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...     

早高峰地铁通勤计划延误价值分析与实证

解释和预测通勤者的时间价值和出行行为是实施交通需求管理措施,进而缓解城市交通拥堵的基础研究工作之一.综合考虑出行时间、计划延误、厢内拥挤和地铁票价等影响因素,给出了地铁通勤者的出行效用表达式,基于Logit模型对地铁通勤者早高峰期间的出发时刻选择行为进行了研究.针对不同的地铁通勤情景进行组合,设计了意愿偏好调查问卷,在北京地区进行了实证调查.统计结果表明,对北京地铁的通勤者而言,早到和晚到上班地点的计划延误价值每分钟分别为0.237元和0.406元;厢内拥挤的程度和地铁票价的折扣变化都会影响地铁通勤的出发时刻选择.考虑收入的异质性对模型进行了改进,统计结果在0.05水平上是显著的.      

面向多智能体的出行前信息下通勤者出行行为研究

采用面向多智能体的建模与仿真方法,对先进的交通信息系统(ATIS)提供的出行前信息下通勤者出行行为进行了研究.首先,基于贝叶斯理论,建立了在出行前信息与以往出行经验作用下,通勤者出行时间感知动态更新模型;进而以信念-愿望-意图(BDI)模型为基础,将每个通勤者一车辆单元刻画为一个具有双层结构的智能体,并采用面向多智能体语言AgentSpeak(L)刻画了智能体的出行行为决策机制;最后,采用面向多智能体编程平台Jason与微观交通仿真平台Paramics相结合的方式进行了相应的仿真试验.结果表明:贝叶斯理论可以较好地解释驾驶员(尤其是通勤者)出行行为动态特性,同时验证了多智能体技术与微观交通仿真技术的结合在驾驶员行为分析中应用的有效性,为驾驶员行为分析提供了新思路.     

通勤者出行方式与出行链选择行为研究

通过分析2005年北京市居民出行调查数据,构造通勤者上班出行方式选择和出行链类型选择相互影响的NestedLogit模型,分别建立出行方式→出行链和出行链→出行方式两个方向模型结构,采用统计软件STATA9.0对模型进行标定,并利用包容系数对Nested Logit模型的结构关系进行辨识。结果表明,出行方式选择和出行链类型选择之间不是单方向影响关系,而是一种双向的相互作用关系;出行链→出行方式选择决策较为合理,反应通勤者倾向于首先考虑如何组织当天要参加的各种活动,然后在出行链安排的约束下考虑选择合适的出行方式。     

基于Logit模型的大连市居民通勤出行行为研究

针对大连市主城区进行通勤出行方式的意向偏好调查.选取7家企事业单位的200名驾车通勤者作为研究对象,建立以私家车、公共汽车为选择对象的二元Logit模型,研究停车收费及公交服务水平的变化对不同特性停车者的出行选择方式影响.结果表明:停车收费费率及公交服务水平对城市居民的通勤出行方式选择有显著影响.将合理的停车收费体系与提高公共交通服务水平相结合,是一种优秀的交通需求管理手段.     

历史城区通勤者出行方式与活动模式交互作用研究

为了探究历史城区通勤者出行方式与活动模式之间的交互特征,选取根据扬州市历史城区作为研究对象.根据出行调查数据将出行方式和活动模式分别划分为4类,运用协同进化Logit模型理论,对模型的参数进行了合理设置和标定,分别建立出行方式选择和活动模式交互选择的多项Logit模型,与未考虑交互选择对比发现,交互后能够提高模型的总体命中率.研究结果表明:公共交通出行的通勤者与简单出行链HWH互为正相关;电动车通勤者与活动模式HW+MH和HW+OH互为负相关,说明历史城区通勤者较少选择电动车完成非工作出行;慢行方式对活动模式HW+ OH的相关系数为1.052,说明使用慢行出行的通勤者倾向选择活动模式HW+OH.      

苏州居民通勤出行交通方式选择特征研究

通过对苏州居民出行调查中有关通勤出行的信息进行分析计算,研究了通勤出行交通结构、不同人群交通方式选择特征以及通勤交通方式的出行距离特征,该分析结果有助于城市交通发展规划,特别是针对城市居民上下班出行的交通政策的制定和交通系统的设计。     

多模式公交信息服务条件下的出行方式选择行为研究

为了科学评价多模式公交信息服务对出行方式选择行为的影响,基于超级交通网络理论,从出行链的角度分析了多模式公交信息服务对出行方式选择的影响机理,并在构建巢式Logit出行方式划分模型的基础上引入行程时间可靠度因子改进效用函数;根据上海市某郊区得到的显性偏好调查数据,利用极大似然法对巢式Logit模型进行参数标定后,对有无多模式公交信息服务条件下的出行方式分担率进行了计算和对比分析.研究结果表明:多模式公交信息服务能够有效引导轿车及其他个体机动化出行方式向多模式公交系统转移,提高了公交出行比例.研究结果可为大城市公共交通信息系统的改善和建设提供决策支持.     

出行态度及社区环境对出行行为的影响分析

无序蔓延的城市发展模式对社会带来的负面影响已毋庸质疑,关于城市土地利用对人们出行行为影响的研究正受到越来越高的重视,以往研究结果表明生活在良好社区环境（高密度、土地混合利用、公交可达性高、宜于步行）下的人们相对于以小汽车为导向环境下生活的人,其对小汽车的使用更少,但这些研究并未考虑人们自身的出行倾向。文中将人们的出行态度因素纳入考虑,以随机效用理论为基础,调查在不同社区环境下人们在非通勤时间内所采用的交通方式,通过建立交通方式选择 MN L模型来标定各因素的影响程度,分析社区环境与出行倾向对出行行为的重要性。     

基于强化学习的限行政策下双模式出发时间选择仿真研究

结合多Agent方法和强化学习模型,建立了城市高峰时段通勤者出行方式及出发时间选择的计算机仿真模型.仿真研究了限行政策下通勤者的出行选择行为,再现了交通均衡的形成过程.根据仿真结果分析了不同公交改善措施的实施效果.结果表明限行政策实施后,公交出行人数增加18%,一定程度上缓解了高峰时段的拥堵状况,但也会导致出行者在非禁行日公交出行的概率减小,因此仅采取限行政策起到的作用是有限的.在小汽车限行政策下,提高公共交通发车频率,能够使公交出行人数增加17.5%,小汽车拥堵等待时间减少85%,有效地改善了道路交通状况,相比之下,降低公交价格的改善作用不明显.研究中采用的多Agent方法可以直观方便地描述丰富的个体行为,同时在描述个体行为与系统的互动方面具有一定的优势,为探索复杂交通现象的形成和演化过程提供了一种有效的途径.