假日小汽车出行行为分析与建模

从天气状况、道路拥挤状况、停车场状况等角度分析了影响假日小汽车出行行为的主要因素,运用随机效用理论建立了影响假日小汽车出行行为的非集计模型,依据调查数据运用SPSS软件对模型进行了标定,结果表明以上因素对假日小汽车的出行行为均具有显著影响。     

驾驶员出行信息服务水平调查与评估方法

分析了驾驶员出行信息服务水平的内涵,提出了出行信息服务水平SP问卷调查框架,基于偏最小二乘回归分析法建立了影响驾驶员出行信息服务水平的预测变量与响应变量的关系模型;结合昆明市实例,采用SP问卷调查方法调查驾驶员满意度,运用偏最小二乘法评估驾驶员出行信息服务水平,进而验证调查与评估模型的实用性,为优化出行信息环境提供基础支持.     

基于MNL模型的居民出行方式选择行为研究——以南方某小城市为例

为明确城市居民出行方式选择的关键影响因素,调节城市居民出行结构,提高城市交通系统效率,以南方某小城市居民出行数据为研究对象,基于随机效用最大化理论构建多项MNL(Multinomial Logit)模型,分析了个人属性、家庭属性和出行方案属性对出行方式选择产生的作用。通过分析MNL模型统计回归结果,得出以下结论：1)个人属性中,年龄、性别、个人月收入、受教育程度、驾照拥有情况对居民出行方式选择行为有显著影响;2)家庭属性中,住户小汽车拥有情况和摩托车拥有情况对居民出行方式选择行为有显著影响;3)出行属性中,出行时间和出行目的对居民出行方式选择行为有显著影响,而出行费用在出行选择过程中没有显著作用。     

基于Nested-Logit模型的拥挤收费下出行选择行为分析

以Nested-Logit模型（NLM）的构建过程为基础,结合美国新泽西州公路收费政策实施后的交通调查数据,分析出行者的决策过程,利用Limdep软件建立Nested-Logit模型,通过合理的模型验证得到较好的模型结果,在此基础上分析了公路收费政策对交通出行选择行为的影响及表征出行特性的重要参数,为拥挤收费的后续研究提供参考依据。     

公路运输通道内的车辆出行路径选择模型及应用研究

考虑到影响运输通道内车辆出行路径选择的因素较为复杂，而现有的出行路径选择模型对多因素、微观指标的反应不敏感，本文利用随机效用理论建立通道内的车辆出行路径选择微观模型，并以安徽省沪蓉通道高界段为例进行模型的辩识和参数的标定，该模型的应用对于通道内公路项目建设和经营管理决策具有重要的意义。     

居民全日出行方式选择动态模型研究

为改进现有交通方式选择模型,提高交通方式预测模型精度,基于出行链建立了居民全日出行方式选择动态模型。从居民出行方式选择机理分析入手,确立出行方式选择动态影响因素,在多项Logit模型（MNL模型）的基础上建立了方式选择动态模型。模型中增加了2类动态影响因素,即先前出行方式选择结果对后面出行方式选择的影响和主链的出行方式选择结果对子链出行方式选择的影响。最后以安徽省淮北市为例对模型进行了实例分析。结果表明：所建立的动态模型的优度比和预测准确率较基于单次出行效用的MNL模型有较大提高,变量在模型中的意义符合中国国情,模型可服务于城市交通规划和交通政策制定。     

出行方式决策的随机效用模型研究

基于随机效用理论的多项logit(MNL)模型常用来解决多方案选择问题。介绍了该模型进行个体出行模式决策分析的方法,建立了线性效用函数假设条件下,个体出行模式选择概率与模式特性变量之间的近似线性关系。最后通过一个两模式决策分析的简例说明该模型的用法及灵敏度分析方法。     

计划行为理论视角下基于出行行为的公交防疫策略影响效果研究

疫策略对居民公交出行决策行为和出行偏好有着关键作用, 直接关系到公交优先策略的长期实施效果。从居民出行行为的角度, 在计划行为理论的框架下, 基于调查数据研究了居民公交出行影响因素及作用路径, 在此基础上对公共交通防疫策略进行了分析。研究发现了疫情期间公交出行行为影响因素中的1条显著作用路径, 即“风险感知、防疫策略→出行态度→出行意向→出行行为”, 验证了疫情风险感知和各项防疫管控策略对居民出行方式选择行为和出行偏好上有着深刻的长期影响, 需要更加慎重的使用停运等严格策略。通过进一步地观测变量分析, 驾驶员和车内环境消杀等信息对相应潜变量的路径系数最高, 均达到0.9以上, 说明已实施的防疫策略的信息公开对乘客出行态度极其重要, 这在当前是普遍被忽略的。在分析结果的基础上提出了信息公开、分散就坐等具体策略建议。     

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.     

信息对出行者出行行为的影响研究

研究了出行者在交通网络发生交通事故条件下的出行行为，出行者根据用户最优原则决定是否改变出行路径，建立一种简单网络上的排队模型，分析了ATIS对出行者在交通事故期间路径选择行为的影响，得出了ATIS有益于缓解交通网络拥挤状况的结论。     

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。     

基于乘客出行链的公共交通服务质量评价研究

基于乘客观点的公共交通服务质量评价方法对于改善城市公共交通的服务质量、选择公共交通线网资源优化方案具有重要意义.文中从乘客完整出行链的角度出发,在分析公共交通出行影响因素及出行决策过程的基础上,从公共交通的可用性、便捷性、经济性、安全性和舒适性5个方面建立了人性化的公路交通服务质量评价体系,并对指标进行量化处理与分级界...     

基于出行目的停车行为差异性分析

根据驾车者出行目的的不同,将其停车行为划分为通勤出行停车、非通勤出行停车和居民区停车。在对大连市中心城区的大型企事业单位、商业中心以及居住区进行停车行为调研的基础上,总结出各种停车行为的停车需求特点及相互之间的差异,并据此提出了3种出行目的的停车行为的需求管理措施。     

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.     

基于MNL模型的有轨电车出行选择行为研究

以现代有轨电车在上海建设试验线为背景,就市民出行方式的选择意愿进行了调查,在此基础上建立了多项Logit模型,研究了有轨电车的引入对市民出行方式选择的影响,明确了影响市民选择出行方式的关键因素为薪资收入、出行准点要求以及出行距离,进而指出了有轨电车在城市交通系统中的功能定位,并就如何提供现代有轨电车乃至城市公共交通的分担率提出了建议。     

基于出行时间的城市交通出行结构估算模型

本文以北京市相关工作过程为例,介绍了城市交通出行结构传统估算方法的应用,提出了基于熵理论以及出行时间的城市交通出行结构估算模型,给出了模型算法,并以实例演示了模型应用与结果分析过程,最后总结了模型的优势与尚待深入研究的问题。     

无人驾驶汽车对中短距离市际出行方式选择行为的影响

研究了无人驾驶汽车对中短距离市际间出行选择行为的影响。基于计划行为理论,通过建立结构方程模型,构建出行者对无人驾驶汽车的感知行为控制、主观规范、行为态度和行为意向心理潜变量。然后将这些心理潜变量纳入到随机系数Logit模型建立混合选择模型。以武汉市为例进行实证研究,结果表明：在效用函数中,车内时间、出入站和候车时间,以及出行费用这3个变量的系数不是固定值,而是分别服从均值为-0.014,-0.008,-0.010,标准差为0.014,0.021,0.017的正态分布。个体对无人驾驶汽车的感知行为控制和行为态度每提高1个单位,采用无人驾驶汽车出行的概率分别增加64.3%和77.9%。无人驾驶汽车的出行费用和车内时间每下降1%,选择无人驾驶汽车的概率上升0.403%和0.467%。结果证实出行者对车内时间、出入站和候车时间和出行费用的偏好存在异质性,感知行为控制和行为态度对出行者选择无人驾驶汽车出行具有显著正影响,减少无人驾驶汽车的出行费用和出行时间可以提高该方式的吸引力。     

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。     

基于分布式出行信息的轨道交通出行特征辨识

为准确识别网络化运营环境下城市轨道交通乘客的出行特征,设计了可采集Wi-Fi信息的分布式交通行为识别系统,并建立出行特征识别算法.布设在各站点的检测设备可采集乘客所携带移动设备独一无二的M AC地址信息,并上传至信息中心.信息中心通过对比同一设备在各站点获取的时间戳和对应站点编号,可识别乘客的出行路径和行程时间,结合轨道交通车辆的走行时间信息可获取换乘站的换乘时间,并应用上述时间信息验证所识别出行路径信息的有效性.在西安市轨道交通系统的测试结果表明,同由客票信息获取的出行行为相比,该系统能采集所有网络形态下的乘客出行路径及行程时间,测试数据的平均采样率可达32.86%,误差为3.8%.该系统的分析结果可用于城市轨道交通系统的客票清分、站点设计等环节.