- 文献综述（或调研报告）：
城市交通问题一直是国内外共同关注的热点问题，交通问题是否得到解决，决定了一个城市是否能够健康发展，经济活动能否正常进行，同时也对城市居民的日常生活幸福感有重要影响。居民出行距离与经济社会的发展有着密切的相关关系，对居民出行距离的研究也是国内外的一个关注点。
国外研究：
1978年，Aring;s[1] 在研究中发现，不同的活动具有不同的选择度和时空限制，这取决于活动需要满足的需求，并根据对个人选择自由和时间限制的程度将活动分为四类，这一分类思路对后来的研究者的工作有重要影响。1997年，Kitamura[2]等人发现，在当今社会，个人特征和活动对空间行为有决定性的影响。2003年Kwan[3]等人在研究中同意了这一观点。2013年，Elldeacute;r[4]等人在研究中指出，近几十年来日常出行中个人特征和居住地点之间的关系已经改变。2014年，Ellder[5]在以瑞典为对象的研究中证明了，在不同出行目的影响下，居住位置与日常出行距离之间关系不同。在几十年的时间里，虽然研究者对出行距离的理解不断深入，但由于国情不同，国外基于出租车订单数据的居民出行距离分布特征研究实例还很少，而随着我国近十年来出租车行业的快速发展，滴滴订单数据已经成为一个极具研究价值的大数据来源。
除此之外，在众多的研究结果中，由于研究用的数据不同，有一些研究的结果相互矛盾。2004年Schwanen[6]等人的研究中发现居住区域对个人日常出行的影响很小，而在2010年Shuttleworth[7]等人的研究中则发现，个人上班出行距离受居住地点影响很大。由此可见，使用的数据来源、数据量大小都对相关研究结果有不可忽视的影响，使用滴滴数据对打车出行距离分布特征进行分析，再与前人得到的结论对比，对相关研究来说是重要的一步。
国内研究：
吴娇蓉[12]等人的研究中按照上海市轨道交通走廊带分级对出行特征进行研究，得出了“高密度走廊带出行距离、交通结构合理性、轨道交通走廊带车站客流密度指标明显优于其他三个密度级别走廊带”的结论。根据这种研究方式的启发，可对城市道路密度对区域进行划分，比较不同道路密度区域间的出行距离特征。
芦方强[15]等人使用公交OD数据，在“四阶段法”的基础上研究居民公交出行分布规律及变化特征。蔡柳[16]等人通过数据清洗，提取乘客出行的OD数据，在此基础上研究西安市居民的出行规律。芦方强、蔡柳等人使用的数据本质上与滴滴订单数据同属OD数据，两个研究的方法对本研究都有重要的借鉴意义。
2004年，金宝辉[8]在宏观上研究了出行的心理及行为特征。出行行为的影响因素、出行行为的效用特征和决策机制，搭建了出行行为分析的框架，并得出了建立出行行为数学模型的假设条件，建立了一个支付能力约束条件下的个体出行选择模型，给出了模型求解思路。2008年，在金宝辉的研究基础上，颜敏[9]从宏观上研究了出行者的心理和个性特征、交通方式、城市空间形态、经济水平等几个方面对城市居民出行距离的影响，并提出了出行距离影响度概念。2015年，塔娜等人[10]以北京市郊区的上地—清河地区作为研究案例，对地理背景的不确定性问题提供了实证，提出活动空间对行为具有重要影响，除此之外，还发现与西方研究结果不同的是，公交高密度在北京反而会增加非工作活动的汽车出行。
丁剑[11]以南京市为研究案例，定性分析了步行、自行车、电动自行车、公共汽车、小汽车、轨道交通这六种出行方式和全方位的居民出行距离分布规律，并引入优势出行距离因子，对传统的交通方式划分模型和分担率计算方法进行了更新。盛勇[13]使用成都市出租车移动轨迹数据作为研究对象，分析了居民出行的时间距离规律，并对下车轨迹数据进行聚类，提取基于出租车出行的居民出行热点区域，并对热点区域的数量和分布特征进行分析。贺康康[14]等人使用宁波的轨道自动检票系统采集到的客流数据，对不同时间、不同类型、不同站点间新建轨道系统的出行距离分布特征进行分析，并使用K-S检验，发现轨道出行距离分布可以对数正态分布或者对数正态分布和正态分布组成的双峰分布表示。丁剑、盛勇、贺康康在研究过程中都曾使用数学模型进行分析，在本研究的拟合阶段，可以学习他们的做法，提高模型建立效率。
参考文献：
