交通枢纽中换乘客流的非集计模型研究与应用

在基于非集计离散选择模型的基本理论与建模方法上,结合上海南站乘客换乘调查数据,并选择公交车、出租车、私人小汽车等在内的枢纽站中拥有的交通方式作为居民出行的方式选择方案,建立了交通方式选择MNL模型。然后应用SPSS数据统计软件对所建的MNL模型的参数进行了标定。结果表明,非集计建模方法能够较全面的考虑换乘乘各出仃选择的各方面影响阕素,该方法是可行的。并且相对于集计模型,它减轻了调查样本的数量,从而使得该方法更为经济和有效。     

基于非集计模型的公交出行选择预测模型

为研究城市居民选择何种公交方式出行,以非集计理论为方法,结合西安市城市居民公交出行特性,以地铁出行和地面常规公交为选择肢,确定相关因素作为影响变量,可建立居民公交出行选择MNL模型.使用交通分析软件TransCAD标定模型,可获得模型各影响变量参数值,并依据统计学原理和相关参数检验对模型参数进行分析,最后再运用另外400份居民公交出行调研数据对模型进行精度验证.     

公交分担率测算分析与研究

论文从公交分担率的宏观影响因素(社会经济发展、交通基础设施、土地利用、交通政策)及微观影响因素(出行者特性、出行特性、交通方式特性)入手,通过分析研究非集计模型的理论,对关键影响因素进行量化处理,利用南京市现状居民出行调查数据和Trans CAD软件构建了多项Logit(MNL)模型,并对模型计算出的参数结果进行分析,求出样本中各居民所选择常规公交、地铁、出租车这些公共交通的出行方式概率,并与实际公交分担率进行对比,根据绝对误差来评价了模型精度。最后结合交通需求管理的原理以及模型变量提出了提高公交分担率的相关策略。     

城市居民出行空间和方式联合选择模型研究

考虑到出行者出行空间和出行方式之间的重要联系,本文基于非集计模型中Nested Logit模型的理论和方法,结合2005年国内某大型城市居民出行调查数据,建立了城市居民出行空间和方式的联合选择模型。模型为2层的NL模型,第1层为空间选择层,第2层为方式选择层,以此将出行空间选择和出行方式选择连接起来。模型采用统计软件STATA 9进行标定,并通过统计指标进行验证,深入分析了影响出行者出行空间选择和出行方式选择的重要因素。最后,用同样的数据源建立了方式选择的MNL模型,通过对比联合模型和MNL模型的命中率和集计结果表明,出行空间和方式联合选择模型能够在较细的层面上预测出行者出行空间和交通方式的选择情况,从而提高了模型的精度和实用性。     

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。     

公交服务质量变化对出行方式选择行为的影响

为了研究公共交通服务质量的变化对居民出行方式选择行为的影响,利用非集计分析和统计分析的方法,采集中山市在2009年和2015年的居民出行调查数据,形成混合截面数据并建立多项Logit(MNL)模型,分别分析各个时间影响居民出行方式选择行为的影响因素,并结合模型结果与统计分析数据分析居民出行方式选择行为变化以及公共交通服务质量的改变所产生的影响。研究结果表明:相比于2009年,2015年该区域的居民出行行为发生了较大改变,摩托车和自行车出行比例下降,公共汽车和小汽车出行比例上升;在此期间等候公交车时间取代了步行至公交车站的时间成为了影响居民出行方式选择的主要因素;该区域居民步行至公交车站的时间逐渐降低,而居民等候公交车的时间持续提升;公交服务质量的演变影响出行方式选择行为,而较差的公交服务质量指标显著影响出行方式选择行为;原本服务质量较好的指标在恶化的过程中会成为影响出行方式选择行为的主要因素;原本服务质量较差的指标,在改善变好的过程中不再成为出行方式选择行为的主要影响因素。     

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。     

基于MNL模型的居民出行方式选择行为研究——以南方某小城市为例

为明确城市居民出行方式选择的关键影响因素，调节城市居民出行结构，提高城市交通系统效率，以南方某小城市居民出行数据为研究对象，基于随机效用最大化理论构建多项MNL(Multinomial Logit)模型，分析了个人属性、家庭属性和出行方案属性对出行方式选择产生的作用。通过分析MNL模型统计回归结果，得出以下结论：1)个人属性中，年龄、性别、个人月收入、受教育程度、驾照拥有情况对居民出行方式选择行为有显著影响；2)家庭属性中，住户小汽车拥有情况和摩托车拥有情况对居民出行方式选择行为有显著影响；3)出行属性中，出行时间和出行目的对居民出行方式选择行为有显著影响，而出行费用在出行选择过程中没有显著作用。     

基于驾驶员行为的交通信息发布方式选择研究

信息技术在交通方面的应用越来越广泛,交通诱导信息的发布可大大提高路网的运营能力,为缓解交通供需矛盾提供了一个有力工具。交通诱导信息作为城市交通流分布的重要影响因素,通过改变驾驶员的出行时间、出行方式和出行路径,使道路上的交通流重新分配。本文以SP调查数据为支撑,从出行行为角度分析交通诱导信息方式对驾驶员出行选择行为的影响。利用非集计模型建立驾驶员选择行为模型,预测分析拥堵状态下,驾驶员对不同交通诱导方式的选择行为,进而有序地引导驾驶员出行选择,以达到缓解交通拥堵的目的。     

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。     

攻击性驾驶行为选择模型及影响因素敏感度分析

基于行为学理论和非集计方法,以160名驾驶人为研究对象,确定了影响驾驶人攻击性驾驶行为选择的影响因素变量及取值方法,建立了攻击性驾驶行为选择模型（多项Logit模型）。运用弹性值理论进行各变量对攻击性驾驶选择行为的影响程度与过程敏感度分析;最后选取58名驾驶人的驾驶行为数据进行计算,验证模型的有效性。结果表明：驾驶人人格和其他车辆违法情况2个因素对驾驶人攻击性驾驶行为影响较大,起决定性作用;该模型计算值与量表判定值相对误差在10%左右,模型精度可满足实际使用要求。     

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....     

出行方式决策的随机效用模型研究

基于随机效用理论的多项logit(MNL)模型常用来解决多方案选择问题。介绍了该模型进行个体出行模式决策分析的方法,建立了线性效用函数假设条件下,个体出行模式选择概率与模式特性变量之间的近似线性关系。最后通过一个两模式决策分析的简例说明该模型的用法及灵敏度分析方法。     

上海浦东国际机场集疏运交通方式选择行为分析

针对上海浦东机场航空旅客,进行机场集疏运交通方式选择行为研究,通过浦东机场航空旅客的SP调查数据,分析了集疏运系统服务水平对航空旅客交通方式选择行为的影响,在按照出行目的、居住地情况和携带大件行李3个要素对航空旅客进行市场细分的情况下,建立了分类的机场集疏运交通方式选择行为的多元Logit模型,对影响机场交通方式选择的...     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据，基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素，选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据，选取3 000组实际运行数据完成公交行程时间预测模型的训练，另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间，预测值平均相对误差为3.23%，绝对误差集中在8 s左右，明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型，可认为选择RFID电子车牌数据作为组合模型的输入，能够明显改善模型预测精度；组合模型预测值的残差分布更为集中、鲁棒性较好，泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标，结果进一步表明，组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

旅游公路交通量预测模型研究

为了更加准确的预测旅游公路的交通量,基于交通生成原理的不同,将旅游公路的交通量分成旅客交通量和背景交通量两部分。首先根据景区的等级、接待能力、特点和历史等数据预测得到景区的特征年旅客接待人数,根据景点周边城市的规模和交通条件求出旅游公路的通道交通量,考虑旅客出行特性的不同,采用非集计模型进行交通方式选择预测。最后加上通过常规预测方法求出的背景交通量得到旅游公路的总交通量。本文对旅游公路建设前期工作的研究有着重要的指导意义。     

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.