个体对通勤时间的态度和偏好视角下的职住空间失调

研究职住空间失调能够帮助我们更好地理解个体对职住分离的态度和偏好,并有助于在制定政策时考虑通勤者更真实的需求和期望.本次研究采用理想通勤时间和实际通勤时间的匹配程度来度量职住空间失调,并以昆明市为案例进行了实证研究.描述性统计结果表明,大多数通勤者认为他们的职住空间是失调的,有41.04%的通勤者遭受重度空间失调.进一步,基于序次Logistic回归模型分析了职住空间失调的影响因素.结果表明,出行方式、居住区位、年龄、受教育程度和家庭有无小孩对职住空间失调有显著影响.同时,由于个体对通勤时间的态度和偏好的异质性,更长的通勤时间并不总是意味着职住空间更加失调.     

都市圈通勤出行行为特性分析与建模

为研究都市圈范围内通勤出行的交通方式选择行为,分析出行特性,揭示个体属性、家庭属性及出行属性对方式选择的影响,本文建立都市圈通勤出行Nested Logit 模型,对北京都市圈内廊坊市“北三县”的4 385 个进京通勤者的出行方式选择机理进行研究. 结果表明,出行方式的费用、出行时间及换乘次数均对通勤者出行方式选择产生显著影响. 为验证模型的有效性,提出两种政策改善方案,分析各方案下出行方式划分率变化情况,数据显示综合改善效果下小汽车的出行方式比例下降2.46%,公交与地铁的出行比例分别提高1.73%和 0.75%,表明方案对交通方式分担率改善效果明显.     

都市圈通勤出行行为特性分析与建模

为研究都市圈范围内通勤出行的交通方式选择行为,分析出行特性,揭示个体属性、家庭属性及出行属性对方式选择的影响,本文建立都市圈通勤出行Nested Logit 模型,对北京都市圈内廊坊市“北三县”的4 385 个进京通勤者的出行方式选择机理进行研究. 结果表明,出行方式的费用、出行时间及换乘次数均对通勤者出行方式选择产生显著影响. 为验证模型的有效性,提出两种政策改善方案,分析各方案下出行方式划分率变化情况,数据显示综合改善效果下小汽车的出行方式比例下降2.46%,公交与地铁的出行比例分别提高1.73%和 0.75%,表明方案对交通方式分担率改善效果明显.     

自行车通勤方式文献综述

无论对通勤者个人还是整个社会,自行车通勤方式要优于其他出行方式.尽管如此,很大一部分通勤者还是放弃了自行车方式.为巩固自行车通勤激励政策的理论基础,研究了影响人们选择自行车通勤方式的决定因素;由于许多自行车通勤者并不是每天都骑车上下班,所以也考虑了其日常出行方式选择情况,以使用频率表示.为明确上述决定因素对自行车通勤的...     

城市不同空间通勤行为可转移性研究

通勤者因地域及个体特征差异造成选择行为显著不同,本文旨在识别这一差异并揭示城市不同空间通勤行为的可转移性.在分析上海市通勤出行行为影响因素基础上,建立融入OD(Origin and Destination)变量的全空间及分OD空间的通勤方式选择模型,依据转移度量指标研究通勤出行模型空间可转移性.结果表明:全空间模型不能准确揭示不同出行空间通勤行为差异,除全空间模型可转移至内环外—内环内出行空间外,其他空间模型均不可转移;此外,各空间通勤者更偏好常规公交、地铁,且不同出行空间通勤者偏好存在显著差异.     

动迁居民通勤出行特征研究——以上海市大型居住社区江桥基地为例

随着城市发展，上海市人口增长的重点逐渐由中心城区转向城市外围地区，将对动迁居民的通勤出行产生巨大影响，有必要对该类人群的出行特征进行研究。以上海市嘉定区江桥基地为例，开展出行调查，分析搬迁至该社区的居民的通勤出行特征，包括出行时耗、出行距离、出发时间、出行方式、工作地点。将动迁通勤者与非动迁通勤者及上海市中心城区通勤出行数据进行对比分析，结果显示，虽然一部分动迁居民改变了工作地点，但总体上其通勤出行时耗和出行距离更长、出发时间更早。最后，针对江桥基地周边交通系统提出改善建议。     

基于手机话单数据的通勤出行特征分析 ——以深圳市为例

通过手机话单数据提取用户的出行特征具有可行性.然而,手机话单数据的稀疏性对提取居民出行时间特征造成困难.通过对深圳市手机话单数据的挖掘分析识别居民职住地,得到居民特征通勤序列,进而基于早、晚不同情况对居民通勤特征进行描述和分析.对比分析显示,通过手机话单数据得到的居民通勤距离和时间特征与居民出行调查结果较为一致,说明该方法可用以描述居民通勤特征.研究表明,深圳市居民通勤开始时间受通勤距离影响不大,大于10 km的中长距离通勤出行对应的平均通勤时间维持在一个比较稳定的值(45~50 min).     

通勤班车出行线路优化研究

基于通勤班车出行者意向调查与分析,掌握班车出行行为特性,建立了基于ML模型的班车出行前端衔接方式选择模型,确定前端衔接时间.并以满足最大出行需求、线路总体通行时间最短的路径寻优双重目标,建立了班车线路优化模型,并通过启发式算法进行求解.研究结果表明,约占78.1%的班车出行者前端衔接时间占总出行时间的比例在0.2～0.5;85%以上的班车出行者希望(容忍)最早出发时间不早于实际出发时间,通过实例验证可通过通勤班车线路的优化设置来提高公共交通出行.     

城市居民通勤出行方式服务水平评价

随着城市居民就业范围的扩大,通勤出行距离不断增加,通勤时段逐渐延长,使通勤出行日益复杂.因此,有必要对居民的通勤出行特征进行全面的分析研究,进而掌握通勤出行的规律,改善通勤出行的交通环境.本文首先从出行时间特征、出行距离,出行时耗、交通方式选择等方面对通勤出行的特征进行了分析;然后给出了通勤出行的评价体系,通过将logit模型和层次分析法相结合,得到通勤出行方式的服务水平;最后通过实例,验证了该方法的合理性,并给出了相应的评价结果.     

小汽车通勤者主观幸福对出行方式选择的影响

为探讨主观幸福对出行方式选择的影响,以北京市开车通勤者为研究对象,在对出行行为分析的基础上,将通勤者的思维过程分为搜索规则和决策规则。在通勤成本变化场景下,采用机器学习算法定性探索主观幸福的作用阶段。结合相关性分析结果建立结构方程模型,定量分析主观幸福对出行方式选择行为的作用机理以及主观幸福的测量变量。研究结果表明:主观幸福对开车通勤者是否改变现有出行方式的决策具有显著影响;主观幸福包括通勤过程满意度(0.73)、场景实施前开车幸福感(0.66)、通勤成本增加后开车幸福感变化(-0.20)三个因素。将主观幸福纳入通勤出行方式选择指标体系,从心理层面为交通政策的制定提供新视角。     

交通信息诱导系统对出行选择的影响分析

首先探讨了出行者的出行心理和出行行为原理,并对出行者的出行选择进行分析.其次,对交通信息诱导系统中交通信息对出行选择的影响进行分析,认为在诱导出行者的出行时,存在信息过剩、过激反应和集聚反应等问题.最后,针对交通信息诱导系统的开发,提出了3个建议.     

基于分类决策树的城市内部迁居人群通勤时间预测模型

针对迁居个体长距离、长时间的通勤现象，以南京迁居人群通勤出行多源数据为基础，综合考虑迁居人群个人家庭属性、迁居属性、建成环境属性及通勤属性，建立迁居人群通勤时间多元线性回归模型，分析各属性对通勤时间的影响. 结合多元线性回归和Logistic 回归确定决策树模型入选变量和通勤时间离散值，利用C4.5 算法建立迁居人群通勤时间决策树，以决策树结构揭示不同背景下迁居个体通勤时间模式特征. 结果显示，相较于个人家庭属性，职住同区、通勤出发时刻、住房类型、通勤距离、通勤方式及社区至主干道的便捷程度对迁居个体通勤时长的影响更为显著，侧面反映社区微观建成环境优化政策更利于提升迁居个体通勤效率.     

基于分类决策树的城市内部迁居人群通勤时间预测模型

针对迁居个体长距离、长时间的通勤现象，以南京迁居人群通勤出行多源数据为基础，综合考虑迁居人群个人家庭属性、迁居属性、建成环境属性及通勤属性，建立迁居人群通勤时间多元线性回归模型，分析各属性对通勤时间的影响. 结合多元线性回归和Logistic 回归确定决策树模型入选变量和通勤时间离散值，利用C4.5 算法建立迁居人群通勤时间决策树，以决策树结构揭示不同背景下迁居个体通勤时间模式特征. 结果显示，相较于个人家庭属性，职住同区、通勤出发时刻、住房类型、通勤距离、通勤方式及社区至主干道的便捷程度对迁居个体通勤时长的影响更为显著，侧面反映社区微观建成环境优化政策更利于提升迁居个体通勤效率.     

通勤出行方式-出行链模式联合选择模型

以单个通勤出行者为研究对象,构造基于广义极值理论的Cross-Nested Logit模型,分析了通勤出行方式和出行链模式联合选择行为.模型以通勤出行方式选择子集和出行链模式选择子集的组合为选择集,描述了在出行者社会经济属性、居住地和工作地区位、工作活动属性影响下的出行方式和出行链模型联合选择行为,能准确刻画两个选择维度之间的相关关系.利用居民出行调查数据完成模型标定.研究表明,通勤出行方式和出行链模式选择之间有显著的相互影响,出行者性别、家庭收入、家庭结构、家庭交通工具、工作活动作息时间、居住地和工作地区位是重要影响因素.当上述因素发生改变时,出行者会优先调整其出行链模式而非出行方式.     

基于地铁刷卡数据的通学模式影响机理研究

长距离的通学出行是导致中小学生被家长用小汽车接送的关键因素,鼓励中长距离通学学生使用地铁出行可以减少他们对小汽车的依赖.本文在考虑潜在接送行为的基础上,利用地铁IC卡刷卡数据研究了南京市中小学生的地铁通学模式.通过识别出地铁通学人群及对应的通学记录,把学生地铁通学行为分为只去不回 (HTSO)、只回不去 (STHO)、往返 (SHUTTLE)和其他(OTHERS)模式,并建立多元Logistic模型分析了学生出行特征、所在区位、居住地及学校周边建成环境特征对其地铁通学模式的影响.模型结果显示,学生的出发时刻、出行频率、居住地区位、学校区位及建成环境对地铁通学模式有显著影响,且居住地和学校周边建成环境对学生通学模式的影响不同.     

双职工家庭通勤出行长度选择研究

以双职工家庭中夫妇俩通勤出行长度选择为研究对象,建立双变量有序Probit模型,分析了影响通勤出行长度选择的主要因素,揭示了夫妇俩通勤出行选择之间的相互影响模式．模型结果表明年龄、性别、家庭收入、居住环境等因素对双方通勤出行选择的影响方向相同,互补效应在双方的通勤出行长度选择中占主导地位．     

基于Q-learning 的定制公交跨区域路径规划研究

考虑城市大客流通勤者跨区域出行需求,结合城市公交线网中乘客出行密集、客流走向规律等特点,提出一种跨区域定制公交的搭乘方案. 通过改进的Q-learning 模型对公交线路进行优化,为城市通勤者提供更加便捷和高效的出行服务. 通过综合路段拥堵状态、乘客需求及居民小区位置,设定了Q-learning 强化学习的奖惩函数,提升定制公交区域路径的直线系数、满载率、通行时间. 结果表明,所提出的改进方法能够降低通勤者跨区域通行的旅行时间,有效提高髙峰时段定制公交线网的通行效率.     

基于累积前景理论的通勤者路径选择模型

为了全面描述决策者在不确定环境下的出行行为,从价值变化和可靠性变化两个方面研究通勤者的路径选择行为及对待风险的态度,提出了基于累积前景理论（CPT）的通勤者路径选择模型.首先推广了两个参考点的CPT,接着根据不确定理论对行程时间进行预算,给出通勤者参考点估计的统一方法,然后构造通勤者的路径选择模型. 最后在一个测试网络上研究可靠度与参考点及可靠度与累积前景值的关系.结果表明,通勤者的参考点可以根据可靠度要求动态设置.出发时刻相同,出行者可靠度要求较高时,风险较低的路径前景值较大;反之可靠度要求较低时,行程时间平均值较小,虽然风险较高的路径前景值也比较大,这一结论与事实相符合.本文所提出的决策模型能够有效地描述通勤者在随机路网中的路径选择行为.