闽江口城镇群城际轨道交通规划方案初探

为解决闽江口城镇群内各城镇之间旅客的快速出行,促进区域跨越式发展,提出了修建城际轨道交通网来实现这一目标。确定修建城际轨道交通的功能定位及发展战略目标,采用"点、线、面"分析法分析闽江口城镇群轨道交通网络的初步方案,并根据区域内既有、在建和规划铁路情况,提出城际网的建设方案及城际列车开行方案。     

常态化疫情防控阶段旅客中长距离城际出行联合选择行为建模

新冠肺炎疫情对旅客中长距离的城际交通出行影响巨大,现有研究侧重疫情暴发初期疫情对城际交通出行的影响,针对常态化疫情防控阶段旅客城际出行选择行为的研究相对较少,因此,本文旨在研究常态化疫情防控阶段旅客中长距离城际出行选择行为。针对民航、高铁、普铁和自驾等方式分别建立包含4种城际出行方式的多指标多因果出行选择模型（MIMIC）,模型中引入感知防疫安全程度、防疫策略、乘车体验与出行习惯4个潜变量,探究潜变量与观测变量的因子载荷并辨识模型参数,求取各潜变量的拟合值;在此基础上建立考虑出行方式特性、旅客社会经济属性与潜变量的多出行方式联合选择行为模型（MIMIC-Logit）,探究常态化疫情防控阶段旅客出行心理对其出行决策的影响;假设出行费用、时间与距离等变量的随机系数服从正态分布,采用抽样1000次的Halton序列对随机系数进行仿真求解,得到随机系数的回归分析结果。以2021年4月—6月到达西安旅客的调查数据为例进行实证研究,结果发现：所提MIMIC-Logit模型的拟合优度与命中率分别为43.621%与83.312%,均高于多项Logit模型与随机系数Logit模型;旅客对不同方式的出行费...     

基于随机系数Logit模型的城市群城际出行方式选择行为研究

以粤港澳大湾区城市群的广深城际运输通道为例，分析城际运输通道中影响旅客出行方式选择行为的因素及其影响。传统的多项式Logi（tMNL）模型具有无关方案独立性，无法对不同出行者的选择偏好差异进行定量分析，故应用随机系数Logit模型分析城际交通出行选择行为。选取城际出行旅客的个人社会经济属性、心理潜变量（对交通方式舒适性、可靠性和便捷性的心理感受）、城际出行方式特征变量设计问卷。采用线上与线下相结合的方式开展问卷调查，共收集534份问卷，基于此建立并求解随机系数Logit模型。随机系数Logit模型估计结果的伪R2为0.178，表明模型具有良好的拟合度。研究结果表明:城际出行旅客的收入、职业、私家车保有情况、家庭儿童数量以及对出行方式便捷性的感知对其选择行为有显著影响；而出行方式的舒适性、可靠性对城际出行方式的选择行为影响不显著；改善交通方式的便捷性对提升城际出行方式的吸引力起关键作用。因此，在城际交通规划设计、运营管理中应着重考虑便捷性对城际交通方式选择带来的影响。      

旅客出行心理研究的重要性及对策分析

旅客出行心理研究是交通运输业发展到一定阶段的必然要求,多种客运方式的激烈竞争使得其在经营管理中的重要性尤其突出,文中分析了旅客出行心理的各种影响因素和共性心理特征,并以道路旅客运输为例从经营者角度讨论了旅客出行心理的对策。     

长株潭城市群城际与城内客运出行特征

为研究城市群区域客运出行规律,对长株潭城市群客运交通出行进行了抽样调查。根据调查结果对城市群区域城内与城际出行者在社会经济特性、出行目的、出行方式选择以及出行时间分布等方面做了对比分析,并对其规律进行了总结,发现城内与城际出行除在方式选择考虑因素方面有共性外,其他方面个性特征明显,另外对城市群内出行特征及其发展趋势作了预估。     

基于选择方案抽样调查的城市群低频率出行行为研究

为分析城市群内低频率城际出行行为,对长三角城市群内上海与其他城市间的城际出行进行选择方案抽样调查,基于城际出行行为调查数据建立出行方式选择的多项Logit(MNL)模型；选择方案抽样调查数据与随机抽样调查数据存在方案分层结构偏差和因素重视度偏差,故引入反转因子(IPW),分别用外源性样本极大似然估计(ESMLE)简单修正法和加权外源性样本极大似然估计(WESMLE)法对MNL模型进行修正.结果表明:未修正模型及2种修正法下的模型命中率分别为57％,75％和84％；WESMLE修正后的模型能基本满足建模精度要求；城市群内低频率城际出行行为受出行时间、费用及个人属性等因素影响,同时,也表现出一定程度的随机性和随意性.     

引入忠诚度变量的城际出行方式动态选择行为研究

针对中国城市群的快速形成与发展,结合城市群城际出行特点,研究城市群城际出行方式选择行为.基于非集计理论,对效用函数引入刻画动态选择行为的忠诚度变量,抓住了出行者出行方式选择的关联性.利用了平滑指数计算忠诚度变量,既反映了忠诚度的持续性也考虑了突变性.将忠诚度变量作为影响因素引入模型的可观测效用部分,建立出行者城际出行方式选择Mixed Logit模型.在大量调查问卷基础上,通过对引入前后的模型对比分析计算得出,忠诚度变量加入后,模型中其他的出行影响因素效用强度明显削弱,其产生的正效用证明了城际出行选择是一种带有倾向性的行为反应,具有某种出行方式选择的持续性、依赖性和突变性,说明出行者过往的出行体验对选择心理具有显著的影响,也说明构建的模型很好地还原了出行方式选择的动态特性.     

扩展计划行为理论框架下城际出行方式选择建模

本文引入外部价值观念和行为习惯的扩展变量,构建基于计划行为理论的城际出行者方式选择框架.在调查样本通过信度和效度检验的前提下,为高铁/动车、普通列车、长途汽车和自驾车等4种出行方式分别建立多指标多因果(MIMIC)模型,分析不同出行方式下扩展计划行为理论中各心理变量间的相关关系,以及出行者属性对心理变量的影响.研究表明,在不同的出行方式下,出行者个人及家庭社会经济属性对部分潜变量有显著性影响;"安全态度"和"行为习惯"潜变量对方式选择意向或行为有着直接或间接显著影响.研究成果可为制定城际间交通需求管理政策和城际交通系统优化提供支撑.     

基于Two-step Cluste的出行选择行为研究

为研究广佛城际交通出行者选择公共交通出行的意愿,根据2016年广佛城际交通发展调研数据,基于两步聚类方法,将总出行群体聚为两类,并运用熵权法选取9类指标分别对聚类前后的群体进行满意度评价,结果显示聚类后群体的满意度较低,表明聚类后的群体的出行需求更为集中。基于此,分别对聚类前后群体构建是否选择公共交通出行方式选择BNL (binart-nomial logit)模型,预测管理策略的效果,进一步验证将群体进行聚类的必要性,并为城际出行乘客提供更精准的服务。     

公路客运应对城际轨道交通竞争的措施研究

随着城际轨道交通的出现,传统的公路客运受到前所未有的挑战。文中就影响旅客出行方式选择的主要参考因素,分析了公路客运相对于城际轨道交通的优势和劣势,论述了城际轨道交通系统发展对公路客运的影响;从公路客运企业的角度,提出了公路客运企业应对城际轨道交通竞争的措施。     

基于交通条件改善的公路网交通生成预测方法研究

以经济、人口、车辆保有和广义出行时间为基本变量,采用回归分析方法建立交通生成预测模型,从而在交通生成阶段中考虑了交通出行条件改善的影响,将交通生成预测和诱增交通预测两者结合,既考虑了社会经济对交通的决定作用,又考虑了交通供给对交通生成的反作用。模型应用于江苏省高速公路网规划实践,结果表明,模型能够反映不同地区经济、人口、车辆保有以及交通条件等因素对各地区交通生成特性的差异,并且具有实用、精度高、可操作性强的特点。     

基于模糊-神经网络的公交出行不确定性研究

为了合理规划公交线路,优化公交路网,提高乘客的舒适性,在交通工程学、模糊理论的指导下,通过对影响公交出行的主要因素定性分析,确定了影响出行生成量的模糊因素;结合对某地公交出行实地调研,分析出影响因素与出行量之间的相互关系规律;并采用空间静态模糊预测方法对调研数据进行处理,从而得到公交出行中快捷、舒适、方便、安全的隶属度,最后结合BP人工神经网络预测出该地区的公交出行生成量,为交通设施的建设提供了理论依据.     

Updating of Travel Behavior Model Parameters and Estimation of Vehicle Trip Chain Based on Plate Scanning

This article proposes a maximum-likelihood method to update travel behavior model parameters and estimate vehicle trip chain based on plate scanning. The information from plate scanning consists of the vehicle passing time and sequence of scanned vehicles along a series of plate scanning locations (sensor locations installed on road network). The article adopts the hierarchical travel behavior decision model, in which the upper tier is an activity pattern generation model, and the lower tier is a destination and route choice model. The activity pattern is an individual profile of daily performed activities. To obtain reliable estimation results, the sensor location schemes for predicting trip chaining are proposed. The maximum-likelihood estimation problem based on plate scanning is formulated to update model parameters. This problem is solved by the expectation-maximization (EM) algorithm. The model and algorithm are then tested with simulated plate scanning data in a modified Sioux Falls network. The results illustrate the efficiency of the model and its potential for an application to large and complex network cases.     

居民公交出行链重复性量化分析及其出行规律研究

作为城市交通的枢纽，公共交通系统承载了大量的居民出行。自动数据采集系统收集的IC卡数据包含了大量的乘客出行信息，通过这些数据可分析居民公交出行规律，进而优化公交服务。引入信息熵及熵率对居民公交出行链重复性进行量化，研究了基于量化指标分析居民公交出行规律的方法。通过出行地点状态标定，将乘客的出行链转化为离散的出行序列；利用信息熵和熵率对出行序列进行量化分析，得到出行重复性与量化指标的关系，即出行序列的信息熵越大，熵率越小，该乘客出行重复性越高，出行规律越强。基于重复性量化处理，以石家庄公交智能卡乘客出行数据为例，分别从群体和个人这2个方面对公交乘客的出行规律进行分析。结果表明，出行链重复性量化指标可以对出行规律的强弱进行直观判断。当乘客出行规律不明显，但信息熵高于样本均值2.53 bits、熵率低于样本均值1.13 bits/事件时，可通过进一步分析挖掘出乘客潜在出行规律。      

城市交通生成预测实用分析模型及其应用

以城市土地利用特性为基本变量,采用回归分析和系统聚类分析方法建立了交通生成预测实用分析模型。模型应用于浙江湖州市城市综合交通规划实践,结果表明模型能够反映规划年城市土地利用特征变化所带来的各组团交通需求特性的差异,并且具有简捷、实用、可操作性强的特点。     

基于SP和RP融合数据的小汽车通勤出行频率选择模型

基于小汽车通勤出行特性和成本分析,采用意愿调查法对小汽车出行者的社会经济属性、通勤特性和不同燃油价格下的出行意向进行调查,定量分析停车位供应状况、停车费、燃油价格等因素对小汽车使用者通勤出行频率的影响,以获取高燃油价格下小汽车通勤行为随燃油价格(出行成本)变化的规律.基于多项选择模型,分别建立了RP模型、SP模型和基于...     

基于多源数据的公交出行特征分析

为准确分析公交消费数据不完整情况下的公交出行特征,基于乘客上车刷卡数据、支付宝扫码数据及公交GPS数据,运用时空匹配法和出行链理论挖掘分析乘客上下车站点、公交线路OD矩阵、出行空间分布特性及消费时间分布特征。实际验证结果表明:1)使用IC卡和支付宝的乘客数量近似相等,使用现金人数较少,约占整体的6%;2)乘客出行次数在2次以下占总数的84%,换乘需求较少,公交可达性较高;3)高峰期消费次数均超过25000次/h,约占全天总数的23%,居民出行目的较为单一,大部分往返于居民区与办公商业区,与实际情况相符。     

无人驾驶汽车对中短距离市际出行方式选择行为的影响

研究了无人驾驶汽车对中短距离市际间出行选择行为的影响.基于计划行为理论,通过建立结构方程模型,构建出行者对无人驾驶汽车的感知行为控制、主观规范、行为态度和行为意向心理潜变量.然后将这些心理潜变量纳入到随机系数Logit模型建立混合选择模型.以武汉市为例进行实证研究,结果表明:在效用函数中,车内时间、出入站和候车时间,以...     

Trip characteristics impact on the frequency of harsh events recorded via smartphone sensors

The Internet of Things (IoT) constantly offers new opportunities and features to monitor and analyze driver behavior through wide use of smartphones, effective data collection and Big Data analysis, resulting in assessment and improvement of driver behavior and safety. The objective of the present study is to investigate the impact of detailed trip characteristics on the frequency of harsh acceleration and harsh braking events through an innovative smartphone application developed within the framework of BeSmart project. A 200-driver naturalistic experiment spanning 12 months is carried out since July 2019. During the first two months, participants were asked to drive in the way they usually did, without receiving any feedback on their driving behavior from the application. Over the subsequent two months, participants were provided with personalized feedback, a trip list and a scorecard regarding their driving behavior, allowing them to identify their critical deficits or unsafe behaviors. Some of the most important risk factors, such as speed and driving above the speed limit, usage of mobile phone while driving and harsh events (acceleration and braking) are recorded through the application and subsequently analyzed. Generalized Linear Mixed-Effects Models were fitted to the trips of car drivers who made frequent trips for both experiment phases in order to model the frequencies of harsh events. Results indicate that maximum speed, the percentage of speeding duration and total trip duration are positively correlated with both harsh acceleration and harsh braking frequencies. On the other hand, the exposure metric of total trip distance was found to be negatively correlated with both harsh event types. A small positive correlation of the percentage of mobile use duration with harsh accelerations was also detected.