با استفاده از داده های تلفن همراه و MapAPI. محیط زیست طرح. ب مقعد شهری. علوم شهر 2021 ، 23 ، 9981. [ Google Scholar ] [ CrossRef ]
  62. داسیلوا، آر. رودریگز، TCV رگرسیون دوجمله‌ای منفی وزن‌دار جغرافیایی – شامل پراکندگی بیش از حد. آمار محاسبه کنید. 2014 ، 24 ، 769-783. [ Google Scholar ] [ CrossRef ]
  63. Fotheringham، AS; چارلتون، من؛ براندون، سی. رگرسیون وزن‌دار جغرافیایی: یک تکامل طبیعی روش بسط برای تجزیه و تحلیل داده‌های مکانی. محیط زیست طرح. 1998 ، 30 ، 1905-1927 . [ Google Scholar ] [ CrossRef ]
  64. کار، ا. Le، HT; میلر، اچ جی سفر ضروری چیست؟ تفاوت‌های اجتماعی و اقتصادی در تقاضای سفر در کلمبوس، اوهایو، در طول قرنطینه COVID-19. آنو. صبح. دانشیار Geogr. 2021 ، 1-24. [ Google Scholar ] [ CrossRef ]
  65. سیمینی، اف. بارلاچی، جی. لوکا، م. پاپالاردو، L. یک مدل گرانش عمیق برای تولید جریان های تحرک. نات اشتراک. 2021 ، 12 ، 1-13. [ Google Scholar ]
  66. دی وریس، جی جی. Nijkamp، P. Rietveld، P. نمایی یا قدرت زوال فاصله برای رفت و آمد؟ یک مشخصات جایگزین محیط زیست طرح. A 2009 , 41 , 461-480. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  67. مک آرتور، DP; کلپه، جی. تورسن، آی. Ubøe, J. قابلیت انتقال فضایی پارامترها در مدل گرانشی جریان های رفت و آمد. J. Transp. Geogr. 2011 ، 19 ، 596-605. [ Google Scholar ]
  68. Ureña، JM; منرو، پی. گارمندیا، ام. چالش راه آهن پرسرعت برای شهرهای بزرگ متوسط: چشم انداز ملی، منطقه ای و محلی.شهرها 2009 ، 26 ، 266-279. [ Google Scholar ] [ CrossRef ]
  69. ون اومرن، جی. دارگای، جی. انتخاب بهینه سرعت رفت و آمد: پیامدهای زمان، مسافت و هزینه های رفت و آمد. J. Transp. اقتصاد سیاست JTEP 2006 ، 40 ، 279-296. [ Google Scholar ]
Ijgi 11 00335 g001 550
شکل 1. منطقه مطالعه و تراکم رفت و آمد در محل سکونت و محل کار.
Ijgi 11 00335 g002 550
شکل 2. درآمد کسب و کار در مقیاس بالا شانگهای و سوژو بر اساس نوع صنعت.
Ijgi 11 00335 g003 550
شکل 3. مسیر معمول مکانی-زمانی روزانه یک مسافر.
Ijgi 11 00335 g004 550
شکل 4. جریان رفت و آمد بین شهری در سطح شهرستان.
Ijgi 11 00335 g005a 550 Ijgi 11 00335 g005b 550
شکل 5. تغییرات مکانی در برآورد ضرایب. ( الف ) مقیاس خدمات تولید کننده در محل کار. ( ب ) مقیاس خدمات غیر تولید کننده در محل سکونت. ج ) تامین مسکن در محل سکونت. د ) قیمت مسکن در محل سکونت. ( ث ) سال ساخت در محل سکونت. ( و ) زمان رفت و آمد.

مقالات داخلی و بین المللی

مطالب مرتبط ...

7 نظرات

دیدگاهتان را بنویسید