墨西哥城大都市区的出行情境：运用机器学习探索通勤时间与距离
Mobility situations in Mexico City Metropolitan Zone: An exploration of time and distance in the journey to work through machine learning
发表于 2026年2月19日 · 收录于雷达 2026年11月5日
中文摘要
研究运用出行情境框架，分析墨西哥城大都市区通勤时间和距离的影响因素。基于2017年起讫点调查，将192个出行分区按平均通勤时间和距离划分为四类，并结合空间计量与LASSO算法评估88项潜在因素。结果显示，短途通勤与中心性和特权相关，长途通勤与排斥和大众交通相关；“出行荒漠”体现基础设施不足导致的低效短途出行，“虫洞”则体现多模式策略支持的高效长途出行。