考虑心理潜变量的出行方式选择行为模型

为系统考虑心理因素对出行方式选择行为的影响,以计划行为理论为框架整合了对通勤方式选择行为具有影响的各种心理因素,分别对摩托车、公交车和小汽车构建了3种多指标多原因模型,估计模型参数后预测心理影响潜变量的拟合值,作为解释自变量加入到传统的条件Logit模型中形成了混合选择模型。采用实证数据分别以公交车和小汽车作为效用基础项估计并比较了传统离散选择模型和混合选择模型中各参数影响的异同,最后利用月收入的变动检验了2个模型的预测能力。结果表明:不是所有的心理影响潜变量都对通勤方式选择行为有显著性影响,混合选择模型比传统不带潜变量的选择模型对实证数据具有更高的拟合度,其预测值也更为稳健。     

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。     

考虑心理潜变量的城市电动自行车用户出行决策行为

为探究电动自行车用户对不同城市电动自行车规范管理政策的行为响应机理,采用问卷调查方法收集用户的社会人口特征、出行特征、心理特征以及在不同政策下的决策,基于心理接受度等潜变量构建了多指标多因素模型, 得出了潜变量的拟合值,将潜变量作为解释变量引入到行为决策模型中,构成了混合选择模型来分析社会人口变量、出行特征变量和心理潜变量对电动自行车用户出行决策的影响。结果表明：①电动自行车用户的心理特征显著影响其出行决策行为,对政策接受度更高的用户会表现出更强的正面行为倾向;②经济因素是导致出行者继续使用超标违规电动自行车或违反政策的主要原因;③提供报废补贴能中和收入对决策的影响,促进低收入家庭购买符合标准的电动自行车;④政策的实施会促进电动自行车交通向小汽车交通的转移。     

基于Logit模型的大连市居民通勤出行行为研究

针对大连市主城区进行通勤出行方式的意向偏好调查.选取7家企事业单位的200名驾车通勤者作为研究对象,建立以私家车、公共汽车为选择对象的二元Logit模型,研究停车收费及公交服务水平的变化对不同特性停车者的出行选择方式影响.结果表明:停车收费费率及公交服务水平对城市居民的通勤出行方式选择有显著影响.将合理的停车收费体系与提高公共交通服务水平相结合,是一种优秀的交通需求管理手段.     

基于心理潜变量的乘客公共交通满意度研究

为了缓解地铁运营初期城市交通拥堵,考虑常规公交和地铁的快速准时性、便捷性、舒适性等8个心理潜变量,运用结构方程模型分别对乘客常规公交和地铁的出行满意度影响机理进行深入探究,不仅分析各心理潜变量之间的内在联系,也探究个人社会经济属性与心理潜变量之间的相关性。结果表明,常规公交与地铁的快速准时性、便捷性、舒适性分别对乘客的常规公交出行满意度和地铁出行满意度存在显著影响;乘客的性别、年龄、受教育程度和是否有车对部分心理潜变量产生不同程度的影响。研究结果可为地铁运营初期的城市提升常规公交和地铁服务水平、提高公共交通出行分担率提供管理策略。     

基于巢式Logit模型的航空港集疏运方式选择研究

为研究航空旅客出行方式选择行为,在航空港集疏运系统需求描述的基础上,介绍并运用巢式Logit模型原理,以广州白云国际机场为实例,建立适用于白云机场集疏运系统的方式选择模型(NL模型),分析确定各相关影响因素项的影响机理,运用最大似然估计法对虚拟选择枝的共性和相异部分的参数进行修正和标定,从而获取各种集疏运方式的选择概率.结合调查选取的20份样本数据,运用模型编程计算得出私人小汽车、出租车、机场巴士、城际巴士和城市轨道共5种集疏运方式的方式选择概率分布结果,结果显示私人小汽车和出租车二者占比大于45%,机场巴士和城际巴士占比约40%,城市轨道仅占比15%.因此,为大力发展城市的公共交通,需要对白云机场提出具有参考性集疏运系统改进方案,为今后航空港集疏运系统的发展和航空旅客交通方式选择行为研究提供一定的借鉴.     

基于巢式Logit模型的交通方式选择行为研究

与传统的多项Logit模型(MNL)相比,基于离散选择理论的巢式Logit模型(NL)放宽了IIA限制,具有更好的解释能力.文中介绍了NL模型的原理及公式推导,并将其应用于交通方式选择行为中,通过实例,建立交通方式选择模型,利用SAS软件对其进行求解和分析,得到出行者对各种交通方式的选择概率.     

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.     

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。     

基于贝叶斯网络的出行方式选择模型研究

论文以居民出行方式选择为研究对象,分析了城市居民出行方式的影响因素,建立了基于贝叶斯网络的居民出行方式选择模型,并以苏州市为例,结合居民出行调查数据采用极大似然法对模型进行了参数估计,并采用贝叶斯网络推理方法验证模型精度。结果表明,该模型能较全面地考虑居民出行选择的影响因素,模型精度较高。     

基于Logit模型的集装箱物流运输方式选择与评价研究

集装箱运输方式是决定企业物流成本和运输效率的重要指标之一。明确海运或铁路等运输方式各自的选择偏好,对降低企业运输成本,做出合理决策具有重要的现实意义。基于此,文章综合马六甲东海岸铁路工程建设,选择上海港至瓜达尔港实际运输线路,提出并构建海运经新加坡中转和途经马来西亚东海岸铁路运输两种模式下的Logit选择模型,计算两种运输方式下的概率分布。此外,对集装箱船舶尺度因素进行了灵敏度分析。结果表明,当物流企业倾向于时间成本最小时,铁路中转运输概率较大;当侧重经济成本时,海运中转概率较大。与此同时,集装箱船舶尺度的变化,对运输方式的偏好影响较大。     

基于潜类别Logit模型的两轮车骑行者头部损伤影响因素研究

为研究汽车-两轮车碰撞事故中骑行者头部伤害的影响机理,探究头部损伤致因关系中存在的模式差异与异质性,基于中国交通事故深入研究（CIDAS）数据库中的2 806起两轮车事故,建立潜类别Logit模型。以骑行者头部伤害严重程度为因变量,将驾驶人、车辆、道路、环境和事故碰撞特征的相关因素作为自变量,取显著水平为0.05,建立多项式Logit模型,在此基础上根据拟合优度指标确定最优分组数并构建出潜类别Logit模型。研究结果表明：模型将事故样本划分为2个类别群体,2个群体在参数、变量分布特征和预测概率上存在显著差异,当事故样本具有“两轮车初始速度>30 km/h”、“骑行者碰撞后抛出距离>10 m”等特征时易被归类到类别1,且类别1对应于更严重的头部伤害;骑行者年龄>50岁、汽车类型为商用货车、两轮车类型为摩托车、事故发生在市区外、两轮车初始速度>30 km/h、头部碰撞玻璃和抛出距离>5 m都会增加头部损伤的严重程度;汽车驾驶人行驶意图为停车或变道时,存在造成严重两轮车事故的风险;佩戴头盔会减弱骑行者头部受到的伤害。     

基于SB分布的Mixed Logit交通方式分担模型及其验证

研究了SB分布函数的分布特性,发现SB分布比正态分布和对数正态分布能更好地表达单向偏好因子的参数,结合合肥市居民出行调查数据,建立了Logit交通方式分担模型和两种约束条件的SB分布Mixed Logit交通方式分担模型MIXED1和MIXED2,通过对比分析发现MIXED2模型对原始数据解释更合理,且更能体现出行者对出行时间认识上的差异性,文章最后对模型进行了公交出行时间敏感性测试,结果表明实施公交优先后,公交客流转移量主要来源于自行车使用者。基于SB分布Mixed Logit模型不存在Logit模型的IIA缺陷,且能体现出行者对影响因素认识上的差异性,其更适合于交通方式分担建模。     

基于量子概率理论的出行方式选择模型研究

为构建更加合理的出行方式选择模型,提高预测出行行为的精度,在量子概率理论框架下建立了出行方式选择的几何类量子模型,并对火车和汽车2种出行方式选择情形进行敏感性分析,考虑了情境效应、问题干扰以及不同初始信念状态,结合不同预备问题运用几何类量子模型实现了初始信念状态到最终信念状态的转变。验证发现,几何类量子模型可以捕捉人们在决策之前信念状态的变化,进一步缩小陈述偏好与显示偏好的差距,研究结果丰富了交通选择行为的基础理论。     

基于出行方式划分模型的摩托车禁行问题研究

针对城市交通摩托车禁行(简称"禁摩")问题,分析了摩托车交通带来的安全和污染问题,建立了Logit Kernel方式划分模型,并从完全"禁摩"和公交优先引导两种交通策略正反两个方面分析了交通策略实施后摩托车出行分担量的转移情况。结果表明从正面引导减少摩托车出行的公交优先策略对限制摩托车出行的效果并不明显,要想改善摩托车出行带来的交通问题,必须实施"禁摩"交通政策。     

基于慢变量的交通客流预测模型

从影响交通客流分布的最主要因素——人口、能耗、区域面积出发,提出交通质量的概念,并基于它提出了新的交通发生(吸引)模型,参照万有引力定律对重力模型进行了改进。用实例将预测模型与传统的预测模型相比,说明模型的可行性和有效性。     

基于Logit模型的动态道路收费最优控制模型

在Logit动态的基础上建立了收费和通行能力的联合控制模型,通过控制时变的道路收费水平和通行能力,优化交通流的演化轨迹,使交通系统达到最优。通过简单的算例,在Logit动态的基础上对道路中的交通流进行分析和预测,进而对车辆进行诱导,从而达到交通管理的目的。     

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.     

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。