出行者信息类型偏好对其路径选择行为影响研究

城市交通系统本质上是由大量个体出行行为聚集形成的宏观系统,对于城市交通管理者而言,研究微观个体出行者的自身内在因素以及一些外在因素对其选择行为的影响,是制定相关有效管理措施的前提.通过RP调查方法,获取了城市交通出行者个体属性(性别、年龄和驾龄)、信息类型偏好(描述性信息和规范性信息)以及路径选择偏好(最短路径、可接受路径以及固定路径)数据.基于调查数据,研究构建了城市交通出行者信息类型偏好对其路径选择行为影响的结构方程模型,通过对模型的拟合分析,探讨了城市交通出行者的个体属性及信息类型偏好,对其路径选择偏好的影响.研究发现,城市交通出行者个体属性间的差异,使得他们偏好于不同类型的交通信息,有着不同的路径选择行为;描述性信息能够使得城市交通出行者更加倾向于选择最短出行路径,而规范性信息能够使得城市交通出行者更多地打破其固定路径选择行为;但是在交通信息影响下,仍有部分出行者倾向于选择固定路径,即使该固定路径并非是最优出行路径.文中相关研究结果有助于交通管理者更好地去预测,在交通信息影响下不同类型出行者的路径选择行为变化情况.      

交通诱导信息对驾驶员路径选择行为影响调查分析

可变信息板通过向驾驶员发布实时路况信息,诱导驾驶员选择合理路径.影响驾驶员路径选择行为的因素是多元的,包括驾驶员个体属性、道路属性、可变信息板属性等.使用RP调查获取驾驶员行为数据,探讨交通诱导信息对驾驶员行为的影响.分析表明,交通诱导信息对驾驶员行为影响较大.在驾驶员个体属性中,驾龄和道路熟悉度对驾驶员行为影响最大;道路属性中,驾驶员对拥堵状态最为敏感;VMS信息中,年长的驾驶员偏好实际交通信息,年轻的驾驶员偏好驾驶建议信息.      

城市外围停车换乘设施需求预测模型研究

采用意向调查方法,在城市外围停车换乘设施的吸引范围内,基于城市外围出行者的个体特性、活动特点、出行行为选择和出行者所在区域的交通特性,从出行者个体的角度,建立了城市外围停车换乘出行方式选择的非集聚结构方程模型,对模型修正、拟合和模型应用进行了阐述,并提供了非集聚模型集聚化的方法,为城市外围停车换乘设施需求预测探求了新的途径.     

诱导信息条件下驾驶员路径选择行为研究

驾驶员的路径选择行为是影响交通诱导成效的一个关键因素。建立了诱导信息条件下驾驶员路径选择行为模型,仿真分析了诱导信息和驾驶员的经验对驾驶员路径选择行为、路网交通流分布、系统整体效益的影响。研究结果表明,随着出行次数的增加,2条路径的交通流波动逐步减小,系统总行程时间逐渐减少,逐渐趋于系统均衡。驾驶员的长期经验、诱导信息的长期准确对驾驶员的路径选择行为、系统均衡具有重要影响。     

预约出行条件下私家车通勤客流分配方法

预约能调整城市交通的供需关系, 最大化利用交通资源。针对私家车通勤引发的交通拥堵, 研究了预约出行条件下私家车通勤客流分配方法。将车辆分为受控的预约车辆和不受控的非预约车辆, 道路状态分为可预约状态和不可预约状态, 给出了道路状态判别及车辆行程时间计算方法, 构建了城市通勤私家车的预约出行模型。以Nguyen-Dupuis网络作为算例, 从行程时间和预约数量2个方面评价车辆实施预约出行的效果。结果表明: 预约比例由0%提升至100%时, 路径的行程时间降低20%~30%, 平均行程时间从610 s降低至466 s; 当预约比例为30%时能获得全部预约比例的80%收益; 全部车辆均期望参与预约时, 由于预约需求的不均衡仍有2%的车辆预约失败。得出结论, 当预约出行的比例达到30%~40%时, 即可达到缓解拥堵的预期效果。     

公交动态信息下通勤出发时间选择行为分析

在交通行为分析中,传统效用函数形式不能反映个人属性对信息效用感知的影响。改进效用函数形式,运用多项Logit模型理论,建立了公交动态信息下的公交通勤者出发时间选择行为初始模型。从初始模型中选择t检验显著的解释变量,并分别基于传统效用函数形式、改进的效用函数建立了2个修正模型。对比2个修正模型标定结果发现,改进的效用函数比传统的效用函数更有利于提高模型性能。研究也表明:性别、收入的t检验值分别为2.02、-2.25,说明二者对乘坐时间信息效用感知显著;教育属性的t检验值为2.03,说明其对车内拥挤程度信息效用感知影响显著;乘坐时间取均值,车内拥挤度为0.7时,二者效用比值为1.54∶1,说明乘坐时间信息是影响出发时间选择最重要的因素。     

基于心理因素的公共交通方式选择行为研究

在传统出行交通方式选择中,出行者会在综合考虑时间、费用、环境及可选交通工具等客观因素后理性地决定自己的出行方式,出行者作为有限理性的主体,其主观的心理因素对出行交通方式选择具有重要影响。文中分析心理因素对出行方式选择的影响,构建心理因素影响下出行方式选择模型,并从心理学的角度对出行交通方式选择中心理过程和个性的关系进行分析,进而指出城市公共交通发展中应注意的问题。     

交通信息对驾驶员路径选择行为影响的初步分析

本文以解析交通信息对驾驶员路径选择行为的影响为目的，研究总吉出描述性信息在运用中的特征，初步建立起提供放行时间信息条件下驾驶员的路径选择模型。     

RFID数据驱动下出行路径选择方法研究

精准掌握车辆的出行特征是有效解决交通拥堵的重要前提之一.文中针对现有出行路径选择方法受模型局限性影响,无法深入挖掘出行者的出行特征来研究出行行为的问题,结合R F ID数据可靠度高、完整性强及准确性大的优势,构建车辆出行特征指标体系,基于高斯隐马尔可夫混合模型对车辆出行特征进行建模研究,提出通过结构方程模型表征路径级阻...     

大城市轨道交通选择行为调查初步分析——以北京市地铁4、5、10号线为例

随着城市交通问题的日益严重,大力发展城市轨道交通成为解决城市交通问题的有效方法。引导一部分人乘坐轨道交通出行,可以减少路面交通压力。以北京市城市轨道建设为目的,通过在北京市6个小区进行的交通方式选择特性调查,在分析了当前的交通状况的条件下,着重分析了5种情景组合设计下人们选择轨道出行比例的变化以及个人特征信息。分析结果表明,轨道出行比例与轨道费用、时间以及衔接费用有着显著的关系,并且不同年龄、职业、出行目的的群体选择轨道出行的比例也不尽相同。分析结果对于北京市城市轨道建设具有参考意见。     

基于SP和RP融合数据的小汽车通勤出行频率选择模型

基于小汽车通勤出行特性和成本分析,采用意愿调查法对小汽车出行者的社会经济属性、通勤特性和不同燃油价格下的出行意向进行调查,定量分析停车位供应状况、停车费、燃油价格等因素对小汽车使用者通勤出行频率的影响,以获取高燃油价格下小汽车通勤行为随燃油价格(出行成本)变化的规律.基于多项选择模型,分别建立了RP模型、SP模型和基于...     

高速公路可变收费货车出行者出行时间选择模型研究

以效用理论为基础,通过意向调查研究了高速公路货车出行者出行选择模型。针对许多高速公路在高峰时段交通量较大,而其他时段交通量较小的现状,在不同时段采用不同的收费标准,分析可变收费实施后不同属性货车出行者出行选择行为,确定影响出行者出行时间选择的模型变量,得到货车出行者在各水平收费标准时的出行时间选择模型。以京沪高速为实例,设计调查问卷,进行意向调查,通过对调查结果进行分析,选择货车所载货物类型、车货重量作为属性变量,建立了该高速公路货车出行者在两种不同方案下的出行时间选择模型并进行了标定。利用模型标定结果可对可变收费方案进行评价,从而优化可变收费方案,提高高速公路的运行效率。     

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。     

出行方式选择行为的个体时间感知差异性建模分析

采用系统捕捉和随机捕捉两类捕捉形式对出行方式的时间感知差异进行建模分析，以验证出行方式选择中时间认识的个体差异性，为更准确的交通方式划分预测提供模型参考。系统捕捉通过在Logit模型中分别设置性别、收入与出行时间的交叉变量以捕捉性别和收入不同导致时间价值认识的差异；随机捕捉通过假定出行时间参数分别服从正态分布、均匀分布、对数正态分布以及约翰逊分布4种随机分布形式，利用Mixed Logit模型捕捉出行者对时间感知的差异。结果表明：出行方式选择中出行者对时间重要性认识存在差异，男性比女性对时间要求高，高收入者比低收入者对时间估值更高；随机捕捉较系统捕捉更能捕捉到出行时间的感知差异，且约翰逊分布较其他分布对时间感知差异性的模拟更优。     

上海浦东国际机场集疏运交通方式选择行为分析

针对上海浦东机场航空旅客,进行机场集疏运交通方式选择行为研究,通过浦东机场航空旅客的SP调查数据,分析了集疏运系统服务水平对航空旅客交通方式选择行为的影响,在按照出行目的、居住地情况和携带大件行李3个要素对航空旅客进行市场细分的情况下,建立了分类的机场集疏运交通方式选择行为的多元Logit模型,对影响机场交通方式选择的...     

大数据背景下的路径选择行为建模

路径选择建模的主要任务是基于合理假设,定量分析交通参与者的路径选择行为,并估计和预测交通参与者对交通网络的使用情况。基于此,全面总结路径选择建模的研究现状,介绍各种出行数据的特点,阐释常见的选择集生成方法,对文献中提出的众多离散选择模型进行归类和讨论,对比模型估计的2类主要方法,并展望机器学习在路径选择建模中的广阔前景。研究结果表明：随着交通感知技术的全息化发展,在海量车辆轨迹数据的支撑下,路径选择研究取得了全方位的进步;路径选择模型可分为基于路径和基于路段的模型,前者以路径为基本选项,从通过确定性或随机性方法生成的选择集中选择路径,包括多项Logit （MNL）模型以及更先进的MNL修正模型、广义极值（GEV）模型、混合Logit模型和非GEV分布模型,后者以路段为基本选项,动态地求解路径选择问题,无需生成选择集,包括各种递归Logit模型;路径选择模型的参数估计可使用有标签数据或无标签数据,前者通过地图匹配在交通网络中重构出真实路径,后者则依概率考虑一系列可能的路径。近年来,基于机器学习的路径选择模型因具有更优的预测性能而受到广泛关注。在未来的路径选择研究中,应进一步结合离散选择模型和机器学习模型,使两者优势互补。     

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.     

上海世博会浦东园区高架步道的交通需求分析

上海世博会园区规划建设高架步道,作为园区内连接各类展馆和室外空间的重要人行通道。根据园区规划基础资料,主要采用"出行生成-出行分布-交通方式划分-交通分配"四阶段模型方法,对世博会浦东园区高架步道进行交通需求分析,合理选择服务水平和通行能力,最终确定高架步道的建设规模。