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.     

基于出行效用无差异阈值的组合交通客流分配模型

为探究出行者的感知差异对组合交通方式客流分担的影响,将出行效用无差异阈值引入出行者的决策过程中,建立了Nested Logit客流分配模型。模型将出行决策过程划分为三个层级,出行逻辑为出行者先选择出行方式,其次考虑换乘位置,最后考虑路径选择。模型确定各层级出行效用的影响因素,并假设当两种出行方案的效用差小于出行者感知的无差异阈值时,出行者无法在两种选择方案中做出确定的选择,而是基于个人偏好或随机进行选择;反之,出行者会选择效用最大的出行方案。通过连续平均算法对模型进行求解,并采用数值算例分析无差异阈值对出行决策过程中三个选择环节的影响,从而验证了模型的合理性。模型结果表明：考虑出行效用无差异阈值的客流分配模型会影响组合交通方式的选择分担,可以更准确地反映出行选择过程中的随机性。此外,模型下级的无差异阈值会影响上级的选择概率,对换乘点与路径信息采取措施可以在一定范围内优化各交通方式的分担比率,从而引导出行者选择更为绿色的出行方式。     

到达车站的步行时间对老年人公交选择的影响

公共交通是老年人重要的出行方式，到达车站的步行时间是公交服务质量的重要组成部分. 以出发地到车站的步行时间表征车站可达性，基于陈述性偏好调查数据，利用随机系数Logit 模型研究步行时间对老年人公交选择行为的影响. 研究表明：随机系数Logit 模型比传统的多元Logit 模型具有更高的拟合度. 随机系数Logit 模型的效用函数中，车内时间系数为非随机变量，步行时间系数为随机变量；性别、年龄、是否拥有电动车、教育程度、月收入是否大于3 000 元、是否经常使用公交等个人统计学属性，以及老年人对身体状况的主观感知、老年人对体育活动的态度等心理因素，对老年人步行时间价值具有显著影响.     

城市货运车辆选择行为模型及应用

基于上海市货车出行特征调查,以限行时段进入市中心配送的货车为研究对象,构建包含配送方式属性特征、出行链属性特征和配送企业属性特征的多项Logit和巢式Logit模型以研究城市货运车辆选择行为.根据参数估计可知配送成本、配送时间、装载率、配送点数和通行证满足度对选择行为均有显著影响.经模型比选,利用较优的巢式Logit模型评估上海市货运通行政策,结果表明,通行政策调整可有效促使面包车的配送出行向小型货车转移,且针对不同配送点数的出行链,面包车配送出行的转移量具有显著差异.最后,提出改善“客车载货”现象的对策建议.     

考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为，运用选择实验的方法，基于问卷调查获得选择行为数据，构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数，得到后疫情时代影响居民出行方式选择的主要因素。结果表明，两种模型均体现了个体出行方式选择的异质性，潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%， 预测精度提高了3.03%，为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景，分别将居民划分为4类、5类人 群。从出行方式属性上看，等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看，在后疫情时代收入更高的女性更倾向选择私家车出行，年龄越大对行程费用越敏感，男性更愿意选择公交、地铁出行。     

建成环境对老年人出行方式选择的非线性影响

研究老年人的出行方式选择有助于更好地理解老年人出行行为,对提高老年人出行便捷性和可达性,构建老年人友好型社会和改善交通系统的公平性具有重要意义。本文基于2021年贵阳市居民出行调查数据,运用梯度提升决策树模型,研究老年人出行方式选择的决策机理,并深入挖掘公交站点辐射区内不同老年群体选择行为的异质性。结果表明：（1）出行特征是影响老年人出行方式选择最重要的因素,相对重要度达58.51%,其次是建成环境因素（35.49%）,二者均远高于社会经济属性的相对重要性(6%)。（2）建成环境对老年人出行方式选择的非线性作用显著,其中老年人步行出行的距离阈值为3 km;老年人出行更多的是空间分散模式,而非以市中心为导向模式。因此,对老年人出行方式选择的干预在建成环境阈值范围内更加有效。（3）建成环境对老年人出行方式选择的影响不仅存在独立的非线性效应,不同的社会经济属性还会导致其存在群体差异。这些发现可为创建面向老年人友好的出行环境提供决策支撑。     

动态停车预约收费条件下的出行行为选择研究

近年来,停车预约动态收费发展迅速,但是现有文献缺乏对动态停车预约收费条件下的出行行为选择的影响因素和影响机理的研究。本文基于宁波市动态定价停车预约意愿问卷数据,综合考察了驾驶人的个人属性、出行特性、停车特征和建成环境,建立了预约、不预约、转移到其他停车场、转移到其他交通方式4种行为选择的巢式Logit模型,并对相关变量进行了显著性分析和弹性分析。结果表明:年龄、家庭年收入、出行目的、出发时刻、出行距离、停车时长、排队时间、预约费用、目的地停车场数量以及出发地和目的地是否有轨道站点影响显著,高收入、通勤、高峰小时出行和长时间停车的人群更倾向于选择预约停车。模型拟合结果显示,考虑出发地和目的地建成环境的巢式Logit模型能够在一定程度上提高出行行为选择预测的精准度。     

新冠疫情对老年人公交出行行为的影响

新冠肺炎疫情对交通运输产生巨大影响，但现有成果主要研究疫情爆发期疫情对交通运输的影响，较少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit 模型，研究后疫情阶段新冠病毒，老年人个人统计学特征，老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中，新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响；新冠疫情和对新冠肺炎疫情严重程度的感知对老年人使用公交意愿具有显著影响；此外，这两个因素也影响老年人外出概率和使用公交的概率.     

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.     

基于NL-累计前景理论的出行方式 选择预测模型研究

为改进效用理论在个体风险偏好、非完全理性决策、方式整体效用等方面的表述局限，联立出行方式与出发时段构建双因素出行方案，并建立基于巢式 Logit(NL)-累计前景理论的出行方式选择预测优化模型.通过累计前景理论将 NL模型所获方案客观效用及选择概率主观化，构建累计权重函数、价值函数并以前景值的形式描述出行方式对出行者的实际感知价值，最后通过调查数据进行建模与验证.结果表明，与仅基于 NL模型进行的方式预测相比，所建模型综合命中率从74.8%上升至85.2%，各方式预测命中率更为均衡.     

基于多元Logit模型的大学生返程交通方式选择行为

为了更好地了解大学生返程交通方式选择现状,采用问卷调查的方式对大学生个人属性、返程交通方式、返程出行的旅行成本进行了调查分析。在此基础上,应用多元Logit模型建立了大学生返程交通方式选择行为模型,并对各因素的影响强度进行了分析。结果表明:男女大学生在返程交通方式选择上差异不明显;由于动车的旅行时间和费用均较低,大学生更倾向于选择动车返程;相较于月生活费低的大学生群体,月生活费高的大学生更偏好于选择私家车返程出行;家庭拥有小汽车的大学生群体也更愿意选择私家车。由分析可知,月生活费、家庭是否拥有小汽车、旅行费用对大学生返程交通方式选择具有重要的影响。     

新冠疫情对老年人公交出行行为的影响

新冠肺炎疫情对交通运输产生巨大影响,但现有成果主要研究疫情爆发期疫情对交通运输的影响,较少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit 模型,研究后疫情阶段新冠病毒,老年人个人统计学特征,老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中,新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响;新冠疫情和对新冠肺炎疫情严重程度的感知对老年人使用公交意愿具有显著影响;此外,这两个因素也影响老年人外出概率和使用公交的概率.     

基于家庭属性差异的大学生出行方式选择行为研究

为剖析家庭属性差异对大学生出行方式选择行为的影响，基于非集计理论，构建家庭属性差异的大学生出行选择多元Logit 模型. 根据四川省2 571 份大学生出行行为调查问卷，运用SPSS 软件标定模型参数，获取影响大学生出行选择的主要家庭属性因素，并进行敏感性分析. 结果表明：家庭平均年收入、经济净流对大学生出行方式选择有显著的影响；以航空运输为参考，家庭平均年收入、经济净流对公路运输方式选择的影响大于铁路运输；“祖辈替孙辈购买机票”的折扣票务形式可提高大学生选择航空出行的概率.     

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.      

基于NL-累计前景理论的出行方式选择预测模型研究

为改进效用理论在个体风险偏好、非完全理性决策、方式整体效用等方面的表述局限,联立出行方式与出发时段构建双因素出行方案,并建立基于巢式 Logit(NL)-累计前景理论的出行方式选择预测优化模型.通过累计前景理论将 NL模型所获方案客观效用及选择概率主观化,构建累计权重函数、价值函数并以前景值的形式描述出行方式对出行者的实际感知价值,最后通过调查数据进行建模与验证.结果表明,与仅基于 NL模型进行的方式预测相比,所建模型综合命中率从74.8%上升至85.2%,各方式预测命中率更为均衡.     

区域中短距离商务出行公共交通方式选择研究

商务出行作为区域经济发展的重要纽带,其出行方式选择研究是商务出行的重要内容.通过在上海各交通车站调查长三角区域中短距离商务出行,分析旅客商务出行方式选择行为,将高速铁路与动车合并为一类城际列车方式进行分析,运用非集计的巢式Logit模型建立旅客出行方式选择模型,分析影响商务出行方式选择的因素.将2种方式分开分析及对比,验证了此模型的适用性.     

考虑汽车共享服务的出行方式选择影响因素研究

为了分析汽车共享服务对城市出行者出行方式选择行为的影响，基于随机效用理论，运用行为调查和意向调查数据，以汽车共享服务、出租车、地铁三种出行方式作为选择肢，构建多项Logit模型，并应用SPSS软件对模型进行拟合检验与参数估计。研究表明：性别、年龄、最常使用交通工具、日常通勤单程距离、出行距离和汽车共享服务收费标准均会对出行者的汽车共享服务选择行为产生显著影响；中青年男性更倾向于选择汽车共享服务出行，且随着出行距离的增加、汽车共享服务收费标准的降低，汽车共享服务被选择的概率会增大；相较于出租车，日常通勤单程距离为20~30km的出行者更倾向于选择汽车共享服务；相较于地铁，最常使用交通工具为私家车的出行者选择汽车共享服务的概率更大。因此，为提高汽车共享服务被选择概率，应提高用户体验、服务水平，合理设置收费标准。     

城市群内城际短途出行方式选择行为建模

将出行者的城际间短途出行分为两个阶段:市内出行阶段和城际出行阶段,并结合交通网络首先对城际出行全过程进行了分析。根据效用最大化理论对居民城际出行两阶段出行方式选择行为建立巢式Logit模型,水平1为市内出行方式选择阶段,水平2为城际出行方式选择行为阶段。最后根据RP调查数据运用Trans CAD对所建模型进行标定与检验。通过对模型的标定结果进行分析可得:反映水平1对水平2影响作用大小的包容系数λ的最终标定值为0.654,且通过了T检验,这表明市内出行阶段所产生的效用对城际出行阶段的方式选择行为具有显著影响;考虑市内出行时所建的NL模型较不考虑市内出行时所用的ML模型的优度比提高了0.07,说明NL模型的精度更高。     

基于机器学习的中型城市居民出行方式选择行为研究

为探索中型城市居民出行特征以及不同因素对出行方式选择行为的影响机制,本文以中国某中型城市居民出行数据为例,综合考虑传统离散选择模型和机器学习模型在预测精度和建模合理性上的优劣,以及机器学习模型超参数求解算法的特点和效率,引入变异程序,提出粒子群优化随机森林的中型城市居民出行方式选择预测模型,采用预测准确率、出行方式比例预测绝对误差和期望模拟误差这3项性能指标,量化对比粒子群优化随机森林模型与多种机器学习模型和多项Logit模型统计学上的预测性能差异,利用SHAP(SHapley Additive exPlanation)模型深入分析个人社会经济属性、出行属性及出行方式属性等相关因素与居民出行方式选择之间的非线性关系。结果表明：粒子群优化随机森林模型整体平均预测准确率最高,为0.856,出行方式比例预测平均绝对误差和期望模拟平均误差最低,分别为0.062和0.306,模型间指标差异在统计学检验下显著;距离对不同出行方式选择的影响最显著,步行和私家车出行对距离敏感性更高,不同距离下,两者选择概率变化超过35%;30岁以下群体不同出行方式选择概率差距大于其他年龄段;性别、是否拥有私家车或公交...