常态化疫情防控阶段旅客中长距离城际出行联合选择行为建模

新冠肺炎疫情对旅客中长距离的城际交通出行影响巨大，现有研究侧重疫情暴发初期疫情对城际交通出行的影响，针对常态化疫情防控阶段旅客城际出行选择行为的研究相对较少，因此，本文旨在研究常态化疫情防控阶段旅客中长距离城际出行选择行为。针对民航、高铁、普铁和自驾等方式分别建立包含4种城际出行方式的多指标多因果出行选择模型（MIMIC），模型中引入感知防疫安全程度、防疫策略、乘车体验与出行习惯4个潜变量，探究潜变量与观测变量的因子载荷并辨识模型参数，求取各潜变量的拟合值；在此基础上建立考虑出行方式特性、旅客社会经济属性与潜变量的多出行方式联合选择行为模型（MIMIC-Logit），探究常态化疫情防控阶段旅客出行心理对其出行决策的影响；假设出行费用、时间与距离等变量的随机系数服从正态分布，采用抽样1000次的Halton序列对随机系数进行仿真求解，得到随机系数的回归分析结果。以2021年4月—6月到达西安旅客的调查数据为例进行实证研究，结果发现:所提MIMIC-Logit模型的拟合优度与命中率分别为43.621%与83.312%，均高于多项Logit模型与随机系数Logit模型；旅客对不同方式的出行费用、时间与距离的偏好具有异质性，且出行方式特性、社会经济属性与潜变量都对出行选择的效用有显著影响。弹性分析表明，当感知防疫安全程度与防疫策略提升了100%时，旅客选择民航出行的概率分别提升了23.207%与21.349%；而当乘车体验提升了100%时，旅客选择高铁出行的概率提升了18.229%。综上，所提方法揭示了潜变量对旅客出行选择行为的显著影响；通过提升感知防疫安全程度、防疫策略与乘车体验等手段，可以提升旅客选择高铁、民航出行的概率。      

基于随机系数Logit模型的城市群城际出行方式选择行为研究

以粤港澳大湾区城市群的广深城际运输通道为例，分析城际运输通道中影响旅客出行方式选择行为的因素及其影响。传统的多项式Logi（tMNL）模型具有无关方案独立性，无法对不同出行者的选择偏好差异进行定量分析，故应用随机系数Logit模型分析城际交通出行选择行为。选取城际出行旅客的个人社会经济属性、心理潜变量（对交通方式舒适性、可靠性和便捷性的心理感受）、城际出行方式特征变量设计问卷。采用线上与线下相结合的方式开展问卷调查，共收集534份问卷，基于此建立并求解随机系数Logit模型。随机系数Logit模型估计结果的伪R2为0.178，表明模型具有良好的拟合度。研究结果表明:城际出行旅客的收入、职业、私家车保有情况、家庭儿童数量以及对出行方式便捷性的感知对其选择行为有显著影响；而出行方式的舒适性、可靠性对城际出行方式的选择行为影响不显著；改善交通方式的便捷性对提升城际出行方式的吸引力起关键作用。因此，在城际交通规划设计、运营管理中应着重考虑便捷性对城际交通方式选择带来的影响。      

基于Agent理论的机场旅客出发时间与出行方式联合选择模型研究

为提高机场陆侧区域的客运通行能力,研究交通管理策略实施后机场旅客的行为变化,通过研究Agent的理论结构,构建了机场旅客出发时间和出行方式的联合选择模型.在建模过程中,考虑了旅客不完全信息性和有限理性,应用机器学习算法生成if-then规则模拟机场旅客前往机场的搜索和决策过程,该规则加入了机场旅客的特征变量,如乘坐飞机频率、是否有托运行李等机场旅客的特征属性.应用该模型进行仿真试验,结果显示,机场公共交通成本在10~15元区间变化时,每降低1元,使用公共交通的旅客比例约提高2%;到达机场公共交通站点时间缩短到10 min时,旅客将会延迟10~15 min出发.该模型能较好地显示出发时间变化和出行方式切换过程,有效的预测了机场旅客在不同交通政策和措施下出行行为的调整结果.      

公交动态信息下通勤出发时间选择行为分析

在交通行为分析中,传统效用函数形式不能反映个人属性对信息效用感知的影响。改进效用函数形式,运用多项Logit模型理论,建立了公交动态信息下的公交通勤者出发时间选择行为初始模型。从初始模型中选择t检验显著的解释变量,并分别基于传统效用函数形式、改进的效用函数建立了2个修正模型。对比2个修正模型标定结果发现,改进的效用函数比传统的效用函数更有利于提高模型性能。研究也表明:性别、收入的t检验值分别为2.02、-2.25,说明二者对乘坐时间信息效用感知显著;教育属性的t检验值为2.03,说明其对车内拥挤程度信息效用感知影响显著;乘坐时间取均值,车内拥挤度为0.7时,二者效用比值为1.54∶1,说明乘坐时间信息是影响出发时间选择最重要的因素。      

基于扩展TAM的车路协同系统驾驶人接受度研究

车路协同系统（Cooperative Vehicle Infrastructure System，CVIS）已成为智能交通领域的前沿技术和研究热点。世界各国都在致力于CVIS的研发、试验、示范应用和效用评估。然而CVIS的服务对象是驾驶人，在其正式投入使用之前研究驾驶人对CVIS的主观接受度及其影响因素非常重要。基于此，以基础的技术接受模型（Technology Acceptance Model，TAM）为理论框架，在基础变量（感知有用性、感知易用性、态度和使用意图）的基础上，引入预警服务质量、分心感知、个人创新和信任度4个扩展变量，建立扩展TAM，分析驾驶人对CVIS的主观接受度及其影响因素。首先，通过在线调查收集392名驾驶人对CVIS的技术接受问卷；然后，使用Cronbach's α和验证性因子分析检验问卷的信效度；最后，采用路径分析探究驾驶人对CVIS的接受度及其影响因素。研究结果表明：基础TAM变量之间的关系与基础模型假设一致；CVIS的预警服务质量通过感知有用性、感知易用性和态度间接影响使用意图；驾驶人对CVIS的分心感知对其态度和使用意图没有负向影响；驾驶人的个人创新不仅直接影响使用意图，而且通过态度间接影响使用意图；驾驶人对CVIS的信任度是使用意图的直接影响因素，也通过其他变量间接影响使用意图。研究结果有助于了解驾驶人对CVIS的接受度及其影响因素，并为CVIS的设计提供理论依据。     

山地城市建成环境对居民小汽车拥有影响研究——以贵阳市为例

为分析山地城市建成环境对居民小汽车拥有的影响，探究不同坡度下居民地形感知对小汽车拥有影响的差异，采用贵阳市中心城区不同坡度下的小区居民调研数据，引入3个观测变量来评价居民的地形感知，将结构方程模型（SEM）计算出的潜变量适配值融入Logit模型中，构建包含潜变量和显变量的SEM-Logit模型来研究主客观建成环境与小汽车拥有的关系。结果表明:坡度对小汽车拥有产生积极影响，但不同坡度下的地形感知对小汽车拥有的影响有所不同。在地形条件相对较好的环境中，当小区坡度小于8%，居民对地形感知并不强烈，并认为从小区步行到公共交通站点的距离和时间花费在其承受范围内。因此，地形感知并未对小汽车拥有造成显著影响；在小区坡度为8%~15%时，地形感知对小汽车拥有产生显著负效应。生活在该小区类型的居民，尤其是收入相对偏低的居民，更喜欢选择电动自行车出行，削弱了小汽车拥有量；当小区坡度大于15%时，小区坡度与小汽车拥有量具有正相关性。该小区类型的道路坡度大，居民出行过程中通常会经历频繁的上下坡，造成出行时间花费长，继而形成强烈的地形感知。这严重降低了居民出行选择步行或骑行的可能性，转而提升了小汽车拥有的概率。同时，在SEM-Logit模型中也证明了除地形因素外，家庭年收入、到地铁站最近距离、土地利用混合度、目的地可达性、出行态度对小汽车拥有具有较大影响。      

车路协同系统接受度建模及性别差异分析

为了研究公众对车路协同系统（CVIS）的接受度以及在性别上的差异,考虑心理因素,基于拓展的技术接受模型建立车路协同系统接受度模型,通过网络问卷调查方法获取车路协同系统接受度影响因素的主观评价数据,使用偏最小二乘法的结构方程模型（PLS-SEM）检验测量模型的内部一致性和可靠性、收敛效度和判别效度以及模型的假设。研究结果表明：该模型对男性接受意向方差具有70.1%的解释力,对女性接受意向方差具有45.0%的解释力,表明模型对男性接受意向的解释力更强;男性与女性之间的接受意向存在很大的差异,女性比男性更加注重车路协同系统的实用性和安全性,而男性比女性更加注重车路协同系统的便利性,也更容易受到社会因素的影响;对于男性和女性来说,行为态度（ATB）对行为意向（BIU）具有正向显著影响,感知易用性（PEU）可以通过感知有用性（PU）和行为态度间接影响行为意向,感知有用性和可靠性对信任度具有正向显著影响;由于受访者对车路协同系统的实用性感知很高,导致对隐私的关注就越少,因而感知隐私风险（PPR）对信任度的影响并不显著;总体来看,构建的模型对于描述车路协同系统接受度具有一定的合理性与有效性,并且可以针对不同性别的人提高其接受度,可对制定精细化、差异化的策略提供支持。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

基于SEM的自动驾驶汽车接受度模型与风险分析

为了探究社会大众对自动驾驶汽车的接受度及其影响因素,通过对自动驾驶汽车的风险评估,基于TAM模型增加外部变量,改进感知易用性与感知有用性,建立自动驾驶汽车接受度研究模型。将研究模型中假设的外部变量、潜在变量、认知变量与自动驾驶汽车社会接受度的关系进行Pearson相关性与Kendall相关性检验。基于相关性检验剔除无关因素变量,建立线性回归模型,对相关因素与自动驾驶汽车接受度的关系进行了探究,并以此建立接受度结构方程模型,对各个变量与自动驾驶汽车社会接受度之间的因果关系进行了进一步研究论证。结果显示,法律伦理的认知对自动驾驶汽车接受意向产生（E =0.038,P < 0.001）显著正影响。驾龄、驾车频率对接受意向产生（E =-0.044,P < 0.001）显著负影响。学历通过促进公众对自动驾驶汽车正面的认知、抑制负面认知,从而对公众接受意向产生（E =0.172,P < 0.001）显著正影响。功能的认知会促进公众对自动驾驶汽车正面影响的认知,从而对接受意向产生（E =0.444,P < 0.001）显著正影响。      

双核都市圈运输通道旅客分担率模型及应用

为预测双核都市圈运输通道内旅客运输分担率,结合双核都市圈运输通道的旅客运输特性,通过将不同特性的变量引入效用函数,对Logit模型的应用加以改进,以成都-重庆运输通道为例,进行了旅客运输方式分担与线路分配的联合应用。结果表明：改进后的模型能有效地进行双核都市圈运输通道旅客运输方式分担与线路分配的预测;成渝（成都-重庆）运输通道中,成渝（成都-重庆）高速公路、成遂渝（成都-遂宁-重庆）高速公路、成遂渝（成都-遂宁-重庆）准高速铁路的分担率约为29%、33%、38%。     

重大疫情对乘客公共交通依赖性的影响

深入探究重大疫情对乘客公共交通使用行为和依赖性的影响,有助于针对性地改善公共交通服务质量和供需平衡情况。结合前景理论与计划行为理论,开展重大疫情时期SP/RP出行调查,从出行行为表现维度选取3个指标并利用k-means算法标定公共交通出行群体,从7个层面筛选公共交通依赖性内外部影响指标,采用结构方程模型构建重大疫情对乘客公共交通依赖性影响模型。结果表明,个体属性、出行环境和出行特征潜变量通过改变个体心理因素间接影响乘客公共交通依赖性,反映了乘客公共交通依赖性受主客观影响因素的共同作用;重大疫情下出行意向对公共交通依赖性的正向作用强度为0.36,低于常态化时的影响强度0.51;出行环境的正向影响效应较强,而个体属性影响效应较低且与公共交通态度和主观规范呈负相关性;此外,自行车可用性、是否途径风险区和出行强度影响度几乎不影响乘客公共交通依赖性;而防控政策了解度、主观规范变量和公共交通出行偏好的影响作用显著,反映了重大疫情时期在公共交通市场中社会促进效应与消费心理学中的模糊效应较为明显。      

无人驾驶汽车对中短距离市际出行方式选择行为的影响

研究了无人驾驶汽车对中短距离市际间出行选择行为的影响.基于计划行为理论,通过建立结构方程模型,构建出行者对无人驾驶汽车的感知行为控制、主观规范、行为态度和行为意向心理潜变量.然后将这些心理潜变量纳入到随机系数Logit模型建立混合选择模型.以武汉市为例进行实证研究,结果表明:在效用函数中,车内时间、出入站和候车时间,以...     

上海浦东国际机场集疏运交通方式选择行为分析

针对上海浦东机场航空旅客,进行机场集疏运交通方式选择行为研究,通过浦东机场航空旅客的SP调查数据,分析了集疏运系统服务水平对航空旅客交通方式选择行为的影响,在按照出行目的、居住地情况和携带大件行李3个要素对航空旅客进行市场细分的情况下,建立了分类的机场集疏运交通方式选择行为的多元Logit模型,对影响机场交通方式选择的...     

基于主成分法的旅客信息需求分析

通过对虹桥机场旅客的问卷调查初步得出了不同旅客的信息需求及对发布设备的选择，在此基础上利用主成分法对不同的旅客对不同信息的需求强度和信息需求与发布设备之间的关系进行深入的分析，以期作为虹桥综合交通枢纽旅客信息诱导的重要依据。     

考虑心理潜变量的城市电动自行车用户出行决策行为

为探究电动自行车用户对不同城市电动自行车规范管理政策的行为响应机理,采用问卷调查方法收集用户的社会人口特征、出行特征、心理特征以及在不同政策下的决策,基于心理接受度等潜变量构建了多指标多因素模型, 得出了潜变量的拟合值,将潜变量作为解释变量引入到行为决策模型中,构成了混合选择模型来分析社会人口变量、出行特征变量和心理潜变量对电动自行车用户出行决策的影响。结果表明:①电动自行车用户的心理特征显著影响其出行决策行为,对政策接受度更高的用户会表现出更强的正面行为倾向;②经济因素是导致出行者继续使用超标违规电动自行车或违反政策的主要原因;③提供报废补贴能中和收入对决策的影响,促进低收入家庭购买符合标准的电动自行车;④政策的实施会促进电动自行车交通向小汽车交通的转移。      

基于SEM模型的网约车乘客安全感知建模与分析

近年来,网约车快速发展,但其运行过程中隐藏的乘客安全问题愈发凸显.为探究乘客对于网约车乘坐过程的安全感知情况,利用鱼骨图将安全问题划分为交通安全、信息安全、人身财产安全3个维度,并以此为基础设计并进行问卷调查.为刻画不同潜变量之间的复杂关系,构建了基于结构方程模型(SEM)的逻辑框架,揭示了个人特征、事故经历、安全知识以及冒险倾向等因素对网约车乘客安全感知的影响路径及显著性.结果表明,乘客的安全知识、事故经历以及冒险倾向对网约车乘客的安全感知有显著的直接影响;性别、收入水平等个人特征亦显著影响网约车乘客的安全感知.研究结果可为网约车安全管理相关政策的制定提供理论依据.      

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车(SAV)可为人们提供优质的出行服务.为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据.为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所...     

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.