出行者心理与交通信息系统存在问题分析

通过对出行者的出行心理进行分析，发现ITS的交通信息系统在诱导出行者的出行时，可能出现一些问题，如信息过剩、过激反应和集聚反应，并对上述现象进行了分析。     

私家车出行者交通信息需求研究

交通出行信息对私家车出行者行为选择存在不同程度的影响。通过对大连市私家车出行者交通出行信息使用意向调查,获取私家车出行者交通出行信息选择行为特性数据,引入因子分析方法对交通出行信息内容进行合理分类,建立交通出行信息选择累积Logistic回归模型,对私家车出行者交通出行信息需求进行研究。研究结果表明私家车出行者对交通出行信息内容存在不同程度的需求,其中与个人私家车出行质量相关信息的需求最高,面向私家车出行者的城市交通信息服务系统建设与运营应体现针对性。     

交通信息影响下的动态路径选择模型研究

考虑交通信息对出行者选择出行路径的动态影响,建立一种动态路径选择模型。将不同类型的出行者对路段（路径）运行时间的预测看作不同的随机过程,通过对出行路径上节点的到达时间取期望值,利用一阶近似表达式,研究交通信息对出行者的出行路径选择行为的影响。     

基于计划延误成本的出发时间选择模型

出行时间不确定性对出行者造成诸多负面影响,其中之一就是计划延误成本增加.向出行者提供交通信息可减少出行时间不确定性的负面影响,减少计划延误成本.为了估计其负面效应和出行时间信息的价值,研究了一个出行时间不确定性下的出发时间选择模型.假定在不同的出发时间下,出行时间分布的形式不同.模型中出行者可得到交通信息服务系统(A T IS)提供的基于平均出行状况的交通信息或基于当日出行状况的交通信息,同时他对得到的信息有自己的感知值,基于此感知预测出行时间并选择出发时间.用算例反映了出行时间不确定性、不同信息状况和信息预测的质量对出行者广义出行阻抗的影响.结果表明交通信息的收益不应该只表现为传统的出行时间节省,它还能减少约30% ~40% 的计划延误成本.      

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。     

拥挤收费下基于前景理论的出行者路径选择行为分析

出行者（特指私家车出行者）路径选择行为的研究对于城市的交通管理和交通组织都有着重要的意义,而且随着交通出行费用的不断增加,以及道路拥挤收费政策逐步实施,仅仅考虑距离最短、时间最短来对出行者路径选择行为模型进行研究,往往实用性欠佳。针对以往的研究中考虑因素单一、模型实用性不强这一问题,运用能有效描述出行者不确定性条件下决策行为的前景理论,综合考虑出行者的出行时间、出行费用以及出行者的个人偏好、出行经验等因素,建立一个更为贴合实际的出行者路径选择行为模型。以实际算例的形式对比分析了,不同收费标准对不同出行者人群、不同性质出行的路径选择行为的影响程度。结果表明：与拥挤收费政策实施前相比,收费3元时,高收入水平出行者购物出行时的路径发生变化,而对于通勤出行,当收费大于6元时出行路径才发生变化;对于中低收入水平出行者来说,因为其较高收入者对费用更为敏感,所以拥挤收费政策实施后他们的反应也不尽相同。     

基于进化博弈的城市中心区交通拥堵收费分析

交通拥堵收费是解决道路拥堵问题的有效措施。假设使用小汽车到达拥挤收费区域边界的出行者可通过2种方式到达拥挤收费中心区：小汽车直达及停车换乘公共交通（P＆R）。对于出行者甲（对小汽车出行需求偏刚性）、乙（对小汽车出行需求偏弹性）,采用进化博弈的方法,建立效益矩阵,分析在不同政府定价条件下两者出行方式选择行为的演化模型。结果表明,政府交通拥堵收费对出行者出行方式选择行为的演化起着重要作用,不同的定价区间会使得出行方式向不同的稳定状态演变。分析各种定价区间下出行者出行方式选择行为。     

信息对出行时间的影响研究

在一个不确定性交通网络上,考虑不同风险厌恶程度出行者的出行时间受交通信息的影响,采用出行时间及对出行时间不确定性的偏爱程度建立期望效用函数,研究信息环境下与非信息环境下的期望出行时间,得到如下结论:(1)信息的提供将减少所有出行者的期望出行时间;(2)在信息环境下,风险厌恶程度高的出行者期望出行时间的减少比风险厌恶程度低的出行者期望出行时间减少更显著。并用算例对模型结论加以验证。     

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。     

基于累积前景理论的拥挤阈值计算模型

信息诱导是缓解交通拥挤的有效途径,为了描述道路拥挤程度对出行者路径选择决策的影响机理,基于累积前景理论分析了出行者的出行决策过程,分析了出行者拥挤认知模式以及不同出行方式的拥挤信息需求。解析了拥挤阈值的概念,将行程时间作为累积前景理论决策指标建立了拥挤阈值的计算模型,以1个简单路网进行算例分析,模拟驾驶员的拥挤认知及出行活动决策。算例结果揭示了拥挤阈值对路径选择决策行为的影响,同时验证了拥挤阈值是出行者在决策过程中的决策变化分界点。出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值,出行者将改变出行路径。      

交通运输方式选择多属性决策的信息公理方法

基于信息公理的多属性决策方法为旅客的出行方式选择提供了一种有效工具。通过分析旅客出行行为特性的影响因素,确定出旅客出行方式选择的评价指标。利用成功概率计算出每种方案所包含的信息量,信息量最小的方案为最佳方案。由于避免了权重分配所带来的人为影响以及量纲不统一等问题,使得评价结果更趋合理,评价过程计算简单易于实现。     

Developing travel time estimation methods using sparse GPS data

Existing methods of estimating travel time from GPS data are not able to simultaneously take account of the issues related to uncertainties associated with GPS and spatial road network data. Moreover, they typically depend upon high-frequency data sources from specialist data providers, which can be expensive and are not always readily available. The study reported here therefore sought to better estimate travel time using “readily available” vehicle trajectory data from moving sensors such as buses, taxis, and logistical vehicles equipped with GPS in “near” real time. To do this, accurate locations of vehicles on a link were first map-matched to reduce the positioning errors associated with GPS and digital road maps. Two mathematical methods were then developed to estimate link travel times from map-matched GPS fixes, vehicle speeds, and network connectivity information with a special focus on sampling frequencies, vehicle penetration rates, and time window lengths. Global positioning system (GPS) data from Interstate I-880 (California) for a total of 73 vehicles over 6 h were obtained from the University of California Berkeley's Mobile Century Project, and these were used to evaluate several travel time estimation methods, the results of which were then validated against reference travel time data collected from high resolution video cameras. The results indicate that vehicle penetration rates, data sampling frequencies, vehicle coverage on the links, and time window lengths all influence the accuracy of link travel time estimation. The performance was found to be best in the 5-min time window length and for a GPS sampling frequency of 60 s.     

Bi-objective routing problem with asymmetrical travel time distributions

Recent studies have confirmed that travelers consider travel time reliability in addition to average travel time when making route choice decisions. In this study, we develop a bi-objective routing model that seeks to simultaneously optimize the average travel time and travel time reliability. The semi-standard deviation (SSD) is chosen as the reliability measure because it reflects travelers' concerns over longer travel time better than the commonly used standard deviation. The Pareto-optimal solutions to the bi-objective model are found by using an improved strength Pareto evolutionary algorithm. Tests on a real-world urban network with field measured travel time data have demonstrated good performance of the algorithm in the aspects, such as computational efficiency, quick convergence, and closeness to the global Pareto-optimal. Overall, the bi-objective routing model generates reasonable path recommendations. The SSD-based model is sensitive to the asymmetry of travel time distribution and tends to avoid paths with excessively long delays. This would be particularly helpful to those users placing high values on travel time reliability.     

支持向量机在路段行程时间预测中的应用研究

主要探讨支持向量机理论在路段行程时间预测中的应用。具体的方法是,首先将研究路段根据路段交通状态和车辆检测器设置情况进行分段,然后以前几个时段的各个小路段的交通流量、平均速度和车道占有率和整个路段的行程时间为输入,以下一时段的整个路段的行程时间为输出,选取高斯径向基函数作为核函数,建立了基于支持向量机的路段行程时间预测模型,从而探讨支持向量机在路段行程时间预测中的应用效果。最后,利用交通仿真软件的模拟数据进行验证,并与BP神经网络计算结果比较,计算结果的对比表明本文提出的方法预测效果更好。     

基于L-偏度和L-峰度的行程时间可变性表征方法

为了定量化测度行程时间可变性右偏且长尾的实证特征,考虑实际观测中可能存在的数据样本量不足和离群值干扰问题,提出基于线性矩的L-偏度和L-峰度用于精确表征行程时间可变性。考虑到线性矩是顺序统计量期望的线性组合,给出了避免遍历所有子样本的线性矩估计方法。根据线性矩概念,探究了L-偏度和L-峰度的数学含义和其表征行程时间可变性的有效性,以及样本L-偏度和L-峰度的计算方法。理论研究发现,在表征范围和样本估计质量方面,相较于传统偏度和峰度,L-偏度和L-峰度对行程时间可变性具有更加优越的表征能力。采用深圳市车牌照识别系统的行程时间数据集进行案例分析,从无偏性、鲁棒性和有效性3个维度证明了L-偏度和L-峰度相较于传统偏度和峰度的优越性。分析结果如下：样本L-偏度和L-峰度在样本量不足时仍然是总体近似的无偏估计,而传统偏度和峰度的系统性误差较大;L-偏度和L-峰度对离群值具有鲁棒性,而传统偏度和峰度对离群值过于敏感;样本L-偏度和L-峰度对总体的估计波动小且精度高,具有良好的估计有效性;L-偏度和L-峰度分别与传统偏度和峰度有较高相关性,但又能够辨识出不同时空下行程时间可变性分布的差异。基于L-偏...     

Bus travel time modelling using GPS probe and smart card data: A probabilistic approach considering link travel time and station dwell time

Abstract

Path travel time estimation for buses is critical to public transit operation and passenger information system. State-of-the-art methods for estimating path travel time are usually focused on single vehicle with a limited number of road segments, thereby neglecting the interaction among multiple buses, boarding behavior, and traffic flow. This study models path travel time for buses considering link travel time and station dwell time. First, we fit link travel time to shifted lognormal distributions as in previous studies. Then, we propose a probabilistic model to capture interactions among buses in the bus bay as a first-in-first-out queue, with every bus sharing the same set of behaviors: queuing to enter the bus bay, loading/unloading passengers, and merging into traffic flow on the main road. Finally, path travel time distribution is estimated by statistically summarizing link travel time distributions and station dwell time distributions. The path travel time of a bus line in Hangzhou is analyzed to validate the effectiveness of the proposed model. Results show that the model-based estimated path travel time distribution resembles the observed distribution well. Based on the calculation of path travel time, link travel time reliability is identified as the main factor affecting path travel time reliability.     

公共交通枢纽内出行信息发布效用评价方法研究

在枢纽运行过程中,如何通过合理、有效的信息诱导手段提升旅客的集散效率和枢纽的安全性已成为枢纽建设的重要内容。现有研究表明,提升交通枢纽的服务水平需要进一步掌握枢纽内部不同信息的发布效用。本文以SP调查数据为基础,将旅客对不同公共交通出行信息的重要性评价值与旅客对信息的关注度相联系,提出了基于主成分分析的不同类型旅客对信息关注度的分析方法。并从旅客对信息的关注度出发,对交通枢纽内部不同发布信息的效用进行了分析。该方法应用于上海市静安寺轨道交通换乘枢纽的调查数据,对比了不同年龄层次的旅客对各类信息的关注度,并分析了该枢纽内部不同信息的发布效用。     

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。     

公交信息条件下的公交出行意愿研究

深入解析公交信息对居民公交出行意愿的影响机理,是合理规划城市公交出行信息环境的理论基础,对于城市交通管理以及交通拥堵的缓解有着重要的意义。基于计划行为理论在行为态度、主观规范、知觉行为控制3个基本变量的基础上加入公交信息、出行经验、个人属性等变量,对计划行为理论加以改进,利用改进的计划行为理论建立公交信息条件下的公交出行意愿模型。以南京市居民为调查研究对象,运用结构方程模型对调查数据进行验证分析,确定了各变量的相互作用关系以及它们对公交出行意愿的影响效应。结果表明公交信息对公交出行态度、主观规范、知觉行为控制等变量有直接显著影响,且为正向关系,影响系数分别为0.533、0.451和0.576;公交信息会对公交出行意愿产生间接影响,影响总效应为0.92,说明高质量的公交信息可以提升公交吸引力,增强居民的公交出行意愿。