利用MTA与气象数据对纽约市地铁客流量进行混合效应建模

本研究通过整合大都会运输署（MTA）的起讫点数据与来自Weather Underground的气象数据，调查了2023年全年纽约市地铁客流量的月度趋势。我们使用纵向混合效应建模框架，评估了出发行政区、季节性变化以及天气（尤其是最大阵风风速）如何影响月均客流量。数据集通过一个使用Apache Airflow和PostgreSQL构建的自动化ETL管道进行处理，以处理超过1.15亿条记录。我们应用主成分分析（PCA）来减少天气协变量之间的多重共线性。我们的研究结果表明，出发行政区，特别是曼哈顿，在客流量水平中起主导作用，而最大阵风风速会显著降低客流量，主要影响从曼哈顿出发的行程。进一步分析揭示，12月的客流量下降在很大程度上可由阵风风速解释，这表明存在与风相关的混杂因素。这些结果强调了特定行政区和天气相关因素对公共交通使用的细微影响，为通勤者行为及地铁系统对环境条件的韧性提供了见解。