欠发达地区中长距离出行方式选择行为机理研究

分析欠发达地区中长距离出行方式选择行为机理,能够为区域综合交通规划及客运组织提供理论依据。基于非集计理论,将居民个人属性、交通属性和出行属性作为影响因素,根据欠发达地区中长距离出行方式分布情况,将公路、铁路、民航3种出行方式作为选择肢,构建了欠发达地区居民中长距离出行方式选择的多元Logit模型。利用云南省1 642份旅客出行行为调查的有效问卷,运用SPSS软件对多元Logit模型参数进行标定,获取了欠发达地区居民中长距离出行方式选择的主要影响因素,并对各影响因素进行了敏感性分析。结果表明:欠发达地区居民中长距离出行方式选择主要受居民月收入、学历、出行距离等7个因素的影响,其中,月收入、学历和出行距离对出行方式选择结果存在显著的负向影响。对于选择公路出行的乘客而言,换乘便捷性对选择结果影响的显著性高于乘坐舒适度;对于铁路出行的乘客,乘坐舒适性对选择结果影响的显著性较高。当出行距离每增加1个单位,选择公路出行的概率降低0. 104个单位,选择铁路出行的概率降低0. 328个单位。学历与月收入的弹性值分别为1. 307和1. 297,均大于1,表明学历与月收入2种因素对欠发达地区居民中长距离出行方式选择的敏感度较高;其余因素对出行方式选择的敏感度存在一定差异。     

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.      

基于MNL模型的居民出行方式选择行为研究——以南方某小城市为例

为明确城市居民出行方式选择的关键影响因素，调节城市居民出行结构，提高城市交通系统效率，以南方某小城市居民出行数据为研究对象，基于随机效用最大化理论构建多项MNL(Multinomial Logit)模型，分析了个人属性、家庭属性和出行方案属性对出行方式选择产生的作用。通过分析MNL模型统计回归结果，得出以下结论：1)个人属性中，年龄、性别、个人月收入、受教育程度、驾照拥有情况对居民出行方式选择行为有显著影响；2)家庭属性中，住户小汽车拥有情况和摩托车拥有情况对居民出行方式选择行为有显著影响；3)出行属性中，出行时间和出行目的对居民出行方式选择行为有显著影响，而出行费用在出行选择过程中没有显著作用。     

家庭收入差异对出行方式选择的影响分析

出行者时间价值是影响出行决策的最重要因素之一,研究时间价值有利于准确构建方式划分离散选择模型.在分析居民出行调查数据的基础上,应用聚类树分析对家庭收入分组的合理性进行了探讨,分别对每种出行方式的出行者家庭收入统计分析,说明家庭收入对家庭成员出行方式选择的影响.在说明家庭收入与出行时间价值之间关系的前提下,提出家庭共享时间价值的概念,数据拟合的结果发现家庭共享时间价值服从对数正态分布.分别基于MNL模型和ML模型构建出行方式选择模型以家庭共享时间价值为主要变量的对比模型,研究了设置家庭收入变量与不设置家庭收入变量、设置家庭收入分段变量与设置家庭收入常量、设置服从对数正态分布的费用项随机系数与不设置费用项随机系数3类情况下模型的精度和准确程度.当设置家庭收入变量且费用项系数服从对数正态分布时,拟合效果最优,居民对交通出行的主观支付意愿期望值约为家庭共享小时收入的2倍.      

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

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。     

数据挖掘在居民出行调查数据分析中的应用

针对居民出行调查数据背后信息挖掘的需求,介绍了居民出行调查数据挖掘的理论及方法,概述了居民出行调查数据挖掘的常规流程,选择Apriori模型对居民出行调查数据进行分析。以南京市居民出行调查数据为样本实例,采用职业、年龄、受教育程度、出行目的等几种属性,以SPSS软件平台对各属性数据进行关联分析,确定影响居民出行方式选择的因素,得出改善居民出行方式构成的相应建议。     

基于结构方程模型的城市居民出行方式选择研究

研究居民的出行方式是优化出行结构、科学制定交通需求管理措施的前提。目前针对居民出行方式选择的研究多集中在个人属性和出行特征方面,没有考虑交通供给水平和城市规模的影响。文中在山西太原、运城和吕梁3个规模不同的城市进行居民出行调查,选取个人属性、出行偏好、出行特性、交通供给水平、城市规模和出行方式作为变量,构建居民出行方式选择结构方程模型进行出行行为研究,为交通部门制定交通需求管理政策和优化居民出行结构提供依据。结果表明,经济特征对个人属性的影响最大,经济条件越好的出行者越有可能选择私家车出行;公交供给越充足或停车位供给越少,居民越有可能选择公交车出行;出行偏好期望越高、出行距离越远、出行次数越多的居民选择私家车的概率越大;高峰期出行和工作出行时选择公共交通的概率更大;大城市居民相比中小城市居民更倾向于私家车出行。     

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.      

公交服务质量变化对出行方式选择行为的影响

为了研究公共交通服务质量的变化对居民出行方式选择行为的影响,利用非集计分析和统计分析的方法,采集中山市在2009年和2015年的居民出行调查数据,形成混合截面数据并建立多项Logit(MNL)模型,分别分析各个时间影响居民出行方式选择行为的影响因素,并结合模型结果与统计分析数据分析居民出行方式选择行为变化以及公共交通服务质量的改变所产生的影响。研究结果表明:相比于2009年,2015年该区域的居民出行行为发生了较大改变,摩托车和自行车出行比例下降,公共汽车和小汽车出行比例上升;在此期间等候公交车时间取代了步行至公交车站的时间成为了影响居民出行方式选择的主要因素;该区域居民步行至公交车站的时间逐渐降低,而居民等候公交车的时间持续提升;公交服务质量的演变影响出行方式选择行为,而较差的公交服务质量指标显著影响出行方式选择行为;原本服务质量较好的指标在恶化的过程中会成为影响出行方式选择行为的主要因素;原本服务质量较差的指标,在改善变好的过程中不再成为出行方式选择行为的主要影响因素。     

基于二元有序概率的共享单车满意度评估方法

城市共享单车是城市绿色交通系统的组成部分，是服务公众短距离出行和公共交通接驳换乘的重要方式，在解决城市交通出行“最后一公里”问题等方面发挥了积极作用。为科学评估城市共享单车服务的满意度，采用问卷调查法和实地踏勘法采集了宁波市1 212个共享单车用户有效样本，利用统计学方法构建二元有序概率（bivariate ordered probit, BOP）模型，分析共享单车满意度影响因素，计算显著影响因素的边际效应，量化分析共享单车满意度和使用率的影响因素效用。结果表明:BOP模型可以量化分析影响共享单车使用频率和满意度的各类因素。结果表明，性别、年龄、教育程度、家庭拥有车辆情况、平时出行方式和出行距离等具有统计显著性，是影响城市共享单车服务满意度的显著因素。从用户需求和服务感知出发，了解现有服务所存在的主要问题以及迫切需要优化的方面，提升共享单车服务质量和用户出行体验。      

基于SB分布的Mixed Logit交通方式分担模型及其验证

研究了SB分布函数的分布特性,发现SB分布比正态分布和对数正态分布能更好地表达单向偏好因子的参数,结合合肥市居民出行调查数据,建立了Logit交通方式分担模型和两种约束条件的SB分布Mixed Logit交通方式分担模型MIXED1和MIXED2,通过对比分析发现MIXED2模型对原始数据解释更合理,且更能体现出行者对出行时间认识上的差异性,文章最后对模型进行了公交出行时间敏感性测试,结果表明实施公交优先后,公交客流转移量主要来源于自行车使用者。基于SB分布Mixed Logit模型不存在Logit模型的IIA缺陷,且能体现出行者对影响因素认识上的差异性,其更适合于交通方式分担建模。     

城市居民使用共享单车意向研究——以合肥为例

为了探究共享单车使用意向的影响因素和因素间的作用关系,基于计划行为理论(TPB)构建了关于态度、主观规范、感知愉悦、灵活便捷和行为意向等潜变量的计划行为理论扩展模型.通过对问卷调查数据的信度和效度的分析,构建了共享单车使用意向的结构方程模型(SEM),得到各影响因素间的关系路径.结果表明,TPB理论可以很好地解释居民使用共享单车的行为意向,在共享单车的使用意向影响因素中,主观规范的影响最为显著,态度居其次,再次是感知愉悦,而灵活便捷对行为意向的影响作用相对较弱.      

Urban travel time reliability at different traffic conditions

The decision making of travelers for route choice and departure time choice depends on the expected travel time and its reliability. A common understanding of reliability is that it is related to several statistical properties of the travel time distribution, especially to the standard deviation of the travel time and also to the skewness. For an important corridor in Changsha (P.R. China) the travel time reliability has been evaluated and a linear model is proposed for the relationship between travel time, standard deviation, skewness, and some other traffic characteristics. Statistical analysis is done for both simulation data from a delay distribution model and for real life data from automated number plate recognition (ANPR) cameras. ANPR data give unbiased travel time data, which is more representative than probe vehicles. The relationship between the mean travel time and its standard deviation is verified with an analytical model for travel time distributions as well as with the ANPR travel times. Average travel time and the standard deviation are linearly correlated for single links as well as corridors. Other influence factors are related to skewness and travel time standard deviations, such as vehicle density and degree of saturation. Skewness appears to be less well to explain from traffic characteristics than the standard deviation is.     

出行者环保意识对低碳交通政策支持度的影响

为减少汽车尾气污染,政府部门应制定交通政策推动出行者采用低碳出行方式。有效的交通政策需要深入了解影响出行者低碳出行的心理因素。通过实证分析,研究出行者环保态度、环保行为、公交偏好等潜在变量对低碳交通政策支持度的影响。基于结构方程模型（SEM模型）的基本原理,建立模型假设,并通过Mplus进行数据分析。研究发现,环保态度会直接影响环保行为、公交偏好,环保行为直接会影响公交偏好,公交偏好会直接影响低碳交通政策支持度;但环保态度和环保行为对低碳交通政策支持度没有直接效应。在95%的置信水平下,性别、婚姻状况、私家车拥有情况、房产拥有情况、是否开车上班对结构方程模型均无显著影响;但在90%的置信水平下,性别、教育程度对结构方程模型的影响显著。      

基于问卷调查的公众交通安全意识评价方法

为了评价公众交通安全意识，进而明确不同年龄、不同受教育程度、不同职业和不同出行方式的公众群体交通安全意识的差异性，对公众交通安全意识调查数据进行了量化分析。首先，基于自主编制的公众交通安全意识问卷对5 029名参与者进行了调查；其次，对回收的问卷进行因子分析和信度、效度检验，得到了交通安全行为、交通安全态度和交通管理认知3个因子；最后，选取上述因子作为3个一级评价指标，因子所含条目作为17个二级评价指标，对公众交通安全意识进行评价，采用主成分分析法计算因子得分，并应用熵值法确定一级评价指标权重，再通过灰色关联分析计算灰色关联度，最终根据模糊综合评价得出不同公众群体的交通安全意识水平。研究结果表明：不同年龄段的公众中，18~40岁群体交通安全意识水平最高（b=0.79），41~65岁（b=0.44）和65岁以上（b=0.45）群体交通安全意识水平较低；不同受教育程度的公众中，专科学历群体的交通安全意识水平最高（b=1），小学及以下学历群体其交通安全意识水平较低（b=0.33）；不同职业的公众中，事业单位人员群体的交通安全意识水平最高（b=0.93），农民群体的交通安全意识水平较低（b=0.33）；不同出行方式的公众中，以公交车为主要出行方式的群体其交通安全意识水平最高（b=0.91），而以三轮车（b=0.35）和自行车（b=0.36）为主要出行方式的群体其交通安全意识水平较低。研究结果可用于不同公众群体交通安全意识的度量，并为不同群体的交通安全意识提升方法制定提供理论依据。     

基于多源数据的夜间出行需求空间效应及其异质性分析

为了揭示多维因素对出租车夜间出行需求的空间影响机制与局部关联特征，基于多源数据，利用空间计量模型和多尺度地理加权回归（MGWR）模型分别从全局和局部视角研究多维因素对夜间出行需求影响的空间效应及其异质性。首先，利用出租车GPS数据在分析夜间出行时空分布特征的基础上，明确夜间场景下的研究区域及时段划分；其次，从建成环境、人口分布、路网结构3个维度提出夜间出行需求影响因素指标体系，并基于POI数据、手机信令数据和路网数据进行指标量化。在交通小区尺度下分时段构建空间杜宾模型，从全局视角探讨不同时段下主要影响因素对夜间出行需求的空间效应；通过构造距离负指数衰减形式的空间权重矩阵，量化分析关键影响因素的空间溢出效应随地理距离变动的过程。最后，借助MGWR模型从局部视角分析主要影响因素对夜间出行需求影响的空间异质特征。研究结果表明：各解释变量对夜间出行需求的直接效应大多在0.05水平下显著，而溢出效应差异明显；美食与停车设施密度影响最为显著，两者的溢出效应在不同时段分别表现为负向和正向影响，即美食设施呈现出虹吸现象，停车设施具有诱发作用；停车和美食设施对夜间出行需求的空间溢出效应随距离变化均具有非线性衰减特征，分别呈现先增强后减弱的倒“U”形过程和负向先减弱后增强的过程，并在地理距离分别为1 500 m和1 000 m时，空间溢出效应达到最强；MGWR模型拟合效果优于经典GWR模型，局部回归系数的空间分布模式表明关键影响因素对夜间出行需求空间作用的异质特征显著。研究结论从夜间设施影响范围及强度的空间差异等方面为夜间交通需求的科学预测提供理论依据，进而为夜间商业及交通配套设施的合理配置提供方法支撑。     

交通事故导致的高速公路拥堵状态判别方法

为量化分析不同交通事故条件下的高速公路路段拥堵情况,研究路段偶发性拥堵规律,本文构建了1个基于行程时间可靠性指标的高速公路路段拥堵判别方法。建立基于美国《公路通行能力手册》中行程时间可靠性分析方法的路段行程时间可靠性模型,并采用西南某高速公路路段实际数据校准模型。利用蒙特卡洛模拟方法生成交通事故场景,将交通事故解构为交通事故发生位置、交通事故严重程度、交通事故持续时间、交通事故发生频率4个特征,并以行程时间指数为路段拥堵量化指标,研究不同交通事故特征水平下的高速公路路段拥堵规律,并判别路段拥堵程度。研究结果表明:美国《公路通行能力手册》的行程时间可靠性分析方法具有可移植性,校准后可应用于国内高速公路路段;交通量接近饱和时,交通事故发生在出口匝道段的拥堵程度高于基本路段与入口匝道段,单车道关闭场景下的交通事故影响远高于路肩关闭场景下的交通事故;交通量接近自由流状态时,拥堵程度对严重程度不敏感;任何交通量水平下,单车道关闭场景下的交通事故持续时间一旦超过15 min,路段拥堵程度极有可能剧增。本文构建的路段拥堵判别方法,可以在精细化探究偶发性交通事故拥堵规律的同时划分路段拥堵等级,为相关部门的事故管理提供理论支撑。      

Modeling travel time of car with varying demand on an urban midblock section

The present study analyzes the stochastic nature of travel time distribution under the uncertainty of traffic volume and the proportion of cars in the traffic stream. Stochastic response surface method (SRSM) is adopted for modeling the travel time variation under the influence of traffic composition and traffic volume. This model is applied to an uninterrupted urban arterial corridor of 1.7 km length in New Delhi. Video graphic data were collected for 2 days during morning hours between 8 AM and 12 noon and evening hours of 3–7 PM. License plate matching technique was used for measuring the travel time in the study area. This study focused on travel time variation of cars with varying traffic volume and proportion of car in the traffic stream. Linear regression analysis was carried out initially to know the functional relation and significance relation between the input and output variables, and then SRSM analysis was performed. Artificial neural network (ANN) is also considered to map the relation among travel time, traffic volume and composition of traffic stream. A comparative evaluation is made among ANN, SRSM and regression analysis. Results indicate that apart from traffic volume, the influence of car population is more on travel time variation than motorized two-wheelers. It is attributed to the smaller size and comparability better operating condition of motorized two-wheelers. Also, the ANN and SRSM models are more efficient for analyzing the stochastic relation between the response and uncertain explanatory variable than the regression model.     

Using a surrogate safety approach to prioritize hazardous segments in a rural highway in a developing country

Road safety is a global concern particularly in developing countries where some road sections are disproportionately more vulnerable in terms of the frequency and severity of crashes. Other than using historical crash data based reactive approaches, those sections need to be identified proactively, so that mitigation measures can be applied. Moreover, those approaches are sometimes questioned mainly due to data reliability issues in developing countries. The study reported here is aimed at highlighting the applicability of traffic conflict techniques as surrogate safety measures to identify those sections of a rural highway in a developing country, which are most likely at risk. An adapted framework is demonstrated to identify traffic conflicts using combined surrogate indicators acknowledging the limited resources and facilities in developing countries. A new model is put forwarded using a count data modelling approach. Both fixed and random parameters model derivatives have been explored as an alternative methodological approach to relate the factors affecting the number and probability of conflicts. The partial effects of individual independent variables were estimated to gain a better insight of their impact. The results show that the model can predict high risk segments in terms of probability of conflicts as well as safety risk, as well as prioritize road sections according to the likelihood of their safety level. The model provides a less expensive alternative to the collection of historical crash data in order to identify hazardous road locations or black spots on two-lane highways in developing countries.¹