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.      

大城市实施BRT效果仿真评价研究

BRT是解决大城市交通拥堵问题、实现城市可持续发展的一项重要措施.基于系统动力学理论,建立了土地利用与交通系统关系模型,并采用上海市出行人次实际数据和拟合数据的对比,验证了模型的有效性;采用所建立的土地利用与交通系统关系模型进行预测,得出当前发展趋势下不采取任何措施和实施BRT措施的未来年路网服务水平指标,通过比较BRT方式在吸引不同比例客流情况下地面客流重新分配后路网服务水平的变化,对BRT的实施效果进行仿真评价.     

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。     

基于经验贝叶斯法的道路事故预测分析研究

传统事故预测模型存在对原始数据的序列性、分布性等方面高要求,以及预测精度的不足,利用经验贝叶斯法对先验信息（原始事故数据）进行调整,得到后验信息以形成更好的预测效果。就交通事故数据进行事前与事后累计统计分析,并对比其他预测模型证明经验贝叶斯法的预测结果更接近实际情形,基于经验贝叶斯法的此类模型可以提高小样本数据预测精度。     

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。     

基于活动链的出行需求预测方法综述

基于活动链出行预测理论主要研究人们对社会经济活动(以下简称活动)和出行行为的决策特性。介绍此理论的发展过程,给出6个重要的模型系统,并简要评价各个模型的优缺点。然后简单介绍1994年由Ben Akiva提出的基于活动链出行需求模型,进一步说明系统的框架和预测过程。通过对基于活动链理论发展过程和实际模型应用效果的分析,给出目前模型系统存在的缺点和问题,探索改进出行需求预测方法的途径。     

基于贝叶斯网络的城市居民绿色出行安全研究

针对城市居民绿色出行安全问题,在贝叶斯网络的基础上,考虑城市居民、城市车辆、城市道路、城市环境四大因素,构建城市居民绿色出行风险模型;以武汉市为例,通过问卷调查和专家知识经验确定四大影响因素和13个影响因子为贝叶斯网络节点,根据调查数据计算各节点参数,利用Netica软件进行武汉市居民绿色出行风险贝叶斯网络因果推理和敏感性分析。结果表明城市居民最为敏感,其次是城市车辆,关键因子为安全意识缺乏、违章行为、违章心理、行为失误、设备故障、特殊时间(段)和路况差,并据此提出安全保障措施,提高绿色出行安全性。     

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。     

灰色-马尔科夫理论在隧道围岩变形预测中的应用

简要介绍灰色模型与马尔科夫链的基本原理与操作步骤,分析GM-MC模型与隧道围岩位移的关系,以此建立隧道围岩拱顶位移的GM(1,1)与GM-MC预测模型。基于工程实例为研究背景,对不同模型下隧道围岩位移的预测预报数据进行对比分析,结果表明,GM-MC预测模型在对围岩位移的预测中优于GM(1,1)模型,并与实测值有较高的吻合度,能满足工程实际需求。     

引入土地结构熵参数的出行分布预测广义重力模型研究

在交通出行分布预测中,一般采用非重力模型的方法单独估计区内出行量,而这会导致与出行分布理论不一致性,以及复杂的统计分析.文中借助信息熵理论,建立了土地结构熵模型和引入熵参数的广义重力模型,以获得区内出行和区间出行一致的理论算法.将城市用地规划的构成要素直接引入交通规划,实现了土地利用与城市交通在规划理论和技术上的衔接,提高交通规划的科学性和合理性.以2008年西安市大规模居民出行调查实际数据为基础,进行了区内出行和整体出行预测的误差分析.验证结果表明:构建的广义重力模型有效提高了区内出行估计精度,预测精度提高1倍,误差降低5个百分点,最大误差降低达到15个百分点.      

基于离散选择理论的出行方式/目的地联合模型研究

分析了出行方式/目的地选择的必要性,并以合肥市居民出行调查数据为基础,在对出行目的地空间分布特点进行分析的基础上,提出了减少选择枝个数的目的小区分段抽样策略,并在该抽样策略下建立了方式/目的地联合选择模型,模型结果在数学统计和符号逻辑上均达到要求;最后对联合选择模型和重力模型就本案例数据进行了对比分析,结果表明,联合选择模型及结果与实际统计结果差值更小。     

一种基于多源数据的出租车分布预测方法研究

为了改善传统的交通需求预测方法以居民出行OD调查为基础,得出的交通分布结果受样本量等因素影响,预测值与实际值相差较大的问题,本文提出基于现有出租车GPS数据、计价器数据和电召数据的一种基于多源数据融合的出租车分布预测方法,进行出租车出行分布预测.该方法可以根据多源历史数据估计出租车OD分布,并可通过预测未来出租车OD分布,提高预测准确率.     

基于贝叶斯网络的山区公路车辆行为特性研究

受自然条件的限制,山区公路车辆行为具有难以检测和易随环境变化而变化等特点,为研究山区公路车辆行为特性与其影响因素的关系,利用视频监控设备对山区公路上的车辆进行实时监测,从获得的数据里构建不同车辆行为与天气、视距、前后车距离、前后车相对速度差、路况等影响因素之间概率关系的贝叶斯网络模型,再通过模型学习的不确定性推理,预测在特定因素发生的条件下,发生各种车辆行为的概率.通过实例分析,验证了模型的正确性.      

基于贝叶斯网络的联网环境中跟车工况下的前车运动状态预测

车辆行驶过程中,前方车辆运动状态预测是车辆智能控制系统的重要研究部分。车辆运动状态受其驾驶员驾驶风格、道路状况、交通流、前方车辆运动速度和加速度等因素的影响,使车辆在未来一定时间段内的运动状态具有较大不确定性,给前方车辆的运动状态预测带来困难,因此本文中对跟车工况下前车运动状态预测进行研究。本文中在分析车辆跟车工况时的运动特性,采用贝叶斯网络对前方车辆运动速度进行预测,将获得的车辆跟车工况时的运动状态数据分为训练集和测试集。通过训练集辨识前车速度预测贝叶斯网络参数,通过测试集检验前车速度预测贝叶斯网络的预测效果。对前车未来0.1,0.5,1和2s时的运动速度进行预测,预测结果表明,前车的实际运动速度均在前车速度预测贝叶斯网络预测的95%置信区间内。     

网购影响下的城市交通碳排放测算方法研究

主要探讨网络购物的发展对城市客运交通碳排放的具体影响。首先采用马尔科夫链法预测无网购影响下居民购物出行分担结构;之后构建以出行者特征和购物方式服务水平为特征变量的巢式Logit模型,预测网购影响下居民出行分担结构;紧接着建立基于IPCC (Intergovernmental Panel on Climate Change)自下而上法的碳排放测算模型。最后以J市居民出行数据为基础,进行模型参数估计和测算结果分析。结果表明,网络购物的发展对于城市交通,特别是机动车购物出行碳排放有较明显的减排作用。     

非常态交通状态下居民出行关注点挖掘分析

在非常态交通状态下，及时准确地挖掘居民出行过程中的关注点，满足居民出行需求是提高客运服务质量的关键，更是对客运服务系统的一种考验。以“疫情”期间与公路客运相关的舆情数据为基础，进行居民出行需求及其关注点挖掘分析。首先，利用深度学习Doc2Vec算法将文本数据进行向量化处理；其次，对一个时段内所获得的向量化处理后的数据进行聚类分析，基于文本主题模型(LDA)对聚类结果的每一簇进行深度分析，提取旅客出行需求；最后，通过对实际数据处理结果的分析，验证了所提方法可准确地挖掘出非常态下旅客出行过程中的关注点，其结果可以作为交通运营服务评价和交通管理决策的重要依据。     

居民出行分布预测的改进模型研究

出行分布量与小区间现状出行有关,也与连接两小区间的道路网络及起终点的用地性质有关,传统出行分布预测模型都只考虑了这些因素的某一方面,因而在预测中经常会出现与实际明显不符的预测结果。按照出行个体在选择出行目的地时的行为,将影响出行目的地选择的几个重要因素：现状OD、小区用地性质、出行成本综合考虑,并按照影响方式不同,建立出行分布预测模型。计算实例表明,该模型的预测结果优于传统模型。     

基于神经网络的交通方式选择模型

已有的交通拥挤问题研究大多关注于城市交通的宏观层面,而对于微观层面的居民出行个体研究甚少,这主要是因为与出行个体相关的特征指标难以量化,只能做定性分析,引入神经网络模型即能够识别线性指标又能够识别非线性指标的特性。分析了影响居民出行方式选择的相关因素,这些因素包括出行者自身特性、出行者的出行特性、运输系统特性、出行区域特性和目的地区域特性5类,并建立了神经网络居民出行方式选择预测模型。通过实际调查数据的验证,表明本文模型具有很好的实用性,为城市居民出行方式的选择预测提供了新的思路。     

不同需求影响下的自行车出行路径规划方法

目前已有自行车出行路径规划方法普遍存在需求差异性考虑不足、方案精度较低等问题,无法满足人们逐步严苛的出行需求,根据出行多样化需求(单一需求、复合需求)进行规划方法研究可以拓宽自行车出行路径选择手段.以通勤性出行、事务性出行、休闲性出行作为主要出行目的,通过文献研究、实地调查和因素分析,确认了出行时间、出行安全和出行环境3个方面的需求以及各需求下的影响因素,基于北京市西城区路网基础数据进行数值标定、算法描述等,分别研究了单一需求和复合需求影响下的自行车出行路径规划方法,根据不同出行目的下的需求差异性分别给出推荐路径.考虑到过街影响提高了出行时间需求下的推荐精度,单一影响与复合影响的差异也可以提供更多自行车出行路径的选择方法.      

多模式公交信息服务条件下的出行方式选择行为研究

为了科学评价多模式公交信息服务对出行方式选择行为的影响,基于超级交通网络理论,从出行链的角度分析了多模式公交信息服务对出行方式选择的影响机理,并在构建巢式Logit出行方式划分模型的基础上引入行程时间可靠度因子改进效用函数;根据上海市某郊区得到的显性偏好调查数据,利用极大似然法对巢式Logit模型进行参数标定后,对有无多模式公交信息服务条件下的出行方式分担率进行了计算和对比分析.研究结果表明:多模式公交信息服务能够有效引导轿车及其他个体机动化出行方式向多模式公交系统转移,提高了公交出行比例.研究结果可为大城市公共交通信息系统的改善和建设提供决策支持.