基于UTAUT 的无人驾驶公交乘客接受度模型

为解决无人驾驶公交缺少乘客接受度定量描述方法的问题，在整合型技术接受模型的基础上，通过使用意向及使用行为探讨乘客接受度，构建了无人驾驶公交乘客接受度模型. 运用结构方程模型分析各影响因素之间的定量关系，以及各因素对无人驾驶公交使用意向及使用行为的作用大小. 最后将模型应用于重庆市公交出行者的实例分析中，结果表明，感知风险(-0.89***)和个人创新性(0.72***)对无人驾驶公交使用意向最为显著，而使用意向对使用行为起着决定性作用(0.98***)，并分析了年龄、性别、受教育程度对各影响因素调节作用的显著差异性.     

基于人均产值此的成都市物流需求分析

在阐述物流需求与人均国民生产总值关系的基础上,运用“人均产值比”法,对影响成都市农产品、工业品和居民消费品物流需求的主要因素进行分析,从而得出成都市物流需求基本特征,可为物流发展及规划提供参考。     

���dz����ڲ�����Ӱ���������� ��ʽѡ����Ϊģ��

为解决区域客运方式选择模型中缺少定量考虑市内出行影响的问题,从完整出行链的角度,将区域出行全过程划分为三阶段,区分了区域与市内出行的共性及差异性影响因素.提出包容值的概念,用于描述市内出行对区域出行方式选择影响的综合效用.基于NL模型构建涵盖市内出行作用的区域出行方式选择行为模型,对模型的特性变量进行具体定义,运用NLOGIT软件对模型进行参数标定.最后,将模型应用于成渝通道实例分析中,共回收有效问卷924份.计算结果表明:市内出行主要受出行时耗、费用及是否换乘3个变量影响,考虑了市内出行包容值的改进模型优度比较传统模型提高了0.145,显示模型解释度和精确性有一定提升.     

心理因素影响的公交方式选择行为模型

为解决已有城市公交方式选择行为模型无法定量描述心理因素对选择行为的影响,分析了计划行为理论在公交方式选择行为的适用性.基于态度、主观规范及知觉行为控制3个心理因素变量决定公交方式出行行为意向的理论框架,构建公交方式选择行为结构方程模型.确定模型中心理因素变量对应的具体测量变量,并提出模型的求解方法和参数检验标准.最后,将模型运用于重庆和成都的实例分析中,共回收有效问卷790份.计算结果表明,3个心理因素变量对重庆和成都公交出行方式选择行为意向解释度分别为72%和66%,其中知觉行为控制因素的影响最大,且心理因素变量间存在着相互作用关系.     

基于粗糙集的公路客运量预测

公路客运量预测不仅是进行客运发展规划的基础,也是制定城市综合客运枢纽规划及综合交通规划的前提。通过对公路客运量预测决策表连续属性的离散化、决策矩阵构造及最简决策规则的获取,建立了基于粗糙集的客运量预测模型。该模型获取的最简决策规则避免了因历年统计数据波动而造成的预测误差,最终的预测结果为增长区间而不是绝对数值,更好的反映了公路客运需求。最后应用该模型预测成都市未来5 a的公路客运量,得到了客运量的增长区间。     

社交网络交通信息对出行方式选择行为影响模型

为解决社交网络交通信息对出行方式选择行为影响缺少定量描述方法的问题,基于技术接受理论,提出感知有用性、感知易用性、感知风险性等 7个潜变量作为出行者对社交网络交通信息的心理感受变量.结合个人属性变量、出行方案属性变量共同构建融合社交网络交通信息影响的出行方式选择行为混合离散模型,运用重庆市问卷调查数据进行实证分析.结果表明,混合模型优度比提升了 0.171,同时,心理感受变量中感知风险性对选择结果有负向影响,其余变量对选择结果均为正向影响,而感知有用性(0.757)、主观规范(0.646)、感知信任 (0.502)对结果影响最大.     

新冠疫情及建成环境对公交客流量的影响模型

为揭示新冠疫情背景下公交客流量变化的空间影响因素，以疫情前后公交站点层面客流变化量为因变量，以建成环境、病毒感染情况及病毒传播途径等指标为自变量，构建新冠疫情与建成环境对公交客流量共同影响的线性回归(Ordinary Least Squares, OLS)模型与梯度提升回归树(Gradient Boosting Regression Trees, GBRT)模型。以广州市为实证对象，基于公交IC卡数据、兴趣点数据(Point of Interest, POI)及道路网络数据等多源异构数据进行模型实证分析。结果表明：考虑非线性效应的GBRT模型比OLS模型具有更好的拟合度；同时，常规公交站点的公交线路数量(22.02%)和到市中心距离(13.56%)是影响疫情背景下公交客流量变化的最重要因素，片区病毒感染与传播情况对疫情防控常态化时期的公交客流量作用有限，居民日常公交出行已经从疫情的影响下逐渐恢复。