基于前景理论的动态路径选择模型

针对研究路径选择问题的传统理论——“期望效用理论”的不足,分析了“前景理论”的基本思想和结构框架．以出行者的日常上班出行为研究对象,在“前景理论”的基本框架下,研究实时交通信息影响下的路径选择问题,分析了出行者的路径选择决策过程．以出行者到达目的地的时刻为参照点,建立了价值函数．利用贝叶斯理论,对预测的路径行程时间进行更新与调整,分析出行者对路径选择结果的个人主观概率,得到决策权重函数．结合编辑阶段确定的价值函数,确定路径的前景值表达式,得到了路径选择模型．因出行者每次出行,需要对原有的经验信息进行更新与调整,故所建立的为动态选择模型．     

基于前景理论的动态路径选择模型

针对研究路径选择问题的传统理论——“期望效用理论”的不足,分析了“前景理论”的基本思想和结构框架．以出行者的日常上班出行为研究对象,在“前景理论”的基本框架下,研究实时交通信息影响下的路径选择问题,分析了出行者的路径选择决策过程．以出行者到达目的地的时刻为参照点,建立了价值函数．利用贝叶斯理论,对预测的路径行程时间进行更新与调整,分析出行者对路径选择结果的个人主观概率,得到决策权重函数．结合编辑阶段确定的价值函数,确定路径的前景值表达式,得到了路径选择模型．因出行者每次出行,需要对原有的经验信息进行更新与调整,故所建立的为动态选择模型．     

通勤出行方式-出行链模式联合选择模型

以单个通勤出行者为研究对象,构造基于广义极值理论的Cross-Nested Logit模型,分析了通勤出行方式和出行链模式联合选择行为.模型以通勤出行方式选择子集和出行链模式选择子集的组合为选择集,描述了在出行者社会经济属性、居住地和工作地区位、工作活动属性影响下的出行方式和出行链模型联合选择行为,能准确刻画两个选择维度之间的相关关系.利用居民出行调查数据完成模型标定.研究表明,通勤出行方式和出行链模式选择之间有显著的相互影响,出行者性别、家庭收入、家庭结构、家庭交通工具、工作活动作息时间、居住地和工作地区位是重要影响因素.当上述因素发生改变时,出行者会优先调整其出行链模式而非出行方式.     

班车通勤次数选择行为研究

通过对私家车通勤出行者RP和SP调查,分析了性别、年龄、驾龄、燃油价格等因素对班车通勤次数选择行为的影响,建立了基于Ordinal Logit（OL）模型的私家车转向班车通勤出行的频率选择模型。模型系数表明,驾龄小于3a的私家车出行者,在燃油价格上涨时,更倾向于班车通勤出行;驾龄大于3a的私家车通勤出行者,随着驾龄的增加,受燃油价格的影响越小,转向班车出行的频率越低。     

考虑汽车共享服务的出行方式选择影响因素研究

为了分析汽车共享服务对城市出行者出行方式选择行为的影响，基于随机效用理论，运用行为调查和意向调查数据，以汽车共享服务、出租车、地铁三种出行方式作为选择肢，构建多项Logit模型，并应用SPSS软件对模型进行拟合检验与参数估计。研究表明：性别、年龄、最常使用交通工具、日常通勤单程距离、出行距离和汽车共享服务收费标准均会对出行者的汽车共享服务选择行为产生显著影响；中青年男性更倾向于选择汽车共享服务出行，且随着出行距离的增加、汽车共享服务收费标准的降低，汽车共享服务被选择的概率会增大；相较于出租车，日常通勤单程距离为20~30km的出行者更倾向于选择汽车共享服务；相较于地铁，最常使用交通工具为私家车的出行者选择汽车共享服务的概率更大。因此，为提高汽车共享服务被选择概率，应提高用户体验、服务水平，合理设置收费标准。     

群体出行的交通方式选择行为研究

多人结伴的群体出行是非通勤目的的交通出行中的普遍现象,已有交通方式选择行为研究中通常以出行者个体作为交通方式选择的决策单元,对于群体出行状况下的交通方式选择行为研究具有不适应性.以出行者群体作为交通方式选择的决策单元,基于2010年上海世博会游客的出行数据,建立了不同群体规模的出行方式选择行为模型.结果表明,群体出行对于交通方式选择行为具有显著影响:出行者对交通服务属性的敏感性下降;出行者群体的车内时间价值增加;出行者感知的车外时间当量和换乘惩罚当量上升.     

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.      

基于面板数据Mixed logit模型的自动驾驶选择行为分析

为准确把握自动驾驶环境下出行方式选择规律,引入面板数据Mixed logit模型分析在自动驾驶环境下表征出行者个体社会经济属性的年龄、收入、受教育程度等变量和表征出行方式特性的出行成本、等待时间、在途时间等变量对出行方式选择行为影响作用机理.利用新加坡自动驾驶出行意愿调研获得150位受访者在7个不同情景的1050个选择意愿有效样本数据,构建自动驾驶环境下出行选择行为模型.结果显示:模型卡方检验p值小于0.000说明模型具有较好的适用性;参数估计结果显示人群中不同个体对出行成本、等待时间、出行时间存在较强异质性;边际效应分析显示随着年龄增大选择自动驾驶、公交和步行出行概率增大选择网约车概率降低,当出行成本、出行时间、等待时间增加一倍将使选择自动驾驶出行概率降低近4.0％.     

城市轨道交通新线开通对出行方式选择的影响研究

为研究城市轨道交通新线开通对出行方式选择的影响,开展了出行方式转换的SP(Stated Preference)调查,构建全目的和通勤出行方式选择的MNL模型(Multinomial Logit model)。定量分析了个体属性和交通方式属性对出行者交通方式选择的影响。研究表明：乘客感知的轨道交通全目的出行时耗负效用为相同时耗公交的91%,而通勤时耗负效用为全目的出行的1.89倍;轨道交通出行总时耗对分担率影响最显著,前者增减50%时,后者变动约10%;公交是轨道交通的主要竞争方式,当前者出行耗时提高50%时,后者分担率将增加6.8%;停车费小幅提高和出行时耗增加不能显著促使小汽车使用者转向轨道交通,交通需求管理是引导出行转移的重要途径。     

通勤班车出行线路优化研究

基于通勤班车出行者意向调查与分析,掌握班车出行行为特性,建立了基于ML模型的班车出行前端衔接方式选择模型,确定前端衔接时间.并以满足最大出行需求、线路总体通行时间最短的路径寻优双重目标,建立了班车线路优化模型,并通过启发式算法进行求解.研究结果表明,约占78.1%的班车出行者前端衔接时间占总出行时间的比例在0.2～0.5;85%以上的班车出行者希望(容忍)最早出发时间不早于实际出发时间,通过实例验证可通过通勤班车线路的优化设置来提高公共交通出行.     

基于期望-超额出行时间的道路系统最优均衡模型

为研究随机事件扰动下出行者的择路行为对交通分配的影响,同时考虑供需条件的随机变化,以期望-超额出行时间为出行者择路依据,利用边际成本收费原理,推导了边际成本收费值计算公式,建立用等价变分不等式表示的系统最优交通分配模型,并利用自适应投影收缩算法进行求解.算例表明:当OD需求系数为1.0、路段能力退化系数为0.5时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算为择路依据时增加了11.27%和3.58%;当出行时间可靠度为0.9时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算作为择路依据时增加了20.22%和4.30%.      

基于奖罚措施的小汽车通勤者出行行为研究

奖赏和惩罚措施是解决交通拥堵问题的重要措施,本文基于在北京市的调查,进行 2 种措施下出行选择行为的探索研究,得出奖励措施会使更多的小汽车通勤者转向非高峰出 行,而收费措施对于使其放弃小汽车出行效果更好.基于前景理论的分析显示：奖励措施下,大 部分出行者的方式选择为“收益”;而收费措施下,大部分出行者面临“损失”,不同群体在出行 选择时呈现不同的风险偏好态度.在引导小汽车高峰出行向错峰出行转移时,奖励措施比较适 用于中等收入群体,收费措施比较适用于中高收入群体;在引导小汽车高峰出行向其他方式转 移时,2种措施对低收入群体效果更好.以上结论可为交通需求管理政策的制定提供一些参考.     

学龄儿童出行方式特征及其影响因素

小学阶段学龄儿童处于出行有人陪伴与无人陪伴的过渡期,其上下学时间与城市交通高峰时段重叠,常引发区域性的交通拥堵或其他社会问题。基于北京市西城区5所不同类型小学的学生及家庭成员早高峰出行调查数据,分析表明步行是儿童最主要的出行方式,儿童出行方式选择与小学类型存在明显相关性。重点探讨儿童及家长出行方式选择的影响因素,包括儿童自身特征、家庭及其成员特征、城市交通与环境特征。结果显示,家庭及其成员特征对儿童出行方式选择具有决定性影响;现状城市公共交通无法满足儿童上下学的出行需求;家长对学校周边的交通环境满意度较低,导致儿童上下学以个体出行方式为主。     

小学生上下学出行特征分析与管理策略

小学生上下学交通是城市居民出行的重要组成部分,由于家长接送学生时私人小汽车的停放以及机非混合,严重影响了学校门口的交通运行。以小学生上下学出行为研究对象,结合某小学的分层抽样OD调查数据,研究小学生上下学出行方式,并与美国小学生的出行方式进行对比;采集学校所在路段的交通量,绘制12 h交通量时变曲线,与无学校影响的、类似路段的交通量时变曲线进行对比,揭示学校所在路段交通量波动特征和上下学出行结构特征。在出行结构分析和交通量分析基础上,从出行结构和供需关系两方面提出改善小学生上下学交通的管理策略。     

基于行程时间可靠性的多类用户交通分配模型

分析了路网在随机因素作用下造成的出行者行程时间的不确定性.假设出行者基于期望行程时间和行程时间可靠性的均衡选择路径,根据出行者对待行程时间可靠性的不同态度,将其路径选择行为分类,建立了基于行程时间可靠性的多类用户交通分配的变分不等式模型.给出了模型的对角化算法.对一个小型测试网络的计算结果表明,该模型能够反映出行者在不确定环境下的路径选择行为.     

基于地铁刷卡数据的通学模式影响机理研究

长距离的通学出行是导致中小学生被家长用小汽车接送的关键因素,鼓励中长距离通学学生使用地铁出行可以减少他们对小汽车的依赖.本文在考虑潜在接送行为的基础上,利用地铁IC卡刷卡数据研究了南京市中小学生的地铁通学模式.通过识别出地铁通学人群及对应的通学记录,把学生地铁通学行为分为只去不回 (HTSO)、只回不去 (STHO)、往返 (SHUTTLE)和其他(OTHERS)模式,并建立多元Logistic模型分析了学生出行特征、所在区位、居住地及学校周边建成环境特征对其地铁通学模式的影响.模型结果显示,学生的出发时刻、出行频率、居住地区位、学校区位及建成环境对地铁通学模式有显著影响,且居住地和学校周边建成环境对学生通学模式的影响不同.     

考虑风险规避和认知更新的日常择路行为演进

为了刻画出行者的日常择路行为,利用动力学系统方法和不动点理论,建立了一个集成风险规避和认知更新的演化模型,分析了演化过程的稳定性,并在一个简单网络上进行了验证。发现在模拟开始的前15 d内,出行时间预算、路径期望出行时间、实际出行时间以及路径流量都出现了较大的波动,但经过大约30 d的摸索以后,开始趋向于随机用户均衡状态。分析结果表明:模型所设计的择路演化过程类似于经典的相继平均算法的计算过程,可以确保收敛到稳定状态,并与初始状态参数的取值无关。     

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.     

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.