基于大规模定位数据的出行方式模糊判别研究

交通需求信息对于从战略上解决交通拥堵问题是非常重要的。从无线通信网络和GPS系统中可以获得大规模的定位数据。从定位数据中可以挖掘出完整的出行轨迹信息和有价值的出行需求特征信息。文中提出了以各种出行方式的先验知识为依据的出行方式模糊判别方法。该方法以从出行轨迹信息中提取的出行属性数据为输入,采用模糊推理机制实现机动车、自行车、步行等3种出行方式的良好区分。该方法可为交通规划工作提供出行方式划分方面的数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

哈尔滨市交通外部成本的量化分析

通过对哈尔滨市几种常见的出行方式,包括步行、自行车、摩托车、公共汽车、小汽车和出租车在外部成本方面的量化研究,分别确立了城市交通外部成本的计算方法和模型.通过对哈尔滨市进行调查,为交通政策的制定以及交通资源的合理利用提供科学依据,以促进城市交通的可持续发展.     

单中心大城市土地利用对居民出行方式的影响

为了全面了解大城市内部土地利用对居民出行行为的影响,以团块状单中心大城市为例研究了居民出行方式的相关特征。结果表明,团块状单中心城市内部土地利用密度和区位对居民出行方式有显著影响,步行和自行车出行比例由市中心向外围随着人口密度的减小而递减;助力车、摩托车、公交车、私家车出行比例则由市中心向外围随着人口密度的减小呈梯度式递增。土地混合利用程度对出行方式的选择影响不明显。土地利用对居民出行方式间的转移没有显著影响,居民出行方式间的转移局部与全局的特征相似。     

关于公交票价与私家车出行关系的研究方法

该文针对研究城市公交票价与私家车出行量之间关系的需要,提出了一种理论方法。该方法用多元线性回归模型分析了城镇居民家庭人均可支配收入、私家车出行成本等因素对私家车出行需求的影响,并在此基础上结合交叉弹性理论进一步得到公交票价和私家车出行需求之间的弹性关系。通过该方法可以量化公交票价与私家车出行需求两者之间的关系,为城市采用低价公交来制约私家车出行的政策提供一些理论依据。     

票价对轻轨分担率的影响研究——以广州市萝岗轻轨为例

为研究不同的定价策略下轻轨对其影响范围内不同人群的吸引力大小,运用多项 Logit 模型效用最大化理论,并以广州市萝岗轻轨为例,在大量居民出行调查数据基础上,对模型进行参数标定,分析比较小汽车出行﹑电单车、常规公交出行﹑轻轨交通出行4者的效用比,最终确定目标年不同票价政策下各种交通方式的分担率。      

公交乘客出行路径优化模型

分别以“换乘次数”最少和“出行时间”最短为优化目标，提出2个公交乘客出行路径优化模型，得到不同的最优线路，供公交乘客选择适合自身的出行路线，并以1个简单的公交网络对模型进行了验算。     

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.     

基于多源数据的公交出行特征分析

为准确分析公交消费数据不完整情况下的公交出行特征,基于乘客上车刷卡数据、支付宝扫码数据及公交GPS数据,运用时空匹配法和出行链理论挖掘分析乘客上下车站点、公交线路OD矩阵、出行空间分布特性及消费时间分布特征。实际验证结果表明:1)使用IC卡和支付宝的乘客数量近似相等,使用现金人数较少,约占整体的6%;2)乘客出行次数在2次以下占总数的84%,换乘需求较少,公交可达性较高;3)高峰期消费次数均超过25000次/h,约占全天总数的23%,居民出行目的较为单一,大部分往返于居民区与办公商业区,与实际情况相符。     

插电式混合动力客车工作模式切换控制研究

在研究插电式混合动力客车结构特征的基础上,分析了插电式混合动力客车行驶状态下的主要工作模式。根据模式切换的逻辑关系,提出了插电式混合动力客车采用选择性模式切换方式,并制定了控制逻辑。按照控制逻辑要求,从整车的角度提出了发动机、电动机及自动离合器的控制方法,并通过实车道路试验进行了验证。结果表明：所提出的控制逻辑及部件控制方法满足插电式混合动力客车工作模式切换的需要,并具有良好的行驶性能。     

实测数据驱动的自动驾驶道路测试驾驶模式辨别方法

自动驾驶道路测试中车企驾驶模式数据具有一定保密性,导致自动驾驶能力难以被客观评估.为此,提出了实测数据驱动的自动驾驶道路测试驾驶模式辨别方法.首先选取数据特征值构建K近邻估计、支持向量机、决策树、随机森林和BP神经网络5种机器学习监督分类模型;其次通过非参数秩和显著性检验确定驾驶模式持续时长阈值,持续时长大于阈值的数据...     

智能型手机应用程序对运具选择行为之影响

因应资通信技术发展,智能型手持设备逐渐普遍,应用程序蓬勃发展改变人类传统行为模式甚巨.其中,运输相关之应用程序多样化发展,功能包含地理信息系统的应用、交通信息的提供、车辆派遣的预约、交通票证的订定、观光游程的设计等.依据台北市交通局统计2013年民众透过智能型手机应用程序查询次数,每月已高达6 000万次以上,实有必要针对运输类应用程序所衍生之效果进行探究.论文主要研讨智能型手机应用程序所提供的交通运输信息对用户旅运行为之运具选择影响,透过问卷调查,进行个体运具选择模式之构建,以分析台北市旅运者在受智能型手机应用程序提供的实时交通信息对于运具选择行为转变之影响,期能了解ITS结合智能型手机应用程序的交通信息服务对于提高公共运输便利性之效益.      

杭州市居民出行特征分析及交通发展对策探讨

该文根据杭州市2005年居民出行调查的相关数据,结合杭州市城市交通现状,对杭州市居民出行次数、出行时段、出行方式等一系列的指标进行了分析研究,总结归纳杭州市居民出行特征的规律、变化特征及其原因,并在此基础上对杭州市的交通发展提出相关的建议。     

基于GA启发式抽样的交通事件自动检测

为了提高面向不平衡数据集的交通事件检测综合性能,提出了两种基于GA启发式抽样方法的交通事件检测算法.基于GA的实例选择抽样方法(GA-IS),解决非启发式抽样方法人为设定抽样率导致的检测效果不稳定问题.基于GA的支持向量选择抽样方法(GA-SS),改善学习集数据量较大时的检测效率.实验采用新加坡AYE仿真数据库,以支持向量机作为分类器进行事件检测.结果表明,基于遗传算法实例选择抽样的检测模型检测率达到94%,平均检测时间为1.413 3 min,性能指标PI为0.157;基于遗传算法支持向量选择抽样的检测模型决策时间为4.55 s,综合性能最优,其PI为0.151;基于少数类过抽样算法(SMOTE)的检测模型决策时间为35.21 s,PI为0.329,与非启发式抽样方法相比,所提方法能有效改善面向不平衡数据集的事件检测综合性能.      

基于模仿学习和强化学习的智能车辆换道行为决策

本文中提出了一种基于模仿学习和强化学习的智能车辆换道行为决策方法.其中宏观决策模块通过模仿学习构建极端梯度提升模型,根据输入信息在车道保持、左换道和右换道中选择宏观决策指令,以此确定所需求解的换道行为决策子问题;各细化决策子模块通过深度确定性策略梯度强化学习方法得到优化策略,求解相应换道行为决策子问题,以确定车辆运动目...     

Clarifying multiple-mode decision making in conventional psychological models: A consideration of the influential mechanism of car use's characteristics on the behavioral use of public transportation

The existence of the multiple-mode decision making process challenges the existing psychological theories those predict travel behaviors because the theories were mainly to explain the relationship between travelers' perceived attributes of a targeted mode, not to make choices between modes. A review of related literatures showed a lack of focus on the mechanism of one mode influencing other mode in psychological models. The present study investigates how car-related factors affect the establishment of bus use intention in a psychological investigation. It is hypothesized that single car use factors do not directly influence bus use intention, rather than that; they indirectly influence bus use intention through an overall factor of car use. Results from a dataset of 270 samples investigating three types of daily trips in the Japanese context showed support to the mediating effect of the overall car use factor. As such, an arbitrary inclusion of car-related factors to psychological models of public transportation may not be recommended.     

居民出行方式选择非集计模型的建立

基于非集计离散选择模型的基本理论与建模方法,结合2003年北京居民出行调查数据,对影响居民出行方式选择的因素进行了分析,选择包括公交车、出租车、私人小汽车等在内的5种日常生活中较为常用的交通方式作为居民出行的方式选择肢,确定了影响居民出行方式选择的特性变量及相应的取值方法,建立了交通方式选择MNL模型。应用Matlab优化工具箱中的无约束最优化函数对所建的MNL模型的参数进行了标定,并通过命中率的计算验证了模型的有效性。结果表明,非集计建模方法能够较全面的考虑居民出行选择的各方面影响因素,尤其是将出行者的个人特性影响因素引入模型,提高了模型的预测精度和实用性。     

基于GPS与IC卡的公交OD量采集方法

公交OD量是公交调度管理及线网优化的基础。传统的获取公交OD量的方法需要进行大范围的个人出行情况调查，消耗大量人力物力，且数据更新缓慢。随着GPS技术与IC卡在公交系统中的广泛应用，提出了利用公交车GPS定位与乘客IC卡刷卡信息来获取公交OD量的新方法。利用这一方法对广州某段时间的公交车GPS定位和羊城通数据进行了实际分析。试验结果表明这一方法是有效的。     

基于随机用户平衡的混合交通网络流量分离模型

考虑了影响出行者交通选择行为的主要因素(时间、费用、方便性、舒适性等),分析了在多种交通方式(私家车、出租车、公交车、轨道交通以及自行车等)存在条件下城市交通网络中出行者交通选择行为,包括交通方式选择和出行路径选择,并基于随机用户平衡(SUE)理论构造了城市混合交通网络的流量分离和分配综合模型及求解算法。最后通过一个简单算例,得到了当各种影响因素变化时,各种交通方式的流量变化情况。     

居民出行分布预测的改进模型研究

出行分布量与小区间现状出行有关,也与连接两小区间的道路网络及起终点的用地性质有关,传统出行分布预测模型都只考虑了这些因素的某一方面,因而在预测中经常会出现与实际明显不符的预测结果。按照出行个体在选择出行目的地时的行为,将影响出行目的地选择的几个重要因素：现状OD、小区用地性质、出行成本综合考虑,并按照影响方式不同,建立出行分布预测模型。计算实例表明,该模型的预测结果优于传统模型。