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。     

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。     

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。     

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。     

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。     

基于前景理论的居民出行方式选择分析

总结了现有出行方式选择模型的特点以及前景理论在出行行为分析中的应用,根据居民出行特点建立了基于前景函数的出行方式选择模型,运用算例分析说明了该方法的有效性。     

基于巢式Logit模型的交通方式选择行为研究

与传统的多项Logit模型(MNL)相比,基于离散选择理论的巢式Logit模型(NL)放宽了IIA限制,具有更好的解释能力.文中介绍了NL模型的原理及公式推导,并将其应用于交通方式选择行为中,通过实例,建立交通方式选择模型,利用SAS软件对其进行求解和分析,得到出行者对各种交通方式的选择概率.     

基于随机系数Logit模型的城市群城际出行方式选择行为研究

以粤港澳大湾区城市群的广深城际运输通道为例,分析城际运输通道中影响旅客出行方式选择行为的因素及其影响。传统的多项式Logi（tMNL）模型具有无关方案独立性,无法对不同出行者的选择偏好差异进行定量分析,故应用随机系数Logit模型分析城际交通出行选择行为。选取城际出行旅客的个人社会经济属性、心理潜变量（对交通方式舒适性、可靠性和便捷性的心理感受）、城际出行方式特征变量设计问卷。采用线上与线下相结合的方式开展问卷调查,共收集534份问卷,基于此建立并求解随机系数Logit模型。随机系数Logit模型估计结果的伪R²为0.178,表明模型具有良好的拟合度。研究结果表明：城际出行旅客的收入、职业、私家车保有情况、家庭儿童数量以及对出行方式便捷性的感知对其选择行为有显著影响;而出行方式的舒适性、可靠性对城际出行方式的选择行为影响不显著;改善交通方式的便捷性对提升城际出行方式的吸引力起关键作用。因此,在城际交通规划设计、运营管理中应着重考虑便捷性对城际交通方式选择带来的影响。     

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。     

基于DAG-SVM的居民出行方式选择模型

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.      

家庭收入差异对出行方式选择的影响分析

出行者时间价值是影响出行决策的最重要因素之一,研究时间价值有利于准确构建方式划分离散选择模型.在分析居民出行调查数据的基础上,应用聚类树分析对家庭收入分组的合理性进行了探讨,分别对每种出行方式的出行者家庭收入统计分析,说明家庭收入对家庭成员出行方式选择的影响.在说明家庭收入与出行时间价值之间关系的前提下,提出家庭共享时间价值的概念,数据拟合的结果发现家庭共享时间价值服从对数正态分布.分别基于MNL模型和ML模型构建出行方式选择模型以家庭共享时间价值为主要变量的对比模型,研究了设置家庭收入变量与不设置家庭收入变量、设置家庭收入分段变量与设置家庭收入常量、设置服从对数正态分布的费用项随机系数与不设置费用项随机系数3类情况下模型的精度和准确程度.当设置家庭收入变量且费用项系数服从对数正态分布时,拟合效果最优,居民对交通出行的主观支付意愿期望值约为家庭共享小时收入的2倍.     

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。     

基于结构方程模型的城市居民出行方式选择研究

研究居民的出行方式是优化出行结构、科学制定交通需求管理措施的前提。目前针对居民出行方式选择的研究多集中在个人属性和出行特征方面,没有考虑交通供给水平和城市规模的影响。文中在山西太原、运城和吕梁3个规模不同的城市进行居民出行调查,选取个人属性、出行偏好、出行特性、交通供给水平、城市规模和出行方式作为变量,构建居民出行方式选择结构方程模型进行出行行为研究,为交通部门制定交通需求管理政策和优化居民出行结构提供依据。结果表明,经济特征对个人属性的影响最大,经济条件越好的出行者越有可能选择私家车出行;公交供给越充足或停车位供给越少,居民越有可能选择公交车出行;出行偏好期望越高、出行距离越远、出行次数越多的居民选择私家车的概率越大;高峰期出行和工作出行时选择公共交通的概率更大;大城市居民相比中小城市居民更倾向于私家车出行。     

基于选择方案抽样调查的城市群低频率出行行为研究

为分析城市群内低频率城际出行行为,对长三角城市群内上海与其他城市间的城际出行进行选择方案抽样调查,基于城际出行行为调查数据建立出行方式选择的多项Logit(MNL)模型;选择方案抽样调查数据与随机抽样调查数据存在方案分层结构偏差和因素重视度偏差,故引入反转因子(IPW),分别用外源性样本极大似然估计(ESMLE)简单修正法和加权外源性样本极大似然估计(WESMLE)法对MNL模型进行修正.结果表明:未修正模型及2种修正法下的模型命中率分别为57％,75％和84％;WESMLE修正后的模型能基本满足建模精度要求;城市群内低频率城际出行行为受出行时间、费用及个人属性等因素影响,同时,也表现出一定程度的随机性和随意性.     

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。     

基于量子概率理论的出行方式选择模型研究

为构建更加合理的出行方式选择模型,提高预测出行行为的精度,在量子概率理论框架下建立了出行方式选择的几何类量子模型,并对火车和汽车2种出行方式选择情形进行敏感性分析,考虑了情境效应、问题干扰以及不同初始信念状态,结合不同预备问题运用几何类量子模型实现了初始信念状态到最终信念状态的转变。验证发现,几何类量子模型可以捕捉人们在决策之前信念状态的变化,进一步缩小陈述偏好与显示偏好的差距,研究结果丰富了交通选择行为的基础理论。     

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。     

新时代下城乡居民出行方式选择模型

选择合理、恰当的运输方式,是实现最佳经济效益和社会效益的前提.文章基于非集计理论,建立了新时代下城乡居民出行方式选择模型,并对模型进行了分析.该模型对城乡交通管理及城乡公路的运输规划和政策制定具有基础性的作用.     

基于公交优先的居民出行方式结构与社会效益最大化研究

为了得到城市居民出行方式最佳结构,以制定相应的公交优先政策措施.首先提出了居民出行社会效益的概念,根据居民出行时间价值、平均出行时间与出行费用,计算不同出行方式出行者平均每次出行的成本,在考虑各种出行方式比例的基础上,计算居民出行节约成本,从而计算居民出行社会效益.以居民出行社会效益最大化为目标函数,通过深入研究居民出行时间、出行费用与出行方式比例的函数关系,以及新增公交供给投入成本等参数变化规律,建立居民出行社会效益最大化的约束条件.最后以长春市居民出行调查结果为例进行了实证分析.结果表明:长春市居民出行社会效益最大时,小汽车、公共交通、步行及自行车的出行比例分别为11.27％、62.36％和26.37％,并针对计算结果给出了相应的出行方式结构合理化措施建议.