缺乏校准数据时通勤流预测的局限性

不同空间尺度下的通勤流估计是多个研究领域的基本问题。许多现有方法依赖于需要从实证出行量进行校准的参数，这些参数值往往无法推广到缺乏校准数据的情形。为解决这一问题，我们开发了一种统计表达式，用于在缺乏实证出行数据时计算通勤出行量并估算模型参数的定量函数形式。我们在从城市内部到整个国家的不同尺度上计算通勤出行量，并在最近提出的无参数辐射模型中引入了一个缩放参数 alpha。该模型仅需广泛可用的人口和设施密度分布数据。该参数可解释为区域尺度的影响以及设施分布的异质性程度。我们详细探讨了该问题的缩放局限性，即所提出的模型在何种条件下可在无出行校准数据的情况下应用。另一方面，当有实证出行数据可用时，我们表明所提出模型的估计精度与其他现有模型相当。我们在美国不同地区验证了该模型，随后成功将其应用于三个不同的国家。