基于家庭属性差异的大学生出行方式选择行为研究

为剖析家庭属性差异对大学生出行方式选择行为的影响，基于非集计理论，构建家庭属性差异的大学生出行选择多元Logit 模型. 根据四川省2 571 份大学生出行行为调查问卷，运用SPSS 软件标定模型参数，获取影响大学生出行选择的主要家庭属性因素，并进行敏感性分析. 结果表明：家庭平均年收入、经济净流对大学生出行方式选择有显著的影响；以航空运输为参考，家庭平均年收入、经济净流对公路运输方式选择的影响大于铁路运输；“祖辈替孙辈购买机票”的折扣票务形式可提高大学生选择航空出行的概率.     

基于信息理论的交通信息量度量

针对语音信息缺乏量化和指路标志信息度量未反应实际出行条件下路网规模的影响作用问题,引入信息理论,构建语音信息量度量模型和图像信息量度量模型. 设计包含23组不同信息量的实验路网,测定不同信息量下的驾驶员反应时间. 研究结果显示:交通信息总量为52.22、57.90 bit时,出现反应时间的区域峰值;信息总量在50.74～57.38 bit区间段时,利于驾驶员对交通信息的认知且不产生信息量过载的现象;标志信息量为45.1、49.7 bit时,语音信息量位于5.12～10.24 bit区间利于降低驾驶员反应时间;语音信息量为5.12 bit时,标志信息位于49.70～54.30 bit区间利于提高驾驶员对交通状况认知.      

空间异质性建成环境对地铁与公交换乘客流的影响

地铁与常规公交换乘的出行方式成为人口密集型城市的主要出行方式，探究两者换乘模式的影响因素有助于提高公共交通分担率。本文采用AFC(Automatic Fare Collection System)数据与AVL(Automatic Vehicle Location)数据，识别地铁-公交(M-B)和公交-地铁(B-M)两种模式的换乘客流。以地铁站点为核心，围绕站点周边开发程度、交通系统、城市设计及地铁网络结构特征这4个维度构建地铁站点建成环境指标体系。利用多尺度地理加权回归模型(MGWR)探究城市建成环境对地铁-公交与公交-地铁两种换乘模式的影响机理及其尺度效应，并以成都市为对象进行实证研究。研究结果表明：MGWR模型能够反映不同建成环境要素与M-B和B-M方式间依赖关系的空间异质性与作用尺度差异性，估计结果优于全局OLS(Ordinary Least-Squares)模型与GWR(Geographic Weighted Regression)模型；建成环境要素对公交与地铁换乘客流的影响效应存在空间异质性，公交线路数量空间异质性最为显著，非机动车道密度、土地利用混合度及地铁线路数量空间异质...     

突发公共卫生事件持续期居民中长距离出行方式选择行为研究

为剖析突发公共事件持续期风险感知属性对居民中长距离出行方式选择行为的影响,基于非集计理论,构建风险感知差异的居民出行方式选择多元Logit模型.在2020年3月新冠肺炎疫情持续期,通过网络采集1 643份有效调查问卷,运用SPSS软件标定模型参数,获取突发公共事件持续期,影响居民出行选择的主要风险感知因素,并进行敏感性分析.结果表明：防控措施和防控措施了解程度对居民出行方式选择有显著影响;以航空运输为参考,途径站点暴露率增加对铁路运输方式的选择概率有负向影响,对公路运输方式的选择概率有正向影响;保持疫情持续期航空的低票价,以及加大航空运输防控措施的宣传可提高居民选择航空出行的概率.     

多源信息环境下的路径决策模型

针对路径选择过程中主观因素和客观因素共同作用且无法量化的问题,根据直觉模糊集理论,建立了双隶属度函数,分别构造了主观和客观直觉模糊函数;利用直觉模糊函数中的隶属度、犹豫隶属度建立了决策函数;借鉴证据理论的证据冲突思想,改进犹豫隶属度函数投影法,用该方法进行了犹豫隶属度分配;并运用对数增长型权重模型,量化了时序多源信息的重要程度,建立了分析道路决策选择结果的驾驶决策行为模型.算例分析结果表明:该模型在考虑个人历史经验信息、交通管制信息、道路物理环境信息与道路拥堵信息形成的多元信息环境下,选择驶入和不驶入的决策近似隶属度分别为0.767和0.233.      

成都地铁火车北站站内超大客流流线优化研究

通过研究超大客流，针对实际情况给出超大客流新定义，整合各项超大客流优化设计原则，提出超大客流优化方案，并以糖酒会期间火车北站作为研究对象进行实例优化。对保证地铁安全高效运营、提高人民生活水平，方便市民出行有着积极的意义。`     

基于改进Elman神经网络的交通标志信息量度量

为了提高交通标志信息量的度量精度,构建驾驶员认知交通标志信息传输模型,针对传统Elman神经网络算法在求解该问题时因量纲不同而造成数据集的波动性较大、不利于模型逼近的问题,设计了灰色关联度权重分配Elman神经网络算法进行求解仿真。采用1-AGO灰化处理样本数据集,使数据呈现单调递增趋势,弱化了数据的波动性,对数据进行归一化处理,统一数据集量纲,加快了网络训练速度,提高了算法精度。仿真结果表明:灰色关联度权重分配Elman神经网络算法在求解性能上有较大进步,可为交通标志信息度量提供有效解决方案。     

基于元胞自动机地铁车站应急疏散模型仿真

在分析总结现有疏散模型的基础上,基于元胞自动机原理,利用场强理论描述疏散影响因素,建立了地铁车站人员应急疏散模型,研究了疏散人员的路径选择问题及多人争夺同一格点的冲突问题.该模型不仅考虑了疏散人员的生理、心理特性而且探讨了车站的环境及引导水平对人员疏散的影响,使模型更具真实性;最后利用Visual C＋＋进行疏散过程的仿真,模拟了地铁疏散的动态过程.     

突发公共卫生事件持续期居民中长距离出行方式选择行为研究

为剖析突发公共事件持续期风险感知属性对居民中长距离出行方式选择行为的影响，基于非集计理论，构建风险感知差异的居民出行方式选择多元Logit模型.在2020年3月新冠肺炎疫情持续期，通过网络采集1 643份有效调查问卷，运用SPSS软件标定模型参数，获取突发公共事件持续期，影响居民出行选择的主要风险感知因素，并进行敏感性分析.结果表明：防控措施和防控措施了解程度对居民出行方式选择有显著影响；以航空运输为参考，途径站点暴露率增加对铁路运输方式的选择概率有负向影响，对公路运输方式的选择概率有正向影响；保持疫情持续期航空的低票价，以及加大航空运输防控措施的宣传可提高居民选择航空出行的概率.     

城市道路交叉口交通信息诱导效率研究

现有城市道路交叉口交通信息诱导效率相关研究内容笼统,尚未量化驾驶人对交通诱导信息的认知效率和决策误差。针对这一问题,提出基于云模型的交通信息诱导效率评价方法,设计四种不同组合方式的交通诱导信息实验情景。采用全功能汽车模拟驾驶器进行实验,结果显示:数字、语言、图像组合而成的交通诱导信息对驾驶人路径变更影响显著,语言和数字类信息组合发布有利于提高驾驶人对道路交通状况的认知效率,数字和图像类信息组合发布有利于降低驾驶人路径决策误差。