基于DAG-SVM的居民出行方式选择模型

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.      

基于结构方程模型的城市居民出行方式选择研究

研究居民的出行方式是优化出行结构、科学制定交通需求管理措施的前提。目前针对居民出行方式选择的研究多集中在个人属性和出行特征方面,没有考虑交通供给水平和城市规模的影响。文中在山西太原、运城和吕梁3个规模不同的城市进行居民出行调查,选取个人属性、出行偏好、出行特性、交通供给水平、城市规模和出行方式作为变量,构建居民出行方式选择结构方程模型进行出行行为研究,为交通部门制定交通需求管理政策和优化居民出行结构提供依据。结果表明,经济特征对个人属性的影响最大,经济条件越好的出行者越有可能选择私家车出行;公交供给越充足或停车位供给越少,居民越有可能选择公交车出行;出行偏好期望越高、出行距离越远、出行次数越多的居民选择私家车的概率越大;高峰期出行和工作出行时选择公共交通的概率更大;大城市居民相比中小城市居民更倾向于私家车出行。     

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

基于Logistic模型对居民弹性出行影响因素建模研究

居民弹性出行特征是城市快速发展进程下的产物,随着城市居民生活水平不断提高,弹性出行在所有出行中所占比例逐渐增加,因而对居民弹性出行的研究愈发重要。为研究居民弹性出行特征的影响因素,首先利用居民弹性出行行为调查的RP-SP融合数据,结合方差膨胀检验方法研究影响居民弹性出行特征各因素间的线性相关性,最后构建多元Logistic模型,分析居民弹性出行前获取出行时间信息、天气信息作出出行选择时影响因素的显著性程度。结果表明,在0.05的显著性水平下,影响因素中年龄、游客类型、主要交通出行工具等显著影响居民弹性出行选择;居民出行前获知交通信息,弹性出行的概率能有效降低9%,在一定程度上可以降低交通压力,缓解交通拥挤。     

基于Mixed Logit模型的新建轨道交通客流转移预测

研究以轨道交通客流转移预测为目标,综合考虑居民出行选择习惯、交通信息及交通环境等因素,利用乌鲁木齐市居民出行方式选择SP调查(Stated Preference Survey)数据构建ML(Mixed Logit,混合Logit)模型,对城市轨道交通客流转移进行实证研究。研究结果表明,ML模型能够反映出个体选择喜好的随机特性;居民出行选择习惯、交通信息及交通环境因素显著影响居民向轨道交通转移的选择;轨道交通1号线和2号线建成后,预测可承担乌鲁木齐市南门附近居民31. 75%的出行,该部分出行主要是从常规公交、BRT和出租车转移而来,而私家车出行向轨道交通转移较困难。研究成果可为轨道交通建设的城市特别是新建轨道交通的城市提供有力的数据支撑和理论基础。     

迁安市居民出行调查与交通特性分析

为指导中心城区交通规划的展开,迁安市展开中心城区范围内居民出行调查,对迁安市居民交通出行特征进行全面分析.通过居民出行调查数据分析,从性别、年龄、职业、交通工具拥有量、出行率、出行方式、出行分布等方面,梳理迁安市居民样本特征及出行特性,在相应的调查分析基础上,对迁安市交通特性的发展方向进行预测,为交通需求模型的搭建提供参数,为新城交通政策的制定提供依据,也为类似城市的发展提供借鉴.     

河谷型城市过境交通规划研究

河谷型城市是城市主体在河谷中形成和发育的一类城市。该文从河谷性城市所面临的严重交通问题入手,通过介绍河谷型城市的定义和特征,分析了河谷型城市过境交通对城市内部交通的影响。以河谷型城市过境交通调查为基础,提出了一种用于河谷型城市过境交通规划研究的方法。并以兰州市为例,就存在的问题,给出了一些解决措施。     

苏州居民通勤出行交通方式选择特征研究

通过对苏州居民出行调查中有关通勤出行的信息进行分析计算,研究了通勤出行交通结构、不同人群交通方式选择特征以及通勤交通方式的出行距离特征,该分析结果有助于城市交通发展规划,特别是针对城市居民上下班出行的交通政策的制定和交通系统的设计。     

单中心大城市土地利用对居民出行方式的影响

为了全面了解大城市内部土地利用对居民出行行为的影响,以团块状单中心大城市为例研究了居民出行方式的相关特征。结果表明,团块状单中心城市内部土地利用密度和区位对居民出行方式有显著影响,步行和自行车出行比例由市中心向外围随着人口密度的减小而递减;助力车、摩托车、公交车、私家车出行比例则由市中心向外围随着人口密度的减小呈梯度式递增。土地混合利用程度对出行方式的选择影响不明显。土地利用对居民出行方式间的转移没有显著影响,居民出行方式间的转移局部与全局的特征相似。     

乌鲁木齐市居民定制公交出行意愿及影响因素研究

为了解乌鲁木齐市居民选择定制公交出行的意愿及影响因素,对该市6个行政区的620名通勤出行人员进行问卷调查,根据调查结果,从出行者个体特征(性别、年龄、经济水平等)、出行特征(出行距离、出行时耗等)和定制公交交通特性(票价、停车次数等)三方面分析影响居民选择定制公交作为出行方式的因素,以引导居民向定制公交出行方式转移,并为乌鲁木齐市定制公交线路开设、运营及政策制定提供参考依据。     

居民全日出行方式选择动态模型研究

为改进现有交通方式选择模型,提高交通方式预测模型精度,基于出行链建立了居民全日出行方式选择动态模型。从居民出行方式选择机理分析入手,确立出行方式选择动态影响因素,在多项Logit模型（MNL模型）的基础上建立了方式选择动态模型。模型中增加了2类动态影响因素,即先前出行方式选择结果对后面出行方式选择的影响和主链的出行方式选择结果对子链出行方式选择的影响。最后以安徽省淮北市为例对模型进行了实例分析。结果表明：所建立的动态模型的优度比和预测准确率较基于单次出行效用的MNL模型有较大提高,变量在模型中的意义符合中国国情,模型可服务于城市交通规划和交通政策制定。     

邯郸市出行者交通方式选择行为差异性分析

针对邯郸市城市轨道交通线路规划工作,根据居民对轨道及其他交通方式选择的意愿调查,利用ML模型对影响公共交通和小汽车使用者出行方式选择的显著性因素进行差异性分析;进行出行方式选择弹性分析,得出不同影响因素设计水平下各交通方式客流分担率之比.其结论为相关政策的制定提供参考.     

欠发达地区中长距离出行方式选择行为机理研究

分析欠发达地区中长距离出行方式选择行为机理,能够为区域综合交通规划及客运组织提供理论依据。基于非集计理论,将居民个人属性、交通属性和出行属性作为影响因素,根据欠发达地区中长距离出行方式分布情况,将公路、铁路、民航3种出行方式作为选择肢,构建了欠发达地区居民中长距离出行方式选择的多元Logit模型。利用云南省1 642份旅客出行行为调查的有效问卷,运用SPSS软件对多元Logit模型参数进行标定,获取了欠发达地区居民中长距离出行方式选择的主要影响因素,并对各影响因素进行了敏感性分析。结果表明:欠发达地区居民中长距离出行方式选择主要受居民月收入、学历、出行距离等7个因素的影响,其中,月收入、学历和出行距离对出行方式选择结果存在显著的负向影响。对于选择公路出行的乘客而言,换乘便捷性对选择结果影响的显著性高于乘坐舒适度;对于铁路出行的乘客,乘坐舒适性对选择结果影响的显著性较高。当出行距离每增加1个单位,选择公路出行的概率降低0. 104个单位,选择铁路出行的概率降低0. 328个单位。学历与月收入的弹性值分别为1. 307和1. 297,均大于1,表明学历与月收入2种因素对欠发达地区居民中长距离出行方式选择的敏感度较高;其余因素对出行方式选择的敏感度存在一定差异。     

城市居民出行方式选择的满意准则模型

首先采用模糊数学理论将影响城市居民出行方式选择的诸因素综合作用的结果归结为居民出行意愿，然后以专家评判法确定的城市不同交通方式服务水平的综合评判结果作为满意度值，建立了基于居民个人出行意愿的满意准则模型，并采用遗传算法求解居民个人属性的特征向量，从而为居民出行方式的选择提供切实可行的决策方法。最后以实例验证了该模型的正确性。     

保定市居民出行特征调查报告

居民出行特征调查是编制城市综合交通规划及各类相关规划的基础,为政府的交通政策制定提供依据.该文以大量、翔实的实地调查数据为基础,详细分析了保定市2008年的居民出行基本特征、出行方式特征及出行时间特征,为编制综合交通规划、制定交通政策做准备.     

居民出行方式选择非集计模型的建立

基于非集计离散选择模型的基本理论与建模方法,结合2003年北京居民出行调查数据,对影响居民出行方式选择的因素进行了分析,选择包括公交车、出租车、私人小汽车等在内的5种日常生活中较为常用的交通方式作为居民出行的方式选择肢,确定了影响居民出行方式选择的特性变量及相应的取值方法,建立了交通方式选择MNL模型。应用Matlab优化工具箱中的无约束最优化函数对所建的MNL模型的参数进行了标定,并通过命中率的计算验证了模型的有效性。结果表明,非集计建模方法能够较全面的考虑居民出行选择的各方面影响因素,尤其是将出行者的个人特性影响因素引入模型,提高了模型的预测精度和实用性。     

基于心理因素的公共交通方式选择行为研究

在传统出行交通方式选择中,出行者会在综合考虑时间、费用、环境及可选交通工具等客观因素后理性地决定自己的出行方式,出行者作为有限理性的主体,其主观的心理因素对出行交通方式选择具有重要影响。文中分析心理因素对出行方式选择的影响,构建心理因素影响下出行方式选择模型,并从心理学的角度对出行交通方式选择中心理过程和个性的关系进行分析,进而指出城市公共交通发展中应注意的问题。     

深圳市中小学出行特征及交通出行率分析

深圳市中小学生家长使用私家车辆接送比较多,且接送时间比较集中,对周边道路交通产生较大影响.选择深圳市14所中小学进行交通特征问卷调查,获得出行方式、接送比例、出行时耗、出行时间分布等特征,进而推算以班级、学位、建筑面积等为统计单位的机动化出行率及全方式出行率,为学校周边交通组织及新建学校交通影响评价工作提供数据支持.     

不同规模城市居民出行方式影响因素分析

明确影响不同规模城市中居民出行方式选择的关键因素及其影响路径,有助于采取针对性策略调节城市居民出行结构,进而提高城市交通系统效率,缓解交通拥堵、空气污染等"城市病".现有研究较少关注中、小城市的居民出行方式选择,较缺少同省份居民出行方式选择的跨城市规模对比分析,不利于策略制定者运用出行方式关键影响因素调节居民出行行为....     

基于大数据的出行方式分配预测研究

随着城镇化及城市交通机动化的进程加快，在城镇化和机动化的共同作用下，交通拥挤问题已经成为制约城市发展和影响居民生活质量的主要问题之一。居民出行行为研究在交通管理和控制中有着非常重要的作用。结合多元大数据，构建出行方式选择的概率模型，有助于不同小区的出行方式分担率的预测，对缓解城市交通压力、提升运营管理能力有直接作用。本文基于小区出行分配、公共交通和非公共交通以及公交和轨道出行三个层级，分别得出出行分配预测模型，并形成计算机程序。利于实际应用，对识别城市出行特征、缓解城市交通压力提供有效措施。