道路交通统计生命价值测算模型及其验证

基于参数服从SB分布的混合Logit 模型进行道路交通统计生命价值的测算研究. 首先，结合意愿选择法和正交实验法设计出行路径选择调查问卷；然后，基于死亡风险系数服从对数正态分布和SB分布的混合Logit 模型，构建统计生命价值测算模型；接着以大连市私家车出行者为调查对象获得调查数据，并利用Monte Carlo 仿真方法进行模型参数标定；最后，对模型进行比较分析，并获得统计生命价值的测算值. 研究结果表明：死亡风险参数服从限制域为(0.0, 0.5)SB分布的混合Logit 模型，精确性更高且更合理；道路交通统计生命价值测算值为 105.76万元，这一结果可以作为道路交通安全项目经济评价的参考数据.     

道路交通统计生命价值测算模型及其验证——基于S_B分布的Mixed Logit模型

基于参数服从S_B分布的混合Logit模型进行道路交通统计生命价值的测算研究.首先,结合意愿选择法和正交实验法设计出行路径选择调查问卷;然后,基于死亡风险系数服从对数正态分布和S_B分布的混合Logit模型,构建统计生命价值测算模型;接着以大连市私家车出行者为调查对象获得调查数据,并利用Monte Carlo仿真方法进行模型参数标定;最后,对模型进行比较分析,并获得统计生命价值的测算值.研究结果表明:死亡风险参数服从限制域为(0.0, 0.5)S_B分布的混合Logit模型,精确性更高且更合理;道路交通统计生命价值测算值为105.76万元,这一结果可以作为道路交通安全项目经济评价的参考数据.     

����Logitģ�͵ĵ�·��ͨͳ��������ֵ

道路交通统计生命价值是道路交通安全项目经济评价的重要指标.首先基于二项 Logit模型建立道路交通统计生命价值的评价模型;结合意愿选择法和正交试验法设计路径出行选择的意愿调查问卷,并以大连市私家车出行者为调查对象实施意向调查;最后利用意向调查数据,借助GAUSS软件进行模型标定.研究结果表明,大连市私家车出行者的道路交通统计生命价值约为36万元,模型具有较高精确性;道路交通统计生命价值受个人月收入、驾龄、车保险情况和学历四个个人因素显著影响.     

˽�ҳ�������ͨ�ڳ���ʱ���ֵ

私家车出行者的通勤出行时间价值是实施和评价道路拥挤收费项目的重要参数之一。本文利用大连市私家车出行者意向调查数据,分别使用Logit模型和时间系数为常数、费用系数服从对数正态分布的Mixed Logit模型来标定私家车出行者通勤出行时间价值。标定的结果显示：两个模型标定结果中的各参数的t值都非常显著;Mixed Logit模型标定结果中的最大似然值和优度比都优于Logit模型;使用Logit模型标定的私家车出行者通勤出行时间价值为24.58元/小时;使用Mixed Logit模型标定的私家车出行者通勤出行时间价值服从参数为2.73和1.09的对数正态分布。在实施和评价道路拥挤收费项目时,推荐使用Mixed Logit模型的标定结果。     

混合Logit模型的参数估计与应用研究

混合Logit模型具有较高的灵活性,其效用变量的系数可以服从正态分布、对数正态分布、SB分布等多种形式. 本文以北京市居民出行调查数据为基础,建立交通方式选择的混合Logit模型,允许系数取不同分布类型的组合,采用极大模拟似然法完成参数估计. 在模拟中使用拟随机数序列计算模拟概率,首先使用变序Halton序列给出几种高精度的结果,进一步采用MLHS（Modified Latin Hypercube Sampling）方法对其中最好的假设模拟求解,为效用变量的系数确定了合适的随机分布函数. 参数的估计值清晰地解释了影响人们出行的各种因素.     

���Logitģ�͵IJ���������Ӧ���о�

混合Logit模型具有较高的灵活性,其效用变量的系数可以服从正态分布、对数正态分布、SB分布等多种形式. 本文以北京市居民出行调查数据为基础,建立交通方式选择的混合Logit模型,允许系数取不同分布类型的组合,采用极大模拟似然法完成参数估计. 在模拟中使用拟随机数序列计算模拟概率,首先使用变序Halton序列给出几种高精度的结果,进一步采用MLHS（Modified Latin Hypercube Sampling）方法对其中最好的假设模拟求解,为效用变量的系数确定了合适的随机分布函数. 参数的估计值清晰地解释了影响人们出行的各种因素.     

考虑合乘的共享自动驾驶汽车选择行为实证分析

共享自动驾驶汽车(Shared Autonomous Vehicles，SAV)是自动驾驶汽车和共享经济相结合的产物，为人们提供了一种新型的出行方式. 为探究出行者在考虑合乘的SAV与私家车或公共交通之间的选择偏好，实施了SAV选择意愿调查，并分析了考虑合乘的SAV的潜在用户特征. 基于问卷调查所得有效数据，采用K-Means 聚类法划分了历史出行模式，利用因子分析对性格态度特征进行了分类. 分别对有无私家车人群建立解释变量的参数服从不同分布的混合Logit 模型，并对参数标定结果进行对比分析. 研究结果表明，出行方式特性非常显著地影响出行者方式选择行为，性格态度特征是影响出行者选择考虑合乘的SAV出行方式的显著因素，且其显著性明显高于性别、年龄等社会经济属性.     

基于混合Logit 模型的网约车选择行为研究

近年来,网约车发展迅速,而现有研究较少从市场角度理解用户对网约车的选择偏 好.本文构建了基于混合Logit选择模型,选取网约车依赖性、出行目的等出行相关属性,年龄等 个人社会经济属性为效用函数特征变量,假设到达时间、在车时间和费用为随机变量并服从对 数正态分布.使用D-efficient效率设计法生成问卷,在成都市开展网约车使用特征与选择偏好的 实证调查.基于观察数据标定模型,参数显著性及符号解释了城市综合交通背景下出行方式选 择的关键因素.对出租车和网约车费用进行边际效应分析,明确了价格变化对出行结构的影响.     

考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为，运用选择实验的方法，基于问卷调查获得选择行为数据，构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数，得到后疫情时代影响居民出行方式选择的主要因素。结果表明，两种模型均体现了个体出行方式选择的异质性，潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%， 预测精度提高了3.03%，为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景，分别将居民划分为4类、5类人 群。从出行方式属性上看，等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看，在后疫情时代收入更高的女性更倾向选择私家车出行，年龄越大对行程费用越敏感，男性更愿意选择公交、地铁出行。     

融合手机信令数据的轨道交通出行分担率模型研究

交通行为模型广泛应用于城市出行需求分析等领域。传统行为模型的参数设置通常依赖经验判断，模型预测精度缺乏大样本验证手段。本文以重庆市解放碑-观音桥组团通道出行行为为研究对象，融合手机信令数据、AFC数据和问卷调查数据，构建随机参数分别为正态分布、均匀分布和 γ 分布的混合Logit模型，将手机信令数据与AFC数据分析结果作为分担率标杆数据进行模型精度对比，其识别的组团间全天轨道出行分担率为37.13%，当混合Logit随机参数为正态分布时，模型预测的分担率为39.5%，预测精度最高。研究表明，利用手机信令数据等多源数据分析校验传统行为模型精度，定量分析并优选最佳的参数分布形式具有实际意义，能够对提高传统行为模型的预测精度提供借鉴。     

基于SOGA的VISSIM仿真模型参数标定方法

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具,而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足,提出了基于自适应正交遗传算法(SOGA)的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM仿真模型作为基础平台,给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中,通过与GA算法、正交试验法对比,SOGA算法得到的适应度函数值为19.43,优于其他标定算法的适应度函数值;同时,SOGA算法迭代时间比GA算法少了40.5%,验证了SOGA算法在VISSIM参数标定上的优越性.     

Reliability Prediction Method Based on State Space Model for Rolling Element Bearing

Reliability analysis based on equipment’s performance degradation characteristics is one of the significant research areas in reliability research. Nowadays, many researches are carried on multi-sample analysis. But it is limited for a single equipment reliability prediction. Therefore, the method of reliability prediction based on state space model(SSM) is proposed in this research. Feature energy of the monitored signals is extracted with the wavelet packet analysis and the associated frequency band energy with online monitored data. Then,degradation feature is improved by moving average filtering processing taken as input pair model parameter of SSM to be estimated. In the end, state space predicting model of degradation index is established. The probability density distribution of the degradation index is predicted, and the degree of reliability is calculated. A real testing example of bearing is used to demonstrate the rationality and effectiveness of this method. It is a useful method for single sample reliability prediction.     

基于动态罚函数的铁路车流分配与径路优化模型

为解决铁路车流分配与径路优化模型中的难约束问题，避免群智能算法在应对该问题时难以求解的不足，提出了一种基于惩罚函数的约束优化方法. 首先，在车流分配及径路优化基本模型的基础上设置虚拟弧，在目标函数中增加惩罚项的方式松弛掉模型中的弧段能力约束，同时对惩罚项中的惩罚力度和惩罚因子设计动态更新的策略；然后，将改进灰狼算法（improved grey wolf algorithm，IGWO）应用于车流分配与径路优化模型的求解；最后，结合某一地区的路网数据，对改进前、后的模型和算法进行对比分析. 算例结果表明:与改进前的模型相比，引入惩罚项之后，IGWO可以在限定的范围内找到满足弧段能力约束的可行解；与灰狼算法（gray wolf algorithm，GWO）相比，IGWO计算所得的配流方案使OD （origin-destination）货流的平均绕行率和货物总走行公里数分别下降了2.6%和5.2%.      

基于IAGSO 算法的VISSIM 模型校正研究与实现

微观交通仿真能够再现城市道路交通状况,其关键步骤是建立仿真模型.为使 模型最大程度地反映实际道路运行状况,需要对所建立的模型进行校正.首先本文设计了 改进的自适应步长的人工萤火虫算法（IAGSO）和以排队长度为指标的目标函数.然后,设 计了基于IAGSO 算法的VISSIM 模型参数校正的方法.最后,设计和实现了基于B/S 结构 的交叉口仿真分析系统,应用VISSIM 对北京市某交叉口建模,利用系统对此模型进行参 数校正,比较模型校正前、校正后和现场调查的四个进口方向的排队长度.通过比较结果 验证了基于IAGSO 算法的VISSIM 模型参数校正的有效性.     

基于遗传算法的交通仿真模型参数校正方法研究

参数校正是交通仿真模型应用中的重要环节。基于遗传算法设计的交通仿真模型参数校正方法，可以在交通仿真软件VISSIM平台中结合实际交通调查数据对其进行验证。结果表明，采用该方法校正后的仿真模型参数能够更好地符合实际道路交通状况．且能有效地减少参数校正的仿真试验次数，同时该研究结果也可以推广应用于其他类型的交通仿真模型中去。     

基于安全势场的网联自主车辆跟驰行为决策及模型

为改善网联自主车辆(CAV)的跟车安全和效率,针对CAV通过对周围环境进行感知进而进行自主决策的特点,首先,建立包含车道线势场、道路边界势场和车辆势场的安全势场模型,系统地刻画CAV在行驶过程中面临的安全风险,在安全势场模型的建立过程中,针对现有车辆势场函数存在引力和斥力表达式分割独立的缺陷,借鉴分子间相互作用关系建立统一的基于LennardJones势的车辆相互作用势场函数,并将加速度参数引入到车辆势场中,加速度的变化直接影响车辆势场的分布,能够有效地反映车辆在不同运行状态下安全势场的动态变化趋势;然后,将安全势场应用于CAV跟驰行为决策,并通过上海自然驾驶数据集标定模型参数;最后,选择与现有经典的智能驾驶人IDM和可变车头时距VTH模型进行仿真对比。结果表明：与其他两种模型相比,该模型在所设计的3种交通场景中有更平滑的响应曲线来改善跟车安全和效率,验证了模型的有效性。研究成果可为CAV的上层控制设计提供理论支撑,也为CAV安全技术的研究提供了 独特的途径。     

SPSA�㷨��΢�۽�ͨ����ģ��VISSIM�����궨�е�Ӧ��

微观交通仿真模型在交通系统管理、控制和优化中得到了广泛的应用. 然而微观交通仿真模型参数标定是一项复杂且系统的工作,特别是对于较复杂网络,其参数标定耗时长,且不容易找到最优解. 本文选取了应用较为广泛的VISSIM仿真模型作为基础平台,针对遗传算法（GA）的不足,建立了基于同步扰动随机逼近（SPSA）算法的微观仿真模型参数标定方法,并实现了程序的自动化标定;最后将该方法应用于北京市快速路仿真模型的驾驶员行为参数标定中,以速度的相对误差平方和作为收敛函数,通过对比GA算法,SPSA算法收敛速度快1.7倍,且在标定后的流量检验中相对误差的平方和小0.16,验证了SPSA算法在VISSIM参数标定上的优越性.     

SPSA算法在微观交通仿真模型VISSIM参数标定中的应用

微观交通仿真模型在交通系统管理、控制和优化中得到了广泛的应用. 然而微观交通仿真模型参数标定是一项复杂且系统的工作,特别是对于较复杂网络,其参数标定耗时长,且不容易找到最优解. 本文选取了应用较为广泛的VISSIM仿真模型作为基础平台,针对遗传算法（GA）的不足,建立了基于同步扰动随机逼近（SPSA）算法的微观仿真模型参数标定方法,并实现了程序的自动化标定;最后将该方法应用于北京市快速路仿真模型的驾驶员行为参数标定中,以速度的相对误差平方和作为收敛函数,通过对比GA算法,SPSA算法收敛速度快1.7倍,且在标定后的流量检验中相对误差的平方和小0.16,验证了SPSA算法在VISSIM参数标定上的优越性.