基于意向调查的信号交叉口交通诱导服从分析

交通诱导技术的效益在很大程度上取决于驾驶员对诱导的服从情况,不同个人属性的驾驶员在遭遇不同外界条件时会对信号交叉口交通诱导采取不同的态度。文中通过意向调查获取驾驶员对信号交叉口交通诱导服从情况数据,构建诱导服从概率的Logistic回归模型,研究个体属性和外界条件等因素对诱导服从情况的影响。结果表明,诱导方式对驾驶员是否服从信号交叉口交通诱导的影响最显著,与可变信息板相比,驾驶员更倾向于遵循车路协同诱导;天气、交通状况等外界条件及性别、驾龄、道路熟悉度、常用车辆等个体属性亦会影响驾驶员的服从情况。     

出行者信息类型偏好对其路径选择行为影响研究

城市交通系统本质上是由大量个体出行行为聚集形成的宏观系统,对于城市交通管理者而言,研究微观个体出行者的自身内在因素以及一些外在因素对其选择行为的影响,是制定相关有效管理措施的前提.通过RP调查方法,获取了城市交通出行者个体属性(性别、年龄和驾龄)、信息类型偏好(描述性信息和规范性信息)以及路径选择偏好(最短路径、可接受路径以及固定路径)数据.基于调查数据,研究构建了城市交通出行者信息类型偏好对其路径选择行为影响的结构方程模型,通过对模型的拟合分析,探讨了城市交通出行者的个体属性及信息类型偏好,对其路径选择偏好的影响.研究发现,城市交通出行者个体属性间的差异,使得他们偏好于不同类型的交通信息,有着不同的路径选择行为;描述性信息能够使得城市交通出行者更加倾向于选择最短出行路径,而规范性信息能够使得城市交通出行者更多地打破其固定路径选择行为;但是在交通信息影响下,仍有部分出行者倾向于选择固定路径,即使该固定路径并非是最优出行路径.文中相关研究结果有助于交通管理者更好地去预测,在交通信息影响下不同类型出行者的路径选择行为变化情况.      

诱导信息条件下驾驶员路径选择行为研究

驾驶员的路径选择行为是影响交通诱导成效的一个关键因素。建立了诱导信息条件下驾驶员路径选择行为模型,仿真分析了诱导信息和驾驶员的经验对驾驶员路径选择行为、路网交通流分布、系统整体效益的影响。研究结果表明,随着出行次数的增加,2条路径的交通流波动逐步减小,系统总行程时间逐渐减少,逐渐趋于系统均衡。驾驶员的长期经验、诱导信息的长期准确对驾驶员的路径选择行为、系统均衡具有重要影响。     

基于驾驶员行为的交通信息发布方式选择研究

信息技术在交通方面的应用越来越广泛,交通诱导信息的发布可大大提高路网的运营能力,为缓解交通供需矛盾提供了一个有力工具。交通诱导信息作为城市交通流分布的重要影响因素,通过改变驾驶员的出行时间、出行方式和出行路径,使道路上的交通流重新分配。本文以SP调查数据为支撑,从出行行为角度分析交通诱导信息方式对驾驶员出行选择行为的影响。利用非集计模型建立驾驶员选择行为模型,预测分析拥堵状态下,驾驶员对不同交通诱导方式的选择行为,进而有序地引导驾驶员出行选择,以达到缓解交通拥堵的目的。     

面向智能手机的驾驶员交通信息搜寻-决策行为分析

为系统分析面向智能手机的驾驶员交通信息搜寻-决策行为影响机理,在集成分析交通信息搜寻及决策行为,构建驾驶员交通信息行为概念模型的基础上,基于有序多分类Logistic模型构建搜寻行为模型,分析社会属性和交通信息感知对驾驶员交通信息搜寻行为的影响;同时,基于TPB构建决策行为模型,考虑心理因素变量对驾驶员交通信息决策行为的影响,运用结构方程模型定量刻画驾驶员对智能手机发布交通信息的响应机制.结果 表明:①驾驶员年龄与交通信息搜寻频率呈显著负相关,信任度对搜寻频率的正向影响最大,平均作用系数达21.762;②知觉行为控制对驾驶员出行决策的影响最大,贡献度达0.4;③停车信息对驾驶员行为态度的影响最小,贡献度为0.85,表明驾驶员迫切希望提高智能手机中停车信息的精准性和时效性.      

诱导信息信任度对道路网络交通流影响研究

为研究车联网下驾驶员对诱导信息的不同信任度对路网交通流的影响,在对驾驶员特性和路径决策行为分析的基础上,建立车联网下路径选择决策模型,采用元胞自动机进行仿真,模拟不同信任度情况下的道路运行状况。结果表明,随驾驶员对诱导信息的信任度及车联网装载率的提高,交通流分配合理性和道路通行效率有明显提高。     

基于IPA的可变信息标志发布内容改善研究

可变信息标志是最具代表性的一种公共交通信息服务手段,它发布的信息具有公众性。但目前大多数可变信息标志针对不同的用户和环境提供相同的信息,这反映了对交通信息用户的偏好及道路状况等不同的交通环境考虑得不够。为了能在不同的交通环境下提供相应的信息,使用户在车辆行驶过程中由可变信息标志得到必要的交通信息,以问卷的形式调查了驾驶员对VMS提供信息的偏好度,利用IPA分析了VMS发布内容,并由分析结果提出了相应的改善方案。     

基于节点承载力的高密度路网诱导路径选择方法

针对高密度路网诱导路径选择问题,基于图论对路网进行结构化选取,构建高密度路网模型。从节点评估的角度出发,提出综合考虑结构属性和交通运行状态属性的节点承载力指标。采用均质性、连通性2个指标评价路网节点结构属性,采用流量裕度、通行效率2个指标评价路网节点交通运行状态属性,提出一种基于TOPSIS算法(Technique for Order Preference by Similarity to Ideal Solution,优劣解距离法)的综合评价方法,实现对节点承载力的综合量化。基于节点承载力,构造路段承载力指标,采用重力模型和交通分配的方法将节点间的承载力分配到节点相连构成的路段上,并用路段实际交通条件修正即得到路段承载力。基于节点承载力和路段承载力,提出高密度路网诱导路径的确定方法。为证明本研究提出的高密度路网诱导路径选择方法的有效性,构建一高密度路网结构模型,同时采用本算法和传统Dijkstra算法规划诱导路径。结果表明:Dijkstra算法规划的路径虽为数学意义上的最优路径,但该路径途经低级节点,且需频繁切换道路进行交通转换,不符合驾驶员行车期望;本研究提出的基于节点承载力的高密度路网诱导路径选择方法得出的路径虽比Dijkstra算法稍长,但路径均由高等级节点和道路组成,这样的规划结果更符合实际交通诱导系统需求,更能体现驾驶人员选路偏好。     

上海市高速公路网多路径条件下驾驶员路径选择研究

为解决上海市联网收费系统中的多义性路径问题,采用陈述偏好调查法（SP）对路网中涉及多义性径的主要大流量OD对之间驾驶员路径选择进行调查,分析影响驾驶员路径选择的因素,总结上海市高速公路网中驾驶员路径选择特征和规律。研究结果发现,在常态交通条件下,运输总费用因素对驾驶员路径选择最为敏感,而特定交通事件（如道路维修或设置指路标志等）将对车辆路径选择产生根本性的影响。本研究可为高速公路网多义性路径问题研究提供新的思路和方法。     

道路视觉环境与安全行车的关系

驾驶员行车过程中80%以上的交通信息是通过视觉获得的,道路视觉环境对安全行车的影响很大.文中从驾驶员的视觉角度出发,论述了行车中驾驶员视觉环境的主要内容、范围和特征,说明了道路视觉环境对驾驶员心理、行为及安全行车的影响;提出在道路设计与改造中应充分考虑驾驶员视觉特征与道路视觉环境对驾驶员的影响,合理设计道路、交通设施和道路景观等交通环境要素,为驾驶员提供一种宜人的道路环境,以利于安全行车.