第八届青年地学论坛

截止2021年，我国城市中有超过3亿外来人口。准确地预测外来人口通勤方式选择，并揭示其影响因素及影响幅度对于制定并执行具有社会包容性的城市和交通规划和政策是不可或缺的。然而，关于城市外来人口交通方式选择的研究仍非常罕见。本研究旨在部分弥补此空白。以厦门为案例，利用其2015年大规模居民交通出行调查，并采用一种最新的机器学习框架——LightGBM模型，本研究对外来人口和本地居民两类人群的通勤方式选择（活力出行、公共交通和小汽车出行）进行了预测。结果表明：（1）建成环境对本地居民通勤方式选择的影响幅度大于外来人口；（2）对于两类人群而言，建成环境的加总相对重要性均大于社会经济属性；（3）离最近商务中心的距离是影响两类人群最重要的建成环境变量，公共交通密度也有重要作用；因此，在实践中，决策者可以给予区域可达性和公共交通基础设施更高优先度以更有效地干预外来人口和本地居民通勤行为；（4）LightGBM获得了非常优良的准确率，其结果与传统的离散选择模型结果对比后高度一致，得到了互相印证。本文可以帮助决策者制定更精细的城市和交通政策，从而同时满足本地居民和外来人口的交通需求。

通勤方式选择；外来人口与本地居民；建成环境；机器学习；离散选择模型；