不同出行距离的客货运量分布研究

根据客货出行的随机性以及组成理论中的最复杂原理,可推导出客货出行距离的概率分布,得出客货出行的规律,从而为交通规划以及运输规划提供依据,同时也为客货出行特性的研究提供新的思路。     

不同出行距离的客货运量分布研究

根据客货出行的随机性以及组成理论中的最复杂原理,可推导出客货出行距离的概率分布,得出客货出行的规律,从而为交通规划以及运输规划提供依据,同时也为客货出行特性的研究提供新的思路。     

城市道路最大出行距离计算模型

为了合理体现交通事故延误对出行者路径选择的影响, 提出了随机状态下的交通事故时间延误模型。将交通事故的随机性、持续时间和道路通行能力等不确定性因素引入到交通分配模型中, 并对路径选择模型进行修正。分析了各等级道路最大适宜出行范围, 根据修正的路径选择模型, 采用逐次交通分配方法, 得到各等级道路的出行周转量和出行距离, 并与不考虑交通事故延误时的出行距离进行了对比分析。分析结果表明: 当考虑交通事故延误时, 支路、次干路、主干路、快速路的最大出行距离分别为2.000、2.946、4.054、5.963 km; 当不考虑交通事故延误时, 支路、次干路、主干路、快速路的最大出行距离分别为2.000、3.000、6.000、10.000 km; 交通事故延误是影响出行者路径选择的重要因素; 当考虑交通事故延误时, 高等级道路的最大出行距离变小。相比于传统的路径选择模型, 本文模型更优。     

城市道路交通出行距离研究

在城市交通系统中,不同等级的道路承担着不同出行距离的服务,因此,城市交通的出行距离分布研究,对于确定合理的道路等级级配关系就显得尤为重要。通过对城市交通出行距离分布的影响因素分析,运用概率统计理论推导出行距离的概率密度函数形式,并确定计算函数参数的多元非线性回归方程,最后计算了哈尔滨市的道路交通出行距离。     

基于各等级道路的交通方式出行距离分布研究

研究交通方式在各等级道路的出行距离分布规律是交通需求研究的基础,也是各等级道路资源的合理配置的重要依据.在分析居民出行调查数据的基础上,对短距离、中距离、长距离三种长度进行了划分,然后根据各等级道路承担不同出行距离的交通功能的特点,探讨了各等级道路承担的出行距离规律.最后利用已有的交通方式分担率模型,建立交通方式在各等级道路上的出行距离分布模型.     

城市居民出行方式距离曲线的研究与应用

利用城市居民出行调查的数据建立居民出行方式距离曲线,研究城市居民出行的规律,一方面能够了解城市内在因素时市民出行决策的影响,另一方面,将建立的居民出行方式距离曲线用于交通方式划分,可以弥补常用交通方式划分方法的不足。     

非完全信息条件下交通分布预测时间（距离）法

对于新兴城镇和快速扩张城市的交通分布预测，由于信息缺乏很难采用传统的预测方法．本文提出了非完全信息下的交通分布预测时间(距离)法，并给出了其参数标定方法，对其可靠性也进行了实证性分析，最后，探讨了该模型对时间(或距离)的敏感性问题。     

济南市居民出行调查分析及对策研究

为掌握济南市城市居民出行特征的变化趋势,从出行次数、出行目的、出行结构、出行时耗、出行时间分布等方面,比较分析2009年与2004年的居民出行调查数据,并总结居民出行特征变化发展的情况及其原因。最后指出,济南市城市交通系统需要在城市交通用地布局结构、优先发展公交系统、慢行交通与公交系统的衔接、交通需求管理等方面进行完善,以实现优化城市整体交通出行结构并促进城市交通和谐、可持续发展的目的。     

基于区内出行比例的城市交通小区半径计算方法

针对国内城市交通小区划分多靠定性分析的情况, 分析了国内外交通小区划分方法, 提出了基于区内出行比例的交通小区半径定量计算方法。基于交通小区半径和出行距离的三种不同组合, 推导出了相应的区内出行比例计算模型, 利用Excel软件的VBA编程功能, 进行了三者之间的数量关系计算, 通过对区内出行比例的控制, 得出交通小区半径的合理范围。实例计算结果表明: 当区内出行比例范围为5%~10%时, 西安中心市区交通小区的合理半径在0.7~1.1km之间, 而实际调查区内出行比例为9.28%, 交通小区半径为0.9km, 调查值与计算值接近, 小区半径定量计算方法可行。     

非完全信息条件下交通分布预测时间(距离)法

对于新兴城镇和快速扩张城市的交通分布预测,由于信息缺乏很难采用传统的预测方法.本文提出了非完全信息下的交通分布预测时间(距离)法,并给出了其参数标定方法,对其可靠性也进行了实证性分析,最后,探讨了该模型对时间(或距离)的敏感性问题.     

居民出行分布的熵模型及其参数标定

为寻求一种描述各种出行分布情况的普适性模型, 运用最大信息熵原理, 结合数理统计方法, 建立了以原点矩均值为约束条件的新模型体系。为确定模型参数, 提出了熵模型的参数标定方法, 利用长春市居民出行调查数据对参数标定方法进行了验证。数据验证结果显示, 对于步行、自行车、公交车和小汽车四种出行方式, 最高阶原点矩的阶数分别取3、4、5时, 所有模型均通过置信度为95%的χ²检验。通过χ²值和分布曲线的比较发现, 不同出行方式取得最好效果的最高阶原点矩的阶数并不一致, 这种差异取决于出行方式的内在特性。居民出行分布的信息熵模型可以定量描述任意出行方式的分布规律, 所提出的参数标定方法简单有效。     

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。     

农村人口出行方式选择模型

基于非集计模型的基本理论与建模方法, 根据全国12个省1249份农村人口的出行调研数据, 分析了影响农村人口出行方式选择的因素, 选择步行、自行车、摩托车、农用车、客车、私家车6种交通方式作为农村人口出行方式选择肢, 确定了影响农村人口出行方式选择的变量及相应的取值方法, 建立了农村人口出行方式选择模型, 并选取400份农村人口出行数据对模型进行了验证。计算结果表明: 各种出行方式的计算值与统计值的最大绝对误差是4.0%, 说明模型计算精度较高。     

基于极值分布的离散选择模型尺度参数

为了准确把握尺度参数在模型建模、分析以及应用过程中的作用, 以基于极值分布的Multinomial Logit模型和Nested Logit模型为研究对象, 从建模的基础——误差项的分布形式入手, 通过模型形式和误差项性质两方面研究了尺度参数在两种模型中的特性, 并对其进行了对比分析。分析结果表明: 尺度参数不仅限制了模型效用函数的尺度, 而且也反映了误差项的方差水平, 但对于以上两种不同的模型, 其在尺度限制、误差项方差水平及独立性、自身取值范围等方面均表现出不同的特性, Multinomial Logit模型的尺度参数反映了有关整个效用确定项的误差项方差水平, 而Nested Logit模型的尺度参数只是反映了与某一选择枝有关的部分效用确定项的误差项方差水平。     

居民出行调查抽样率模型

运用数理统计学原理分析了简单随机抽样的特点, 及其在应用中的过于随机给居民出行带来的影响, 提出分层抽样的调查方法, 推导了基于按比例分配和最优分配的抽样率公式, 讨论了居民出行调查中的分层方法。建议对于大型城市采用简单随机抽样方法; 而对于中小城市, 按年龄分类, 采用分层抽样方法, 以提高调查精度。     

基于电子能量的居民出行分布模拟模型研究

为了揭示基于收人的居民出行分布规律,本文以模拟电子云居民出行分布模型为基础,将电子能级理论引人到出行分布理论当中,建立了居民出行分布模型.该模型用以描述居民收人与出行分布之间的关系,并通过美国NPTS的调查数据对此模型进行了验证。     

最小安全间距约束下拥挤交通流速度-密度关系模型

根据交通拥挤状态下交通流速度与密度一致性变化的特点, 分析了拥挤交通流的平均车间时距为定值的原因, 并结合最小安全间距约束提出了交通拥挤状态下的速度-密度关系模型。研究了驾驶人的平均反应时间和交通拥挤状态下的最小车间时距的关系, 对速度-密度关系模型的反应时间进行参数标定。分析了不同车辆长度、阻塞停车间距和反应时间下的速度-密度关系, 利用提出的速度-密度关系模型、Greenshields模型、Greenberg模型、Underwood模型、Northwest模型、Edie模型对美国US-101、I-80两条高速公路的交通数据进行拟合, 得到了拟合结果和绝对误差。分析结果表明: 提出的速度-密度关系模型能够从理论上解释交通拥挤状态下速度与密度的变化关系和速度-密度数据的离散现象; 和其他模型相比, 提出的速度-密度关系模型在拟合2条高速公路交通数据时的绝对误差最小, 分别为4.91、7.50veh·km^-1。基于最小安全间距约束的速度-密度模型刻画了拥挤交通流的本质特征, 且对现实数据能够取得更好的拟合效果。