基于组合模型的车辆出行特征模式划分

精准掌握车辆的出行规律研究智能化城市交通管理及规划的基础工作,而掌握车辆出行规律的前提是探究车辆的出行特征。为研究城市道路交通车辆的出行特征模式,通过对历史RFID轨迹数据挖掘,对私家车、出租车样本轨迹数据进行定性分析,总结车辆运行的分布特征规律。基于数理统计分析,建立了出行频次、在网时间、轨迹重复率、出行时段,活动偏好区域、干线影响区偏好等出行特征指标体系。通过对出行特征指标的定制选取,建立基于密度峰值(CFSFDP)算法与BP神经网络算法的出行特征群体辨识模型。研究了私家车、出租车存在的特征群体,辨识出不同的出行模式,即实现出行特征群体的辨识。选取重庆市主城区域内的RFID数据进行试验分析,分别基于私家车、出租车提取的出行特征指标,进行CFSFDP算法的聚类分析,找到聚类中心,归纳分类数据。再利用分类数据进行BP神经网络训练学习,评价模型试验结果。结果表明:私家车存在3种出行特征群体:商用私家车群体、通勤私家车群体、其他私家车群体,群体识别率为97.2%。出租车具有2种出行特征群体:其他区域偏好出租车群体、干线影响区偏好出租车群体;群体识别率高达99.18%。     

共享单车引入后通勤者出行方式选择影响因素建模

为研究共享单车的引入对通勤者出行方式选择的影响,通过对南京市通勤居民进行出行问卷调查,从社会经济属性、家庭属性、出行特性及出行意愿4个方面,采用混合logit模型分析通勤者在共享单车出现后的出行方式选择影响因素.结果 表明,性别、收入、企事业者/教师医生、拥有私家车、出行费用、出行距离、出行时间及舒适性对通勤者选择私家车出行都是正显著的;年龄、企事业者、出行费用、出行时间及经济/安全/环保性对通勤者选择公共交通具有显著正影响;收入、出行距离、出行时间及安全性对通勤者选择自行车出行具有显著负影响;年龄、性别、出行距离、出行时间及安全性对通勤者选择共享单车出行具有显著负影响.其中,注重经济性的通勤者选择公共交通的概率会达到65.58%,注重环保性的通勤者选择公共交通出行的概率可达到84.55%;注重舒适性和注重经济性相比,优先考虑舒适性,即更愿意选择私家车出行.      

公共卫生事件持续期通勤合乘设计及组织效率影响分析

为探究城市公共卫生事件下，考虑特殊时期的交通服务需求，通勤合乘模式解决通勤出行的可行性及组织效率，以2020年新型冠状病毒感染的肺炎（新冠肺炎）疫情为背景，基于疫情期乘客出行偏好网络问卷调研数据，分析民众出行偏好及对不同出行模式的暴露风险感知。意愿调研显示，71%的私家车主及无私家车群体均对与同单位人员发生合乘有较高的参与意愿，60%的私家车主表示愿意提供合乘服务，73%的无私家车通勤人群表示愿意接受合乘服务。在单位层面组织通勤合乘，有需求、有条件、有基础，具有良好可行性。以问卷数据为基础构建二元Logit模型对合乘出行驱动因素影响分析，研究发现疫情持续期出行者对交通方式主观感知风险将对合乘选择行为影响较为显著。结合出行群体在疫情持续期的交通方式选择偏好，提出基于健康管理的通勤合乘组织设计的公益互助、安心、用户群体固定、预约共享、合乘人数控制原则和服务水平要求。通过不同场景下合乘仿真，对该模式的预期效率进行解析，得出由单位组织的通勤合乘模式相较商业顺风车而言，前者“N对1”的配对需求与后者“N对N”配对相比，大幅提高了配对成功率。在不同拥车率条件下，存在一个成行率较高的合理员工规模，且该合理规模不是很大。员工住地较为分散的成行率均低于住地聚集场景，当拥车率达到65%的水平时，不论员工住地分布集聚还是分散，均可达到较高的成行率。面对公共卫生事件持续期，探索通过城市交通组织模式创新来破解通勤的流动需求与风险管控难题，为城市治理提供参考。     

考虑舒适度因素的出行价值模型

为了探究舒适度对出行者路径选择的影响,通过分析出行舒适度的影响因素,构建舒适度价值模型,从而建立考虑舒适度因素的出行价值模型。首先考虑行程时间、出行费用和舒适度3种出行价值的影响因素,建立出行价值模型;然后采用意愿调查法对出行者舒适度选择特征进行调查,以性别、年龄、出行方式、行程时间为特征变量,通过排序选择模型对舒适度选择概率进行标定,发现交通方式和行程时间两种影响因素对舒适度选择具有显著影响。通过计算出不同交通方式、不同行程时间对应的舒适度选择概率,从而得到不同出行状态下的舒适度概率分布,由此建立了基于舒适度排序选择模型的出行价值模型。最后以公交车出行价值为参考,进行算例分析,利用AHP层次分析法,对行程时间、出行费用和舒适度3种因素的单位价值进行判断,得出出行价值计算模型,分别针对考虑和不考虑舒适度的出行价值模型进行比较分析。结果表明,当考虑舒适度因素时,私家车和自行车的出行价值分别下降了2.6%和30.2%。由此可见考虑舒适度的出行价值模型能够更好地评价不同出行方式的价值差异。     

上海典型停车换乘选择行为研究

针对上海6处停车换乘(P+R )点位使用率有高有低的情况,展开P+R用户选择行为调查。初步调查发现出行时间是最重要的影响因素,其次是出行费用。为研究结论普适性,采用网络观测辅以实际行程时间调查的方法,对高峰时段6个换乘点位的典型通勤路径的自驾、P+ R方式的出行成本进行了调查。分析发现,上海P+R设施应分为城区内和城郊设施2种类型;P+ R用户并非全部由自驾出行人员转换而来,也转自于公交+地铁或出租+地铁等其他出行方式人员;其中,自驾出行人员对时间节省最关注,道路通畅时其时间价值要低于交通拥堵时;公共交通出行人员由于出行时间节省而选择P+R;出租+地铁及普通停车换乘用户更关注出行费用;P+R有助于促进多模式交通出行,公交配套不完善地区P+R需求更大。      

小型突发事件场景下的应急车辆优先通行策略研究

对于高峰期发生的小型突发事件, 应急车辆优先通行可能对路网造成强负外部性, 同时为保证应急车辆优先通行而采取的信号协调策略可能导致路径选择不可靠。因此, 提出1种基于双层规划模型的应急车辆优先通行策略, 综合考虑应急车辆的时效性以及交通系统的运行效率。路径选择受路径长度等物理条件以及交通状态的影响, 信号控制改变车道通行能力和上下游流量, 进而改变路网状态。以车道组饱和度作为表征路网状态的参数, 并以此联系路径选择与信号控制, 进而构建应急车辆优先通行的双层规划模型。具体地, 上层目标为应急车辆行程时间最短以保证应急车辆出行的时效性, 下层目标为信号控制对交通系统的社会车辆效益最大, 采用改进的前N条最短路径多重标号算法求解。算例结果表明: 相较于传统方案, 应急车辆行程时间增加8.7%, 对社会车辆的延误降低261%, 即应急车辆每降低1%的行程时间以交通系统增加30%的延误为代价。该方案能够以较小的应急车辆延误为代价降低高峰期交通系统较大的延误。      

基于双站台的 BRT与社会车辆协同绿波优化模型

公交车在运行过程中需要停靠站台，导致现有绿波交通模型很难同时优化社会车辆与公交车。针对该难题，建立了以双站台为基础的社会车辆绿波与BRT行程时间协同优化模型。该模型以社会车辆绿波带宽最大与BRT行程时间最短的加权值为目标函数；以周期时长、相位相序、社会车辆与 BRT 车速、交叉口双站台停靠选择为优化变量。算例表明，与 maxband模型相比，优化模型在绿波带宽占周期比例不变的情况下，BRT平均行程时间由 407.54 s降为 308.08 s，降低24.4%；BRT平均延误由68.66 s降为9.2 s，降低86.6%；停车次数由35次降低为2次，降低94.6%。优化模型在保证社会车辆绿波通行的前提下可以显著提高BRT的通行效率，为BRT的进一步推广应用提供理论基础。     

基于GPS数据的出租车通勤识别及时空特征分析

为研究城市居民出行活动中使用出租车完成的通勤行为及其时空分布特征,基于出租车GPS设备所生成车辆活动轨迹数据,利用地理信息数据库处理及GIS技术,对出租车出行起讫点信息进行甄别,在交通小区划分的基础上,构建了出租车载客出行行为OD矩阵,提出了基于出租车出行的通勤客流识别模型,并据此建立了通勤距离和时长的计算模型,用于通勤行为的时空特征分析。最后,以西安市为实证对象,对建立的模型进行实证分析。研究结果表明:各交通小区间出租车出行交通流波动系数在0.2时较为稳定;工作日的早高峰通勤交通流为20 000~27 000车次,晚高峰通勤交通流为15 000~27 000车次,其中,周一和周二相对稳定,周三至周五略有增加;工作日出租车早、晚高峰平均载客车次数基本一致,周二出租车通勤人数最多,周四相对较少;整月内所有工作日早高峰出行中依靠出租车的通勤出行量约占单日高峰交通流均值的27%;出租车通勤出行平均距离为3.7km,通勤距离主要分布在2.5~7km,通勤出行的平均时长为17min,通勤时间主要分布在10~20min;就业地和居住地的识别结果与实际土地利用性质所代表的地块属性基本一致,该方法可对城市居民使用出租车方式的通勤行为以及就业地和居住地进行有效识别,并为城市通勤服务交通系统优化及空间活动的异质性分析提供依据。     

多换乘点响应型接驳公交运行线路的协调优化

为尽量降低响应型接驳公交系统的运行费用，提出多换乘点间运行线路协调设计的构想。针对同时包含预约需求和实时需求的混合需求，构建多换乘点响应型接驳公交系统运行线路的2阶段协调优化方法，并设计优化流程。第1阶段仅考虑预约需求，首先将预约乘客按有/无特定换乘点要求进行分类，在此基础上构建预约需求下多换乘点多车辆运行线路的协调优化模型。在协调优化模型中，优化目标是由乘客时间费用、车辆运行费用、以及惩罚费用所构成的系统总成本最小；乘客时间费用包括乘客候车时间的惩罚费用、车内乘客在需求点的等待时间费用以及乘客车上时间的惩罚费用3个部分；车辆运行费用包括车辆启动费用、路段行驶费用、需求点的停靠费用、车辆早到引起的等待费用4个部分；考虑的约束条件包括乘客候车和车上的软时间窗、乘客换乘点要求、车辆容量、车辆出行时长等。第2阶段根据规则判断是否响应实时需求，并根据响应情况重新优化后续各班次的运行线路。针对第1阶段模型，基于模拟退火算法设计求解算法。研究表明：在预约需求或混合需求条件下，与各换乘点运行线路独自优化相比，协调优化方法均能显著降低运送全部响应乘客所需的平均运行距离和平均总成本；仅有预约需求时分别降低5.4%、19.8%，新增实时需求后分别减少1.4%、21.7%；与固定发车间隔相比，分时段调整发车间隔，也能有效降低运送全部响应乘客所需的平均运行距离和平均总成本，仅有预约需求时分别降低18.2%、17.2%，新增实时需求后分别减少19.97%、25.06%，说明多换乘点间车辆路径的协调运行是提升响应型接驳公交运行效率的有效途径。     

动态输入下路段行程时间研究

以元胞传输模型(LWR模型的离散形式)作为分析工具,以行程时间为研究对象,研究了单车道路段没有出入口的基本路段受交通信号控制影响下的动态行程时间.考虑到路段上车辆密度对车辆速度的影响,文章定义了路段加权密度来表征车辆进入路段时路段的状态.分析结果表明,动态行程时间和车辆进入路段时的流量基本上没有关系;当车辆进入路段时刻一定时,路段加权密度和车辆的动态行程时间成线性关系.     

北京市道路交通资源占有率分析

为了从宏观上了解城市交通基础设施的利用和使用情况,引入了交通资源占有率的概念表征车辆在全天、全路网上的运行状况。以北京市为研究对象,通过历年的统计数据和交通调查数据,分别从客运交通结构、行车里程、行车时间、交通调查中核查线车型比例等角度对北京市2000年和2005年的公交车、小汽车、出租车等不同交通方式的道路资源占有率进行计算。     

考虑出行群组异质性的有轨电车发展决策行为偏好研究

将有轨电车发展的研讨视为1项决策过程,按照基本属性、出行目的、出行模式等异质性特征,将出行群体划分为不同群组,开展基于不同异质性群组对发展有轨电车决策的偏好特性研究.通过融合行为偏好(RP)的意向偏好(SP)问卷调查,获取不同群组的基本属性及决策偏好特征数据.考虑有轨电车发展决策同时受环境要素、个体社会经济属性及出行需...     

飞行汽车的研究发展与关键技术

飞行汽车作为面向城市空中交通和未来出行的新型交通工具,正日益受到汽车和航空领域的重视,成为汽车和航空技术与产业跨界融合的重要发展趋势。该文介绍了飞行汽车的内涵及城市空中交通(UAM)概念的兴起,阐述了飞行汽车早期梦想的探索历程、面向城市空中交通的研究现状,以及未来将在全新智慧出行交通体系下实现大众化汽车“飞”起来的发展趋势;论述了飞行汽车发展的高功率密度电动推进、高升阻比轻质车体和低空飞行智能驾驶等主要性能瓶颈和关键技术;提出了中国飞行汽车的阶段性发展目标和构建汽车与航空跨界融合技术创新体系,以及重点推动城市空中交通和应急救援等领域示范应用的发展建议。     

基于OBD数据的驾驶人出行模式挖掘

传统的出行模式研究通常依靠问卷调查分析驾驶人出行特征，所得结果易受调查数据主观性影响，针对此问题基于北京市域范围内2个月共计3 570辆私家车的车载诊断数据，对驾驶人的不同出行模式进行分析并建模。通过长期采集的车辆各项参数，采用基于密度峰值的聚类算法进行聚类，将不同的驾驶人分为高频出行者、通勤出行者、长距偶发出行者以及危险出行者，并从平均出行距离、出行频次、百公里危险驾驶行为次数和出行时段等多维度进行分析，反映驾驶人行为的变化性和规律性。根据聚类的结果，使用多维离散隐马尔可夫模型进行建模并完成测试。测试表明，所提出的算法对于驾驶人出行模式的识别具有较高的准确性，对于4种类型的出行者，平均识别率超过91%，最高识别率可达94.5%。      

多类型共享电动汽车出行用户特征分析

共享电动汽车作为共享经济下的新兴产物,成功融合了私家小轿车和公共交通工具的优点,成为一种新兴交通模式。本文采用问卷调查及统计分析方法对共享电动汽车细分市场下的用户需求及出行选择进行分析,揭示出多类型共享电动汽车的用户特征,以助于共享电动汽车产业发展和促进中国绿色低碳发展战略进程。     

Commuting travel behavior focusing on the role of shared transportation in the wake of the COVID-19 pandemic and the Tokyo Olympics

To maintain life in the face of the COVID-19, people's lifestyles and travel behaviors must change. Accordingly, such changes have also occurred in the travel behavior for commuting purposes, especially during periods of severe congestion. The most typical example is the decrease in commuting travel due to telecommunication and other factors. Additionally, with the development of the sharing economy in recent years, the introduction of shared transportation has been rapidly expanding in the transportation sector, which may contribute to alleviating traffic congestion and other problems in the COVID-19 situation. In this study, we focused on the changes in travel behavior for commuting purposes during the COVID-19 period, including the time of the Tokyo Olympics, when traffic congestion was expected. The survey was conducted using a web-based questionnaire. In addition, to further promote changes in the travel behavior during the COVID-19 period, we analyzed the possibility of changes in the use of shared transportation arising from nudge effects of information provision and incentives. The results showed that the changes in commuting travel behavior were related to the awareness of COVID-19. Certain issues, such as a lack of ports and the widespread use of shared transportation need to be identified and resolved. Meanwhile, it was shown that the role of shared transportation for commuting purposes could be further improved by incentives and real-time information presentation about shared transportation.     

Is vehicle ownership in urban india influenced by the availability of high quality dedicated public transit systems?

As India's economy grows, so too does the number of people who can afford to own vehicles. A downside of this rapid increase in private vehicle ownership is a corresponding increase in traffic congestion, air pollution, and carbon emissions. Although affordability may be one reason for the shift toward commuting via private vehicles, another contributing factor could be the quality of public transportation. The objective of this paper is to determine whether private vehicle ownership in large urban areas in India is influenced by the presence of high quality dedicated public transit systems. Consumer expenditure survey data acquired from the National Sample Survey Office (NSSO) for the year 2009–2010 were used to develop a vehicle ownership model for 26 Indian cities with a population of at least one million. The results show that the availability of public transportation has a negative correlation to motorcycle/moped ownership but has no strong effect on car ownership. These results should encourage governments in developing economies to invest in high-quality dedicated public transit systems.     

基于动态清空距离的特殊车辆与CAVs混合车道控制

特殊车辆的优先通行是道路交通管理的一项重要工作,而目前相关控制措施存在实施难度较大、道路空间利用率低和道路通行能力下降等问题。为解决这些问题,结合智能网联汽车（CAVs）技术特点,提出考虑特殊车辆优先通行的CAVs专用车道控制方法,按应急车辆、一般优先级车辆和CAVs的优先通行顺序设计车辆通行规则。通过预测特殊车辆到达下游交叉口时的路口排队长度,建立“满足不同优先级特殊车辆通行需求”的动态清空距离模型,其中应急车辆以速度损失最小化为优化目标,一般优先级车辆以均衡车辆通行需求为优化目标。针对CAVs在专用道上可能成为其他车辆通行障碍的情况,考虑换道安全和不同换道动机,设计CAVs进入和离开专用道的规则,建立换道决策控制模型;在此基础上,提出适用于不同优先级车辆的专用车道通行控制策略。通过仿真实验对所提方法的控制效果予以分析验证。实验结果表明:与不考虑特殊车辆优先通行的控制方法相比,虽然该方法的车均出行时间和人均出行时间分别增加了3.9%和2.8%,但特殊车辆的车均延误时间减少了59.6%以上;与IBL控制方法相比,该方法的车均出行时间和人均出行时间分别减少16.7%和14.6%,特殊车辆的车均延误时间减少13.5%,专用车道利用率提高36.3%以上,并且在CAVs渗透率大于0.4时获得最佳控制效果。该控制方法在特殊车辆优先通行方面,减少了单一控制策略的局限性,为交通控制和管理提供理论支撑。      

基于改进SWF神经网络多因素行程时间预测模型与算法

行程时间预测一直是交通领域研究的重点问题之一,道路系统的复杂性使预测工作变得困难。将影响路段行程时间的多种因素和改进后的样条权函数神经网络结合起来,根据机动车运行特点,建立行程时间预测模型,可以刻划道路运行的多种状态,能较准确的估计出路段的行程时间,也继承了样条权函数神经网络算法的各种优点。