机动弹性Ridesourced需求差异：一个多层次 伊利诺伊州芝加哥的邻里效应分析

该模型还包括社区面积（2级）和城市象限（3级）效应的随机截取。首先，我们估计了一个空模型，该模型在不包括任何解释变量的情况下划分了每个级别的方差。这使我们能够计算三个水平的内部相关(ICC)，也称为方差分配系数，遵循Snijders和Boskers(1999)。该统计量测量较低水平数据之间的相关性，以确定社区和象限水平因素之间的差异在很大程度上解释了骑马需求的变化。较小的方差分配系数表明ridesourcingshifts的变化更多地归因于低层单元（如车站）之间的变化，而不是单个单元（如社区区域和象限）之间的变化。由此，空MLM模型（模型1）提供了由于factorsBorowski等人导致的ridesourcing需求转移的基线方差的估计。站外14号。象限内相关性很小，表明因变量20%的变化是由于象限水平效应。与此相反，社区内相关性表明，总方差的最大份额（43%）与社区水平因子有关，表明最低水平的分析（站水平）解释了剩余的方差（37%）。这表明ridesourcing需求和替代的最大份额变化与跨群落发生的因素有关，其次是站水平。表2多水平混合模型结果方差估计的演变值得关注。当在模型2中加入站水平自变量时，象限随机截距和ICC被显示为不显著，而方差现在在站水平（44%）和社区水平（56%）之间划分。同理，当通过包括在社区区域级别测量的变量来添加跨级别效应时，解释的方差清楚地转向社区区域变量（模型3）。我们注意到，尽管第3层象限随机截距崩溃为零，从分析中删除这个方差分量会导致模型拟合的显著减少。这种对随机截获的分析指出了两个重要的观察结果。首先，方差划分显示了控制变量的重要性，在八个因素中，这些因素在标准回归中会被忽视，而这些因素只关注于站代换分析。此外，更多解释性因素的加入导致在邻里层面吸收更多的出行需求转移的变异性。方差控制的主要结论是：城市不同社区区域之间的因素差异是影响中断后出行需求转移的最决定性因素。我们将此解释为，在交通中断期间，在向骑马出行的转变中，存在显著的潜在邻域效应。Borowski等人。155.2.1.Station level Analysis模型系统变量，我们遵循由协变量逐级递增组成的分块进入方法（Cohen et al.，1983)，遵循先前在图中概述的计划。2.首先，在站级测量的每一个假设预测值都是独立测试的，然后是联合测试的。由于高度的变量共线性，结果模型中只包含两个与中断时间相关的固定效应解释变量和一个常数2。

这些统计上显著的影响导致了模型拟合的显著改善，通过偏差差(836.99-822.10=14.89，超过了5.99的临界χ，alpha设置为0.05)和AIC减少来衡量。从常数来看，模型表明在运输中断期间，与基线相比，平均增加54次乘车旅行（或15.6%）。为了说明这一发现的背景，我们注意到，在中断分析中涵盖的芝加哥社区地区，平均基线骑车出行量为347次。该值可以被视为在没有中断的情况下，同一站点和时间跨度将发生的ridesourcing需求。考虑到这一基线，中断的时间被揭示为高度影响。平均而言，当中断发生在工作日（不包括假日）时，骑行比基线增加541次（增加156%）。当交通中断在高峰时段发生时，乘车需求比基线增加408次（激增118%）。分析表明，存在一些与无人注意的中断时间有关的全市趋势，可能与高峰时段和工作日的出行不太灵活有关。考虑到商务和通勤旅行更有可能被转移到另一种模式而不是取消，这一发现并不令人惊讶，预先计划的中断（Van Exel和Rietveld，2009)和不可靠的地铁服务（Pnevmatikou和Karlaftis，2011)都表明了这一点。我们的发现的新颖性是指向按需驾驶转变的程度，这种模式在以前的工作中没有考虑过，它一直被汽车替换和TransitExchange分析所主导。2建模框架，我们注意到我们能够发现温度、穿梭巴士的部署、近郊巴士或Divvy站的数量以及一般交通通勤乘客的数量都没有持续显著的影响。这有点令人惊讶，因为对长期交通中断后果的研究表明，环境（例如，空间或时间）导致不同的骑手适应策略。因此，我们特别预料到模式选择（例如，公共汽车、自行车车等）会影响骑车出行。例如，鉴于之前的研究发现，在华盛顿特区和伦敦的长期交通中断期间，自行车旅行作为一种适应性策略的作用，我们预计将发现附近的Divvy自行车旅行站的可用性将显著减少在计划外交通中断期间观察到的移动时间。然而，情况并非如此，可能是由于旅行目的、旅行距离、当地自行车文化和/或因单个计划外中断而申请会员资格的不便。然而，从本研究中的这些邻里效应可能随着乘车文化（包括汽车、交通和乘车文化）、社会经济和政治因素以及运输机构策略的变化而变化。虽然这些影响中的一些可能可以在中断事件（即站）周围狭义地测量，但温诺特，MLM使我们能够分析人口密度等重要因素，medianBorowski等。16家庭收入和种族组成在更多的综合水平上衡量。下一节试图找出能够解释所观察到的随机性的系统因素。

社区环境效应：这种多水平分析的基本目标是估计可归因于社区区域水平特征而不是单个固定因子的ridesourcing使用的可变性，并确定这些变化的组成部分是如何随着包含量化环境的预测因素而变化的。在模型3中，我们假设在非时辰事件期间，围绕中断的环境也在决定乘客从过境到乘车的转移中发挥作用。具体地说，我们假设骑车替代率与社会人口特权有关，这与早期的研究（Deka and Fei，2019)一致。这一准则包括了在社区面积（而不是站）水平上以跨水平交互作用的形式测量的许多预测变量，包括零汽车家庭和人口密度等因素。我们将群体均值中心化应用于社区面积变量（Enders andToffigi，2007)以促进跨层交互作用的解释。模型3揭示了两个社区面积水平因素的显著影响；种族构成和过境通勤者的百分比。这些跨水平因素的加入导致了用偏差差和AIC度量的拟合优度的显着证明。虽然交叉水平效应看起来相对较小，但它们需要与变量的百分比单位相关联。社区人口百分比的交互作用项与高峰时间出行的虚拟变量（12.3额外出行的系数）的积极影响，提供了对先前高峰时间效应研究结果的局部地区种族构成的综合影响的洞察力。也就是说，在社区范围内，当白人居民比例较高的社区发生中断时，峰值Hourimpact（增加353次旅行）将进一步增加。隐含的区别是，在其他情况相同的情况下，在白人居民比例高出10%的社区地区发生的中断将导致比平均高峰时间基线增加120次（或34.6%）的骑行旅行。回顾芝加哥的有色人种社区在工作可及性、运输供应和随需应变流动性方面更有可能资源不足，我们认为这一发现更有可能反映出白人居民比例较低的地区无法获得资源的差距，而不是在中断期间使用资源的意愿较低。这一发现补充了现有的证据，即ridesourcing在这种情况下作为一种填补中断缺口的资源，给特权用户群体带来了更多的好处（Zhang andZhang,2018）。此外，还发现了一种与公共交通区域和事故地点的公交通勤者比例有关的新效应。整体而言，社区地区的交通每增加一个百分比单位，便会增加18次乘车次数（或增加5.2%）。不过，这种影响只发生在造成交通中断的事故发生的车站。我们推测，当过境通勤者经历中断并直接收到有关信息时，他们更容易转向招呼服务。换句话说，处于中断源的骑手可能会从官方来源和其他骑手那里获得更多关于中断事件性质的信息，这可能会纳入他们的适应战略。另一方面，在交通通勤较少的地区，可能会有较少的集体中断体验，因此更有可能转向其他私人模式。尽管在模型1之后，没有与象限水平相关的无法解释的系统差异，但我们进行了模型搜索，以寻找包括quadrantBorowski等人在内的进一步影响互动。

城市四个部分的17个假人。该模型提出了一个令人惊讶的发现。在北象限，当航天飞机被部署时，ridesourcing游程比基线增加了321个实例（或92.5%）。在铁路中断期间部署替代公共汽车服务是最常见的回应（Pender et al.，2013)。然而，这一战略似乎有一种意想不到的负面影响。也就是说，部署额外的过境巴士运力以帮助乘客不应超出要求。我们将ridesourcing的意外增加解释为与此操作的引燃效应有关。乘客可能会认为公共汽车的部署是混乱严重的强烈暗示，或者他们可能担心公共汽车上过度拥挤，这两者都证明了使用公共汽车的决定是合理的。北象限是我们数据集中断最多的地区（16/28或57%)，通勤者的交通需求也很大（图1.d)。更换巴士的部署在北部象限引发了更多的骑行替代，这一事实可能与该走廊通勤者的较高收入水平有关。研究结果摘要：鉴于影响ridesourcing作为一种适应性运输策略使用的环境和地点背景，考虑城市范围内潜在的流动性弹性不平等是很重要的。如果ridesourcing作为一种填补空白的机制主要与强制性旅行、更严重的中断（即要求部署班车）以及白人居民和过境通勤者比例较高的社区地区有关，那么它在移动弹性方面的作用是特定的、选择性的，不太可能解决现有的流动性不平等问题。具体而言，我们的发现表明，在非白人居民比例较高的地区，骑手在中断时不太可能转向ridesourcing。这一结果本身并不意味着不公平。然而，考虑到流动服务方面的差距对缺乏良好交通工具的社区造成了不成比例的影响，这一发现提出了一个重要问题。资源不足、无障碍选择较差的社区在面临过境中断时，将从获得更多适应性选择中受益最大，andridesourcing可以在这一适应组合中发挥更大的作用。综上所述，我们的发现指出了一个通过解决限制按需运输的障碍来提高公平流动性弹性的机会。这突出表明，有必要在中断应对计划中考虑社会经济制约因素，并通过Ransit提供商和ridesourcing公司之间的合作填补服务空白。政策和研究讨论6.1.流动伙伴关系和沟通当重大交通中断发生时，乘客可能不清楚中断的原因或预期持续时间。通常，一些信息会在公共交通平台上随时提供给乘客，而在线只能提供服务警报的简短描述。然而，这些信息可能不及时，也可能是一般性的或不完整的，使乘客难以制定知情的应对策略。在这篇论文中，我们展示了乘客如何自发地对中断作出反应，用Ridesourcing代替Transt。在一些情况下，尽管工程处努力安抚乘客，但这种情况还是发生了。例如，当航天飞机部署或当中断发生在旅行者的车站时，乘坐需求激增。Borowski等人。18通过改善沟通，运输提供商可以向旅行者建议何时以及如何寻求替代运输工具，并有效地将中断通知骑车公司。

有了这些信息，骑行公司和司机可以通过绕行路线的巴士服务来满足需求的激增，并避免通过飙升的价格来利用这种情况。ridesourcing服务的灵活性提供了随叫随到的可用性，以提供外部空间，而公共汽车能够长时间保持固定路线。在某些情况下，对运输公司来说，补贴共享乘车而不是提供穿梭巴士实际上可能更便宜。通过传达中断的性质和预期需求，过境机构可以让乘车司机参与适应性的、填补空白的服务，以应对计划中的中断，并减少过境乘客经历的不利影响。虽然过境供应商和乘车公司之间的合作可能提供一种减少中断响应时间的方法，并帮助更多受影响的乘客，但这些伙伴关系并非没有挑战。最值得注意的是，根据第六章和《美国残疾人法》，过境服务提供商必须确保向所有个人提供公平服务，而骑车服务目前没有达到同样的标准。另一个关键挑战是公共交通机构和私人运输提供商之间的数据和信息共享谈判。公私数据共享伙伴关系是一种重要的合作机制，政府机构和ridesourcing公司可以通过这种机制制定数据更新政策，以填补运输空白，同时保护用户隐私（Cohen and Shaheen，2018)。你的发现表明，在非白人居民比例较高的地区和不太富裕的象限，在计划外的交通中断期间，交通乘客可能被排除在转向按需乘车的选择之外。在这一节中，我们将讨论如何通过空间、经济和社会三个分析层面来实现提供流动性适应性和实现交通公平的共同目标。首先，芝加哥现有的空间不平等导致低收入社区和有色人种社区经历了长期的交通挑战。这些地区的居民受到空间不匹配的影响，在步行距离内乘坐公共交通的机会较少，通勤时间较长，总结为宜居机会较少（Ferrel et al.，2016)。交通政策制定者可以通过公共交通机构和运营公司之间的伙伴关系以及在低密度地区提供更多的微型交通来解决空间层面潜在的流动性不平等问题。第二，经济不平等在运营所需资源的分配方面显而易见，包括直接成本（例如，用于票价的收入比例）和间接成本（例如，智能手机、信用卡和互联网接入）。随着城市地区变得更加数字化，通过需求驱动服务为居民提供更大的抗干扰能力，那些在数字移动鸿沟中服务不足的人被进一步甩在后面。对抗直接和间接成本的实际措施包括向收入较低的消费者或旅行者提供补贴或代金券，以在交通中断期间以较低成本使用交通工具，使用智能手机，使用互联网的多模式枢纽，以及类似于交通智能卡的非银行支付选项。第三，社会不平等是指使用交通工具的现有种族、文化和语言障碍。例如，根据Borowski等人的证据，存在一个潜在的供应公平挑战。

19个有色人种社区比西雅图的非白人社区体验更长的骑马等待时间（休斯和麦肯齐，2016)，也建议芝加哥(CNT，2019)。对于高峰期的通勤者来说，更长的等待时间尤其麻烦。为了解决社会不平等，例如提供不平等，在这种不平等中，所有社区都不容易获得使用骑行的机会，有必要考虑骑行激励措施、安全倡议和关于社会公平做法的驾驶培训，以最大限度地减少社会人口貌相。为了打击针对性差的营销，交通机构可以提供面向历史上服务不足的社区的信息活动和外展项目，强调公平的运输倡议，以提高旅行中断期间的适应性和复原力。尤其重要的是，资源不足的社区通过自下而上的概念生成和参与性政策制定，在影响到他们的决策中有发言权。移动性即服务的未来？最终，代理机构可能会转向移动性即服务的理念。如果像CTA这样的过境运营商在没有计划的中断情况下通过一项提供停站到停站服务的任务，他们可能会将在中断发生时提供替代运输的责任内部化。这种机构和领域之间的不分离可能代表着运输业务的未来，过境机构和运输公司之间的公私伙伴关系可能是实现这一未来的第一步。为了满足服务质量限制，ridesourcing服务响应的按需快速性可能是有利的。如果部署的ridesourcing是作为一种集合服务提供的，对运输机构来说，它可能比班车服务更具成本效益，班车服务需要CTA进行设备维护和短时间通知司机可用性（共享使用移动中心，2020)。此外，在长期运输服务中断之前，如在新冠肺炎疫情期间观察到的中断，这种伙伴关系将是有益的。例如，洛杉矶地区的LAMetro在疫情期间能够利用与theridesourcing公司先前的合作伙伴关系，将他们的角色从提供第一英里和最后一英里服务扩大到私人点对点旅行，以适应必要的旅行（格罗斯曼，2020年）。这说明公私伙伴关系有能力提高流动性、抗灾能力，而不是预期的中断。限制和未来方向虽然这项研究是第一次研究计划外交通中断对芝加哥市按需乘车服务使用的影响，但一些警告值得讨论。首先，关于过境中断和

列车上实际乘客的特征和他们居住的地区尚不清楚。尽管这些限制都与使用自然实验方法有关，但我们的研究贡献了新的见解，这是很难使用较小的缩放数据来测量的。也就是说，我们捕捉到导致自适应使用RideSourcing的中断的实际情况。重要的是，这项研究的发现揭示了在中断期间，哪些社区群体可以转向按需流动，以及谁被留下来寻找其他替代方案。我们的发现为未来的研究提供了两个主要途径。首先，为了更好地衡量流动性弹性的社会经济分布，进一步的合作研究应该旨在更细致地分析转向随需应变流动性和不转向随需应变流动性的公交乘客的行为适应。例如，获取关于乘车地点的分类数据，其中包括与时空公共汽车乘坐情况相匹配的乘车者社会人口统计数据，将揭示更详细的见解，以用户为基础公平分配多模式、特定环境的适应策略，这些策略是为了在分类的边缘化人群中完成中断的旅行（即我们对流动性复原力的衡量）。其次，这种多层次分析中观察到的潜在区域效应表明，未来的工作应该调查移动文化、价值观和态度对使用ridesourcing作为适应性移动策略的影响。更好地了解潜在的制约因素将有助于按地区调整运输政策，以改善公平性和适应性，从而提高流动性复原力。虽然关于向骑手提供信息及其可观察到的反应的研究非常广泛（Leng and Corman，2020；Sarker et al.，2019,Ben-Elia et al.，2013,Mahmassani&Liu 1999)，但仍然需要对适应决策进行实证理解，以便在有骑手选择的情况下从计划外旅行中断中恢复过来。结论本研究采用自然实验设计，以确定出行替代作为非计划交通中断时适应性反应策略的主要决定因素。我们的发现表明，出行需求的激增与高峰时段和工作日出行密切相关，提示强制出行的城市效应。然而，transitdisruptions和ridesourcing替换行为之间的关系还受到中断发生的时间和空间上下文的影响。高峰时间中断转向骑自行车出行与周围社区地区白人居民的百分比呈正相关，这表明在流动性适应选择（即复原力）方面潜在的无障碍不平等。也就是说，在交通中断期间，非白人居民比例较高的地区的骑手不太可能转向强制旅行。这表明少数族裔更容易受到交通中断的负面影响。运输机构和运输政策制定者需要解决获得多种（冗余的）和强有力的流动选择的不平等问题。在本文中，我们概述并讨论了从这些调查结果中产生的两个政策视角，即公私伙伴关系和信息运动，以及一个三级框架，供各机构更广泛地思考流动司法倡议。21承认这项研究部分得到了提供给博罗夫斯基的国防科学与工程研究生奖学金的资助。Stathopoulos得到了美国国家科学基金会(NSF)职业补助金的部分支持。

1847537.ReferencesAsante-Muhammed,D.（2017）。芝加哥的种族财富差距。现在的繁荣。可用地址:https://prosperitynow.org/files/resources/racori_wealth_divide_in_chicago_optimizedforScreenReaders.pdfben-elia,E.,Di Pace,R.,Bifulco,G.N.和2013年，Y.Shiftan。旅游信息的准确性对路径选择的影响。交通研究C部分：新兴技术，第26页，第146-159页。Biehl,A.，Ermagun,A.，&Stathopoulos,A.(2018)。社区流动性：芝加哥自行车需求的社会空间调查。《交通地理杂志》，66，80-90，布朗，A.E.(2019a)。歧视的普遍性和机制：来自出租车行业的证据。规划教育与研究杂志，0739456x19871687.布朗，A.(2019b)。重新定义汽车接入：在洛杉矶乘坐冰雹旅行和使用。《美国规划协会杂志》，85(2)，83-95.Carrasco,J.A.和Miller,E.J.(2009)。行动中的社会维度：个人之间社会活动频率的多层次个人网络模型。交通研究A部分：政策与实践，43(1)，90-104.芝加哥数据门户（2019）。交通网络提供商-TRIPS。可查阅:https://data.cityofchicago.org/transportation/transportation-network-providerstrips/m6dm-c72pcmap(2018)。到2050年：综合区域计划。可查阅:https://www.cmap.illinois.gov/documents/10180/901373/Remission+on+to+2050+Draft+Completensive+Plan+9-15-18.pdf/DC978895-1A51-7140-48CA-A19B4847971CCMAP(2019)。社区数据快照。可查阅:https://www.cmap.illinois.gov/documents/10180/126764/_combined_allccas.pdf/cnt(2019)。公平和智能移动。可查阅:https://www.cnt.org/publications/equityand-smart-mobilityCohen，A.&Shaheen，S.(2018)。共享移动规划。加州大学加州数字图书馆，1-111.科恩，J.科恩，P.韦斯特，S.G.和艾肯，L.S.（1983）。应用多元回归。行为科学相关分析，2.CTA(2019)。年度乘客报告：2019年1月。可查阅:https://www.transitchicago.com/assets/1/6/2018_annual_report_-_v3_04.03.2019.pdfcta(2020a)。事实一目了然。可查阅:https://www.transitchicago.com/facts/cta(2020b)。每月乘客报告：2019年12月。可查阅:https://www.transitchicago.com/assets/1/6/monthlyl_ridership_2019-12.pdfdaus esq.（2016年）。不断扩大的交通网络公司“公平差距”：对残疾乘客、服务不足的社区、环境和按需工作人员的不利影响。大学交通研究中心，1-73.博罗夫斯基等人。22Deka，D.&Fei，D.(2019)。与NHTS数据相关的个人和邻里特征的比较，与骑行、交通使用和驾驶相关。交通地理学报，76,24-33.Divvy(2020)。车站地图和数据。可查阅：https://member.divvybikes.com/map/enders,c.k.和Toffigi，D.(2007)《横截面多水平模型中预测变量的中心化：一个老问题的新观点》，心理学方法，12:121-38El-Assi,W.,Mahmoud,M.S.和哈比卜，2017年。建筑环境和天气对自行车共享需求的影响：多伦多商业自行车共享的站级分析。交通运输，44(3)，第589-613页。Ferrell,C.,Appleyard,B.和Taecker,M.（2016）建设宜居交通走廊手册：方法、度量和策略。（编号TCRP H-45)运输合作研究计划。Fuller,D.,Sahlqvist,S.,Cummins,S.和Ogilvie,D.（2012）。公共交通罢工对伦敦自行车共享计划使用的影响：中断的时间序列设计。预防医学，54(1)，74-76。Gehrke,S.R.,Felix,A.和Reardon,T.G.,（2019）。在大波士顿地区，打车服务取代了更可持续的旅行选择。

交通研究记录，2673(1)，第438-446页。加法尔，A.，Mitra,S.，Hyland,M.(2020)。ridesourcing使用的建模决定因素：芝加哥的Acensus Trade-Level分析。交通研究C部分：EmergingTechnologies,119,102769.GE,Y.,Knittel,C.R.,MacKenzie,D.,&Zoepf,S.（2016）.运输网络公司中的种族和性别歧视（编号w22776)。美国国家经济研究局。Gelman,A.&Hill,J.(2007)使用回归和多级/层次模型进行数据分析。CAM-Bridge：剑桥大学出版社。Gill,J.&Womack,A.J.(2013)。多级模型框架。多级建模的SAGE手册。伦敦：SAGE Publications Ltd.Goldstein，H.(2003)。多水平统计模型（第3版）。伦敦：爱德华·阿诺尔·格雷厄姆（2011）。时间机器与虚拟门户：数字分裂的空间性。发展研究进展，11(3)，211-227。格罗斯曼，A.（2020年5月1日）。面对新冠肺炎，过境机构与私人移动服务公司的伙伴关系的弹性。ENO运输中心。可查阅:https://www.enotrans.org/article/res弹性-of-transit-agency-partnerships-with-privatemobility-services-in-the-face-of-codiv-19/Hughes,R.和MacKenzie,D.（2016）。运输网络公司在大西雅图的等待时间，以及与社会经济指标的关系。交通地理学报，56,36-44。Iseki,H.,Liu,C,&Knaap,G.(2018)。铁路车站间出行需求的决定因素：华盛顿DC MetrorailSystem的直接交通需求模型。交通运输研究A部分：政策与实践，116，635-649.金世东，孔海，隋德志(2019).优步、公共交通与城市交通公平：纽约市案例研究。《专业地理学家》，71(2)，315-330.琼斯，K.&邓肯C.(1996)。人与地：作为地理数据定量分析通用框架的多级模型。空间分析：GIS环境中的建模，79-104.Borowski等。23Julian，M.(2001)。在非层次分析法建模中忽略多级数据结构的后果。结构方程建模，8,325-352 Kaviti,S.,Venigalla,M.M.,Zhu,S.,Lucas,K.,&Brodie,S.（2018）.价格和transitdisruptions对自行车骑乘和收入的影响。运输，1-22。Krapp,A.（2020）。运输公平项目：优先排序标准。伊利诺伊大学Aturbana-Champaign.Leng,N.和Corman,F.（2020）。公共交通中断中乘客信息可用性的作用：一种基于Agent的仿真方法。交通研究A部分：政策与实践，第133，214-236页。刘易斯，E.O.C.，&麦肯齐，D.(2017)。西雅图的UberHOP：谁，为什么，怎么做？交通研究记录，2650(1)，101-111.马赫马萨尼，H.S.和刘Y.H.(1999)。交通决策行为的动力学，欠先进的出行者信息系统。运输研究C部分：EmergingTechnologies,7（2-3）,第91-107页。Marsden,G.和Docherty,I.（2013）。对中断的见解是运输政策变革的机会。运输研究A部分：政策与实践，第51,46-55页。马特森，L.G.和Jenelius,E.（2015）。运输系统的脆弱性和复原力--最近研究的补充。运输研究A部分：政策与实践，81，16-34。莫吉卡，C.H.(2008)。通过智能卡活动分析研究过境旅客出行行为的变化（博士论文，麻省理工学院）。PnevMatikou,a.M.,Karlaftis,M.G.和Kepaptsoglou,K.（2015）。地铁服务中断：人们如何选择出行？交通运输，42(6)，933-949.Pu,W.,McCall,N.,Seifu,M.,Hampton,B.,Milone,R.,Griffiths,R.和Meese,A.J.（2017）。

华盛顿地区没有地铁的一天中的州交通（第17-00132）。拉希米，E，沙姆希里普尔，a，沙班普尔，R，穆罕默德，a，和奥尔德，J.(2020)。《运输研究记录》，2674(3)，258-271。Reggiani,A.,Nijkamp,P.和Lanzi,D.（2015）。运输复原力和脆弱性：连通性的作用。运输研究A部分：政策与实践，81，4-15。Saberi,M.,Ghamami,M.,Gu,Y.,Shojaei,M.H.S.,&Fishman,E.（2018）。了解公共交通中断对自行车共享移动模式的影响：伦敦Tubestrike的案例。交通地理学报，66,154-166。Sarker,R.I.,Kaplan,S.,Mailer,M.,&Timmermans,H.J.（2019）.运用情感事件理论解释公交用户对服务中断的反应。交通研究A部分：政策与实践，130，593-605。Shamshiripour,A.，Rahimi,E.Shabanpour,R.和Mohammadian,A.K.（2020）.在移动按需服务存在下旅行者形态风格的动态。移动研究C部分：新兴技术，117，102668。共享使用移动中心和国家移动管理中心。(2020)《案例研究：按需移动的例子》。可查阅:https://learn.sharedusemobilitycenter.org/casestudy/mod-and-accessibility-policies-andprograms-2020/Snijders,T.A.和Bosker,R.J.（1999）。多层分析：基本和高级多层建模介绍。伦敦：SAGE Publications.Soria,J.,Chen,Y.,Stathopoulos,A.（2020）K-大规模旅行数据的原型分割分析。运输研究记录。0361198120929338.Borowski et al.孙海，吴洁，吴林，严旭，高正（2016）.公共交通事故对城市轨道交通网络的影响评估。运输研究A部分：政策与实践，94,62-75,U.S.人口普查局。（2017年）。2017年美国社区调查五年估计，美国FactFinder。可查阅：http://factfinder.census.govvan Exel,n.j.a,&Rietveld,p.（2001）。公共交通罢工与旅客行为，《交通政策》，8(4)，237-246，Wampold,B.E.和Serlin,R.C.（2000）。在方差分析中忽略一个嵌套因素对测量效应大小的后果。心理学方法，5(4),425-433.https://doi.org/10.1037/1082-989x.5.4.425 Younes,H.,Nasri,A.,Baiocchi,G.,&Zhang,L.（2019）.公交服务关闭如何影响出行需求；从华盛顿特区的SafeTrack项目中吸取的教训。交通地理学报，第76,83-92页。张玉，张玉（2018）.研究美国家庭汽车拥有者与骑车行为之间的关系。可持续发展，10(8)，2720.赵芬，周丽芬，李明堂，吴巴卡，甘亚（2003）。预测公交步行可达性：回归模型替代缓冲方法。交通研究志，1835(1)，34-41.朱顺，马苏德，洪，熊昌，杨子，潘延，张立（2017）.交通服务中断的出行行为反应：华盛顿地铁安全工程研究，交通研究记录，2649(1)，79-88。