调查北加州大都市区疫情期间及疫情后出行需求的异质性：基于起讫点结构模式的数据驱动分析

本研究深入探讨了 COVID-19 疫情期间及疫情后出行中断与恢复的复杂性。我们采用数据驱动的方法，按一天中的不同时段、工作日/周末以及出行目的，探索跨区域的时空模式。本分析利用2019年1月至2021年10月期间在北加州大都市区被动收集的基于位置的数据，通过起讫点（OD）矩阵的结构相似性来比较出行模式。通过引入基于自然出行流的“局部滑动地理窗口”概念，该研究确定了疫情对出行需求的各种影响，包括但不限于：(a) 出行量及恢复（例如，2020年4月工作日出行量下降了47%，到2021年10月已逐步恢复）；(b) 对基于家庭的工作出行及其他出行的影响，与非基于家庭的出行相比，此类出行在工作日受到了显著干扰；(c) OD 模式变化（例如，所有子区域均经历了显著变化，但旧金山湾区面临的中断最为严重）；(d) 具有区域差异的逐步恢复（例如，旧金山的出行活动恢复滞后，但在2021年4月之后有所改善，而北圣华金河谷恢复最快）；(e) 与社会经济因素相关的中断和恢复（例如，以较高收入、白领工作为特征的旧金山部分地区面临最大的中断，而蓝领工人比例较高的北圣华金河谷受到的中断最小）；以及 (f) 区域之间和区域内部的差异化恢复率，白领工作集中的区域在工作出行方面的恢复速度慢于蓝领工作比例较高的区域。