基于混合Logit模型的电动汽车购买意愿影响因素研究

为加快电动汽车的推广使用,基于混合Logit模型,应用在北京市收取的问卷数据开展模型实证研究以分析电动汽车购买意愿.首先,从个人属性、车辆属性、充电基础设施、购车与用车激励政策4方面考虑国内消费者电动汽车购买偏好影响因素,并通过网络问卷调查和陈述性偏好实验(Sated Preference,SP)获取相关数据.然后,分别使用混合Logit模型和多项Logit模型(Multinominal Logit Model,MNL)定量分析各类因素对消费者购置意愿的影响,并对比两种方法的拟合优度,结果显示混合Logit模型有更好的拟合优度,可以避免样本间异质性导致的误差.最后,通过对各类因素的参数估计结果、显著性水平及成分效用值的分析可知:除购买价格外,充电服务设施以及车辆牌照制度对电动汽车购买意愿有较为明显的影响;针对电动汽车的购车财政补贴对电动汽车的购买意愿无显著影响,因此补贴政策效果有限,有待进一步调整;电动汽车牌照的排队等候时长对电动汽车的购买意愿有显著影响,未来可以进一步考虑将传统燃油车的部分牌照配额转移至电动汽车.     

无人驾驶汽车对出行方式选择行为的影响

无人驾驶汽车对出行者出行选择行为具有重要影响,进而可以影响到城市交通需求、城市空间布局和城市规划. 基于扩展技术接受模型和考虑不同出行者偏好的异质性,建立带潜变量的随机系数Logit模型,研究出行者的出行特征、心理潜变量和个体的社会经济属性对无人驾驶汽车选择行为的影响. 结果表明:与传统的多项Logit模型相比,带潜变量的随机系数Logit模型拟合度更高;不同的出行者对出行费用的偏好具有异质性,在效用函数中,出行费用服从正态分布;无人驾驶汽车选择行为不仅受到出行特征和社会经济属性的影响,而且还受到感知信任、社会规范和行为意向等心理潜变量的影响;降低无人驾驶汽车的出行费用可以提升出行者选择无人驾驶汽车出行的概率.      

城市轨道交通车厢内拥挤成本的估计方法

应用离散决策分析法与条件价值法, 设计了双边界二分式调研问卷, 计算了考虑拥挤度的轨道交通出行总成本;通过延长车厢内乘客出行时间的方式来换取车厢内乘客密度的减少, 从而得到车厢内不同拥挤度下的等价出行效能;通过调研得到乘客对两轮投标的选择概率;分别采用双变量Probit估计量和随机效用估计量来推断时间边际负效用的标准化值, 得到时间乘数, 进而估计乘客的延时意愿和支付意愿;基于2015~2016年北京地铁1号线和5号线具有代表性的15个车站站台调查获得的数据, 对轨道交通车厢内6种拥挤度下的时间乘数进行线性回归分析。研究结果表明:车厢内的乘客密度和时间乘数存在线性关系, 而改善后的车厢内拥挤度和广义成本呈反比例关系;出行者支付意愿随车厢拥挤度的减少而增加, 当车厢拥挤度由5人·m-2改善为4人·m-2时, 早、晚高峰时段的支付意愿分别为1.58元和3.02元, 当车厢拥挤度由5人·m-2改善为3.5人·m-2时, 早、晚高峰时段的支付意愿分别为2.47元和4.99元, 因此, 晚高峰时段出行者的平均支付意愿达到早高峰时段的2倍左右, 不同时段出行者对改善拥挤度的支付意愿存在显著差异。      

出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论,选取出行者特征、行程特性与出行方式服务水平作为效用变量,以出行方式与出发时间作为选择肢,构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据,并模拟了在早高峰时段对小汽车出行收取费用时,小汽车出行者出行行为的变化。计算结果表明:与传统MNL模型相比,NL模型具有更好的统计学特征,调整后的拟合优度由0.338增大至0.404;在2种NL模型中,出发时间位于下层的结构对样本数据的适应性更强;当早高峰时段小汽车出行收取费用为5元时,72.6%的小汽车出行者坚持原有出行方式与出发时间,22.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,4.8%的小汽车出行者改用公共交通方式,但出发时间不变,仅0.2%的小汽车出行者同时改变出行方式与出发时间;当收取费用为10元时,51.7%的小汽车出行者坚持原有出行方式与出发时间,40.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,7.9%的小汽车出行者改用公共交通方式,但出发时间不变;当收取费用为20元时,27.5%的小汽车出行者坚持原有出行方式与出发时间,60.6%的小汽车出行者坚持小汽车方式,但会改变出发时间,11.9%的小汽车出行者改用公共交通方式,但出发时间不变。     

交通事故下出行者非理性出行行为研究

基于前景理论,研究交通事故下出行者路径选择行为规律.应用前景理论,考虑交通事故的发生概率,以出行者出行总花费时间作为出行效用,提出出行者路径选择的效用函数;然后通过分析出行者效用函数的分布规律,在出行效用连续随机分布的条件下,建立出行者感知效用模型.通过连续函数离散化方法构建出行者路径选择模型.通过一个算例,描述非理性条件下出行者选择行为,并分析交通事故的特征对效用值和选择结果的影响,说明感知效用为0 的参考点并不是路径实际效用分布的期望值,而是比期望值小.     

考虑潜在类别的市内机动化出行行为模型

为了研究出行者出行选择偏好的异质性和心理因素对出行选择行为的影响,通过验证性因子分析得到影响出行方式选择的心理潜变量;将求得的潜变量纳入潜在类别条件Logit模型,采用期望最大算法求解,得到样本潜在类别的数量和效用函数;最后,以广州市为例进行实证分析. 结果表明:潜在类别条件Logit模型对数据的拟合度高于传统的条件Logit模型;出行者可以划分为地铁偏好群体、小汽车偏好群体、常规公交偏好群体3个潜在类别,占比分别为42.5%、25.0%、32.5%;地铁偏好群体、公交偏好群体步行时间价值分别为1.2、1.3元/min,而小汽车偏好群体对步行持正面评价;地铁偏好群体、公交偏好群体的时间价值均为0.7元/min,小于小汽车偏好群体的车内时间价值（1.1元/min）;月收入是否大于10 000元、是否开车上班对出行者潜在类别划分具有显著影响;心理潜变量中,灵活性和可靠性对出行者潜在类别划分的影响显著,舒适性对潜在类别划分没有显著影响.      

考虑潜变量的自动驾驶汽车租赁行为

将自动驾驶汽车（autonomous vehicle，AV）与分时租赁、点对点（peer-to-peer，P2P）租赁模式相结合，为出行者提供新型的出行方式. 为探究出行者租赁自动驾驶汽车的行为特征，分析出行者对AV分时租赁、AV P2P租赁、私家车、公共交通的选择意愿及其影响因素. 基于出行方式选择意愿的调查数据，将结构方程模型（structural equation model，SEM）与多项Logit （multinomial Logit，MNL）模型相结合，建立同时标定显变量与潜变量参数的结构方程-多项Logit （structural equation-multinomial Logit，SE-MNL）模型，对比分析了MNL与SE-MNL模型的参数标定结果. 研究结果表明:在95%的置信水平下，显变量中的出行费用、车内时间、驾照情况、出行目的、婚姻状况以及潜变量中的便捷性、安全性、乘车体验、舒适性对出行者选择AV分时租赁或P2P租赁的影响都是显著的；SE-MNL模型的拟合度较MNL模型高出2%～3%.      

考虑个体异质性的汽车分时租赁选择行为

传统交通行为模型缺乏对个体异质性的考虑，导致其对真实选择行为的解释可能存在差距. 为了研究个体异质性对出行选择行为的影响，首先，分别构建了基于混合logit的选择模型以及基于潜在类别条件logit的选择模型；其次，使用正交设计法生成意愿调查问卷，在成都市开展新能源汽车分时租赁的出行选择实证调查；最后，利用极大似然模拟，采用Halton序列抽样对混合logit模型进行标定；采用回归分析对潜在类别条件logit模型进行求解. 结果表明:步行时间、候车时间、车内时间以及出行费用是影响出行方式选择的关键因素，两种模型均反映出个体异质性对出行者选择行为有着显著影响；潜在类别条件logit模型的拟合优度为0.143，优于混合logit模型的0.139，前者命中率为77.85%，也高于后者的61.28%；潜在类别条件logit模型将出行者划分为3个类别，区分度为0.908 4；类别1群体对出行费用最为敏感，对候车时间不敏感；类别2群体对步行时间和候车时间更加敏感，对费用敏感程度较低；类别3群体对时间和费用的敏感程度介于类别1和类别2之间.      

基于态度-行为模型的低收入通勤者出行方式选择

为了分析城市低收入通勤者交通方式选择行为,揭示个体社会经济属性、活动 属性和潜在态度变量对出行者出行方式选择的影响,基于抚顺市居民一日出行调查数 据,采用态度-行为模型探究低收入通勤者出行方式选择机理.首先基于多指标多原因模 型分析影响态度变量的外在因素,结果表明性别、驾照拥有情况和年龄对态度变量的构 成影响较大.然后,分别建立含潜变量和不含潜变量的多项Logit 模型,发现含潜变量的选 择模型更能解释出行行为,社会经济属性、活动属性和态度变量对低收入通勤者出行方 式选择影响存在一定差异.     

基于随机系数Logit模型的市内出行方式选择行为研究

出行方式选择行为研究对出行行为分析和预测具有重要意义. 以往研究假定某一群体内的所有出行者的偏好都一样,这与实际不相符. 随机系数Logit 模型假定出行者的偏好不一致,并能分析出行者个体特征对于出行者偏好的影响. 本文利用随机系数Logit 模型对市内机动化出行行为研究. 考虑到心理因素对出行者出行选择行为具有影响,本文在研究中加入了出行可靠性、出行舒适性、出行灵活性3 个潜在心理因素. 通过研究表明,随机系数Logit 模型比传统的离散选择模型具有更高的拟合度. 随机系数Logit 模型的效用函数中,步行时间的系数为非随机变量;但车内时间的系数为随机变量,且与出行者结婚状况,是否有车,是否开车上班,月收入是否超过10 000元,以及对交通灵活性的主观需求相关.     

不同市场机制下多种交通方式定价模型研究

停车费和公交票价是平衡交通方式分担的有效交通需求管理措施. 在分析私家车和公交车两种交通方式并存的路网中出行者的旅行选择均衡行为的基础上,建立了路段及停车设施能力约束下等价的网络均衡模型. 然后,给出了不同市场经营机制下多种交通方式的定价模型,其中市场机制包括垄断、寡头竞争和社会最优. 模型考虑了停车费和公交票价定价策略对出行者交通方式和路径选择行为的影响以及出行需求弹性. 最后,给出一算例说明文中所提出模型的应用,并解释了不同市场机制下解的经济含义.     

考虑从众心理的城市居民购车意愿分析

正确并充分了解城市居民购车意愿,对于引导合理的私人小汽车需求,继而缓解道路交通压力具有重要意义.基于城市居民购车意愿问卷调查数据,将购车意愿分为3 个等级.考虑从众心理因素,运用多元Logistic 回归分析方法,分析比较不同类型城市居民购车意愿特性.结果表明,总体上从众心理、收入因素对购车意愿产生显著影响,年龄、性别、家至单位是否有地铁等因素影响不显著;通过对比有无小汽车限购政策城市,发现限 购政策的实施会刺激24-45 周岁年龄段2 年内购车意愿,指出相比强制性措施,应倡导引 导型策略,即通过发展公共交通来抑制购车意愿.     

城市客运交通工具碳排放效率差异——以襄阳市为例

为准确测度城市客运工具碳排放效率的差异,探寻多元出行和碳减排双赢的改进路径,本文构建涵盖车辆存量、道路、土地、能源及环境 5 大要素体系,利用三阶段超效率 SBM-DEA (Slacks-Based Measure)模型和SFA(Stochastic Frontier Approach)方法,测度城市客运工具碳排放效率,并厘清政策和外生环境因素对投入要素冗余的影响;构建效率贡献度和边际效应模型分析投入产出要素的效率贡献度及其边际效应。基于襄阳市的案例表明：7种客运工具的碳排放效率呈传统公共交通(含巡游车)大于共享交通大于私人交通的差异化态势;外生环境因素中,优化能源结构能显著减少能源资源的多余消耗,交通工具的便捷性对消除多余投入具有显著积极作 用。效率贡献度结果反映碳排放效率提升路径的异质性：车辆规模过剩是制约共享交通碳排放效率的主要原因,规模每减少10%,效率分别提高12.0%(网约车)和19.8%(共享电踏车)。清洁能源发展对私家车碳排放效率的提升作用较大,清洁比例每增加10%,碳排放效率平均提高8.9%。 在现阶段公交优先发展水平下,公交车平均运行速度每增加1 km∙h-1 ,碳排放效率提高0.201。 并从技术和管理两方面提出改善碳排放效率的建议和措施。     

从综合交通规划角度看小汽车限制政策的实施--以深圳市为例

小汽车限购、限行政策引发各界讨论,但是缺少从城市综合交通体系角度出发阐述并反思政策推出背景和调整思路等方面的研究。分析讨论深圳市历次综合交通体系规划中小汽车限制政策规划内容及实施情况。探讨综合交通体系规划层面,面向道路交通可持续发展应当提出的小汽车限制政策内容及要求。在战略层面提出小汽车发展政策,强调交通规划与城市总体规划的协调,强化管理政策的法定地位。最后提出,要持续加快构建一体化公共交通体系,并通过更严格的限制小汽车拥有、使用措施,继续深化道路空间使用管制。     

基于Logsum 差异和嵌套Logit 模型的 交通出行者效益测算研究

交通政策,项目投资及管理措施等会对交通系统出行者的行为方式产生影响, 进而影响系统出行者的经济效益,因此需要科学估计和合理测算.从交通经济领域效益估 算的常用方法着手,在对传统基于rule-of-half 的效益测算方法进行分析的基础上,重点 探讨基于Logsum差异的效益测算方法.构建出行决策的3 层嵌套Logit 模型,从目的地- 方式-路径选择角度建立出行者的效用表达式及方式选择模型,提出基于嵌套Logit 模 型和Logsum差异的效益测算方法;结合案例和情景分析验证方法的应用,并与传统测算 方法进行比较.结果表明,当自变量相对基准情况有较大变化时,rule-of-half 方法和 Logsum 方法的计算结果会有较大差异,在需求非线性变化情况下,基于Logsum 差异的 测算结果更为合理.     

城市机动车拥有量预测方法的讨论

城市机动车拥有量是城市交通设施规划和建设的依据。以建立多元回归模型为手段,预测未来年的城市小汽车拥有量。并结合深圳市的实际情况,给出具体算例。同时对其它预测方法也进行了一定程度的讨论。     

有限理性视野下出行者出行方式选择分层Logit模型研究

在传统分层Logit模型的基础上,放松出行者完全理性的假设,基于有限理性满意决策准则,建立了多方式有限理性分层Logit(BRNL)模型,来描述出行者的方式选择行为.模型假设当方式间的成本差在无差异区间内时,出行者依据偏好或随机进行方式选择;否则,出行者将选择出行成本更小的交通方式.此外,提出了一种嵌套的相继平均算法对模型进行求解.最后,通过一个数值算例验证了模型的合理性和算法的有效性.研究结果表明,出行者并不总是选择出行成本最小的交通方式,其选择行为与出行者的理性程度和偏好有关,且理性程度越低,出行者对方式间的成本差越不敏感.     

大数据驱动的公共交通系统出行方式选择特性研究

掌握出行者选择偏好对于提高公共交通系统吸引力和优化运营策略有重要作用,且数据检测技术的发展使得交通大数据的收集更加便捷.本文以北京市出行大数据为依托,通过分析与建模,挖掘人们在公共交通中的方式选择特性,并探讨如何为交通运营提供决策支持.首先,对原始数据进行预处理、数据清洗与数据集成,获得了模型所需的数据集.然后根据效用函数理论,建立了分层多项Logit模型,并对模型进行求解与验证.最后,基于模型结果得出不同出行群体VOT,进行部分变量的敏感性分析.得出中距离出行者票价敏感性最高,短途出行者速度敏感性最高,6:00-7:00的出行群体票价敏感性最高且速度敏感性最低等结论,可用于支持公共交通运营部门制定最佳运营策略.     

��������ο���������������ģ��

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积。假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型。然后,给出基于Probit加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法。算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为。对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变。     

依赖随机参考点的网络均衡配流模型

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积.假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型.然后,给出基于Probit 加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法.算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为.对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变.