Scooter

Effects Built Environment Electric Scooter 阅读原因： SWJTU Abstract:不仅旅客出行次数重要，出行的时间也一样重要，对比了不同模型 2019年美国1.36亿次出行有0.86亿次出行是电动滑板完成的（一共才1.36？电动滑板用的这么多？） Cervero, R., Kockelman, K., 1997. Travel demand and the 3Ds: Density, diversity, and design. Transportation Research Part D: Transport and Environment 2, 199-219.这篇文章第一次提出要构建环境，主要有三个要素：土地使用、交通设计、城市设计。   此外本文利用的土地利用评估模型用的也是这篇论文中的。 参数后面加一个（+）代表这个参数的目标变量的关系是正相关，反之用（-） Pilot program 试点计划 Dataset:各种来源 自变量变化导致了因变量的变化，Response Variable是响应变量，对应着的是因变量。Explanatory Variables是解释变量，对应着的是自变量。本文用的响应变量是total trip duration per acre，用的解释变量是各种环境变量。 S.D.的意思是标准差，标准差越大，数据点相对于平均值越分散；标准差越小，数据点越接近平均值。 回归模型（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.  这篇论文提出了variance inflation factor（方差膨胀因子），用来判断两个因子之间有没有共线性关系。 均方根误差（Root Mean Square Error，RMSE）是一种用于评估预测模型性能的常见指标。它用于衡量模型的预测值与实际观测值之间的差异。RMSE是回归模型评估中的常见度量标准，通常用于衡量模型对连续型因变量的拟合程度。RMSE的值越小，表示模型的预测值与实际观测值之间的差异越小，模型的拟合效果越好。 Coef代表回归模型的系数coefficients，代表自变量和因变量的影响程度。 t-value是统计学中测量参数是否显著的统计量 P>|t|是显著性的概率，这个值小于0.05或者0.1的时候代表系数是显著的 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. 这篇论文论述了使用Lasso模型时需要考虑时空相关因素 Interquartile（四分位差，上四分位和下四分位的差异） non-stationarity（非平稳性）在非平稳性数据中，数据的均值、方差或其他统计性质不是恒定不变的，而是随着时间的推移或空间位置的改变而发生显著的变化。 2×SE中SE是标准差的意思，标准误差越大，表示对应系数估计的不确定性越高，也就是说，估计值的精度较低。乘以2是为了估计置信区间（？）。 CT（census tract）美国的人口普查区 图有点看不懂，相关性计算之类的，还有图13白人和非白人与滑板使用相关性结论怎么得出来的。看相关的论文可能可以解决这个问题。 几种模型的原理没有细看。 未来的改进：1、本文只用了时间点数据，所以只能判断相关性不能判断因果性2、用的宏观数据，还可以具体分析