社会规范对城市交通方式选择行为的影响

为探索如何促进城市居民自愿向可持续出行方式转移,本研究引入社会心理学 中“社会规范”的概念. 在对其细分的基础上提出了不同内化程度的社会规范影响个体出 行行为的路径模型. 通过网络调查获得上海居民的意愿及出行行为数据,采用logistic和 线性回归的方法验证了假设. 结果表明,主观规范、个体规范直接影响个体公共交通出行 意愿并进而影响其公交出行频次;而描述性规范对公交出行意愿既有直接影响,也有通 过“私家车保有”中介的间接影响,同时还直接影响公交使用频次;个体的私家车购置行 为,则主要受到月收入和描述性规范的影响.     

基于朴素贝叶斯分类器的公交通勤人群辨识方法

公交IC卡数据中通勤用户卡号ID的辨识和提取是其公交出行行为特征分析的前提.本文以厦门市公交IC卡刷卡记录为依托,结合相关问卷调查,提出一种基于朴素贝叶斯分类器(Na?ve Bayesian Classifier,NBC)的公交通勤人群辨识方法.首先,利用两种数据源中(问卷调查数据与IC卡数据)同时包含的公交出行信息,例如工作日首次刷卡时间、每周工作日刷卡天数等,建立其与调查数据中独有的类别变量(通勤人群/非通勤人群)之间的贝叶斯概率关系,并以此构建与训练NBC模型.然后,利用未参与训练的调查样本对标定后的模型的预测准确性进行测试,通勤人群的预测成功率达到88%.最终,利用测试验证后的NBC模型对公交IC卡数据中通勤人群进行识别,结果显示,厦门市公交通勤人群的数量介于26万人到32万人之间,并给出相关指标的统计结果.     

基于RFM模型的通勤人群公交忠诚度研究

以上海市通勤人群公交使用情况问卷调查数据为依托,运用营销学领域中识别顾客忠诚度的RFM模型及相关统计学方法,从"行为忠诚"与"态度忠诚"两方面探讨乘客公交忠诚度的界定与划分,并结合公交服务质量,顾客满意度和顾客忠诚度的相关理论,重点分析上海市通勤人群公交忠诚度的分布情况,并在此基础上建立公交忠诚度影响因素分析模型.结果表明,约1/3受访者虽然目前表现出高强度的公交使用行为,但未来有向公共系统外的其他交通方式转移趋势和风险,而公交使用的态度忠诚度主要受年龄、教育背景、轨道交通票价、公交候车时间、行程时间稳定性及公交车厢拥挤程度影响.     

基于多源数据的OD分析模型和系统实现研究

为进一步提高公交企业管理水平,促进传统公交运营管理向数据驱动的主动管理模式转化,对乘客OD(交通起止点)信息的获取进行了研究.在分析现阶段行业内主要的OD信息获取方式及存在问题的基础上,提出以城市公交IC卡数据、公交车辆GPS数据和公交站点GIS数据为主要研究对象,利用多源数据融合技术,运用优化后OD推导算法进行计算,得到乘客OD信息,并通过实例分析验证算法的有效性和适用性.此外,设计了基于多源数据的OD信息管理系统,实现对公交大数据的处理及可视化展示,起到支撑公交系统焦点问题量化分析的作用,使公交运营管理工作有的放矢.     

多元数据下的公交站点客流不确定性分析

利用长期收集的公交站点IC卡刷卡数据,基于区间不确定性理论,提出公交上下车站点区间不确定性客流推导方法.首先,将公交IC卡数据和GPS数据与公交站点信息相融合,确定IC卡刷卡的上车站点及其区间不确定性客流;然后,对公交刷卡行为进行分析,考虑乘客个体出行特征、乘客出行距离和站点吸引权重,提出下车站点客流推导概率模型及相应算法,通过区间数处理方法,得到下车站点客流区间值.最后,以2015年11月13日~12月25日深圳市21路公交为期6周的IC卡刷卡数据和GPS数据为例进行实例分析.     

多源数据驱动的轨道交通与公交换乘特征和服务范围研究

以苏州市轨道交通5号线开通后地面公交的线网优化规划为例,提出基于多源数据的轨道交通和公交换乘客流特征分析方法,并用以划分服务范围.利用轨道交通和公交的IC卡刷卡数据及手机大数据,模型分析轨道交通和公交换乘客流和潜在客流进行换乘的行为,明确轨道交通新开后对公共交通的影响范围,并预测换乘的公共交通供需变化,作为线网调整优化的依据,并在项目应用中得到较好的应用.该模型可用于轨道交通开通后公共交通线网优化的实际工作中.     

单条公交线路的IC卡数据分析处理方法

及时而准确地掌握城市公共交通运营及客流信息,是进行科学合理的公交运营决策和公交网络规划的前提。随着城市公交IC卡的广泛运用,从IC卡信息中提取城市公交客流信息成为又一种公交数据采集方法。通过公交IC卡数据分析处理方法,可以得到实时准确且连续的公交客流信息数据,较之传统的人工调查方法经济实用,数据结果准确度高。以单条公交线路的IC卡信息为例,提出单条公交线路运营及客流信息的分析处理方法,得到包括站点客流、线路客流、断面客流等主要客流指标的分析计算方法。     

基于APTS大数据的城市公交出行多维分析模型和方法

智能公交系统(Advanced Public Transportation Systems,APTS)数据具有海量、类型多样等大数据的典型特征,对其进行分析和挖掘可能获得丰富的公交出行特征和规律.构建基于APTS大数据的公交出行多维分析框架,在计算乘客出行时空信息(上车、下车和换乘)的基础上,建立包含4个维度(乘客、时间、空间和行为)的公交出行数据模型,系统提出基于5种联机分析处理方法的公交出行分析内容.应用APTS大数据对模型和方法进行了实验和验证,研究结果表明,该方法能够便捷地分析不同维度、不同粒度的公交出行信息,不仅能够应用于公交乘客出行行为的研究,还能够为城市公交系统的规划和管理提供决策支持.     

基于多源大数据融合分析的公交优惠政策评估

为科学评估公交优惠政策的实施效果,采用公交客流量、财政补贴等统计数据与公交IC卡数据、公交车GPS数据等多源大数据相结合的方法,对免费换乘和老年人优惠政策带来的公交出行行为进行分析.研究发现,免费换乘政策实施初期有效促进了换乘行为,但其作用逐步减弱,在继续推行免费换乘政策的同时,需要大力推进大中运量公交建设并优化调整常规公交线网.老年人享受了较大比例的财政补贴,公交出行频次和换乘行为更加频繁,无效出行较多,出行时间和乘坐公交线路均比较集中,与通勤出行存在重叠,老年人和年轻人在一定程度上存在对有限公交资源的抢夺,老年人优惠政策需要进行优化调整.分析结果可以为后续公交优惠政策调整提供一定的决策依据.     

基于个体出行数据的公共交通出行链提取方法

公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础.     

基于活动识别的公交出行行为重构与分析

摸清城市居民的公交通勤出行规律特征，可以更好的为公交运营管理提供支撑.通过挖掘IC卡数据获取公交出行信息是出行行为分析的新手段.根据以活动为基础的出行分析理论，提出以活动区域属性判别为核心的公交出行重构分析方法.通过对公交出行的起讫站点进行空间聚类分析，获取居民的主要活动区域；基于居民多日出行信息及相应出行特征指标，分别对居民的居住和工作区域进行识别；根据出行目的地区域的活动属性，对公交出行链进行重构.以广州市为例，对居民公交出行特征规律进行实证分析.     

���ڿɿ��Է����Ĺ�������·������ʽ�����㷨

城市公交系统包含多种公交模式如地铁、轻轨、公交专用道、地面公交等,不同模式的车辆行驶速度及换乘时间差异很大,同时由于城市公交运行时间的具有较强的随机性,基于静态分析的路径选择与实际的动态最佳路径常有较大偏离。本文以公交出行链各环节为边,通过构建包含不同公交模式的多层次网络邻接关系,并对各边进行平均出行时间及时间可靠度的双重赋权,建立考虑出行各环节时间随机波动的多模式公交线网;并以通行时间较短、延误风险较小为路径寻优的双重目标,通过在路径寻优过程中对延误高发线路及换乘点进行启发式规避,实现在出行时间许可范围内有效减少延误风险的可靠路径的快速搜索。文中最后通过实例表明该算法的合理性及有效性。     

基于随机退化路网的碳排放收费优化模型

结合随机通行能力退化路网和双参考点累计前景用户择路模型,构建了引导低碳出行的碳排放收费多准则双层优化模型.上层模型以系统碳排放量最少为目标,搜索最优收费路段并识别最优费率.下层模型基于双参考点累积前景用户和随机退化路网,构建综合考虑行程时间、累积到达时间感知价值、过路费和油费的多准则流量分配模型.设计了基于路段碳密度的启发式算法对模型求解,并采用双向 Nguyen Dupuis路网验证了模型和算法的有效性.研究表明,合理设置收费路段和收费标准能够有效降低全网碳排放总量,但若收费标准设置过高,会降低原瓶颈路段的通行能力,并人为制造新的瓶颈,反而使全网碳排放量上升.     

基于随机退化路网的碳排放收费优化模型

结合随机通行能力退化路网和双参考点累计前景用户择路模型,构建了引导低碳出行的碳排放收费多准则双层优化模型.上层模型以系统碳排放量最少为目标,搜索最优收费路段并识别最优费率.下层模型基于双参考点累积前景用户和随机退化路网,构建综合考虑行程时间、累积到达时间感知价值、过路费和油费的多准则流量分配模型.设计了基于路段碳密度的启发式算法对模型求解,并采用双向 Nguyen Dupuis路网验证了模型和算法的有效性.研究表明,合理设置收费路段和收费标准能够有效降低全网碳排放总量,但若收费标准设置过高,会降低原瓶颈路段的通行能力,并人为制造新的瓶颈,反而使全网碳排放量上升.     

基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究

轨道交通网络和常规公交网络作为公共交通系统的主要组成部分，研究乘客在两网复合网络上的方式选择行为有助于提升公共交通系统的协同运营。然而，以往的研究通常只对单个网络出行进行研究，未考虑到出行完整性。针对此不足，基于多源数据融合、轨道与公交网络拓扑融合，提出乘客在公共交通复合网络上的完整出行提取方法；复杂网络中方式选择的本质是路径选择，因此在构建耦合换乘站点的公共交通复合网络基础上，建立5种考虑多种因素组合的多项Logit选择模型，以分析在复合网络中对乘客出行行为影响最显著的因素组合；最后将模型应用于北京市某工作日的公共交通网络及刷卡数据。研究结果表明，基于完整出行的选择模型优于基于出行阶段的选择模型；通勤者在公共交通复合网络上的方式选择行为与考虑在车时间、候车时间、换乘时间、换乘次数的出行总时间及票价因素显著相关，且出行总时间的影响更大；换乘、候车时间对通勤乘客在公共交通复合网络中方式选择的影响较低，通勤者更加偏好出行总时间短的路径。研究结果可为提升轨道与公交的协同程度提供技术支持。     

考虑环保意识和出行习惯的公交出行选择行为模型

为解决公交出行选择行为、环保意识与出行习惯之间缺少定量分析交互作用的问题，基于计划行为理论(TPB)，结合习惯驱动行为理论，构建公交出行选择行为结构方程基本模型A，增加环保意识的扩展模型B，以及涵盖环保意识和出行习惯的扩展模型C，对比分析公交出行选择行为各影响因素之间的定量关系.最后，将模型运用于重庆市实例分析，共回收有效问卷401份.结果表明：模型C的拟合效果及解释性最好，模型B其次；环保意识、出行习惯均对公交出行方式选择行为存在影响，但影响程度低于行为意向和知觉行为控制.     

手机数据在交通调查和交通规划中的应用

手机作为一种理想的交通探测器,为居民出行信息分析提供了很好的技术选择。将手机数据映射至交通分析单元,并经信息预处理、匹配分析、交通模型分析处理、数据去噪、扩样等一系列海量数据运算处理,最终可获得居民出行特征数据。利用长期历史手机话单数据,可分析常住人口和就业人口分布、通勤出行特征、大区间OD、特定区域出行特征、流动人口出行特征等。手机信令数据能够较完整地识别手机用户的出行轨迹,可进一步应用于分析城市人口时空动态分布、特定区域客流集散、查核线断面或关键通道客流、轨道交通客流特征、出行时耗、出行距离、出行强度、道路交通状态等。根据天津手机话单数据应用案例及上海手机信令数据应用案例,验证了技术可行性。     

兰州城市轨道交通出行方式链调查与分析

轨道交通作为一种大容量、高效率的运输方式，可有效地缓解交通拥堵问题。城市在建设轨道交通的同时，还要对站点周围其他衔接设施的建设进行规划布局。轨道交通不是一种“门到门”的交通方式，使乘客在选择轨道交通方式的同时，需要选择从出发地到轨道交通站点的出行方式，以及从轨道交通站点到目的地的出行方式，这是一个以轨道交通为主的多方式组合出行。研究将对兰州市典型轨道交通站点进行问卷调查，对获得的数据进行处理，并对出行者的出行选择特性进行分析，得出出行者选择的轨道交通两端的主要衔接方式，最后对站点周围的衔接设施的建设提供参考依据。