基于低碳心理潜变量Logit模型的出行方式预测模型

为深入解析低碳出行行为机理,提出了将低碳心理变量引入离散选择模型的研究方法。基于计划行为理论考虑低碳出行心理因素,建立了多原因多指标潜变量模型。将潜变量模型预测后的潜变量代入多项Logit模型,构建了带低碳出行心理变量的混合选择模型。以镇江市居民通勤调查样本为研究对象,实证结果表明:相对传统离散选择模型,所建的混合选择模型预测精度整体提高了2.45%;低碳心理变量对于出行方式选择的影响各不相同,低碳出行方式"行为态度"对出行方式选择没有显著性影响,而高碳出行方式"行为态度"对低碳出行有显著性负影响。通过对月收入的敏感性分析检验模型性能,结果显示:随着收入的增长,低碳出行方式占比逐渐降低,其他两种方式占比变化相反,在考虑低碳心理因素后,高碳出行方式占比上升幅度降低。     

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。     

扩展计划行为理论框架下城际出行方式选择建模

本文引入外部价值观念和行为习惯的扩展变量,构建基于计划行为理论的城际出行者方式选择框架.在调查样本通过信度和效度检验的前提下,为高铁/动车、普通列车、长途汽车和自驾车等4种出行方式分别建立多指标多因果(MIMIC)模型,分析不同出行方式下扩展计划行为理论中各心理变量间的相关关系,以及出行者属性对心理变量的影响.研究表明,在不同的出行方式下,出行者个人及家庭社会经济属性对部分潜变量有显著性影响;"安全态度"和"行为习惯"潜变量对方式选择意向或行为有着直接或间接显著影响.研究成果可为制定城际间交通需求管理政策和城际交通系统优化提供支撑.     

常态化疫情防控阶段旅客中长距离城际出行联合选择行为建模

新冠肺炎疫情对旅客中长距离的城际交通出行影响巨大，现有研究侧重疫情暴发初期疫情对城际交通出行的影响，针对常态化疫情防控阶段旅客城际出行选择行为的研究相对较少，因此，本文旨在研究常态化疫情防控阶段旅客中长距离城际出行选择行为。针对民航、高铁、普铁和自驾等方式分别建立包含4种城际出行方式的多指标多因果出行选择模型（MIMIC），模型中引入感知防疫安全程度、防疫策略、乘车体验与出行习惯4个潜变量，探究潜变量与观测变量的因子载荷并辨识模型参数，求取各潜变量的拟合值；在此基础上建立考虑出行方式特性、旅客社会经济属性与潜变量的多出行方式联合选择行为模型（MIMIC-Logit），探究常态化疫情防控阶段旅客出行心理对其出行决策的影响；假设出行费用、时间与距离等变量的随机系数服从正态分布，采用抽样1000次的Halton序列对随机系数进行仿真求解，得到随机系数的回归分析结果。以2021年4月—6月到达西安旅客的调查数据为例进行实证研究，结果发现:所提MIMIC-Logit模型的拟合优度与命中率分别为43.621%与83.312%，均高于多项Logit模型与随机系数Logit模型；旅客对不同方式的出行费用、时间与距离的偏好具有异质性，且出行方式特性、社会经济属性与潜变量都对出行选择的效用有显著影响。弹性分析表明，当感知防疫安全程度与防疫策略提升了100%时，旅客选择民航出行的概率分别提升了23.207%与21.349%；而当乘车体验提升了100%时，旅客选择高铁出行的概率提升了18.229%。综上，所提方法揭示了潜变量对旅客出行选择行为的显著影响；通过提升感知防疫安全程度、防疫策略与乘车体验等手段，可以提升旅客选择高铁、民航出行的概率。      

老年人对自动驾驶汽车接受度影响因素分析

为了改善老年人出行,针对中国老年人出行机动性差和可达性低的问题,提出用自动驾驶汽车技术解决,研究了老年人群体对自动驾驶汽车接受度的潜变量因素。采用结构方程模型,对全国的734份有效问卷调查样本分析,构建了三个模型进行了分析和对比。本文揭示了构建的模型的优劣,并分析了影响老年人对自动驾驶汽车接受度的心理潜变量因素,找出了其中的关键影响因素,为自动驾驶汽车在老年人中的普及提供了建议。     

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。      

基于系统理论过程的无人驾驶汽车安全性分析

基于无人驾驶汽车的功能安全和通信安全问题,本文采用系统理论过程的研究方法(STPA),通过定义其分析目的、建立控制结构、识别不安全行为、识别致因场景等步骤,最终提出相应的安全要求来保证无人驾驶汽车的安全.     

基于改进人工势场法的无人驾驶车辆局部路径规划的研究

本文旨在研究在结构化道路上行驶的无人驾驶汽车的局部路径规划.基于人工势场法,利用高斯组合隶属函数建立引力的目标点函数,在引力点函数中考虑障碍物约束和车辆约束,并引入调节因子,建立了改进的无人驾驶汽车人工势场模型,消除了传统人工势场法容易陷入局部极小的问题.硬件在环试验结果验证了所提方法的有效性.     

基于Floyd算法的无人驾驶汽车路径规划模型

在各类产业向智能化发展的21世纪中,无人驾驶技术作为IT产业与传统汽车紧密结合的代表,得到了高速发展。无人驾驶汽车的路径规划问题一直是其发展过程中的一个难关。从简化问题的角度出发,可以将无人驾驶汽车的路径规划问题转换为以最短路为目标的单目标优化问题。通过利用Floyd算法,在这个基础上建立出了无人驾驶汽车的路径规划模型。在分析Floyd算法的实现机制后,借助于matlab,将该模型求解,得到了从起始点到达任意路口的最短距离以及相应的行驶路径。最后评价了该模型的优缺点,以及分析了未来无人驾驶汽车将需要改进方向。     

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。      

老年人对自动驾驶汽车接受度研究

有限的交通方式选择使得老年群体出行的机动性、便捷性和可达性往往难以得到充分的满足,这会极大影响晚年生活的幸福感,为解决这一问题,针对老年群体的出行行为研究受到了广泛关注。自动驾驶汽车作为一种新兴出行方式,能够提高老年群体出行机动性,这一新兴出行方式得以普及的前提条件之一在于广大老年群体是否能迅速且广泛地接受。因此,在自动驾驶汽车大规模应用之前,研究老年群体对这一新兴技术的接受度对于未来提高老年群体出行质量具有重要意义。从行人和使用者2个角度,同时融合极具中国特色的面子意识等影响因素来探讨老年人（60岁及以上）对自动驾驶汽车的认知和接受度。从行人角度,进行了2种情景的假设,并采用有序Logistic回归分析态度、感知有用性、信任和感知风险等变量对自动驾驶汽车接受度的影响,结果发现信任对接受意向的影响最为显著,而感知有用性的影响并不显著。从使用者角度,采用结构方程模型探索面子意识等心理潜变量对自动驾驶接受意向的行为机理,结果表明态度、感知有用性、感知风险和面子意识等对使用意向都有显著影响,而对行人影响显著的信任因素对使用者影响却并不显著。研究成果能够为自动驾驶汽车企业推出老年群体相关出行服务提供一定的科学依据,同时也为政府相关政策的制定提供理论依据。     

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车(SAV)可为人们提供优质的出行服务.为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据.为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所...     

公交信息条件下的公交出行意愿研究

深入解析公交信息对居民公交出行意愿的影响机理,是合理规划城市公交出行信息环境的理论基础,对于城市交通管理以及交通拥堵的缓解有着重要的意义。基于计划行为理论在行为态度、主观规范、知觉行为控制3个基本变量的基础上加入公交信息、出行经验、个人属性等变量,对计划行为理论加以改进,利用改进的计划行为理论建立公交信息条件下的公交出行意愿模型。以南京市居民为调查研究对象,运用结构方程模型对调查数据进行验证分析,确定了各变量的相互作用关系以及它们对公交出行意愿的影响效应。结果表明公交信息对公交出行态度、主观规范、知觉行为控制等变量有直接显著影响,且为正向关系,影响系数分别为0.533、0.451和0.576;公交信息会对公交出行意愿产生间接影响,影响总效应为0.92,说明高质量的公交信息可以提升公交吸引力,增强居民的公交出行意愿。      

基于出行链理论的城际旅客出行特征研究

在传统"四阶段法"不满足城际出行研究要求的情况下,借鉴出行活动分析理论对城镇群内城际出行行为进行研究。通过构建城际出行链理论模型,结合长江三角洲城镇群旅客城际出行调查数据,采用统计分析方法,探讨了城镇群内旅客城际出行全过程的时空变化规律,分析了各类客流在城际出行不同阶段的差异性。     

基于虚拟车队的自动交叉路口车辆时序优化模型

智能网联汽车可通过彼此交互协同安全地通过交叉路口,自动交叉路口控制已成为未来发展趋势。为解决现有基于预约的自动交叉路口控制模型未全局优化车辆通过顺序及模型非线性导致求解效率低等问题,提出一种基于虚拟车队的自动交叉路口车辆时序优化模型,实现车辆通过时序的高效全局优化。首先,为构建到达安全时间间隔约束,基于车辆冲突分析计算交叉口进口道停车线到各相互作用点的距离。其次,为便于建模和求解,基于时间维度构建虚拟车队并形成车辆索引序列。然后,以交叉口车辆总延误最小为优化目标,车辆通过控制区段的最小行程时间和到达冲突区域边界的安全间隔为约束条件,构建自动交叉路口车辆通过时序非线性优化模型。在此基础上,引入0-1变量将该模型转化为混合整数线性规划模型,并基于开源求解器CBC对模型进行求解。最后,设计数值仿真试验验证模型的有效性并进行了模型的参数敏感性分析。研究结果表明:所构建模型在不同交通需求下优化效果均优于基于"先到先服务"规则的模型,车均延误和最大单车延误能够减少61.50%和39.73%;当安全间距和优化周期较大时,构建模型的延误控制效果更为显著;模型和算法为未来智能网联环境下自动交叉路口控制提供了一种可选的方法。     

车路协同无信号交叉口的矩形冲突检测及消解

针对车路协同环境下的冲突问题，建立了以系统反应时间代替驾驶员反应时间的自动驾驶车辆制动距离模型，以此作为安全距离改进了矩形冲突检测模型，并根据轨迹优化的研究思路，提出了以矩形冲突检测模型为基础的冲突消解算法，对非通行优先权车辆进行速度引导，避免车辆冲突。在车联网开源框架 Veins 的基础上，将交通仿真器 SUMO和网络仿真器 OMNeT++双向耦合，并对冲突检测模型与消解模型进行验证。仿真结果显示，该冲突检测及消解模型具有可行性，与传统无信号交叉口四路停车让行规则相比，模型中的速度引导方案能减少合流冲突车辆 8.6%的平均行驶时间，减少交叉冲突车辆 8.3%的平均行驶时间；合流冲突和交叉冲突中车辆的平均速度分别提高了61.4%和105.0%。在实际应用中，冲突消解模型可以为不同速度范围内的自动驾驶车辆提供速度参考，降低无信号交叉口车辆发生碰撞的概率，提高无信号交叉口的通行效率。     

In-vehicle technology for self-driving cars: Advantages and challenges for aging drivers

The development of self-driving cars or autonomous vehicles has progressed at an unanticipated pace. Ironically, the driver or the driver-vehicle interaction is a largely neglected factor in the development of enabling technologies for autonomous vehicles. Therefore, this paper discusses the advantages and challenges faced by aging drivers with reference to in-vehicle technology for self-driving cars, on the basis of findings of recent studies. We summarize age-related characteristics of sensory, motor, and cognitive functions on the basis of extensive age-related research, which can provide a familiar to better aging drivers. Furthermore, we discuss some key aspects that need to be considered, such as familar to learnability, acceptance, and net effectiveness of new in-vehicle technology, as addressed in relevant studies. In addition, we present research-based examples on aging drivers and advanced technology, including a holistic approach that is being developed by MIT AgeLab, advanced navigation systems, and health monitoring systems. This paper anticipates many questions that may arise owing to the interaction of autonomous technologies with an older driver population. We expect the results of our study to be a foundation for further developments toward the consideration of needs of aging drivers while designing self-driving vehicles.