Spatially Varying Relation between Built Environment and Station-Level Subway Passenger-Distance 2023 Journal of Advanced Transportation SCI4區(qū) SWJTU 閱讀原因：和前篇文章有關聯(lián)，趙學長寫的 Abstract: 本文研究了建筑環(huán)境和乘客距離的關系(station-level passenger-distance，SLPD，乘客在特定站點上下車的總行程長度)，比較GWR和MGWR模型，并得到11個與SLPD有關的因變量。 Ridership means the number of trip for each station也就是說，乘數(shù)代表一個站點上下車的次數(shù) 這篇文章提出前，已有GWR\MGWR提出來用于分析 Introduction: R. Ewing and R. Cervero, “Travel and the built environment,” Journal of the American Planning Association, vol. 76, no. 3, pp. 265–294, 2010.和R. Ewing and R. Cervero, “Travel and the built environment: a synthesis,” Transportation Research Record: Journal of the Transportation Research Board, vol. 1780, no. 1, pp. 87–114, 2001.這兩篇文章揭示了建筑環(huán)境變量由3個變?yōu)榱?個 Literature Review： J. Zhao, W. Deng, Y. Song, and Y. Zhu, “What influences Metro station ridership in China? Insights from Nanjing,” Cities, vol. 35, pp. 114–124, 2013. 這篇文章 OLS（Ordinary least squares，普通最小二乘） S. Li, D. Lyu, G. Huang et al., “Spatially varying impacts of built environment factors on rail transit ridership at station level: a case study in Guangzhou, China,” Journal ofTransport Geography, vol. 82, Article ID 102631, 2020. 這篇文章GWR（geographically weighted regression models，地理加權回歸） M.-J. Jun, K. Choi, J.-E. Jeong, K.-H. Kwon, and H.-J. Kim, “Land use characteristics ofsubway catchment areas and their influence on subway ridership in Seoul,” Journal ofTransport Geography, vol. 48, pp. 30–40, 2015.這篇文章MGWR（mixed geographically weighted regression，混合地理加權回歸） Data Description： Buffer Zone (緩沖區(qū))：在地圖上繪制的區(qū)域，通常是一個圍繞著特定點、線或區(qū)域的邊界。 Catchment Area (覆蓋區(qū)域)：特定地點或設施（如鐵路站、商店、醫(yī)院等）的服務范圍。 用arcgis測量了136*136個成都站點的距離 因為因變量呈左偏態(tài)分布。所以對自變量進行了對數(shù)處理（？），這是一種常見的數(shù)據(jù)預處理方法，提高擬合效果和準確性。 咱們確定聚類數(shù)量可以同時用肘部法和輪廓系數(shù)。這篇文章聚類的數(shù)據(jù)是每個地鐵站的25個自變量（？） 這篇文章哪些內容配什么圖可以借鑒一下。 Logarithm對數(shù) Models and Methods： 這兩篇文章都對ols,gwr,mgwr做了介紹，但提煉了不同說法 Results and Discussion： 當構建回歸模型的時候，為了防止參數(shù)不準確和模型不穩(wěn)定。可以使用了方差膨脹因子（VIF）來衡量自變量之間的相關性。一般來說，當VIF小于10時，表示自變量之間沒有多重共線性問題。需要把VIF大于10的變量排除。 文章還對每個影響因變量的環(huán)境變量做了詳細分析。 用GWR 4.0這個軟件可以對MGWR和GWR進行擬合。 Residual（殘差）指的是實際觀測值與回歸模型（通常是線性回歸模型）預測值之間的差異或偏差。用來評估回歸模型的擬合程度和模型的有效性. AIC（Akaike Information Criterion）：赤池信息準則，用于衡量模型對數(shù)據(jù)的擬合程度以及模型的復雜度。AIC值越低表示模型在擬合數(shù)據(jù)和保持簡單性之間取得了更好的平衡。 AICc（Akaike Information Criterion with correction）：經過修正的赤池信息準則，用于修正樣本量較小的情況下AIC的偏差。AICc通常在樣本量較小的情況下更可靠。 BIC（Bayesian Information Criterion）：貝葉斯信息準則，類似于AIC，但對模型復雜度的懲罰更嚴格。BIC值也越低越好。 CV（Cross-validation）：交叉驗證，是一種通過將數(shù)據(jù)集分為訓練集和測試集來評估模型性能的方法。通常使用K折交叉驗證，其中數(shù)據(jù)集被分成K個子集，模型在其中K次訓練和測試。CV可以用于估計模型的泛化性能。 R-squared（R2）：決定系數(shù)，表示因變量的變異中可以由模型解釋的部分比例。R2值范圍從0到1，越接近1表示模型能夠更好地解釋因變量的變異性。 Adjusted R-squared（Adj.R2）：調整后的決定系數(shù)，考慮了模型中自變量的數(shù)量。它通過懲罰模型中不必要的自變量來避免過擬合，通常在比較不同模型時更有用。 全局變量（Global Variable）、局部變量（Local Variable）：全局變量具有更廣泛的作用域和較長的生命周期，而局部變量具有更窄的作用域和較短的生命周期。 第十頁右邊的那一段居然數(shù)字標錯了，F(xiàn)igure 14應該只有3個submaps 未來方向：增加人口密度和區(qū)域經濟的數(shù)據(jù)，緩沖區(qū)選取800米半徑的圓的科學性需要進一步探討，MWGR模型不能對時間因素分析、一刀切地使用圓形緩沖區(qū)可能沒考慮到地形的障礙和不連續(xù)性 要是對成都個地鐵站與周邊環(huán)境的相互關系科學數(shù)據(jù)分析的人應該看看這篇