昆明市小汽车出行特性调查分析

“小汽车家庭化”给人们的生活带来极大的便利,家庭对小汽车的需求也极大地推动汽车工业及其它产业链的发展,但也带来一系列问题。依托昆明市小汽车出行特性的调查分析,旨在探索有效的小汽车出行行为分析方法,挖掘私人小汽车出行属性规律,为制定有效的私人小汽车管理措施,缓解昆明市城市交通拥挤提供重要参考依据。     

城市公共交通出行方式选择行为研究

优先发展公共交通系统是解决城市交通问题的有效方法,而优先发展公共交通的关键之一则是合理引导私人交通发展,提高城市公共交通的出行分担率.文中以2009年济南市居民出行调查数据为支撑,从出行行为角度分析城市居民公交出行行为特征.基于非集计模型理论与方法建立公交选择行为模型,分析居民公共交通与私人交通出行方式选择行为的差异,探讨引导小汽车转向公共交通出行的规律.     

小汽车与轨道交通出行方式选择行为分析

研究出行方式选择行为有助于引导私人小汽车出行者改乘轨道交通出行。以上海世博期间驾驶人的通勤出行为研究对象,通过RP和SP调查采集驾驶人实际通勤出行情况和世博期间的出行方式选择行为,得到小汽车相比轨道交通的出行时间节省量和费用差与是否选择轨道交通存在联系。应用离散选择模型分析出行方式选择的影响因素,建立二项Logit模型。结果表明,驾龄较短和低收入的驾驶人更愿意选择轨道交通,年轻驾驶人（相比年长者）、频繁使用小汽车者更愿意选择小汽车出行。     

基于MNL模型的私人小汽车出行时间选择研究

应用MNL模型和方法,引入影响出行者出发时间选择行为的个人、家庭和社会经济属性、出行特征等因素,构造私人小汽车使用者出发时间选择模型,着力挖掘影响私人小汽车使用者出发时间选择的关键因素,可为制定有效的管理措施提供理论依据和数据支持。     

具有模糊特性变量的出行方式预测Logit模型

基于非集计模型与模糊数学理论,以城市群居民出行行为为研究对象,选择出行者的出行时间和出行费用作为影响因素,利用极大似然估计法进行参数标定,通过t检验、命中率检验与优度检验,将出行时间模糊化,忽略出行费用的影响,建立了具有模糊特性变量的出行方式预测Logit模型。将轨道交通与小汽车2种出行方式的时间模糊化参数分别选为0.1、0.3、0.5,分析了出行方式与出行时间对居民出行行为的影响。分析结果表明:轨道交通与小汽车的平均出行感知时间之比为0.8～1.2,且2种出行感知时间同等程度变化;当轨道交通出行时间模糊化参数为0.1,小汽车出行时间小于70min时,出行者均选择轨道交通出行;当轨道交通出行时间模糊化参数为0.3,小汽车出行时间小于67min时,出行者继续选择轨道交通出行,但当小汽车出行时间大于67min,小汽车出行时间模糊化参数分别为0.1、0.3时,出行者选择小汽车出行;当轨道交通出行时间模糊化参数为0.5,小汽车出行时间小于58min时,出行者仍然选择轨道交通出行,但当小汽车出行时间大于66min时,出行者均选择小汽车出行。     

基于父母出行特性的学生出行方式选择研究

研究家庭成员出行方式对学生出行方式选择的影响,可以更有针对性地制定 学生出行需求管理策略.以学生出行为研究对象,将父母出行方式作为选择方程的因变 量,学生出行方式作为结果方程的因变量,运用Heckman Probit 模型建立基于父母出行方 式选择的学生出行方式选择模型,利用海宁市数据进行验证.结果显示,父母选择小汽车 出行对学生选择小汽车和电动自行车出行有显著正向影响;父母选择公交出行对学生选 择小汽车和步行出行有显著负向影响;父母出行方式对学生选择公交出行无显著影响; 小汽车拥有情况、是否有人接送、公交满意度和出行距离对学生出行方式选择影响显著.     

出行成本对居民出行方式的影响

以北京市居民出行行为为研究对象,收集2010年部分区域居民出行基础数据,使用相关性分析筛选与居民出行方式选择密切相关的影响因素.以小汽车出行方式的效用函数与公共交通出行方式的效用函数的差值构建新效用函数,选择收入、出行目的、支付方式、出行时间比、出行成本比等作为影响因素,将小汽车和公共交通出行时间比划分为1∶5、1∶3、1∶1,分析出行成本对居民出行方式的影响.分析结果表明:当出行时间比为1∶5时,居民使用小汽车出行对应的弹性值均小于0.1,出行成本调节缺乏弹性;当出行时间比为1∶3时,对应的最大弹性值为0.39,当出行成本比为25时,40％～50％的出行者继续使用小汽车出行;当出行时间比为1∶1时,对应的最大弹性值为0.89,当出行成本比为22时,40％～50％的出行者继续使用小汽车出行;当出行时间在1∶3和1∶1之间,要使得小汽车的出行分担率为30％,则出行成本比为至少为5.     

基于车载OBD数据的小汽车出行特征分析——以北京市为例

小汽车出行特征是城市道路网运行的重要影响因素之一。采集小汽车出行数据并深入分析其出行行为特征,是引导小汽车出行方式转变、降低机动车使用强度的重要条件,能够为交通精细化管理和政策制定提供支持。基于车载OBD可采集到的小汽车出行数据和轨迹数据,提出小汽车出行特征分析方法,得到出车率、出行次数、出行距离等量化指标,分析不同阶段、不同区域、不同政策下的出行指标变化特征。利用大数据分析方法对出行规律深层挖掘,进一步获得用户画像、路网非直线系数等交通特征。分析结果表明,车载OBD数据能够较好地反映小汽车出行行为特征,并对交通需求管理政策的实施效果做出定量评价。     

基于 BL 模型的居民小汽车出行行为研究

本文采用离散选择模型,对采集到的4071份调查问卷所得到的居民出行情况进行分析,建立了BL 模型,定量分析影响小汽车出行行为的影响因素.分析结果表明:家庭月收入、出行距离和是否拥有驾照对小汽车出行的影响最大,出行费用、出行时间等因素对是否选择小汽车出行也有显著影响,而年龄、出行目的等因素则对是否选择小汽车出行的影响不显著.随后,对小汽车出行概率影响显著的因素做了敏感性分析,模型检验的结果说明该模型具有较好的精度.     

都市圈通勤出行行为特性分析与建模

为研究都市圈范围内通勤出行的交通方式选择行为,分析出行特性,揭示个体属性、家庭属性及出行属性对方式选择的影响,本文建立都市圈通勤出行Nested Logit 模型,对北京都市圈内廊坊市“北三县”的4 385 个进京通勤者的出行方式选择机理进行研究. 结果表明,出行方式的费用、出行时间及换乘次数均对通勤者出行方式选择产生显著影响. 为验证模型的有效性,提出两种政策改善方案,分析各方案下出行方式划分率变化情况,数据显示综合改善效果下小汽车的出行方式比例下降2.46%,公交与地铁的出行比例分别提高1.73%和 0.75%,表明方案对交通方式分担率改善效果明显.     

考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为，运用选择实验的方法，基于问卷调查获得选择行为数据，构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数，得到后疫情时代影响居民出行方式选择的主要因素。结果表明，两种模型均体现了个体出行方式选择的异质性，潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%， 预测精度提高了3.03%，为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景，分别将居民划分为4类、5类人 群。从出行方式属性上看，等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看，在后疫情时代收入更高的女性更倾向选择私家车出行，年龄越大对行程费用越敏感，男性更愿意选择公交、地铁出行。     

基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异，精准识别乘客公共交通依赖度，有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联，获取包含个体属性的公共交通出行链，从出行行为和个体属性两方面提出8个依赖度指标，构建二阶聚类模型，识别乘客公共交通依赖度.结果表明：样本按依赖度高低被划分为4类群组；部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量，并有向私家车出行转移的趋势；乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响，得出结论，个体属性指标间存在耦合关系，且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性，为精准改善公共交通服务提供支撑.     

基于摩托车禁行方案的多模式交通网络均衡分析

目前国内许多城市对部分区域实施“禁摩”政策,不同禁行方案的实施对交通系统中出行者方式和路径选择产生差异化影响。为定量描述摩托车禁行方案下的用户多模式出行选择行为,本文考虑私家车、常规公交及摩托车这3种模式的不同网络出行特征,构建基于摩托车禁行方案的多模式网络均衡模型。首先,设计3种模式混行下的复合交通网络,根据其不同的路段通行能力特征,以及公交车内拥挤和线路选择,分别针对禁行区域和非禁行区域,建立用户出行成本函数;然后,基于用户均衡和Logit模式划分,构建相应的数学规划模型。最后,采用基于相继平均的路径配流算法求解模型,并量化分析摩托车禁行方案下的用户出行效率和事故风险。算例结果表明,随着禁行区域的增大,转移至私家车和常规公交的摩托车用户逐渐增加,用户总出行成本逐渐增加,出行效率和总事故风险成本逐渐降低,同时,对关键路段实施禁行方案能在较少降低用户出行效率的基础上有效降低总事故风险成本。     

���н�ͨ���гɱ��Գ��нṹ��Ӱ��

城市交通拥堵已成为影响社会经济快速发展需要重点面对的问题,如何配置各类资源平衡城市交通的供需关系是城市可持续发展面临的最为重要的问题之一.本文通过梳理交通出行成本的内涵与分类,分析了不同种类的出行成本对出行结构的影响机理.同时在北京市针对出行成本对小汽车的使用影响开展了相关调查,并对调查结果进行了分析评估,最后指出,通过经济手段调控小汽车使用的平均出行成本,是调整小汽车的使用,改善城市交通结构、调控交通需求、最终达到缓解城市交通拥堵问题的重要手段.     

������Сѧ��ͨѧ��ͨ����������У�����н���

小学生通学出行是城市居民出行的重要组成部分．随着城市化和机动化进程的加快,小汽车迅速进入家庭,利用私人小汽车接送学生上下学的比例逐渐增加,上下学期间学校周边交通拥堵现象严重,学生通学出行安全问题也日益突出．本文以北京市中关村地区三所小学为研究对象,对这三所小学进行了大规模摸底调查,以问卷形式调查了学生的居住地分布、交通出行结构、出行距离以及学生家长对乘坐校车的意见及意愿等,并对调查结果进行了具体分析．结果表明,学生家长对于开通校车的需求较大,且校车运营的正规性、安全性是吸引其选择校车接送的最主要因素．最后,从运营模式、线路规划、法律保障、交通管理、安全宣传等方面,提出了小学开行校车的几点建议．     

公务车税收政策对出行行为的影响

通过对以色列的案例研究,探讨了公务车税收政策对出行行为的影响.以色列的公务车经历了大规模的增长,对公务车的税收政策也进行了一系列调整.调查400名拥有公务车的员工和230名只有一辆私人汽车的员工,结果显示,公务车对出行行为产生了显著影响,不利于交通的可持续发展.公务车税收政策及其实践带来了相当多的额外行驶里程,并刺激员工整个家庭使用公务车出行.公务车税收政策的调整及公司政策的变化,可能会显著影响员工拥有公务车的意愿,并改变其出行行为.     

考虑出行费用的就业可达性分析

良好的就业可达性有助于创新职住对接机制，是建设可持续城市的关键问题。既有可达性研究对于出行成本的考虑多局限于出行距离或出行时间，未充分考虑出行费用并研究其对不同出行方式的影响。本文基于互联网地图和工商数据平台的POI(Point of Interest)数据和实时路径规划数据，获取细粒度的就业和出行成本信息，采用改进的两步移动搜索算法，提出考虑出行费用的就业可达性度量方法，研究公共交通和小汽车两种出行方式的就业可达性并评估出行费用对就业可达性的影响。针对北京的案例研究表明：考虑出行费用后，小汽车平均出行成本由仅为公共交通54%变化至高于公共交通6%。就业可达性对出行费用敏感，仅考虑出行时间无法完全体现就业选择与出行成本之间复杂的互动机制。出行费用的影响体现在公共交通与小汽车可达性平均降低7.3%和4.8%；若不考虑出行费用，五环至六环地铁沿线街道的就业可达性会被低估。出行成本对可达性的影响存在阈值效应，阈值越高，影响越小。本文有助于规划者和政策制定者形成就业可达性引领的职住平衡调整策略。