Resumen

El metro se ha desarrollado rápidamente en las dos últimas décadas y se ha convertido en uno de los medios de transporte más importantes para los residentes urbanos de China. Muchos estudios han analizado los factores que influyen en el uso del metro, pero pocos se han centrado en grupos específicos, como las personas mayores y los estudiantes. Este artículo utiliza el modelo de regresión binomial negativa para explorar la relación entre el entorno construido y el uso del metro por parte de tres tipos de personas (adultos, ancianos y estudiantes) utilizando los datos de la tarjeta inteligente del metro de Qingdao. También se utilizó el modelo de respuesta fraccional para analizar los factores que influyen en la cuota de viajeros de ancianos y estudiantes. Los resultados muestran que la mayoría de las variables fomentan el uso del metro por parte de los tres grupos de personas, pero tienen un efecto significativamente diferente en la cuota de mercado de dichos grupos. En concreto, el número de escuelas, hospitales, supermercados, plazas, parques y lugares pintorescos cercanos a las estaciones de metro aumenta significativamente la proporción de uso del metro por parte de las personas mayores. El número de paradas de autobús y de escuelas aumenta sustancialmente la proporción de estudiantes que utilizan el metro. Los resultados de la investigación pueden aportar valiosas ideas para promover el uso general del metro y minimizar las diferencias en la asignación de recursos de transporte público entre los distintos grupos.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:número de viajeros de metro, estudiantes, metro, uso del metro, modelo de regresión binomial negativa, uso del metro por personas mayores, modelo de respuesta fraccional, recursos de transporte público, datos de tarjetas inteligentes, factores
• Keywords:metro ridership, students, metro, metro usage, negative binomial regression model, elderly metro usage, fractional response model, public transport resources, smart card data, factors