基于混合Logit 模型的网约车选择行为研究

近年来,网约车发展迅速,而现有研究较少从市场角度理解用户对网约车的选择偏 好.本文构建了基于混合Logit选择模型,选取网约车依赖性、出行目的等出行相关属性,年龄等 个人社会经济属性为效用函数特征变量,假设到达时间、在车时间和费用为随机变量并服从对 数正态分布.使用D-efficient效率设计法生成问卷,在成都市开展网约车使用特征与选择偏好的 实证调查.基于观察数据标定模型,参数显著性及符号解释了城市综合交通背景下出行方式选 择的关键因素.对出租车和网约车费用进行边际效应分析,明确了价格变化对出行结构的影响.     

基于网约车订单数据的居民出行特征研究

为了解不同类型网约车乘客的出行特征,帮助网约车司机制定合理的寻客策略,以北京市出租车网络订单数据及快车网络订单数据为基础,采用K-均值（K-means） 聚类方法,以乘客出行时间、行程时间、上车区域用地性质及下车区域用地性质作为特征变量,对两种网约车的订单数据进行聚类分析,并分别将其划分为4种需求类型。对出租车网络订单及快车网络订单的4种需求类型进行对比分析,发现二者的乘客出行需求呈现出相似的特征。其中有两类需求受乘客出行时间影响较大,工作日早晚高峰的出行需求更为活跃,乘客上下车区域的用地性质集中于混合用地性质。另外两类需求受乘客出行时间影响较小,乘客上下车区域集中于混合用地与居住用地、商业服务设施用地、绿地及广场用地3 种用地类型之间。对订单数据进行统计分析发现,快车网络订单行程时间集中在10~20min,出租车网络订单的行程时间集中在10~45min。快车订单以短时出行为主,当乘客行程时间较长时选择出租车的概率更大。     

基于网约车订单数据的居民出行特征研究——以北京市为例

为了解不同类型网约车乘客的出行特征,帮助网约车司机制定合理的寻客策略,以北京市出租车网络订单数据及快车网络订单数据为基础,采用K-均值(K-means)聚类方法,以乘客出行时间、行程时间、上车区域用地性质及下车区域用地性质作为特征变量,对两种网约车的订单数据进行聚类分析,并分别将其划分为4种需求类型。对出租车网络订单及快车网络订单的4种需求类型进行对比分析,发现二者的乘客出行需求呈现出相似的特征。其中有两类需求受乘客出行时间影响较大,工作日早晚高峰的出行需求更为活跃,乘客上下车区域的用地性质集中于混合用地性质。另外两类需求受乘客出行时间影响较小,乘客上下车区域集中于混合用地与居住用地、商业服务设施用地、绿地及广场用地3种用地类型之间。对订单数据进行统计分析发现,快车网络订单行程时间集中在10～20min,出租车网络订单的行程时间集中在10～45min。快车订单以短时出行为主,当乘客行程时间较长时选择出租车的概率更大。     

建成环境对步行和自行车出行的影响--以波哥大为例

哥伦比亚波哥大以可持续的城市交通系统闻名,包括其密集的自行车道网络以及Ciclovía系统——为骑车者和行人预留的道路空间,可在星期日和节假日休闲出行使用。探讨此类设施以及建成环境的其他属性——城市密度、混合用地、可达性以及与公共交通车站的距离——如何影响步行和自行车出行行为以及Ciclovía的使用。结果表明,道路设施设计要素例如道路密度、连通性、与Ciclovía车道的距离,与体力活动相关;而建成环境的其他属性如密度和用地混合程度,对体力活动影响甚微。这可能是由于波哥大建成区的大部分街区均在非机动交通出行占绝对优势的时期演变发展——紧凑、用地混合、交通可达性水平相似。由此可见,影响非机动交通出行的因素是设施设计而非一般的街区用地属性。     

建成环境对老年人出行行为影响的空间异质性

随着积极应对人口老龄化战略的提出，老年人成为亟需关注的重要群体.为弥补现有交通出行研究多关注建成环境对老年人出行行为全局影响的不足，融合2011年香港特区政府组织的大规模交通习惯调查数据、地理数据和谷歌街景图像数据，测度老年人出行倾向和多个建成环境变量，建立三层随机截距（一层：个人，二层：家庭，三层：社区）二元logistic回归模型和地理加权二元logistic回归模型，分析建成环境与老年人出行倾向的复杂关联关系，并借助ArcGIS平台对关联关系进行可视化.研究结果发现：人口密度、土地利用混合度、交叉口密度和绿视率正向影响老年人出行倾向；地铁可达性和公园可达性的影响不显著；建成环境要素对出行倾向的影响存在空间异质性；土地利用混合度对出行倾向的局部影响是双向的，在城市西部为正向，而在城市东部为负向.     

基于MNL模型的网约车乘客出行行为

为研究基于多项评定(muhinomial logit,MNL)模型的网约车乘客出行行为,以2018年大连市主要商圈内具有网约车乘车经历的出行者为调查对象,设计网约车乘客出行意向调查(stated preference,SP)问卷,建立MNL模型,探索出行方式选择行为的关键影响因素及其作用规律,并进行弹性分析.研究结果表...     

基于机器学习的网约车合乘出行碳减排状态预测

网约车合乘出行可有效提高车辆运输效率,与常规网约车出行相比具有显著的碳减排潜力。然而,现实中网约车合乘出行能否真正减少碳排放受多方面因素影响,往往存在较大差异与不确定性。为识别碳减排潜力较大的网约车合乘订单,提出一种基于机器学习的网约车合乘出行碳减排状态预测模型,并解析其碳减排机理。首先,基于成都市真实的网约车合乘订单与轨迹数据,应用COPERT(COmputer Program to calculate Emissions from Road Transport)排放模型分别计算合乘出行碳排放量及其替代的独乘出行碳排放量,进而得到合乘出行相比独乘出行的碳减排量。然后,基于历史的合乘行程碳减排及其订单特征数据,训练XGBoost(eXtreme Gradient Boosting)模型以预测未来潜在合乘出行的碳减排状态。最后,采用ALE (Accumulated Local Effects)分析方法对预测模型进行特征变量解析,以识别影响合乘出行碳减排状态的关键因素。结果显示：研究区域内平均每次网约车合乘出行可减少碳排放307.23 g,但仍有15%的网约车合乘行程未能实现减碳;XGBo...     

碳普惠机制下网约车用户拼车出行意愿研究

为鼓励网约车用户选择更加低碳的拼车出行方式,引入碳普惠机制,分析用户在不同低碳激励作用下对于网约拼车出行的行为意愿。首先,基于计划行为理论、技术接受模型和感知风险理论,提出关于网约车用户拼车出行意愿影响因素的假设;然后,正交构建了12种涉及不同碳积分价值和拼车里程的碳普惠情景,并采用SP(Stated Preference)调查收集了网约车用户的社会人口信息、心理潜变量以及在不同假设情景下的拼车出行意愿;最后,基于结构方程模型对网约车用户在碳普惠机制下的拼车出行意愿进行建模分析。研究发现：碳积分价值、拼车里程、态度、主观规范和低碳价值观对拼车出行意愿有显著直接影响;感知有用性、感知风险对拼车出行意愿有显著间接影响;随着碳积分价值的提高,用户的拼车出行意愿增强,且态度及主观规范的作用减弱,而低碳价值观的作用增强。研究结果证明了碳普惠机制可有效促进网约车用户选择拼车出行。     

基于IC卡数据的建成环境与公交出行率关系研究

近年来,建成环境对公交出行率的影响已逐渐引起重视,本文从不同层面捕捉影响公交出行率的内在要素,从理论上揭示建成环境影响公交出行率存在差异性的原因.以武汉市为例,基于公交 IC卡数据,提出分层线性模型研究站点周边建成环境、行政区域的社会经济变量对公交出行行为的复合影响.结果表明：不同分区中站点层面的建成环境对公交出行率的影响程度和作用存在明显差异性;而分区层面的人口密度、公交投入是导致这类差异的重要因素,并对公交出行率产生加成效应.本研究可为公交导向发展理念下的城市规划设计提供理论与技术支撑.     

基于IC卡数据的建成环境与 公交出行率关系研究

近年来,建成环境对公交出行率的影响已逐渐引起重视,本文从不同层面捕捉影响公交出行率的内在要素,从理论上揭示建成环境影响公交出行率存在差异性的原因.以武汉市为例,基于公交 IC卡数据,提出分层线性模型研究站点周边建成环境、行政区域的社会经济变量对公交出行行为的复合影响.结果表明：不同分区中站点层面的建成环境对公交出行率的影响程度和作用存在明显差异性;而分区层面的人口密度、公交投入是导致这类差异的重要因素,并对公交出行率产生加成效应.本研究可为公交导向发展理念下的城市规划设计提供理论与技术支撑.