自行车骑行者生理、心理与综合负荷感知模型

为探究自行车骑行者在骑行过程中的生理、心理状态与骑行者个体属性、骑行强度及骑行环境之间的影响规律, 设计并实施了自行车骑行试验; 选取了相对代谢率、心境状态、自感疲劳程度和任务负荷指数等指标, 分析了骑行者生理、心理与综合负荷感知的特性及规律; 以骑行试验数据为基础, 应用偏最小二乘回归方法建立了骑行者生理、心理及综合负荷感知模型, 并对模型预测能力进行评估。研究结果表明: 骑行者个体属性、骑行强度及骑行环境均对骑行者负荷感知有影响, 其中骑行者个体属性因素中, 身体质量指数和基础代谢率作用较为显著, 二者在负荷感知模型中的平均影响因子分别为0.121和0.112;骑行强度因素中骑行时间对于负荷感知影响最大, 其平均影响因子为0.139;骑行环境因素中交叉口数对骑行负荷感知影响最为显著, 其平均影响因子为0.137;各个变量对心理负荷与综合负荷感知的影响趋势相同, 对生理负荷与综合负荷的影响趋势不相同。可见, 关注部分因素以及骑行者心理负荷对于提高骑行服务水平具有一定作用, 研究结果可应用于改善自行车骑行设施环境。      

重大公共卫生事件下通勤出行行为研究

为保障重大公共卫生事件下重点人群正常的出行需求和安全通勤,基于累积前景理论(CPT)对事件影响下重点人群的出行行为开展研究.以医护人员为研究对象,考虑公共交通停运的情况下,对其选择公益医护专车、医护公交专线、居住社区的小汽车、共享单车和电动车5种出行方式的出行时间进行分析.以乘车(骑车)在途时间和出行延误时间之和作为医护人员的出行参考点,构建医护人员出行方式决策模型.研究结果表明:受公共交通停运和交通严控影响,医护人员的出行行为较常态情景发生了变化,其出行环境更具不确定性;5种出行方式的累积前景值在不同出行距离下有较大差别,出行距离是影响医护人员决策的一个重要因素,职住错位现象是造成医护人员出行难的内在因素.同时,不同年龄段和性别的人群对于出行决策的风险偏好也不同.在长距离通勤中医护专车和社区小汽车对医护人员吸引力较大,而在短距离通勤和时间要求不高时,电动车和共享单车优势凸显.     

多模式复合交通系统网络模型构建

以小汽车网、公交网、轨道网组成的复合交通系统为研究对象,分析其逻辑结构,并建立三维模型对各子网间的层次逻辑关系进行描述.通过对复合网络的组成要素分析、属性选择、阻抗分析,建立复合交通系统的网络模型,并解释复合网络中流量的分配规律.最后,提出复合交通系统的仿真分析流程,并借助Transcad软件,以长沙洋湖垸交通规划为例进行说明.     

大数据下考虑区间不确定阻抗的公交客流分配模型

为改进传统公交客流分配模型在处理实际路网阻抗缺乏不确定上的局限,运用公交车辆GPS数据和站点GIS数据来获取公交车在区间的行驶时间.将各公交站点的行程时间分为公交车辆运行时间、站点候车时间及换乘惩罚时间,并考虑到由于交通情况不确定导致阻抗的不确定,结合区间不确定理论,获取区间阻抗的计算方式,构建区间阻抗下的改进Logit公交客流分配模型,并设计求解方法.最后以深圳石岩街道区域9条公交线路为例,利用实际案例数据对所构建的模型进行验证,并对结果进行误差分析.研究结果表明:与传统不考虑区间不确定阻抗的客流分配模型相比,所建的客流分配模型的平均分配误差从17.7％下降至6.9％,9条线路的平均最大误差也从24.3％降至9.0％,即模型更加准确和贴合实际.     

城市轨道交通客流突增研究

基于北京地铁工作日的刷卡数据和北京地铁网络GIS数据,以网络流理论为支撑,挖掘地铁在平日稳定客流下的小时时段使用规律。提出轨道交通区间断面客流计算方法,量化轨道交通拥挤程度,并发现在客流高峰期,不同站点突增等量客流对城市轨道交通网络的影响有着巨大的差异。针对突增客流应对能力较弱的站点,结合站点客流分布基尼系数,提出相应的对策与措施,为城市轨道交通运营管理打开了新思路并提供信息支持。     

试试交通拥挤收费，未尝不可

城市交通拥堵给城市居民造成的困扰有目共睹。宝贵的时间浪费在路途上不说,拥堵产生的有害气体更会威胁人们的生命健康,故治堵迫在眉睫。     

城市轨道交通市场化投融资模式研究

对城市轨道交通的开发利益影响范围进行了深入分析,设计并探讨了基于土地收益增值的城市轨道建设市场化投融资模式。结合长沙城市轨道交通2号线的案例分析,提出城市轨道交通投融资宜采用市场化投融资模式,将城市轨道交通的项目建设和沿线土地开发捆绑在一起,利用沿线土地开发的利益吸引私人资本的注入。市场化投融资模式是一种能最好地满足政府和私人投资主体需求的合作方式。     

多元数据下的公交站点客流不确定性分析

利用长期收集的公交站点IC卡刷卡数据,基于区间不确定性理论,提出公交上下车站点区间不确定性客流推导方法.首先,将公交IC卡数据和GPS数据与公交站点信息相融合,确定IC卡刷卡的上车站点及其区间不确定性客流;然后,对公交刷卡行为进行分析,考虑乘客个体出行特征、乘客出行距离和站点吸引权重,提出下车站点客流推导概率模型及相应算法,通过区间数处理方法,得到下车站点客流区间值.最后,以2015年11月13日~12月25日深圳市21路公交为期6周的IC卡刷卡数据和GPS数据为例进行实例分析.