使用谷歌地图API评估城市交通投资的社会空间效应外文翻译资料

使用谷歌地图API评估城市交通投资的社会空间效应

关键词：高速公路的影响，对社会经济群体的影响，谷歌地图 API 的使用，转车的时间优势

我们使用了一种基于在线技术的新方法，在没有高速公路的情况下复制了（未观测）路况，分析了交通投资对城市高速公路和公共交通的空间分布影响。这是基于大量使用谷歌地图API（GMA） 技术，以高度详细的方式获取每对起点和终点之间的旅行时间，以揭示新基础设施对城市内不同区域和群体的影响。圣地亚哥被用作案例研究，是因为该市在相对较短的时间内引入了150公里的城市高速公路、重组的地面交通和新的地铁线路。我们查明，高收入人群最受青睐，他们增加了汽车保有量低的地区的交通和汽车出行时间之间的差异，刺激了汽车的购买。

1. 介绍

本世纪初，智利圣地亚哥启动了一项庞大的城市高速公路计划，耗费超过14 亿美元用于建设约150公里的公路（Quijada等，2007年），并保证向私人投资者提供高达初始投资75%的收入（Herrmann-Lunecke等，2020年）。与此同时，Transantiago于2002年构想并在2007年实施了一项广为流传的计划，旨在对地面交通进行现代化改造，将其与地铁结合，并在不考虑组合的情况下对每次行程收取单一票价；它的预算略高于200万美元（Quijada等，2007年），但由于设计不当，只设想了数量大于最佳容量的次优公共汽车，它最终陷入了一场前所未有的灾难（Jara-Diaz和Gschwender，2009年）。在2001年至2012年期间，圣地亚哥的汽车拥有量发生了爆炸性增长，根据起点-目的地调查（SECTRA，2014年），圣地亚哥每千人拥有汽车从125.7辆跃升至177.9辆，目前正造成交通拥堵，特别是在东部地区城市里的富人区。同时，仅考虑机动模式，公共交通出行的份额从50%下降到39%，而汽车的份额在同一时间段内从32%增加到40%（SECTRA，2014年），这与Transantiago宣布目标的主要影响正好相反。

城市公路网络在上述综合演进过程中的实际作用尚未得到仔细研究；主要问题是缺乏适当的数据来比较高速公路建设前后的情况。一方面，传统的OD调查（每十年进行一次）覆盖了大约1%的人口，这些调查中没有记录高速公路的使用，而且空间信息非常不精确（Bagchi和White，2005年）,另一方面，通过智能卡数据，我们发现公共交通（Munizaga和Palma，2012年）存在关于（上站与站）行程和路线的详细信息，但没有汽车相关的详细信息，尽管在任何地方任何时间都需要有关于每条高速公路上的流量的公共信息。鉴于缺乏足够的时间序列信息，我们采用了一种新颖的方法来研究公路投资和Transantiago的结构性影响，通过使用在线地图来提供非常详细的空间级别的旅行时间。简而言之，主要是使用谷歌地图API（GMA）技术来观测公共交通和汽车从而观测旅行时间，增加了不能使用高速公路时的汽车路线选择问题。通过这种方式，比较分析公路引起的旅行时间的变化；随后，将结果与包括社会经济水平和模式使用的空间信息进行交叉比较。由于圣地亚哥正在规划新的城市高速公路，因此有必要对过去投资的影响进行评估。我们的目标是找出：a）高速公路和Transantiago最青睐哪些人口群体（收入和位置），b）这些项目对低汽车拥有量所有权细分有何影响。为此，我们使用GMA来定义指数，这些指数使得在圣地亚哥不同区域的高速公路和路程之间建立关系存在可能性。我们的主要发现与旅行时间有关，而且数量众多：1）城市高速公路主要使居住在周边地区的最富有的人受益；2）富人（车主）客观上受益于出行时间缩短，而周边地区（如果他们有车的话）则受益于高速公路布局；3）公共交通对于城市的服务非常单一，只留下一些特定的不受欢迎的（西部低收入）地区或城市；4）高速公路增加了汽车在全市过境的时间优势，但主要是在周边地区（不考虑收入）；5）GMA对此类研究具有很强的方法论潜力。

在下一章节中，我们回顾了文献中有关基础设施投资对交通系统的影响和使用在线地图研究旅行时间的相关参考资料。在第3节中，我们提供了圣地亚哥在各种（空间）指标、高速公路和地铁线路的位置以及根据上次起点-目的地（OD）调查的其他汇总信息方面的图片；然后我们描绘数据并建立一种新颖的方法来观察交通基础设施的影响，从而无需在时间序列（或前后）中进行观察。在第4节中，我们将这种方法应用于圣地亚哥及其新的城市高速公路——公共交通系统的案例。 第 5节结束。

1. 出行时间和城市公路投资：前因

根据文献，城市道路投资后会产生三种类型的影响：短期、中期和长期。

在短期内，随着道路容量和质量的提高，汽车用户的出行时间会减少。

从中期来看，这会吸引用户从公共交通工具转向汽车，从而增加了拥堵和交通时间，使所有用户的出行时间变得更糟。这已经用所谓的唐斯-汤姆森悖论得到了很好的解释（例如Mogridge等，1987年），该悖论得到了美国（Duranton和Turner，2011年；Noland和Lem，2002年）和英国（Goodwin和Noland，2003年；Noland和Lem，2002年）案例研究的实证支持，而相反的效果（当道路空间被重新分配用于不同用途时减少了交通）已经在全球多个城市中发现（Cairns等，1998年，2002年）。应该做两个观察。首先，这个悖论要求所有用户在所有条件下都可以在模式之间进行选择；如果投资后部分用户无法改用汽车，那么仍然使用公共交通工具的用户的情况会更糟，但私家汽车用户的出行时间可以选择两种方式，因为容量增加可能会抵消前公共交通工具用户的额外汽车流量。其次，如果同时对公共交通进行投资，结果将取决于两项投资的方式。

从长远来看，城市本身会适应新的基础设施。先前的研究表明，城市因高速公路而扩张（Baum-Snow，2007年），靠近中转站的土地价格上涨（Rodriguez 和 Mojica，2008年），并且城市扩张因高质量的公共交通而减少（Burchfield等，2006年）。在本文中，我们主要处理中期效应，考察投资后几年的旅行时间。

估计旅行时间并不总是一件容易的事。当街道可以在不拥堵的情况下进行游览时，可以使用一些经典的组合工具（如Dijkstra算法）或其他专门为现实世界网络设计的工具，如Sanders和 Schultes（2005）的方法进行计算。最近开发了一些在线工具，可以获取不同时期城市中特定点对之间的旅行时间；谷歌地图AP（GMA，谷歌地图的编程版本）可能是这些工具中最著名的，而 OpenStreetMap（OSM）是一种替代工具，具有免费访问的优点，但不幸的是，它不将收费高速公路排除在最短路径的计算中。

已使用这些工具为不同城市的各种目的估算了旅行时间。仅考虑车辆时间，Wang和Xu （2011年）使用GMA计算到达美国巴吞鲁日医疗中心的难易程度，而Widener等人（2017年）使用OSM专注于在加拿大多伦多白天和黑夜的不同时段访问杂货店的机会。Dumbliauskas等人也使用通过GMA计算得出的车辆行驶时间（2017年）来计算立陶宛考纳斯市每个起点每天多个时段的平均旅行时间；Garciacute;a-Albertos等人在西班牙马德里（2019年）通过查看智能手机的（匿名）通话记录，将这些信息与使用智能手机移动信息的OD矩阵估计相结合；Xia等人（2018年）将旅行时间信息与人们的住所位置相结合，估计了整个澳大利亚的可达性指数。

通过使用GMA，Qi等人（2020年）比较了澳大利亚悉尼的汽车和公共交通时间，但将中央商务区作为唯一目的地；他们根据居住在那里的人们的特征，将这些信息与每个来源的“公共交通需求”结合起来。McGurrin和Greczner （2011年）在美国西雅图将OSM用于类似的比较，但连接不同的质心对。OSM 还可用于估计行人进入公交网络的步行时间，Pereira（2019年）采用这种方法来估计巴西里约热内卢BRT部分或全部建设的影响，Owen和Levinson （2015年）也采用这种方法，他们使用这些信息来计算美国双城的汽车和公共交通出行时间，进而提出预测模态份额的方法。其他公共数据来源也被用于类似目的。

例如，在加拿大蒙特利尔，El-Geneidy等人（2016年）和 Boisjoly和El-Geneidy （2016年）分别使用来自交通机构的公共数据来评估整个城市的公平性和可达性。在圣地亚哥，Tiznado-Aitken等人（2018年）使用OpenStreetPlanner计算访问公交网络的步行距离，而Gibson 等人（2016年）使用智能卡数据来估计中位公交专用道的行程时间增益，Kickhofer等人（2016年）用OSM补充了这些计算圣地亚哥所谓的MATSim场景的数据。在巴西，Bittencourt等人（2020年）使用来自当地交通机构的数据研究不同城市的可达性与隔离之间的关系。在智利，可以使用ADATRAP（DTPM 2020）估算实际的车内过境旅行时间（站到站）。

描述的旅行时间估计工具也受到了审查。例如，Lahoorpoor和Levinson（2020年）比较了GMA、OSM和另一个名为ArcGIS Network Analyst 的工具，发现GMA预测的旅行时间最短。此外，它们已被用于扩展结果范围，如Huber和Rust（2016年）提出的C 函数，该函数依赖于OSM来估计由地理条件描述的两点之间步行、自行车或汽车的旅行时间。

如上所述，所有这些工具都被用来获取旅行时间，本质上是黑匣子，没有关于操作或用户行为的具体细节。一般特征是已知的：例如，在交通情况相同的条件下是点对点测量旅行时间还是站到站测量，又或者是否包括停车时间。然而，一些特定的情况是未知的，例如用户在过境的情况下选择特定路线的方式或在汽车出行的情况下考虑拥堵的方式。

有一个方面尚未充分利用在线工具的潜力：假设用户无法使用高速公路的情况下计算旅行时间。这正是我们希望扩展迄今为止使用API开发的方法来评估城市高速公路影响的方向。具体来说，我们通过删除当前情况下高速公路的使用来模拟没有高速公路的情况。用这种方法，我们以三种“模式”来了解区域之间的旅行时间指数：汽车强制不能使用高速公路（汽车街道）；汽车让高速公路成为可能的路线选择的一部分（汽车-高速公路）；公共交通（过境）。使用这些详细信息，我们将创建质量指数，来a）捕捉高速公路的影响，和b）研究它们如何与每个区域的社会经济特征相关联。这将在下一节中解释。

1. 案例研究、数据和程序

3.1.城市和交通系统

智利首都圣地亚哥有大约700万居民，根据收入、汽车拥有量和公共交通使用情况，以间隔的方式分布在太空中，如图1所示，其中描绘了六个区域，占地约650平方公里；信息来自上次可用的OD调查。

东部地区与城市其他地区截然不同，人均收入和汽车拥有量大约是其三倍，公共交通出行比例不到一半。这暗示圣地亚哥是一个非常隔离的城市，考虑到一些群体在城市内的集中程度以及住宅区的同质程度，这一点得到了证实（Sabatini等，2001 年）。这种隔离不仅意味着不同的群体生活在不同的地方；他们所处的环境也大不相同。例如

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[595928]，资料为PDF文档或Word文档，PDF文档可免费转换为Word