利用地理加权模型探究新冠疫情对通勤出行变化影响的时空异质性

新冠疫情深刻影响了日常生活和出行行为。理解这些变化至关重要，促使我们探究社会人口和社会经济因素。本研究利用华盛顿特区、马里兰州和弗吉尼亚州（DMV 地区）的大规模移动设备位置数据，揭示了这些变量对通勤出行变化的影响。通过线性回归和地理加权回归模型，反映了短期和长期影响。研究结果表明，在新冠疫情初期，步行和骑行比例较高的县，其通勤出行减少幅度更大。就2020年11月的长期效应而言，主动出行模式的影响变得不显著，而使用公共交通模式的个体显示出更显著的出行减少。收入中位数水平与通勤出行减少之间观察到正相关关系。疫情期间需要持续户外作业的行业则显示出显著的负相关关系。在DMV地区，民主党选民比例较高的县，其出行减少幅度较小。应用地理加权回归模型捕捉了局部空间关系，显示随着疫情发展，局部相关性出现，表明存在一种地理影响模式。疫情对通勤行为的影响最初是全球性的，但随时间推移，越来越受到空间因素的影响，呈现出局部化效应。