Effects Built Environment Electric Scooter 閱讀原因： SWJTU Abstract:不僅旅客出行次數(shù)重要，出行的時(shí)間也一樣重要，對(duì)比了不同模型 2019年美國(guó)1.36億次出行有0.86億次出行是電動(dòng)滑板完成的（一共才1.36？電動(dòng)滑板用的這么多？） Cervero, R., Kockelman, K., 1997. Travel demand and the 3Ds: Density, diversity, and design. Transportation Research Part D: Transport and Environment 2, 199-219.這篇文章第一次提出要構(gòu)建環(huán)境，主要有三個(gè)要素：土地使用、交通設(shè)計(jì)、城市設(shè)計(jì)。 ??此外本文利用的土地利用評(píng)估模型用的也是這篇論文中的。 參數(shù)后面加一個(gè)（+）代表這個(gè)參數(shù)的目標(biāo)變量的關(guān)系是正相關(guān)，反之用（-） Pilot program 試點(diǎn)計(jì)劃 Dataset:各種來(lái)源 自變量變化導(dǎo)致了因變量的變化，Response Variable是響應(yīng)變量，對(duì)應(yīng)著的是因變量。Explanatory Variables是解釋變量，對(duì)應(yīng)著的是自變量。本文用的響應(yīng)變量是total trip duration per acre，用的解釋變量是各種環(huán)境變量。 S.D.的意思是標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)差越大，數(shù)據(jù)點(diǎn)相對(duì)于平均值越分散；標(biāo)準(zhǔn)差越小，數(shù)據(jù)點(diǎn)越接近平均值。 回歸模型（Regression Model） Huang, Y., Zong, H., 2020. The spatial distribution and determinants of China’s high-speed train services. Transportation Research Part A: Policy and Practice 142, 56-70.??這篇論文提出了variance inflation factor（方差膨脹因子），用來(lái)判斷兩個(gè)因子之間有沒(méi)有共線性關(guān)系。 均方根誤差（Root Mean Square Error，RMSE）是一種用于評(píng)估預(yù)測(cè)模型性能的常見(jiàn)指標(biāo)。它用于衡量模型的預(yù)測(cè)值與實(shí)際觀測(cè)值之間的差異。RMSE是回歸模型評(píng)估中的常見(jiàn)度量標(biāo)準(zhǔn)，通常用于衡量模型對(duì)連續(xù)型因變量的擬合程度。RMSE的值越小，表示模型的預(yù)測(cè)值與實(shí)際觀測(cè)值之間的差異越小，模型的擬合效果越好。 Coef代表回歸模型的系數(shù)coefficients，代表自變量和因變量的影響程度。 t-value是統(tǒng)計(jì)學(xué)中測(cè)量參數(shù)是否顯著的統(tǒng)計(jì)量 P>|t|是顯著性的概率，這個(gè)值小于0.05或者0.1的時(shí)候代表系數(shù)是顯著的 Cardozo, O.D., García-Palomares, J.C., Gutiérrez, J., 2012. Application of geographically weighted regression to the direct forecasting of transit ridership at station-level. Applied Geography 34, 548-558.?這篇論文論述了使用Lasso模型時(shí)需要考慮時(shí)空相關(guān)因素 Interquartile（四分位差，上四分位和下四分位的差異） non-stationarity（非平穩(wěn)性）在非平穩(wěn)性數(shù)據(jù)中，數(shù)據(jù)的均值、方差或其他統(tǒng)計(jì)性質(zhì)不是恒定不變的，而是隨著時(shí)間的推移或空間位置的改變而發(fā)生顯著的變化。 2×SE中SE是標(biāo)準(zhǔn)差的意思，標(biāo)準(zhǔn)誤差越大，表示對(duì)應(yīng)系數(shù)估計(jì)的不確定性越高，也就是說(shuō)，估計(jì)值的精度較低。乘以2是為了估計(jì)置信區(qū)間（？）。 CT（census tract）美國(guó)的人口普查區(qū) 圖有點(diǎn)看不懂，相關(guān)性計(jì)算之類的，還有圖13白人和非白人與滑板使用相關(guān)性結(jié)論怎么得出來(lái)的。看相關(guān)的論文可能可以解決這個(gè)問(wèn)題。 幾種模型的原理沒(méi)有細(xì)看。 未來(lái)的改進(jìn)：1、本文只用了時(shí)間點(diǎn)數(shù)據(jù)，所以只能判斷相關(guān)性不能判斷因果性2、用的宏觀數(shù)據(jù)，還可以具體分析