基于计划延误成本的出发时间选择模型

出行时间不确定性对出行者造成诸多负面影响,其中之一就是计划延误成本增加.向出行者提供交通信息可减少出行时间不确定性的负面影响,减少计划延误成本.为了估计其负面效应和出行时间信息的价值,研究了一个出行时间不确定性下的出发时间选择模型.假定在不同的出发时间下,出行时间分布的形式不同.模型中出行者可得到交通信息服务系统(A T IS)提供的基于平均出行状况的交通信息或基于当日出行状况的交通信息,同时他对得到的信息有自己的感知值,基于此感知预测出行时间并选择出发时间.用算例反映了出行时间不确定性、不同信息状况和信息预测的质量对出行者广义出行阻抗的影响.结果表明交通信息的收益不应该只表现为传统的出行时间节省,它还能减少约30% ~40% 的计划延误成本.     

基于出行时间的城市交通出行结构估算模型

本文以北京市相关工作过程为例,介绍了城市交通出行结构传统估算方法的应用,提出了基于熵理论以及出行时间的城市交通出行结构估算模型,给出了模型算法,并以实例演示了模型应用与结果分析过程,最后总结了模型的优势与尚待深入研究的问题。     

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。     

居民全日出行方式选择动态模型研究

为改进现有交通方式选择模型,提高交通方式预测模型精度,基于出行链建立了居民全日出行方式选择动态模型。从居民出行方式选择机理分析入手,确立出行方式选择动态影响因素,在多项Logit模型（MNL模型）的基础上建立了方式选择动态模型。模型中增加了2类动态影响因素,即先前出行方式选择结果对后面出行方式选择的影响和主链的出行方式选择结果对子链出行方式选择的影响。最后以安徽省淮北市为例对模型进行了实例分析。结果表明：所建立的动态模型的优度比和预测准确率较基于单次出行效用的MNL模型有较大提高,变量在模型中的意义符合中国国情,模型可服务于城市交通规划和交通政策制定。     

基于量子概率理论的出行方式选择模型研究

为构建更加合理的出行方式选择模型,提高预测出行行为的精度,在量子概率理论框架下建立了出行方式选择的几何类量子模型,并对火车和汽车2种出行方式选择情形进行敏感性分析,考虑了情境效应、问题干扰以及不同初始信念状态,结合不同预备问题运用几何类量子模型实现了初始信念状态到最终信念状态的转变。验证发现,几何类量子模型可以捕捉人们在决策之前信念状态的变化,进一步缩小陈述偏好与显示偏好的差距,研究结果丰富了交通选择行为的基础理论。     

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。     

城市居民出行空间和方式联合选择模型研究

考虑到出行者出行空间和出行方式之间的重要联系,本文基于非集计模型中Nested Logit模型的理论和方法,结合2005年国内某大型城市居民出行调查数据,建立了城市居民出行空间和方式的联合选择模型。模型为2层的NL模型,第1层为空间选择层,第2层为方式选择层,以此将出行空间选择和出行方式选择连接起来。模型采用统计软件STATA 9进行标定,并通过统计指标进行验证,深入分析了影响出行者出行空间选择和出行方式选择的重要因素。最后,用同样的数据源建立了方式选择的MNL模型,通过对比联合模型和MNL模型的命中率和集计结果表明,出行空间和方式联合选择模型能够在较细的层面上预测出行者出行空间和交通方式的选择情况,从而提高了模型的精度和实用性。     

城市交通出行方式选择与引导方法研究

出行方式选择研究在居民出行预测方面具有重要作用,是居民出行引导的前提,对缓解城市交通拥堵具有重要意义.目前出行方式选择主要影响因素有性别、年龄、经济、出行目的等,出行引导研究集中在出行方式和出行路径方面.文中针对目前出行方式选择研究中问卷调查数据样本量少、精度难以保证、出行引导忽视出行群体差异的局限,利用数据丰富、精准...     

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。     

基于前景理论的出发时刻选择模型研究

介绍了研究出行者出行选择问题的传统理论——“期望效用理论”的不足,分析了“前景理论”的基本思想和结构框架。基于前景理论,以实时交通信息影响下的日常上班出行为研究对象,具有重要的理论意义和实践价值。选择到达目的地的时刻作为参照点,确定了价值函数。通过对可供出行者选择的时间范围进行分段,研究了在不同时段出发,出行者如何预测路径的行程时间。出行者将选择可获得最大价值的时刻作为出发时刻,以此为目标建立了出发时刻的选择模型。通过设定到达目的地时刻的满意区间,研究了出行者下次出行是否改变和将如何改变出发时刻。     

基于步行到站者出行时间的独立BRT走廊站距优化模型

BRT站距影响乘客到达BRT 站点所花费的平均时间,这种影响对步行到站者的出行显得尤为明显。首先,对BRT走廊辐射区域进行了细致的解析,以到站时间受站距影响较大的步行到站者为研究对象,分析步行到站者的平均到站时间,得到了步行到站平均时间同站距的函数关系。在此基础上,以增加站点数量造成的平均步行到站时间减少同BRT车辆运行时间的增加两者之间的平衡为目标,建立了BRT走廊站距优化模型,给出了模型参数的标定方法。该模型对BRT 影响区进行细化,更加符合实际情况,能为BRT实际设站提供一定的参考。     

基于多成本分析的出发时刻选择模型研究

交通问题的解决,应该从需求和供给两方面进行改善。交通需求管理通过改变出行者的出发时刻、出行路径以及出行方式等措施,将高峰期的交通需求从时间和空间2个方面进行分离,从而有效缓解城市交通压力。文中将经济学思想应用于城市道路,从固定使用成本、出行时间成本以及惩罚费用成本3个方面研究了私人小汽车出行的多成本性,通过分析居民出发时刻选择的决策过程,应用随机用户均衡分配和Logit基本理论,建立了适用于一般城市网络的出发时刻选择模型。运用模型进行一个算例分析,从而验证模型的有效性和实用性。     

基于动态用户均衡的同时路径和出发时间选择模型

提出一个适用于多OD对网络的基于动态用户均衡的同时路径和出发时间选择模型,用一个非减的分段线性函数构建了隐含先进先出条件的路段走行时间函数,并按各个路径和出发时间方案的流量的平均值来计算该路段走行时间函数,使得给定一个OD对的总需求和理想到达时间,模型可以确定出行者的选择路径和出发时间方案,方案确定后,没有人能够通过单...     

基于锥形流量延误函数的公交行程时间模型

针对交通规划软件常用的BPR公交流量延误函数在饱和度接近或大于1时,计算值与实际值相差急剧增大的不足,提出一种锥形流量延误函数,并分析了其对公交行程时间的影响,进而通过等式关系实现模型在交通仿真软件EMME/3中的实用化.相关的案例分析显示,在公交行程时间拟合方面,锥形流量延误模型较传统的BPR曲线模型误差均值降低5.57％,误差的波动降低50.60％,效果显著.     

基于径向基函数神经网络的城市道路路段行程时间实时预测模型

提出利用径向基函数（RBF）神经网络方法对城市道路路段行程时间进行建模NN,并结合线圈和视频实测数据进行仿真分析,以实际行程时间和模型输出的行程时间预测值比较验证了模型的合理性。并将RBF神经网络方法与BP神经网络方法进行比较,结果表明RBF神经网络相对于BP神经网络训练时间短,且预测精度更高。     

基于可拓理论的城市主体公交模式双层决策模型

城市主体公交模式选择是构建城市公共交通系统的重要工作内容,文章运用可拓理论,选择影响城市公共交通发展的5种主要模式:地铁、轻轨、BRT、使用公交专用道的常规公交和限制小汽车增加公交运力,遵循客观、易操作的原则,构建城市公共交通方式选择的可拓决策模型与协调度评价模型,并给出决策选择的具体实施步骤.     

共享单车引入后通勤者出行方式选择影响因素建模

为研究共享单车的引入对通勤者出行方式选择的影响,通过对南京市通勤居民进行出行问卷调查,从社会经济属性、家庭属性、出行特性及出行意愿4个方面,采用混合logit模型分析通勤者在共享单车出现后的出行方式选择影响因素.结果 表明,性别、收入、企事业者/教师医生、拥有私家车、出行费用、出行距离、出行时间及舒适性对通勤者选择私家车出行都是正显著的;年龄、企事业者、出行费用、出行时间及经济/安全/环保性对通勤者选择公共交通具有显著正影响;收入、出行距离、出行时间及安全性对通勤者选择自行车出行具有显著负影响;年龄、性别、出行距离、出行时间及安全性对通勤者选择共享单车出行具有显著负影响.其中,注重经济性的通勤者选择公共交通的概率会达到65.58%,注重环保性的通勤者选择公共交通出行的概率可达到84.55%;注重舒适性和注重经济性相比,优先考虑舒适性,即更愿意选择私家车出行.