地理信息系统平台在公交线网规划中的应用

公交线网规划需要大量的空间数据的支持，由于涉及到的空间数据繁杂，因此有必要利用有效的数据管理系统在公交线网规划中管理这些数据。地理信息系统（GIS）作为可视化的空间和属性数据的管理平台，可以作为公交线网规划的数据管理平台。文章介绍了大连市的公交线网规划中利用GIS的全过程，包括管理数据、显示数据、挖掘数据以及辅助设计和成果管理。     

大连新建地铁对公交出行选择的影响

为了分析城市新建地铁项目对居民公共交通出行的影响，改善公交服务水平，提高公共交 通的分担率，针对大连市新建地铁线路展开研究。以大连市地铁1 号线沿线站点作为研究区域， 采用SP （Stated Preference） 调查方法，收集了300 名地铁沿线居民对常规公交以及新建地铁两种 出行方式的选择数据。通过建立二项Logit 模型，分析出行成本、换乘时间等选择方案特性变 量，出行特性变量以及出行者特性变量对于居民出行方式选择行为的影响，并计算弹性值及模型 精度。结果表明，通过调整出行成本及换乘时间可有效提高地铁分担率。由此提出相关政策建 议：对于出行成本，可从出行者年龄及出行次数两方面制定不同的优惠政策；对于换乘时间，可 从提高可达性、完善购票系统以及调整发班频率三方面进行改善。     

基于道路设计与交通规划的道路选线优化模型

结合道路设计理论与交通规划理论,以地理信息系统为平台,开发道路选线优化模型。该模型是一个费用指向的优化问题,最小化费用目标函数中包括道路建设费用、土方工程费、道路交通诱发的环境污染的不经济费用,OD交通在路网上总走行时间的时间费用等。优化模型首先随机生成新建道路的空间位置候选方案集,并自动设计新建道路的平曲线和竖曲线,计算新建道路的各项工程费用。然后,对变化的路网进行自动拓扑,通过交通量分配得到OD交通在新路网上的走行时间和交通流特征,计算OD交通的环境负荷。最后,在遗传算法中判断候选方案的优劣,直到得到一个最佳的新建道路的空间位置方案为止。     

新能源汽车购买行为及其环境影响效果研究

为了考量新能源汽车的推广使用对环境的具体影响,对新能源汽车的购买行为和普及率进 行了研究,同时分析新能源汽车在优惠政策条件下在实际路网中的环境影响。首先,对大连市居 民进行了意向问卷调查,建立描述家庭新能源汽车购买行为模型;其次,应用该模型对新能源汽 车在大连市的普及率进行分析;最后,在道路收费优惠政策条件下,考虑新能源汽车的普及率和 出行频率的变化,利用多用户交通平衡分配模型进行实例分析,探索新能源汽车在实际路网中的 排放影响。结果表明,在低普及率情况下,新能源汽车的减排效果并不明显,而在高普及率情况 下,减排效果比较显著。然而,对于交通领域巨大的碳排放体量而言,低普及率带来的碳排放量 下降的累积效应仍是非常可观的。     

交通拥挤收费空间公平性探讨

将出行者按照时间价值（VOT）和地域划分为不同群体,在一个简单路网上建立交通网络模型,分析拥挤收费的公平性影响.研究模拟居民的多种不同出行选择,分析了实施拥挤收费对两处居民各类人群在出行方式分担、行程时间以及交通可达性等方面的影响.研究发现,对于始发地居民,引入拥挤收费能够降低其行程时间,提高可达性;而对于周边道路沿途的居民,若周边道路通行能力不高,适当的拥挤收费会提高可达性,若周边道路通行能力较好,拥挤收费则会小幅度的减少其交通可达性.     

考虑乘客的交通事故受伤严重程度模型

为分析比较交通事故中驾驶员和乘客的受伤严重程度,根据某城市的道路交通事故数据,分别以交通事故驾驶员和乘客受伤严重程度为因变量,从事故基本信息、事故人员数据、现场环境数据等方面选取自变量,运用二项Logit模型分别建立驾驶员和乘客受伤严重程度模型。研究结果表明:驾驶员和乘客的受伤严重程度影响因素存在差异,仅有人员的年龄变量、事故形态变量在驾驶员模型和乘客模型中都表现为显著,其余变量的显著性在两模型中不同。因此,不仅要关注驾驶员的受伤严重程度,还要重视乘客的受伤情况,给予乘客更多保护。     

大学生行人闯红灯影响因素结构方程模型研究

从交通安全角度出发,研究大学生违规过马路的心理影响因素.在问卷调查心理特征数据的基础上,构建大学生过街心理影响因素的结构方程模型,并对模型结构及参数进行分析,为大学生是否闯红灯行为的决策建模奠定基础.以"是否闯红灯"这一行为决策为因变量,通过自变量筛选,选择大学生个体基本情况、道路设施及心理因素三个方面的22个指标作为自变量,建立大学生行为决策Logit回归模型.结果表明:大学生所在年级、性别、兼职情况、家庭住址、拥有驾驶证情况、家庭年收入情况、过马路时段、有无监督人员、车流量、省时省力心理、自律意识、侥幸心理等因素对大学生行为决策具有显著影响.最后,根据分析结果提出相应措施来提升大学生过街安全.本研究成果可为制定行人过马路政策提供理论指导和依据.     

基于极限学习机的交通事故严重程度预测

极限学习机是单隐层前馈神经网络,作为BP神经网络的一种改进,极限学习机克服BP神经网络需要设置大量网络训练参数,并容易产生局部最优解问题的缺隐,交通事故严重程度的预测适合用极限学习机建模预测。研究选取某城市道路交通事故数据,利用基于LM算法(Levenberg-Marquardt)的BP神经网络和极限学习机建立事故严重程度的预测模型,随机选取80%的样本作为训练集、选取20%的样本作为测试集,对测试集的期望值和网络输出值进行比较,结果表明,极限学习机的预测性能比BP神经网络的要好。     

考虑出行者异质性的新建城市轨道交通客流转移预测模型

为了提高出行者选择行为的预测准确度,分别构建了城市轨道交通客流转移预测的NL模型(Nested Logit model)及ML模型(Mixed Logit model),并综合考虑交通信息、出行选择习惯及交通环境等因素对客流转移的影响,从拟合优度比和信息准则2个方面对模型进行检验。结果表明,考虑出行者异质性的ML模型能更好地反映客流向城市轨道交通转移行为,在自变量相同的情况下,ML模型比NL模型具有更好的解释能力;ML模型能够反映出个体选择喜好的随机特性;交通信息、交通环境及居民出行选择习惯等因素显著影响出行者向城市轨道交通转移的选择。