出行需求分析的新方法:活动模型的应用研究

结合我国交通规划实际情况,提出新型的基于活动的出行需求分析方法,通过大量的调查数据和严密的分析,研究了数据转换的过程及方法,用以分析活动与出行的关系,并以此作为活动模型与出行模型之间的桥梁。详细阐述了数据选择和整理方法、有效性检查规则;应用居民出行调查数据,分析活动及出行特征作为模拟的基础,并提出基于交叉分类的出行量预测方法;然后制定活动-出行行为的详细模拟流程,研究各特性变量的模拟方法;给出模型的验证及确认方法,并编写计算机程序实现模拟流程。该方法已应用于辽宁某市城市居民的活动与出行特征分析,验证结果显示该方法具有较强的实用性,为活动模型的研究提供了参考。     

公路运输通道内的车辆出行路径选择模型及应用研究

考虑到影响运输通道内车辆出行路径选择的因素较为复杂，而现有的出行路径选择模型对多因素、微观指标的反应不敏感，本文利用随机效用理论建立通道内的车辆出行路径选择微观模型，并以安徽省沪蓉通道高界段为例进行模型的辩识和参数的标定，该模型的应用对于通道内公路项目建设和经营管理决策具有重要的意义。     

动态路阻下的出行时间预测和路径选择模型

通过分析原有路径选择模型的不足之处,在考虑路网中路段路阻的动态性和出行者出行路径选择的随机性的基础上,提出了一种出行期望时间预测和动态路径选择模型,并引用一个具体算例来证明该模型的正确性和适用性;同时分别运用最短路径模型和文中所提出的动态路径选择模型进行求解,得到每条路径被选择的概率和最短期望出行时间,结果证明文中模型能计算出出行者期望时间和可能出行路径,比传统模型更加符合现实状况,更能模拟现实生活中出行者的出行行为和路网路阻随时间变化的状态,对出行者的出行决策更具指导价值。     

基于非集计模型的公交出行选择预测模型

为研究城市居民选择何种公交方式出行,以非集计理论为方法,结合西安市城市居民公交出行特性,以地铁出行和地面常规公交为选择肢,确定相关因素作为影响变量,可建立居民公交出行选择MNL模型.使用交通分析软件TransCAD标定模型,可获得模型各影响变量参数值,并依据统计学原理和相关参数检验对模型参数进行分析,最后再运用另外400份居民公交出行调研数据对模型进行精度验证.     

基于分布式出行信息的轨道交通出行特征辨识

为准确识别网络化运营环境下城市轨道交通乘客的出行特征,设计了可采集Wi-Fi信息的分布式交通行为识别系统,并建立出行特征识别算法.布设在各站点的检测设备可采集乘客所携带移动设备独一无二的M AC地址信息,并上传至信息中心.信息中心通过对比同一设备在各站点获取的时间戳和对应站点编号,可识别乘客的出行路径和行程时间,结合轨道交通车辆的走行时间信息可获取换乘站的换乘时间,并应用上述时间信息验证所识别出行路径信息的有效性.在西安市轨道交通系统的测试结果表明,同由客票信息获取的出行行为相比,该系统能采集所有网络形态下的乘客出行路径及行程时间,测试数据的平均采样率可达32.86%,误差为3.8%.该系统的分析结果可用于城市轨道交通系统的客票清分、站点设计等环节.      

基于GBAS的公交出行最优路径选择算法

通过对城市公交网络的描述,结合居民公交出行路径选择的特征,提出了以换乘次数最少为首要目标,以出行距离最短为次要目标的基于GBAS(基于图的蚁群系统)的公交出行最优路径选择算法。算法让分群蚂蚁从起点站行走至终点站后,在所有走过的路径中,通过对换乘次数和出行距离进行计算后选择最优路径,并对该路径上的信息素进行加强,其他路径上的信息素进行挥发,经过若干次外循环迭代后,分群蚂蚁会选择信息素最强的路径行走,即为公交出行的最优路径。用一个算例对算法的有效性进行验证。     

城市居民出行空间和方式联合选择模型研究

考虑到出行者出行空间和出行方式之间的重要联系,本文基于非集计模型中Nested Logit模型的理论和方法,结合2005年国内某大型城市居民出行调查数据,建立了城市居民出行空间和方式的联合选择模型。模型为2层的NL模型,第1层为空间选择层,第2层为方式选择层,以此将出行空间选择和出行方式选择连接起来。模型采用统计软件STATA 9进行标定,并通过统计指标进行验证,深入分析了影响出行者出行空间选择和出行方式选择的重要因素。最后,用同样的数据源建立了方式选择的MNL模型,通过对比联合模型和MNL模型的命中率和集计结果表明,出行空间和方式联合选择模型能够在较细的层面上预测出行者出行空间和交通方式的选择情况,从而提高了模型的精度和实用性。     

应急车辆出行前救援路径选择的多目标规划模型

针对城市中应急车辆的救援路径优化问题,分析了基于交通信息中心的应急车辆最优路径的多目标属性,给出了随机网络中各属性的量化计算方法,以最小化出行时间,最大化行程时间可靠度为目标,考虑了通行可靠性、安全性、道路条件限制等因素,建立了应急车辆出行前最优路径选择的多目标规划模型.模型所求得的解是综合最优路径,反映了应急车辆路径选择的目标需求,克服了以往直接等同于图论中最短路径的缺陷,给出了算法,通过算例验证了模型的合理性和有效性.     

基于最大信息熵理论的UF系数研究

效用系数UF(Utility Factor)起源于SAE J 2841,为描述插电式混合动力汽车行驶时的燃油和电的消耗而提出。本文基于用户云平台数据,提出群体用户和个体用户出行里程特征的拟合方法。首先研究现有各主要国家的UF系数及其区别;然后研究最大信息熵理论应用于用户出行里程分布规律模型;接着,通过云平台数据随机选取16辆车一年的出行数据,并分析群体出行里程分布特征与个体出行里程分布特征;最后,讨论用户出行里程特征对于车辆动力系统设计的应用。经分析,研究用户出行里程统计分布的规律,有利于定制化地更有针对性地改进车辆能源管理系统,有利于各类混合动力汽车的客观评价与设计,有利于节能减排。     

基于神经网络的交通方式选择模型

已有的交通拥挤问题研究大多关注于城市交通的宏观层面,而对于微观层面的居民出行个体研究甚少,这主要是因为与出行个体相关的特征指标难以量化,只能做定性分析,引入神经网络模型即能够识别线性指标又能够识别非线性指标的特性。分析了影响居民出行方式选择的相关因素,这些因素包括出行者自身特性、出行者的出行特性、运输系统特性、出行区域特性和目的地区域特性5类,并建立了神经网络居民出行方式选择预测模型。通过实际调查数据的验证,表明本文模型具有很好的实用性,为城市居民出行方式的选择预测提供了新的思路。     

不同需求影响下的自行车出行路径规划方法

目前已有自行车出行路径规划方法普遍存在需求差异性考虑不足、方案精度较低等问题,无法满足人们逐步严苛的出行需求,根据出行多样化需求(单一需求、复合需求)进行规划方法研究可以拓宽自行车出行路径选择手段.以通勤性出行、事务性出行、休闲性出行作为主要出行目的,通过文献研究、实地调查和因素分析,确认了出行时间、出行安全和出行环境3个方面的需求以及各需求下的影响因素,基于北京市西城区路网基础数据进行数值标定、算法描述等,分别研究了单一需求和复合需求影响下的自行车出行路径规划方法,根据不同出行目的下的需求差异性分别给出推荐路径.考虑到过街影响提高了出行时间需求下的推荐精度,单一影响与复合影响的差异也可以提供更多自行车出行路径的选择方法.      

基于贝叶斯网络的出行方式选择模型研究

论文以居民出行方式选择为研究对象,分析了城市居民出行方式的影响因素,建立了基于贝叶斯网络的居民出行方式选择模型,并以苏州市为例,结合居民出行调查数据采用极大似然法对模型进行了参数估计,并采用贝叶斯网络推理方法验证模型精度。结果表明,该模型能较全面地考虑居民出行选择的影响因素,模型精度较高。     

居民出行方式选择非集计模型的建立

基于非集计离散选择模型的基本理论与建模方法,结合2003年北京居民出行调查数据,对影响居民出行方式选择的因素进行了分析,选择包括公交车、出租车、私人小汽车等在内的5种日常生活中较为常用的交通方式作为居民出行的方式选择肢,确定了影响居民出行方式选择的特性变量及相应的取值方法,建立了交通方式选择MNL模型。应用Matlab优化工具箱中的无约束最优化函数对所建的MNL模型的参数进行了标定,并通过命中率的计算验证了模型的有效性。结果表明,非集计建模方法能够较全面的考虑居民出行选择的各方面影响因素,尤其是将出行者的个人特性影响因素引入模型,提高了模型的预测精度和实用性。     

基于蚁群优化算法与出租车GPS数据的公众出行路径优化

以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。     

基于Logistic模型对居民弹性出行影响因素建模研究

居民弹性出行特征是城市快速发展进程下的产物,随着城市居民生活水平不断提高,弹性出行在所有出行中所占比例逐渐增加,因而对居民弹性出行的研究愈发重要。为研究居民弹性出行特征的影响因素,首先利用居民弹性出行行为调查的RP-SP融合数据,结合方差膨胀检验方法研究影响居民弹性出行特征各因素间的线性相关性,最后构建多元Logistic模型,分析居民弹性出行前获取出行时间信息、天气信息作出出行选择时影响因素的显著性程度。结果表明,在0.05的显著性水平下,影响因素中年龄、游客类型、主要交通出行工具等显著影响居民弹性出行选择;居民出行前获知交通信息,弹性出行的概率能有效降低9%,在一定程度上可以降低交通压力,缓解交通拥挤。     

公交乘客出行路径优化模型

分别以“换乘次数”最少和“出行时间”最短为优化目标，提出2个公交乘客出行路径优化模型，得到不同的最优线路，供公交乘客选择适合自身的出行路线，并以1个简单的公交网络对模型进行了验算。     

交通信息作用下的活动-出行决策行为研究

从交通信息对出行者出发时刻、出行路径、出行方式选择和日活动安排的影响及其作用机制等方面,评价了以活动理论为基础的各种研究方法和模型系统的优缺点;分析总结了近十几年间交通信息作用下的出行行为研究领域的研究进展;探索了改进信息作用下活动-出行行为预测方法的途径.结果表明:信息在诱导人们出行行为方面既有积极作用,也存在一定局限性,规划管理部门应正确认识和合理利用交通信息.     

出行路径选择的随机后悔最小化模型

从后悔理论入手,分析后悔理论用于出行行为分析的2种一般形式:多项选择集和多属性决策,研究后悔理论在有风险和无风险条件下的模型结构,提出基于随机后悔最小化的出行路径选择行为分析模型,结合算例对比分析随机效用最大化模型和随机后悔最小化模型用于出行路径选择结果的异同.研究表明,出行者做决策时为避免未选择方案比选择方案表现的更好,试图将预期后悔最小化,而不是预期效用最大化.且对于多属性的备选方案,出行决策是半补偿性的.      

计划行为理论视角下基于出行行为的公交防疫策略影响效果研究

疫策略对居民公交出行决策行为和出行偏好有着关键作用, 直接关系到公交优先策略的长期实施效果。从居民出行行为的角度, 在计划行为理论的框架下, 基于调查数据研究了居民公交出行影响因素及作用路径, 在此基础上对公共交通防疫策略进行了分析。研究发现了疫情期间公交出行行为影响因素中的1条显著作用路径, 即“风险感知、防疫策略→出行态度→出行意向→出行行为”, 验证了疫情风险感知和各项防疫管控策略对居民出行方式选择行为和出行偏好上有着深刻的长期影响, 需要更加慎重的使用停运等严格策略。通过进一步地观测变量分析, 驾驶员和车内环境消杀等信息对相应潜变量的路径系数最高, 均达到0.9以上, 说明已实施的防疫策略的信息公开对乘客出行态度极其重要, 这在当前是普遍被忽略的。在分析结果的基础上提出了信息公开、分散就坐等具体策略建议。      

基于级差效益的驾驶员个性化路径选择

在公路成网的条件下,出行路径选择成为智能交通系统的研究重点。考虑到路径选择的多属性和不确定性,提出一种基于级差效益的、体现驾驶员个性化出行需求的路径选择模型,该模型通过计算可行路径的综合级差效益来量化公路综合属性值,可以克服公路综合属性值在量化过程中的强主观性,同时,根据驾驶员的出行需求为其规划出行路径,能够避免单一优化目标下最优路径的车辆过度聚集所造成路网交通流失衡。模型首先参考不确定型多属性决策模型,构建公路级差效益的综合评价指标体系,获取各个评价指标的级差效益定量化模型,以此得到规范化决策矩阵;然后针对驾驶员需求的主观性和不确定性,利用模糊分析法确定驾驶员个性化路径选择的指标权重,求得可行路径的综合级差效益;最后根据可行路径的综合级差效益,对可行路径方案进行排序,从而选出最优路径。以重庆市黔江区公路网为例,基于级差效益的驾驶员个性化路径选择模型为两个具有不同出行需求的驾驶员规划了不同的路径,为关心成本的驾驶员1规划了路径2,为关心安全的驾驶员2规划了路径1,克服公路属性值在量化过程中的强主观性,同时,避免单一优化目标下最优路径的车辆过度聚集,可为公路信息服务和驾驶员出行选择提供依据。