基于出行时间最少的市郊铁路合理站间距研究

市郊铁路在中国的发展较为滞后,现在越来越突出的城市问题迫使大城市寻求向外发展,市郊铁路也逐渐被一些城市重视并纳入规划中.车站的站间距规划与设计也是市郊铁路规划与设计的重要内容,在中国以往市郊铁路建设时,车站根据经验设置而导致运营后客流吸引不足,不能满足市郊通勤需求.合理的站间距对市郊铁路运营后的社会经济效益至关重要,过大站间距使得沿途乘客乘坐不方便,站间距过小则会增加旅客在途时间.市郊铁路主要功能是将远郊乘客快速运送至市区,因而时间是其考虑的重要因素.论文以乘客出行时间为目标,建立模型,求出市郊铁路合理站间距的范围,得出结论是当车站站间距为2.5~5 km时,有利于减少乘客出行时间.      

基于SP调查的乘客站点等待时间意愿研究

研究公交站点乘客等待行为,可了解乘客对于站点公交不准点的心理承受范围和意愿,用于站点时刻表的设计和智能公交调度.通过不同出行目的下的SP问卷调查,得到济南市的样本数据491份.公交延迟到达站点的样本数据分析发现乘客对于公交的延误平均可忍受的等待时间为4. 62 min.对年龄、性别、职业、月收入、上下班时间是否固定等影响因素进行敏感性分析,发现这些影响因素对站点乘客的等待时间没有显著差异.通过对不同出行时段和出行目的的分析发现,不同的出行目的下早高峰、晚高峰、平峰和周末乘客的等待时间差异比较大,公交调度应该在不同时段采取不同的策略.对于公交车提前到达公交站点时间的调研分析发现,80%左右的乘客希望公交仍按照原时刻表发车.基于以上分析总结出了不同可接受度的公交延误范围,以用于公交调度的范围参考.     

基于SP和RP融合数据的小汽车通勤出行频率选择模型

基于小汽车通勤出行特性和成本分析,采用意愿调查法对小汽车出行者的社会经济属性、通勤特性和不同燃油价格下的出行意向进行调查,定量分析停车位供应状况、停车费、燃油价格等因素对小汽车使用者通勤出行频率的影响,以获取高燃油价格下小汽车通勤行为随燃油价格(出行成本)变化的规律.基于多项选择模型,分别建立了RP模型、SP模型和基于...     

铁路出行方式选择行为模型研究

当前,对铁路出行方式选择的讨论多停留在综合运输体系下与其它城际交通方式的对比之下,缺乏对不同层级铁路出行选择行为的研究。本文以沪宁通道的京沪普铁、沪宁城际、京沪高铁为研究对象,对南京—上海的乘客进行铁路出行全过程抽样调查,在此基础上建立MNL模型探究乘客个人属性、列车服务属性及站点可达性对乘客铁路出行选择行为的影响因素。结果表明,乘客铁路出行选择行为受到年龄、学历、职业、费用来源、列车运行时间、票价收入比,接驳方式以及接驳时间的影响。研究成果能优化铁路客运服务,提升铁路运输吸引力。     

基于长沙市的城市人均出行乘车意愿研究

为给改善城市公共交通状况提供理论依据和有效建议,文中对长沙市人口出行方式及所用交通工具进行调查,利用层次分析法对调查结果进行分析计算,得到了影响城市人口出行乘车意愿的因子的权重,并据此提出了改善城市交通状况的建议.     

基于前景理论的居民出行方式选择分析

总结了现有出行方式选择模型的特点以及前景理论在出行行为分析中的应用,根据居民出行特点建立了基于前景函数的出行方式选择模型,运用算例分析说明了该方法的有效性。     

基于时空约束的出行方式选择行为分析

城市居民的日常出行往往受出行计划的限制。为定量分析其产生的时空约束对出行方式选择行为的影响,以时空棱柱理论为基础,构建了出行过程中的时空约束范围。通过计算时空可达性(包含变量活动地点吸引力、自由活动时间、交通时间)定量描述时空约束,并将其作为选择方案的特性变量加入效用函数中,建立了基于时空约束的多项Logit模型。通过问卷调查收集的数据进行模型标定与检验,分析了时空约束对出租车、私家车、地铁及公交汽车4种出行方式的综合影响。将活动地点吸引力-自由活动时间及活动地点吸引力-交通时间进行组合,研究了其共同作用下对出行方式选择的影响。结果表明:出行计划中存在限制型活动的情形下,时空约束为显著性影响因素,其对4种交通方式的影响程度顺序为出租车私家车地铁公交汽车;对于不同时空范围内的出行,活动地点吸引力-自由活动时间和活动地点吸引力-交通时间共同作用时,对出行方式选择概率的影响存在较为明显的差异性。     

基于游客出行意愿的旅游公路建设理念研究

为合理解释游客出行意愿与旅游公路建设理念的内在影响机理,解决稳定的规模化旅游客流量与公路建设之间的供需与导向问题,提出将旅游公路细分为内在和附加两大品质属性后,应用针对山西省沿黄旅游公路的内涵分析及出行行为调查数据,对各影响因素予以假设及采用路径分析等方法进行量化,并构建了两大品质影响下的游客出行意愿结构方程模型。结果表明:响应游客出行意愿的旅游公路建设理念,有利于促进交通与旅游的深度融合,旅游公路附加品质对吸引规模化的旅游客流具有正向影响,且较内在品质作用更加显著,舒适性、景观性、体验性及环保性等四大特性可解释出行行为53.2%的信息,并对稳定旅游客流具有积极意义,便捷性对旅游客流影响不显著。     

基于手机信息的居民出行调查

居民出行数据是交通规划中最重要的基础资料之一,但在传统居民出行调查中该数据的获取耗时长、成本高、自动化程度低,完全不能满足现行中国蓬勃的城市建设、规划的需要。该文提出了“person as sensor”的概念,也就是把居民日常使用的通讯工具——手机作为检测器,利用手机在居民使用过程中产生的大量位置和时间信息进行居民用户调查。该方法对现有的无线网络和手机都不需要进行任何修改,并且一旦实施将能够获取居民出行的实时数据。     

基于社会互动视角的出行方式选择行为机理分析

回顾以往的交通行为分析模型,多半隐含片面假设:个体决策是独立于他人行为的.因此,在分析社会互动作用较大的交通行为时,无法准确地反映出交通的宏观态势.有鉴于此,将"出行方式选择"视为一种集体行为,在考虑社会互动效应的前提下,分析出行方式选择行为的均衡转移状态.将停车收费水平视为政策干预变量,利用出行方式选择行为阈值模型对消除劣势均衡(私家车无节制出行)的政策干预阈值进行定量估计.研究结果表明,停车收费水平提高至每次15元以上,将使集体行为达到均衡转移阈值,导致公共交通出行的比例由现状的19.3%提升到约72.3%.     

基于出行全过程分析的多模式公交选择行为研究

在出行全过程的可达、候车、乘车、换乘4个阶段的基础上,建立基于时间价值函数的广义费用模型,并将广义费用及其他影响因素作为参数变量,建立了多模式公交出行方式,以公交快线、公交普线、轨道交通为主,公交支线、步行、自行车为辅,选择的NL模型,对显著性影响因素进行了分析.结果表明:本文所设计的模型拟合效果较高,在改善显著性较高的影响因子时,对优化公交系统、提高公交出行比例有重要意义.     

基于DAG-SVM的居民出行方式选择模型

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.      

基于Two-step Cluste的出行选择行为研究

为研究广佛城际交通出行者选择公共交通出行的意愿,根据2016年广佛城际交通发展调研数据,基于两步聚类方法,将总出行群体聚为两类,并运用熵权法选取9类指标分别对聚类前后的群体进行满意度评价,结果显示聚类后群体的满意度较低,表明聚类后的群体的出行需求更为集中。基于此,分别对聚类前后群体构建是否选择公共交通出行方式选择BNL (binart-nomial logit)模型,预测管理策略的效果,进一步验证将群体进行聚类的必要性,并为城际出行乘客提供更精准的服务。     

基于Nested-Logit模型的拥挤收费下出行选择行为分析

以Nested-Logit模型（NLM）的构建过程为基础,结合美国新泽西州公路收费政策实施后的交通调查数据,分析出行者的决策过程,利用Limdep软件建立Nested-Logit模型,通过合理的模型验证得到较好的模型结果,在此基础上分析了公路收费政策对交通出行选择行为的影响及表征出行特性的重要参数,为拥挤收费的后续研究提供参考依据。     

基于Vague集的公交出行路径选择方法

介绍了Vague集的基本概念、记分函数和Vague集多准则评价模糊决策问题,并将Vague集决策理论应用于公交路径选择问题中.分析了影响路径选择的基本因素,给出了包括时间、总费用和舒适度等的公交路径选择指标体系,考虑了每个指标的正、负2个方面的影响因素,提出了各路径的Vague集表示方法,为公交出行路径选择的研究提供了新的思路.最后通过一个实例说明了该方法的有效性,同时对其中的参数进行了灵敏度分析.     

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

基于贝叶斯网络的出行方式选择模型研究

论文以居民出行方式选择为研究对象,分析了城市居民出行方式的影响因素,建立了基于贝叶斯网络的居民出行方式选择模型,并以苏州市为例,结合居民出行调查数据采用极大似然法对模型进行了参数估计,并采用贝叶斯网络推理方法验证模型精度。结果表明,该模型能较全面地考虑居民出行选择的影响因素,模型精度较高。     

基于MNL模型的有轨电车出行选择行为研究

以现代有轨电车在上海建设试验线为背景,就市民出行方式的选择意愿进行了调查,在此基础上建立了多项Logit模型,研究了有轨电车的引入对市民出行方式选择的影响,明确了影响市民选择出行方式的关键因素为薪资收入、出行准点要求以及出行距离,进而指出了有轨电车在城市交通系统中的功能定位,并就如何提供现代有轨电车乃至城市公共交通的分担率提出了建议。     

基于GBAS的公交出行最优路径选择算法

通过对城市公交网络的描述,结合居民公交出行路径选择的特征,提出了以换乘次数最少为首要目标,以出行距离最短为次要目标的基于GBAS(基于图的蚁群系统)的公交出行最优路径选择算法。算法让分群蚂蚁从起点站行走至终点站后,在所有走过的路径中,通过对换乘次数和出行距离进行计算后选择最优路径,并对该路径上的信息素进行加强,其他路径上的信息素进行挥发,经过若干次外循环迭代后,分群蚂蚁会选择信息素最强的路径行走,即为公交出行的最优路径。用一个算例对算法的有效性进行验证。