出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论,选取出行者特征、行程特性与出行方式服务水平作为效用变量,以出行方式与出发时间作为选择肢,构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据,并模拟了在早高峰时段对小汽车出行收取费用时,小汽车出行者出行行为的变化。计算结果表明:与传统MNL模型相比,NL模型具有更好的统计学特征,调整后的拟合优度由0.338增大至0.404;在2种NL模型中,出发时间位于下层的结构对样本数据的适应性更强;当早高峰时段小汽车出行收取费用为5元时,72.6%的小汽车出行者坚持原有出行方式与出发时间,22.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,4.8%的小汽车出行者改用公共交通方式,但出发时间不变,仅0.2%的小汽车出行者同时改变出行方式与出发时间;当收取费用为10元时,51.7%的小汽车出行者坚持原有出行方式与出发时间,40.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,7.9%的小汽车出行者改用公共交通方式,但出发时间不变;当收取费用为20元时,27.5%的小汽车出行者坚持原有出行方式与出发时间,60.6%的小汽车出行者坚持小汽车方式,但会改变出发时间,11.9%的小汽车出行者改用公共交通方式,但出发时间不变。     

城市居民高峰时段出行方式选择

城市居民在高峰时段出行时,有多种出行方式可供选择,在选择的过程中会综合考虑多方面的因素。采用模糊综合评价法对居民出行所考虑的各种因素进行评价,可以预测居民在高峰时段出行方式的结构和比例,对合理设置交通结构、减轻城市高峰时段的交通拥挤有现实指导意义。     

基于 BL 模型的居民小汽车出行行为研究

本文采用离散选择模型,对采集到的4071份调查问卷所得到的居民出行情况进行分析,建立了BL 模型,定量分析影响小汽车出行行为的影响因素.分析结果表明:家庭月收入、出行距离和是否拥有驾照对小汽车出行的影响最大,出行费用、出行时间等因素对是否选择小汽车出行也有显著影响,而年龄、出行目的等因素则对是否选择小汽车出行的影响不显著.随后,对小汽车出行概率影响显著的因素做了敏感性分析,模型检验的结果说明该模型具有较好的精度.     

具有模糊特性变量的出行方式预测Logit模型

基于非集计模型与模糊数学理论,以城市群居民出行行为为研究对象,选择出行者的出行时间和出行费用作为影响因素,利用极大似然估计法进行参数标定,通过t检验、命中率检验与优度检验,将出行时间模糊化,忽略出行费用的影响,建立了具有模糊特性变量的出行方式预测Logit模型。将轨道交通与小汽车2种出行方式的时间模糊化参数分别选为0.1、0.3、0.5,分析了出行方式与出行时间对居民出行行为的影响。分析结果表明:轨道交通与小汽车的平均出行感知时间之比为0.8～1.2,且2种出行感知时间同等程度变化;当轨道交通出行时间模糊化参数为0.1,小汽车出行时间小于70min时,出行者均选择轨道交通出行;当轨道交通出行时间模糊化参数为0.3,小汽车出行时间小于67min时,出行者继续选择轨道交通出行,但当小汽车出行时间大于67min,小汽车出行时间模糊化参数分别为0.1、0.3时,出行者选择小汽车出行;当轨道交通出行时间模糊化参数为0.5,小汽车出行时间小于58min时,出行者仍然选择轨道交通出行,但当小汽车出行时间大于66min时,出行者均选择小汽车出行。     

基于出行时间可达性的公共交通竞争力评估模型

为实现区域公共交通与小汽车间出行竞争力的定量化评价和影响关系解析,利用公共交通动静态数据、出租车运行数据及出行调查数据提取公共交通个体出行链和小汽车出行用时等信息,结合路径规划API(Application Programming Interface)计算公共交通及小汽车全过程出行耗时,基于全过程出行时间可达性视角构建公共交通竞争力评价模型;考虑公共交通竞争力的空间效应,分别选取土地利用和交通设施因素作为解释变量,提出基于空间杜宾模型的公共交通竞争力影响模型;以北京市为例,探究早、晚高峰等不同时段下区域公共交通竞争力与各影响因素之间的交互关系。结果表明：早、晚高峰期间公共交通竞争力的平均值均在1.50以内,平峰时段约为1.74,市中心区、地铁沿线和大部分居住社区周边区域的公共交通出行竞争力相对较高;各时段下公共交通竞争力呈现明显的空间依赖性,且存在“低-低聚集”“高-高聚集”的典型聚集区域;土地利用混合度、办公就业密度和地铁站点密度等因素具有显著的负向空间溢出效应,而道路网密度和绕行系数则表现出显著的正向效应。综上,所提出的评价模型能够定量化评估公共交通竞争力,所建影响模型能够在考虑空间依赖性的基础上解释竞争力与因素间的相互关系。     

出行成本对居民出行方式的影响

以北京市居民出行行为为研究对象,收集2010年部分区域居民出行基础数据,使用相关性分析筛选与居民出行方式选择密切相关的影响因素.以小汽车出行方式的效用函数与公共交通出行方式的效用函数的差值构建新效用函数,选择收入、出行目的、支付方式、出行时间比、出行成本比等作为影响因素,将小汽车和公共交通出行时间比划分为1∶5、1∶3、1∶1,分析出行成本对居民出行方式的影响.分析结果表明:当出行时间比为1∶5时,居民使用小汽车出行对应的弹性值均小于0.1,出行成本调节缺乏弹性;当出行时间比为1∶3时,对应的最大弹性值为0.39,当出行成本比为25时,40％～50％的出行者继续使用小汽车出行;当出行时间比为1∶1时,对应的最大弹性值为0.89,当出行成本比为22时,40％～50％的出行者继续使用小汽车出行;当出行时间在1∶3和1∶1之间,要使得小汽车的出行分担率为30％,则出行成本比为至少为5.     

基于非集计模型的居民出行方式选择行为研究

基于ML模型的基本理论与建模方法,利用2009年济南市居民出行调查数据,对影响城市居民出行方式选择的因素进行了分析,确定了影响居民出行方式选择的特性变量,建立了居民出行方式选择ML模型.研究结果表明:居民出行方式选择与个人属性、家庭属性和出行属性之间有较稳定的关系,通过对影响居民出行方式选择的可控影响因素进行引导和调整,可以达到优化和调整交通方式结构的目的.     

基于父母出行特性的学生出行方式选择研究

研究家庭成员出行方式对学生出行方式选择的影响,可以更有针对性地制定 学生出行需求管理策略.以学生出行为研究对象,将父母出行方式作为选择方程的因变 量,学生出行方式作为结果方程的因变量,运用Heckman Probit 模型建立基于父母出行方 式选择的学生出行方式选择模型,利用海宁市数据进行验证.结果显示,父母选择小汽车 出行对学生选择小汽车和电动自行车出行有显著正向影响;父母选择公交出行对学生选 择小汽车和步行出行有显著负向影响;父母出行方式对学生选择公交出行无显著影响; 小汽车拥有情况、是否有人接送、公交满意度和出行距离对学生出行方式选择影响显著.     

基于广义费用的城市居民出行方式选择行为分析

以出行经济成本、时间成本、舒适性成本为基础,建立了城市居民广义出行费用模型,将广义出行费用函数作为效用函数,对传统Logit模型进行改进,从广义出行费用的角度,研究广义出行费用对居民出行行为的影响。通过Transcad对改进的Logit模型进行参数标定,结果表明出行直接经济成本的支付方式对小汽车出行有很大影响,其中停车费用起着关键性作用。当CBD内停车收费达到15元/h,CBD外公共交通换乘地区停车收费达到10元/h时,小汽车出行转移比例达到20%。制定合理的分区停车收费措施,增加小汽车广义出行费用,同时提高公共交通服务水平是改善城市居民出行结构、缓解中心区拥堵的有效措施。     

大连新建地铁对公交出行选择的影响

为了分析城市新建地铁项目对居民公共交通出行的影响，改善公交服务水平，提高公共交 通的分担率，针对大连市新建地铁线路展开研究。以大连市地铁1 号线沿线站点作为研究区域， 采用SP （Stated Preference） 调查方法，收集了300 名地铁沿线居民对常规公交以及新建地铁两种 出行方式的选择数据。通过建立二项Logit 模型，分析出行成本、换乘时间等选择方案特性变 量，出行特性变量以及出行者特性变量对于居民出行方式选择行为的影响，并计算弹性值及模型 精度。结果表明，通过调整出行成本及换乘时间可有效提高地铁分担率。由此提出相关政策建 议：对于出行成本，可从出行者年龄及出行次数两方面制定不同的优惠政策；对于换乘时间，可 从提高可达性、完善购票系统以及调整发班频率三方面进行改善。     

ͨ���߳���ʱ������з�ʽѡ����Ϊ�о�

在分析通勤者出行时间与出行方式选择特征的基础上,建立出行时间—出行方式与出行方式—出行时间两个方向的Nested Logit模型.利用北京市第三次居民出行调查数据,借助BIOGEME软件对两个模型进行估计.首先通过包容系数对Nested Logit模型的结构关系进行辨识,结果显示,出行时间—出行方式选择模型比出行方式—出行时间选择模型合理,表明通勤者在选择出行时间后,在其约束下考虑合适的出行方式;在此基础上,对出行时间—出行方式选择模型的参数进行标定并分析标定结果,进一步揭示通勤者出行时间与出行方式的选择特征,从而为制定高峰时期相关管理政策提供理论依据.     

考虑异质出行者的随机瓶颈模型

研究早高峰期内通勤者由生活区开车通过高速公路到达工作区的交通行为.假 设出行者是异质的,其时间价值（VOT）按照递增的顺序排列,并假设高速公路上瓶颈的 通行能力在某一区间内随机变化,基于经典瓶颈模型对出行者的均衡出发时间选择行为 进行解析求解,给出了模型的均衡性质和个人出行总成本.结果显示,随着瓶颈通行能力 随机性的增大,出行者的期望等价出行时间和高峰期长度增加.当瓶颈通行能力的随机性 降低时,个体均衡出行成本下降,时间价值越大的出行者,其成本降低的收益越大.算例结 果验证了理论分析结论.     

北京市交通结构合理发展模式及策略研究

在交通需求总量保持高速增长,而道路资源能力扩充有限的背景下,交通结构是否合理直接影响交通资源的配置方式以及城市交通系统的运行效率。首先总结北京市交通结构发展的历史阶段及特征。然后,系统梳理国际大城市三种典型的交通发展模式及策略。在此基础上,针对北京市交通结构调整面临的主要问题与挑战,相应提出交通结构合理化发展的策略与建议：提升公共交通吸引力和承载力、降低小汽车使用强度、引导市民绿色出行和理性消费。     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.     

上海市第五次居民出行调查与交通特征研究

挖掘和分析居民出行调查的历史数据库,归纳城市交通演变的特点和规律,有利于更好地了解城市交通的发展全貌.通过对比上海市五次居民出行调查的成果,从出行强度、出行结构、出行分布等方面揭示改革开放30年来上海市居民出行特征的演变,反映出用地拓展、机动化发展给城市居民出行行为带来的变化以及对城市交通产生的影响.在相应研究分析的基...     

���ھ�ֵ�ͱ�׼��ĸ��ٹ�·�г�ʱ��ɿ���Ԥ��

在密苏里州圣路易斯市I-270/I-255州际公路上,可变限速标志实时控制高峰期车速以缓解拥堵.本文研究可变限速系统对行程时间分布和可靠性的影响,分析伽马分布、最大极值分布、log-logistic概率分布、对数正态分布及威布尔分布与24小时行程时间数据的拟合程度,得到后可变限速情形下行程时间的分布.结果表明,后可变限速情形下行程时间的分布服从对数正态分布.提出基于行程时间均值和标准差方法计算行程时间可靠性最关键指标之一——第95百分位数的行程时间基于I-270/I-255公路四个拥堵路段36个实测数据集,用参数和非参数统计验证了方法的有效性.     

“��Ħ”���߶Ծ������ʱ��ɱ���Ӱ�����

为科学评价“禁摩”对居民出行时间成本的影响,本文以广州市为例进行研究.通过结合广州市历次交通调查数据,分析了广州居民出行的特征及有关参数,并利用意愿调查和历史趋势法确定了实施“禁摩”与不实施“禁摩”两种情形下“禁摩”范围内居民出行方式的构成比例;在综合考虑出行目的、出行时间及收入情况等因素后,构建了“禁摩”对居民出行时间成本的对比分析模型.研究结果表明,“禁摩”政策会增加居民出行时间成本,其中总体成本增加3.01%,被限制的群体成本增加53.47%.