峰前折扣票价下轨道交通乘客出发时间弹性

以北京地铁峰前折扣票价政策为背景,利用自动售检票数据研究折扣票价对乘客出发时间的影响. 首先,从“消费行为”视角建立客观的分类指标并对客运市场进行细分;其次,以较长时期内出发时间中位数为指标,基于“事前-事后对比法”对出发时间发生转移的乘客进行辨识;最后,准确测定不同类型乘客出发时间对票价变动的敏感程度. 结果显示：乘客出发时间票价弹性随转移时长增加而急剧下降,30 min 几乎是乘客所能接受的最大转移时长;通勤类乘客弹性最低,低频及生活类乘客相对富有弹性;限制当前折扣票价政策效果的主要因素在于折扣截止时间过早.该研究能够为差别定价方案编制及优化提供关键参数.     

峰前折扣票价下轨道交通乘客出发时间弹性

以北京地铁峰前折扣票价政策为背景,利用自动售检票数据研究折扣票价对乘客出发时间的影响. 首先,从“消费行为”视角建立客观的分类指标并对客运市场进行细分;其次,以较长时期内出发时间中位数为指标,基于“事前—事后对比法”对出发时间发生转移的乘客进行辨识;最后,准确测定不同类型乘客出发时间对票价变动的敏感程度. 结果显示：乘客出发时间票价弹性随转移时长增加而急剧下降,30 min 几乎是乘客所能接受的最大转移时长;通勤类乘客弹性最低,低频及生活类乘客相对富有弹性;限制当前折扣票价政策效果的主要因素在于折扣截止时间过早.该研究能够为差别定价方案编制及优化提供关键参数.     

关于智能运输系统的关键理论——综合路段行程时间预测的研究

行程时间预测是智能运输系统研究的一个重要问题。为此,建立了许多算法,有历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波、交通模拟和动态交通分配模型等。然而,在变化的交通状况和任意时段的条件下,这些方法和模型都不能取得令人满意的预测结果。在总结这些已有的预测方法和模型的基础上,提出了一种综合模型。     

城市快速路行程时间的统计分析与预测

实时交通预测分析一直是ITS领域一个重要的研究课题,它的研究进展也直接影响着ITS子系统ATMS（Advanced Traffic Management System）的实施。文章以北京二环快速路为研究对象,先使用浮动车数据计算出路段在不同时段的行程时间,再采用统计分析方法得出目标路段在相同时段下的行程时间的分布规律;在此基础上,对相同时段不同路段、相同路段不同时段的行程时间分布测度进行对比分析,并将其和道路服务水平进行对照,得出了若干有意义的结论和建议;最后,对行程时间计算结果进行了检验和评价,证明了计算结果的准确性。     

基于有限理性满意决策原则的出发时间选择模型

通过对交通行为建模的经济学假设进行分析,认为经济学研究方法可以应用于交通科学,但完全理性假设不符合交通行为的决策规则。为此,引入有限理性满意决策原则构建出发时间选择模型。建模的基本思路是设定驾驶员决策目标为满意到达时间,将决策范围限制在满意的最早和最晚到达时间所构成的效用区间,寻求区间效用最大化。     

路段行程时间多时间尺度预测方法

采用长春市实际调查数据对一种基于浮动车的路段行程时间多时间尺度预测方法进行仿真实验,结果表明基于该方法的交通流路段行程时间多时间尺度预测结果与真实值之间的平均绝对相对误差均小于7%,完全满足路段行程时间预测的精度要求。     

基于改进行程时间估计模型的最优路径选择

为解决交通网络最优路径问题，提出改进的行程时间估计模型，并设计基于该模型的最优路径算法。行程时间估计模型在分段截断二次速度轨迹模型的基础上进行改进，用路段节点的到达速度代替同一出发时刻下测得的速度，通过构造在时间和空间上连续的速度轨迹来估计行程时间。首先，基于Yen′s KSP算法以路段距离为阻抗求解K条最短路径；其次，分别用改进的行程时间估计模型估计K条最短路径的行程时间；最后，以行程时间为成本选择最优的路径。通过Sioux Falls网络的数值试验验证模型和算法的有效性和优越性。试验结果表明：改进的分段截断二次速度轨迹模型相比于原始模型精度平均提高了65%；算法的最优路径结果能减少路径经过的交叉口数和缩短最优路径的总长度，而且最优路径的行程时间估计结果 与真实值的MAPE保持在3%内。     

基于模糊理论的智能指数平滑行程时间预测算法

在指数平滑算法的基础上,结合模糊理论提出了一种基于模糊理论的智能指数平滑行程时间预测算法。该算法依据指数平滑法的预测误差构造模糊控制器来自适应控制平滑系数,从而自适应修正下一时期的预测值,提高行程时间的预测精度和智能化水平。最后通过实验验证了该算法的可行性、有效性。     

有限理性下个体出发时间选择行为研究

个体受限于认知能力和逻辑推理能力的限制,在出行决策过程中很难做到完 全理性.本文以出发时间选择为例,在有限理性行为假设基础上,引入空间知识获取、学习 及认知更新和方案搜索等关键行为要素,构建有限理性下的出行决策过程理论框架.融合 RP和SP 调查方法,设计出发时间选择行为意向调查方案.研究个体知识的表达方式,应 用贝叶斯学习理论完成认知更新.定义搜索成本和收益函数,利用调查数据分别提取基于 PART 和RIPPER 算法的出发时间启发式搜索规则和决策规则.结果表明,有限理性下个 体出发时间选择行为存在感知阈值,而并非寻求全局最优解.     

基于模糊综合评判的智能行程时间预测算法

提出一种智能行程时间预测算法。算法基于交通流量和占有率等实时交通信息,用模糊综合评判的方法实现对行程时间的预测。其核心是由交通流量和占有率构成因素集,把行程时间看成由因素集组成的评判集,通过因素集的隶属度函数确定模糊评判矩阵,从而求出行程时间的定量值。算例验证了算法的预测精度高,拟合程度好,具有一定的可行性。     

基于异构模型的铁路出发旅客衔接时间价值

旅客时间价值是开展区域综合交通一体化研究的重要参数.本文针对现有文献中铁路旅客衔接时间价值研究较少、异构模型计算结果的比较不够充分等问题,以成都铁路东客站出发旅客衔接方式选择SP数据为依托,建立了MNL、ML、LCL、Hybrid等异构模型,对异构模型所得旅客个体和样本总体的等候时间价值、车内时间价值进行了比较.结果表明：模型结构对时间价值求解有较大影响,ML中单侧三角分布模型求解结果较为合理;Hybrid模型在拟合效果上表现优良,但在个体等候时间价值求解结果中呈现出较为明显的偏态性,给总体统计描述带来一定的困难.由于目前尚无关于时间价值的明确比选方法,应用中可考虑取异构模型计算结果的均值.     

智能集装物流系统设计研究

货运物流是一项系统工程，货运智能运输系统是实现货运物流最优化的一种方法。浅析集装物流的特点、作用和流程；智能运输系统与智能集装物流系统的作用和系统的构成；实现集装物流智能化的可行条件以及智能集装物流系统的模块设计。     

智能公交乘客信息服务数据库设计

本文从车载、站台以及控制中心三方面分析了智能公交乘客信息服务系统,重点介绍了站台触摸屏公交查询系统中数据库的设计.查询系统数据库以ACCESS进行描述,创建了公交信息的存储结构,以ADO.NET与数据库进行连接访问,实现了对公交站点线路的查询.以VB.NET编程实现了起始站点名称选择和点击地图两种方式的公交站点查询、线路查询以及具有最少换乘次数的出行路径查询.     

枢纽编组站智能调度系统的设计与实现

在系统分析与探讨编组站智能调度系统的体系结构及功能的基础上，结合编组站智能化示范工程实际，介绍了系统的总体设计与分阶段实现问题，从而为我国铁路编组站智能化调度系统发展提供了有益的参考与借鉴。     

考虑交叉口延误与通行能力的疏散路线与出发时间优化研究

疏散是应急管理的重要内容,区域性疏散涉及到大批车辆的集体性出行,为保证疏散的安全、有序,有必要在疏散规划中合理规定源点车辆的分批次出发时间和路线安排.以往研究关于疏散路线与出发时间的优化,大多没有考虑交叉口延误和通行能力影响.若疏散所依赖的是城市道路网,忽略这些因素会导致结果不尽合理.用节点分方向权重表示交叉口方向性的延误和通行能力,用分方向点权网络表示疏散路网,将疏散路线与出发时间的优化描述为分方向点权网络中一类特殊的最快转运问题,并给出了启发式求解算法.算法将路段和交叉口在不同时刻的可用通行能力表示为时间序列,通过不断寻找最早到达路线,确定路线的承载车流量并据此修改可用通行能力等网络特征,来逼近最优方案,并给出了一个数值算例.     

基于生存分析的小汽车通勤者出发时刻研究

根据生存分析中的加速失效时间模型,对通勤者上班出发时刻选择行为进行研究分析.利用调查数据,建立了小汽车通勤者上班出发时刻选择的Weibull加速失效时间模型,得到了性别、年龄、家庭收入、单位上班时间和出行距离等是影响通勤者上班出发时刻选择的主要因素.结论表明模型的预测误差主要集中在10 min以内,模型的适用性和准确性较好,解决了Cox比例风险模型不能直接预测通勤者出发时刻的问题.     

出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论, 选取出行者特征、行程特性与出行方式服务水平作为效用变量, 以出行方式与出发时间作为选择肢, 构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据, 并模拟了在早高峰时段对小汽车出行收取费用时, 小汽车出行者出行行为的变化。计算结果表明: 与传统MNL模型相比, NL模型具有更好的统计学特征, 调整后的拟合优度由0.338增大至0.404;在2种NL模型中, 出发时间位于下层的结构对样本数据的适应性更强; 当早高峰时段小汽车出行收取费用为5元时, 72.6%的小汽车出行者坚持原有出行方式与出发时间, 22.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 4.8%的小汽车出行者改用公共交通方式, 但出发时间不变, 仅0.2%的小汽车出行者同时改变出行方式与出发时间; 当收取费用为10元时, 51.7%的小汽车出行者坚持原有出行方式与出发时间, 40.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 7.9%的小汽车出行者改用公共交通方式, 但出发时间不变; 当收取费用为20元时, 27.5%的小汽车出行者坚持原有出行方式与出发时间, 60.6%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 11.9%的小汽车出行者改用公共交通方式, 但出发时间不变。     

路段平均行程时间估计方法

为了有效利用线圈检测数据, 精确估计路段平均行程时间, 提出了一种路段平均行程时间估计方法。将路段平均行程时间分为平均行驶时间、平均排队时间和平均通过路口时间三部分。考虑线圈埋设的特点, 通过估计平均行驶速度得到平均行驶时间。用分段时齐Poisson过程描述车辆驶入路段过程和驶离过程, 用Markov排队模型描述车辆排队过程, 用生灭过程描述排队车辆数, 得到车辆排队模型, 计算了路段有、无初始排队的平均排队时间。基于选取与路口相关的饱和流率和平均车长, 计算了平均通过路口时间。计算结果表明: 平均行程时间估计值与实测值的误差小于12%, 说明路段平均行程时间估计方法可行。