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.      

共享单车引入后通勤者出行方式选择影响因素建模

为研究共享单车的引入对通勤者出行方式选择的影响,通过对南京市通勤居民进行出行问卷调查,从社会经济属性、家庭属性、出行特性及出行意愿4个方面,采用混合logit模型分析通勤者在共享单车出现后的出行方式选择影响因素.结果 表明,性别、收入、企事业者/教师医生、拥有私家车、出行费用、出行距离、出行时间及舒适性对通勤者选择私家车出行都是正显著的;年龄、企事业者、出行费用、出行时间及经济/安全/环保性对通勤者选择公共交通具有显著正影响;收入、出行距离、出行时间及安全性对通勤者选择自行车出行具有显著负影响;年龄、性别、出行距离、出行时间及安全性对通勤者选择共享单车出行具有显著负影响.其中,注重经济性的通勤者选择公共交通的概率会达到65.58%,注重环保性的通勤者选择公共交通出行的概率可达到84.55%;注重舒适性和注重经济性相比,优先考虑舒适性,即更愿意选择私家车出行.      

综合交通信息对小汽车通勤出行链的影响研究

为了量化综合交通信息对小汽车通勤者的诱导效果,实施网络调查获取出行行为数据,分析了调查数据的统计特性,并对比有无综合交通信息时通勤出行链的时间、空间和结构特征,然后,基于SP数据建立通勤者在综合交通信息条件下出行选择行为的网络广义极值模型(NGEV模型),并利用BIOGEME软件包进行求解.通过分析参数标定结果,得到如下结论:综合交通信息下通勤者进行复杂出行链选择公共交通的概率更低,小汽车通勤出行链(私人交通模式)在泊位数充足的情况下转向其他交通模式的倾向性较明显.      

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。     

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.     

基于贝叶斯网络的出行方式选择模型研究

论文以居民出行方式选择为研究对象,分析了城市居民出行方式的影响因素,建立了基于贝叶斯网络的居民出行方式选择模型,并以苏州市为例,结合居民出行调查数据采用极大似然法对模型进行了参数估计,并采用贝叶斯网络推理方法验证模型精度。结果表明,该模型能较全面地考虑居民出行选择的影响因素,模型精度较高。     

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.      

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

城市居民出行空间和方式联合选择模型研究

考虑到出行者出行空间和出行方式之间的重要联系,本文基于非集计模型中Nested Logit模型的理论和方法,结合2005年国内某大型城市居民出行调查数据,建立了城市居民出行空间和方式的联合选择模型。模型为2层的NL模型,第1层为空间选择层,第2层为方式选择层,以此将出行空间选择和出行方式选择连接起来。模型采用统计软件STATA 9进行标定,并通过统计指标进行验证,深入分析了影响出行者出行空间选择和出行方式选择的重要因素。最后,用同样的数据源建立了方式选择的MNL模型,通过对比联合模型和MNL模型的命中率和集计结果表明,出行空间和方式联合选择模型能够在较细的层面上预测出行者出行空间和交通方式的选择情况,从而提高了模型的精度和实用性。