This study develops vehicular and non-vehicular trip generation models for mid-rise, multi-family residential developments. A comparative analysis of observed and Instiutue of Transportation Engineers (ITE) trip rates suggests that ITE rates consistently overestimate. A latent segmentation-based negative binomial (LSNB) model is developed to improve the methodology for estimating vehicular and non-vehicular trips. One of the key features of an LSNB model is to capture heterogeneity. Segment allocation results for the vehicular and non-vehicular models suggest that one segment includes suburban developments, whereas the other includes urban developments. Results reveal that a higher number of dwelling units is likely to be associated with increased vehicle trips. For non-vehicular trips, a higher number of dwelling units and increased recreational opportunities are more likely to increase trip generation. The LSNB model confirms the existence of significant heterogeneity. For instance, higher land-use mix has a higher probability to deter vehicular trips in urban areas, whereas trips in the suburban areas are likely to continue increasing. Higher density of bus routes and sidewalks are likely to be associated with increased non-vehicular trips in urban areas, yet such trips are likely to decrease in suburban areas. An interesting finding is that higher bikeability in suburban areas is more likely to increase non-vehicular trips. The findings of this study are expected to assist engineers and planners to predict vehicular and non-vehicular trips with higher accuracy.

中文翻译：

---

为不列颠哥伦比亚省基洛纳的中层住宅建筑开发车辆和非车辆出行生成模型：评估建筑环境、土地利用和社区特征的影响

本研究为中层多户住宅开发开发了车辆和非车辆出行生成模型。对观察到的和交通工程师协会 (ITE) 出行率的比较分析表明，ITE 率一直高估。开发了一种基于潜在分割的负二项式 (LSNB) 模型来改进估计车辆和非车辆行程的方法。LSNB 模型的关键特征之一是捕捉异质性。车辆和非车辆模型的分段分配结果表明，一个分段包括郊区开发，而另一分段包括城市开发。结果表明，更多的住宅单元可能与增加的车辆出行有关。对于非机动车出行，更多的住宅单元和更多的娱乐机会更有可能增加出行的产生。LSNB 模型证实了显着异质性的存在。例如，较高的土地利用组合更有可能阻止城市地区的车辆出行，而郊区的出行可能会继续增加。公交线路和人行道的高密度可能与城市地区非机动车出行的增加有关，但郊区的此类出行可能会减少。一个有趣的发现是，郊区较高的自行车出行率更有可能增加非机动车出行。这项研究的结果有望帮助工程师和规划人员更准确地预测车辆和非车辆出行。LSNB 模型证实了显着异质性的存在。例如，较高的土地利用组合更有可能阻止城市地区的车辆出行，而郊区的出行可能会继续增加。公交线路和人行道的高密度可能与城市地区非机动车出行的增加有关，但郊区的此类出行可能会减少。一个有趣的发现是，郊区较高的自行车出行率更有可能增加非机动车出行。这项研究的结果有望帮助工程师和规划人员更准确地预测车辆和非车辆出行。LSNB 模型证实了显着异质性的存在。例如，较高的土地利用组合更有可能阻止城市地区的车辆出行，而郊区的出行可能会继续增加。公交线路和人行道的高密度可能与城市地区非机动车出行的增加有关，但郊区的此类出行可能会减少。一个有趣的发现是，郊区较高的自行车出行率更有可能增加非机动车出行。这项研究的结果有望帮助工程师和规划人员更准确地预测车辆和非车辆出行。而郊区的旅行可能会继续增加。公交线路和人行道的高密度可能与城市地区非机动车出行的增加有关，但郊区的此类出行可能会减少。一个有趣的发现是，郊区较高的自行车出行率更有可能增加非机动车出行。这项研究的结果有望帮助工程师和规划人员更准确地预测车辆和非车辆出行。而郊区的旅行可能会继续增加。公交线路和人行道的高密度可能与城市地区非机动车出行的增加有关，但郊区的此类出行可能会减少。一个有趣的发现是，郊区较高的自行车出行率更有可能增加非机动车出行。这项研究的结果有望帮助工程师和规划人员更准确地预测车辆和非车辆出行。