考虑潜在类别的市内机动化出行行为模型

为了研究出行者出行选择偏好的异质性和心理因素对出行选择行为的影响,通过验证性因子分析得到影响出行方式选择的心理潜变量;将求得的潜变量纳入潜在类别条件Logit模型,采用期望最大算法求解,得到样本潜在类别的数量和效用函数;最后,以广州市为例进行实证分析. 结果表明:潜在类别条件Logit模型对数据的拟合度高于传统的条件Logit模型;出行者可以划分为地铁偏好群体、小汽车偏好群体、常规公交偏好群体3个潜在类别,占比分别为42.5%、25.0%、32.5%;地铁偏好群体、公交偏好群体步行时间价值分别为1.2、1.3元/min,而小汽车偏好群体对步行持正面评价;地铁偏好群体、公交偏好群体的时间价值均为0.7元/min,小于小汽车偏好群体的车内时间价值（1.1元/min）;月收入是否大于10 000元、是否开车上班对出行者潜在类别划分具有显著影响;心理潜变量中,灵活性和可靠性对出行者潜在类别划分的影响显著,舒适性对潜在类别划分没有显著影响.      

城市轨道交通车厢内拥挤成本的估计方法

应用离散决策分析法与条件价值法, 设计了双边界二分式调研问卷, 计算了考虑拥挤度的轨道交通出行总成本;通过延长车厢内乘客出行时间的方式来换取车厢内乘客密度的减少, 从而得到车厢内不同拥挤度下的等价出行效能;通过调研得到乘客对两轮投标的选择概率;分别采用双变量Probit估计量和随机效用估计量来推断时间边际负效用的标准化值, 得到时间乘数, 进而估计乘客的延时意愿和支付意愿;基于2015~2016年北京地铁1号线和5号线具有代表性的15个车站站台调查获得的数据, 对轨道交通车厢内6种拥挤度下的时间乘数进行线性回归分析。研究结果表明:车厢内的乘客密度和时间乘数存在线性关系, 而改善后的车厢内拥挤度和广义成本呈反比例关系;出行者支付意愿随车厢拥挤度的减少而增加, 当车厢拥挤度由5人·m-2改善为4人·m-2时, 早、晚高峰时段的支付意愿分别为1.58元和3.02元, 当车厢拥挤度由5人·m-2改善为3.5人·m-2时, 早、晚高峰时段的支付意愿分别为2.47元和4.99元, 因此, 晚高峰时段出行者的平均支付意愿达到早高峰时段的2倍左右, 不同时段出行者对改善拥挤度的支付意愿存在显著差异。      

出行者对出行方式服务属性的感知差异研究

解析出行者对服务属性的感知差异能够为提升城市公交服务水平提供理论依据.基于上海市居民出行意愿调查,建立考虑行程时间与车内拥挤度交叉项、可靠性的出行方式选择效用;根据多项Logit模型和混合Logit模型的通用参数和选项特定参数估计结果,量化出行者对出行方式服务属性的感知差异.结果表明:拥挤有座时的时间价值是不拥挤有座时的1.41倍,拥挤无座时的时间价值是不拥挤有座时的1.56倍;地铁的可靠性价值显著高于私家车和常规公交;同一车内拥挤程度水平下,常规公交的时间价值大于地铁.     

地铁车厢立席乘客的空间舒适度建模与模拟

地铁车厢拥挤直接影响乘客的乘车舒适度.本文根据“人体空间气泡”的概念, 引入地铁车厢内乘客心理舒适度,结合乘客感知空间舒适性调查,建立乘客空间理论模 型,并以此得到基于空间舒适性的立席密度评价标准.基于现有行人模型,借鉴社会力模 型中人与人之间的排斥力,定义“广义拥挤力”,建立地铁车厢乘客“拥挤力”量化模型.以 北京地铁4 号线为研究对象,结合实地调研得到的车厢内乘客密度分布规律,应用 PFC2D 离散元软件以力的形式来模拟乘客空间舒适度状态.结果表明,要使80%乘客的空 间舒适度等级在舒适以上,则合理密度应该在4-5 人/m2之间,为制定合理立席密度标准 提供参考.     

地铁车厢内乘客站立位置选择行为研究

基于地铁乘客在车厢内站立位置选择行为设计问卷并调查,引入信效度分析判断问卷及其结果的可靠性,分析乘客在车厢内站立位置的选择偏好和对座位的需求程度.针对乘客从车厢两端和车厢中部车门上车两种情景,将车厢内部站立区域划分为6部分,建立考虑乘客出行距离和车厢内立席密度的乘客站立位置选择基线—类别Logit模型,采用调查数据对模型参数进行估计并验证.研究表明,模型标定结果与调查数据较为吻合,可较好地刻画乘客的选择行为.此外,乘客对车门前区的选择概率随车厢内立席密度的增大而增大,而坐席区域和侧边区域则相反;乘客出行距离较长时,乘客选择坐席区域的概率对车厢内立席密度的变化更为敏感.     

考虑舒适性的公交乘客出行时间价值对比

考虑公共交通乘客出行的舒适性因素,将车内拥挤程度作为衡量乘客舒适性的指标.选取上海市轨道交通乘客和常规公交乘客两个样本,通过嵌入式SP与RP相结合的调查方法,分析得出车内拥挤程度分级阈值;通过标准Logit模型,分析得出不同车内拥挤程度下乘客出行时间价值;建立车内拥挤程度与时间价值的函数关系.     

基于随机系数Logit模型的市内出行方式选择行为研究

出行方式选择行为研究对出行行为分析和预测具有重要意义. 以往研究假定某一群体内的所有出行者的偏好都一样,这与实际不相符. 随机系数Logit 模型假定出行者的偏好不一致,并能分析出行者个体特征对于出行者偏好的影响. 本文利用随机系数Logit 模型对市内机动化出行行为研究. 考虑到心理因素对出行者出行选择行为具有影响,本文在研究中加入了出行可靠性、出行舒适性、出行灵活性3 个潜在心理因素. 通过研究表明,随机系数Logit 模型比传统的离散选择模型具有更高的拟合度. 随机系数Logit 模型的效用函数中,步行时间的系数为非随机变量;但车内时间的系数为随机变量,且与出行者结婚状况,是否有车,是否开车上班,月收入是否超过10 000元,以及对交通灵活性的主观需求相关.     

基于随机系数Logit 模型的市内出行方式选择行为研究

出行方式选择行为研究对出行行为分析和预测具有重要意义. 以往研究假定某一群体内的所有出行者的偏好都一样,这与实际不相符. 随机系数Logit 模型假定出行者的偏好不一致,并能分析出行者个体特征对于出行者偏好的影响. 本文利用随机系数Logit 模型对市内机动化出行行为研究. 考虑到心理因素对出行者出行选择行为具有影响,本文在研究中加入了出行可靠性、出行舒适性、出行灵活性3 个潜在心理因素. 通过研究表明,随机系数Logit 模型比传统的离散选择模型具有更高的拟合度. 随机系数Logit 模型的效用函数中,步行时间的系数为非随机变量;但车内时间的系数为随机变量,且与出行者结婚状况,是否有车,是否开车上班,月收入是否超过10 000元,以及对交通灵活性的主观需求相关.     

˽�ҳ�������ͨ�ڳ���ʱ���ֵ

私家车出行者的通勤出行时间价值是实施和评价道路拥挤收费项目的重要参数之一。本文利用大连市私家车出行者意向调查数据,分别使用Logit模型和时间系数为常数、费用系数服从对数正态分布的Mixed Logit模型来标定私家车出行者通勤出行时间价值。标定的结果显示：两个模型标定结果中的各参数的t值都非常显著;Mixed Logit模型标定结果中的最大似然值和优度比都优于Logit模型;使用Logit模型标定的私家车出行者通勤出行时间价值为24.58元/小时;使用Mixed Logit模型标定的私家车出行者通勤出行时间价值服从参数为2.73和1.09的对数正态分布。在实施和评价道路拥挤收费项目时,推荐使用Mixed Logit模型的标定结果。     

考虑个体异质性的汽车分时租赁选择行为

传统交通行为模型缺乏对个体异质性的考虑，导致其对真实选择行为的解释可能存在差距. 为了研究个体异质性对出行选择行为的影响，首先，分别构建了基于混合logit的选择模型以及基于潜在类别条件logit的选择模型；其次，使用正交设计法生成意愿调查问卷，在成都市开展新能源汽车分时租赁的出行选择实证调查；最后，利用极大似然模拟，采用Halton序列抽样对混合logit模型进行标定；采用回归分析对潜在类别条件logit模型进行求解. 结果表明:步行时间、候车时间、车内时间以及出行费用是影响出行方式选择的关键因素，两种模型均反映出个体异质性对出行者选择行为有着显著影响；潜在类别条件logit模型的拟合优度为0.143，优于混合logit模型的0.139，前者命中率为77.85%，也高于后者的61.28%；潜在类别条件logit模型将出行者划分为3个类别，区分度为0.908 4；类别1群体对出行费用最为敏感，对候车时间不敏感；类别2群体对步行时间和候车时间更加敏感，对费用敏感程度较低；类别3群体对时间和费用的敏感程度介于类别1和类别2之间.      

无人驾驶汽车对出行方式选择行为的影响

无人驾驶汽车对出行者出行选择行为具有重要影响,进而可以影响到城市交通需求、城市空间布局和城市规划. 基于扩展技术接受模型和考虑不同出行者偏好的异质性,建立带潜变量的随机系数Logit模型,研究出行者的出行特征、心理潜变量和个体的社会经济属性对无人驾驶汽车选择行为的影响. 结果表明:与传统的多项Logit模型相比,带潜变量的随机系数Logit模型拟合度更高;不同的出行者对出行费用的偏好具有异质性,在效用函数中,出行费用服从正态分布;无人驾驶汽车选择行为不仅受到出行特征和社会经济属性的影响,而且还受到感知信任、社会规范和行为意向等心理潜变量的影响;降低无人驾驶汽车的出行费用可以提升出行者选择无人驾驶汽车出行的概率.      

有限理性视野下出行者出行方式选择分层Logit模型研究

在传统分层Logit模型的基础上,放松出行者完全理性的假设,基于有限理性满意决策准则,建立了多方式有限理性分层Logit(BRNL)模型,来描述出行者的方式选择行为.模型假设当方式间的成本差在无差异区间内时,出行者依据偏好或随机进行方式选择;否则,出行者将选择出行成本更小的交通方式.此外,提出了一种嵌套的相继平均算法对模型进行求解.最后,通过一个数值算例验证了模型的合理性和算法的有效性.研究结果表明,出行者并不总是选择出行成本最小的交通方式,其选择行为与出行者的理性程度和偏好有关,且理性程度越低,出行者对方式间的成本差越不敏感.     

考虑潜变量的自动驾驶汽车租赁行为

将自动驾驶汽车（autonomous vehicle，AV）与分时租赁、点对点（peer-to-peer，P2P）租赁模式相结合，为出行者提供新型的出行方式. 为探究出行者租赁自动驾驶汽车的行为特征，分析出行者对AV分时租赁、AV P2P租赁、私家车、公共交通的选择意愿及其影响因素. 基于出行方式选择意愿的调查数据，将结构方程模型（structural equation model，SEM）与多项Logit （multinomial Logit，MNL）模型相结合，建立同时标定显变量与潜变量参数的结构方程-多项Logit （structural equation-multinomial Logit，SE-MNL）模型，对比分析了MNL与SE-MNL模型的参数标定结果. 研究结果表明:在95%的置信水平下，显变量中的出行费用、车内时间、驾照情况、出行目的、婚姻状况以及潜变量中的便捷性、安全性、乘车体验、舒适性对出行者选择AV分时租赁或P2P租赁的影响都是显著的；SE-MNL模型的拟合度较MNL模型高出2%～3%.      

不同信息下的逐日路径选择行为实验与模型

为研究先进出行者信息系统(ATIS)对出行者逐日路径选择行为的影响，本文基于 Braess路网设计5组具有不同ATIS市场占有率(0、25%、50%、75%、100%)的行为实验.结果表明：3条路径的流量及新增路径保持选择的次数持续波动，随着ATIS市场占有率增大，路网平均行程时间趋于用户均衡，新增路径保持选择的次数呈现增长趋势，且被试对新增路径的选择性偏好增强，Braess悖论的效果也更明显.基于5组实验数据，分别建立普通Logit模型和基于面板数据的随机效应Logit模型刻画路径选择行为.结果表明：当ATIS市场占有率为0时，最佳模型为普通Logit模型；当ATIS市场占有率增大甚至达到100%时，最佳模型均为随机效应Logit模型；未配备ATIS的出行者的个体差异性比配备ATIS的小.     

不同信息下的逐日路径选择行为实验与模型

为研究先进出行者信息系统(ATIS)对出行者逐日路径选择行为的影响，本文基于 Braess路网设计5组具有不同ATIS市场占有率(0、25%、50%、75%、100%)的行为实验.结果表明：3条路径的流量及新增路径保持选择的次数持续波动，随着ATIS市场占有率增大，路网平均行程时间趋于用户均衡，新增路径保持选择的次数呈现增长趋势，且被试对新增路径的选择性偏好增强，Braess悖论的效果也更明显.基于5组实验数据，分别建立普通Logit模型和基于面板数据的随机效应Logit模型刻画路径选择行为.结果表明：当ATIS市场占有率为0时，最佳模型为普通Logit模型；当ATIS市场占有率增大甚至达到100%时，最佳模型均为随机效应Logit模型；未配备ATIS的出行者的个体差异性比配备ATIS的小.     

私家车出行者ATIS信息选择影响因素研究——以大连市为例

私家车出行者对ATIS信息的选择意愿受到多种因素的影响。开展大连市私家车出行者ATIS信息需求意向调查,以探索性因子分析和累积Logit模型理论为基础,对ATIS信息内容进行分类,同时引入出行者性别、年龄、收入水平、交通补助情况等特性变量,建立私家车出行者ATIS信息选择模型。模型标定结果显示,私家车出行者个人特征与ATIS信息特性对ATIS信息选择意愿存在不同程度的影响：私家车出行者主要关注与出行质量相关的信息,收入水平、交通补助、驾照保有情况等对私家车出行者ATIS信息选择意愿影响显著。     

基于量表型选择集的出行信息需求有序选择模型

研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。