城市私人小汽车增长影响因素研究

利用S型曲线模型,选择人均GDP、人均可支配收入、私人小汽车使用费、城市人口密度作为影响私人小汽车需求的主要因素,以某城市市区私人小汽车增长的相关数据为例,对影响城市私人小汽车增长的因素进行定量分析,通过多元回归分析发现,人均GDP和私人小汽车使用费是现阶段影响城市私人小汽车需求的两个最主要因素.     

城市私人小汽车增长影响因素研究

利用S型曲线模型,选择人均GDP、人均可支配收入、私人小汽车使用费、城市人口密度作为影响私人小汽车需求的主要因素,以某城市市区私人小汽车增长的相关数据为例,对影响城市私人小汽车增长的因素进行定量分析,通过多元回归分析发现,人均GDP和私人小汽车使用费是现阶段影响城市私人小汽车需求的两个最主要因素。     

朴素贝叶斯在居民出行调查中的应用

为充分发挥居民出行调查结果的效用,采用贝叶斯分类法对天水市居民出行调查结果进行分类研究。主要在居民收入水平、是否拥有小汽车、出行时间等方面建立了小汽车的使用模型,模型精度达到94.1%。模型结果表明小汽车使用者受到居民收入水平、是否拥有小汽车的影响较大,同时小汽车使用者的忠诚型非常高,交通拥堵、出行时间拉长对小汽车的使用影响较小。下一步可以针对公交服务水平的改善、停车费用的增加等方面进行深入的模型研究。     

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。     

基于出行链方式的私人小汽车出行属性分析方法研究

在经济飞速增长,私人小汽车保有量迅速增加的背景下,本文以私人小汽车使用者为研究对象,旨在探索有效的出行行为分析方法,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,缓解城市交通拥挤提供重要的参考依据.本文首先从潜在内部属性和行为属性的角度对私人小汽车的出行属性进行分析;其次,引入基于家出行链分析方法,将基于...     

出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论, 选取出行者特征、行程特性与出行方式服务水平作为效用变量, 以出行方式与出发时间作为选择肢, 构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据, 并模拟了在早高峰时段对小汽车出行收取费用时, 小汽车出行者出行行为的变化。计算结果表明: 与传统MNL模型相比, NL模型具有更好的统计学特征, 调整后的拟合优度由0.338增大至0.404;在2种NL模型中, 出发时间位于下层的结构对样本数据的适应性更强; 当早高峰时段小汽车出行收取费用为5元时, 72.6%的小汽车出行者坚持原有出行方式与出发时间, 22.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 4.8%的小汽车出行者改用公共交通方式, 但出发时间不变, 仅0.2%的小汽车出行者同时改变出行方式与出发时间; 当收取费用为10元时, 51.7%的小汽车出行者坚持原有出行方式与出发时间, 40.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 7.9%的小汽车出行者改用公共交通方式, 但出发时间不变; 当收取费用为20元时, 27.5%的小汽车出行者坚持原有出行方式与出发时间, 60.6%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 11.9%的小汽车出行者改用公共交通方式, 但出发时间不变。     

基于家庭属性和Nested Logit模型的学生出行选择特性分析

运用非集计模型中Nested Logit模型的理论与方法,以中小学生出行方式选择行为为对象,研究个人属性、家庭属性和出行特性对学生出行方式选择的影响。模型分上下两层,上层为公共交通和私人交通方式的选择,下层为小汽车、摩托车、自行车及步行交通方式的选择;利用SPSS软件对模型进行标定和检验,分析各因素对学生出行选择的影响。结果表明:家庭收入对于上下层交通方式选择影响大,收入高的家庭,学生出行更倾向于选择私人交通方式;是否拥有公交卡对上层交通方式影响最明显,当学生拥有公交卡时,其选择公共交通方式是私人方式的38倍;家庭交通工具拥有量和是否有人接送是下层交通方式选择的主要因素,家庭小汽车数量增加或有人接送时,学生出行选择小汽车的概率增加。     

基于生存分析的小汽车通勤者出发时刻研究

根据生存分析中的加速失效时间模型,对通勤者上班出发时刻选择行为进行研究分析.利用调查数据,建立了小汽车通勤者上班出发时刻选择的Weibull加速失效时间模型,得到了性别、年龄、家庭收入、单位上班时间和出行距离等是影响通勤者上班出发时刻选择的主要因素.结论表明模型的预测误差主要集中在10 min以内,模型的适用性和准确性较好,解决了Cox比例风险模型不能直接预测通勤者出发时刻的问题.     

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.     

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。     

预测通道客运分担率的MNL模型特性变量选取

基于非集计离散选择模型理论,结合通道内各种运输方式特性,给出了在运用MNL模型预测通道客运分担率时特性变量的选取原则。分析了影响旅客出行方式选择的出行时间、安全性、舒适性、方便性、费用等因素间的关系以及各因素作为特性变量的适应性,认为在运用MNL模型预测通道客运分担率时应选取出行时间、费用收入比和发车频率作为特性变量,并给出了各特性变量的取值标定方法。结合旅客出行特征调查数据,进行了实证分析和各个特性变量灵敏度分析,得出制定客运专线运营策略时应主要考虑出行时间、费用和出行者收入变化影响的结论。     

基于NL模型的大型机场接驳方式选择研究

基于上海浦东国际机场出发旅客出行调查数据,研究航空旅客机场接驳方式选择的影响因素。将潜在变量分为接驳方式服务水平(包括时间、费用等)和旅客个体属性(包括旅客类型、出发地等),通过相关性检验等方法确定关键解释变量。以嵌套Logit(NL)模型为理论基础,指出机场不同类型旅客接驳方式选择的差异性,并以商务旅客为例,利用模型预测各接驳方式比例。模型结果显示:出行时间和出行费用是影响机场接驳方式选择的最重要因素;车内时间和车外时间在两类潜在变量中体现出不同的显著性;携带行李数量(便捷性)和舒适性等也影响接驳方式的选择。最后,利用北京首都国际机场数据对模型实用性进行评价。     

老年人日常出行的出发时刻选择研究

利用比例风险模型,构建了老年人出行出发时刻选择模型,并利用北京市第三次全市居民出行调查数据,对模型进行了回归分析.回归结果表明:老年人个人和家庭属性、出行属性、采用的交通方式等12个特征变量对老年人出发时刻的选择有不同程度的影响;12.5%和24.1%的老年人选择在7:00以前和10:00以后出行;69.5%的老年人选择8:00之前出行进行休闲锻炼,以休闲健身为出行目的的老年人的出发时刻相对较早.     

基于出行决策分析的发车频率计算

出行时间过长是公交出行率偏低的重要原因之一,而出行时间与公交线路发车频率密切相关,有必要研究发车频率对居民出行决策的影响。基于居民出行调查数据,分析出行决策影响因素,利用随机效用理论,建立选择方案为自行车与公交的BL模型,并在MATLAB环境下采用Newton．Raphson法编程求解,预测出行时间对公交出行率的影响;进而分析发车频率对公交出行时间的影响,最终得到公交出行率与发车频率的对应关系,由此计算给定公交出行率下的发车频率。文中通过计算实例说明该方法在计算发车频率及评价公交运营调度方案优劣上具有实用价值。     

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。     

交通事件影响下路网逐日出行动态可靠性

为描述交通事件持续期间逐日出行过程中的路网服务性能,构建日变路网逐日出行选择模型及可靠性指标.首先,根据出行经验更新路网阻抗,以准点到达概率最大化调整逐日出行中各出发时刻的路径总流量,以路径累积前景最大为目标调整单条路径在各出发时刻的流量,从而建立考虑出发时刻的逐日出行流量推演模型;其次,以交通事件发生前路网流量稳态时的准点到达概率和路径走行时间为参照基数,定义出发时刻准点到达和路径走行时间动态可靠性,并给出计算方法.最后,用算例验证模型和算法,并比较在出行模型中考虑可靠度时对路网逐日流量分布和路网可靠性的影响.     

基于航班综合影响因素的延误航班重排问题的整数规划模型

为解决延误航班的恢复问题,以最小化航空公司和乘客损失为目标,构建了延误航班的重 排模型。兼顾航空公司和乘客的利益,通过研究航班干线、VIP 乘客和大飞机等因素对航班重排的影响,构建了目标函数,其中考虑了本场航班离港延误成本、外场航班离港延误成本以及外场 航班进港延误成本三个要素;同时,以机场实际运输能力、航班的进出港时间和重排时刻表的出发时间等作为约束,建立了0-1 整数规划模型。采用昆明机场的实际数据对模型进行测试,运用 Lingo 软件对所建模型进行求解,得到了优化的机场航班重排时刻表,并将计算所得延误损失和机场的实际延误进行了对比分析,结果表明所建模型不仅可以满足更多高优先级乘客的出行需求,也能相应地减少航空公司的损失,从而验证了模型的合理性。     

基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据，按照充电行为类型提取车辆行程，并对行程中影响快速充电行为的潜在因素进行细致分析；基于Logistic回归模型进行显著性影响因素识别，结果表明，电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为；最后，基于显著影响因素建立模型，对私家电动汽车快速充电行为进行预测，预测结果表明，预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为，提高充电效率.     

基于网联数据的电动车快速充电影响因素分析

基于北京市私家电动汽车网联数据,按照充电行为类型提取车辆行程,并对行程中影响快速充电行为的潜在因素进行细致分析;基于Logistic回归模型进行显著性影响因素识别,结果表明,电动汽车续航里程、出行距离、出行时间等因素显著影响电动汽车的快速充电行为;最后,基于显著影响因素建立模型,对私家电动汽车快速充电行为进行预测,预测结果表明,预测模型具有较好的预测效果和可靠度.本文研究成果将有助于优化私家电动汽车的充电行为,提高充电效率.     

有限理性下个体出发时间选择行为研究

个体受限于认知能力和逻辑推理能力的限制,在出行决策过程中很难做到完 全理性.本文以出发时间选择为例,在有限理性行为假设基础上,引入空间知识获取、学习 及认知更新和方案搜索等关键行为要素,构建有限理性下的出行决策过程理论框架.融合 RP和SP 调查方法,设计出发时间选择行为意向调查方案.研究个体知识的表达方式,应 用贝叶斯学习理论完成认知更新.定义搜索成本和收益函数,利用调查数据分别提取基于 PART 和RIPPER 算法的出发时间启发式搜索规则和决策规则.结果表明,有限理性下个 体出发时间选择行为存在感知阈值,而并非寻求全局最优解.