邯郸市出行者交通方式选择行为差异性分析

针对邯郸市城市轨道交通线路规划工作,根据居民对轨道及其他交通方式选择的意愿调查,利用ML模型对影响公共交通和小汽车使用者出行方式选择的显著性因素进行差异性分析;进行出行方式选择弹性分析,得出不同影响因素设计水平下各交通方式客流分担率之比.其结论为相关政策的制定提供参考.     

多目标决策在交通工具客运市场分析中的应用

通过分析影响旅客出行时选择交通工具的六个主要因素,提出了各因素的量化方法,建立了旅客选择交通工具的多目标决策模型;在该模型的基础上分析了各种交通工具被选择的概率表达式,并由此推断出不同交通工具的市场份额;最后利用该模型对高速公路汽车客运市场份额进行了分析。     

考虑舒适度因素的出行价值模型

为了探究舒适度对出行者路径选择的影响,通过分析出行舒适度的影响因素,构建舒适度价值模型,从而建立考虑舒适度因素的出行价值模型。首先考虑行程时间、出行费用和舒适度3种出行价值的影响因素,建立出行价值模型;然后采用意愿调查法对出行者舒适度选择特征进行调查,以性别、年龄、出行方式、行程时间为特征变量,通过排序选择模型对舒适度选择概率进行标定,发现交通方式和行程时间两种影响因素对舒适度选择具有显著影响。通过计算出不同交通方式、不同行程时间对应的舒适度选择概率,从而得到不同出行状态下的舒适度概率分布,由此建立了基于舒适度排序选择模型的出行价值模型。最后以公交车出行价值为参考,进行算例分析,利用AHP层次分析法,对行程时间、出行费用和舒适度3种因素的单位价值进行判断,得出出行价值计算模型,分别针对考虑和不考虑舒适度的出行价值模型进行比较分析。结果表明,当考虑舒适度因素时,私家车和自行车的出行价值分别下降了2.6%和30.2%。由此可见考虑舒适度的出行价值模型能够更好地评价不同出行方式的价值差异。     

交通大数据平台效益评价方法

为反映交通大数据平台受益对象的多元化,与传统ITS效益评价基于车辆所有者经济效益不同,给出了基于居民出行方式分担比的经济效益计算方法.该效益包括小客车、出租车、公交车等不同交通工具车辆运输成本、乘客出行时间成本、CO2排放环境等成本节约效益,采用加权平均法得到总效益.在乘客出行时间成本计算中,考虑收入对交通方式选择的影响,给出了不同出行方式不同目的人工时间成本计算方法及参数取值.为反映交通大数据平台信息发布对出行行为选择的影响,采用有无对比法,提出了因交通方式转移而产生的车俩运输成本、CO2排放环境成本效益计算方法.以武汉交通大数据平台建设为例,给出了影响范围与主要参数取用方法,进行了成本效益预测分析实证研究.解决了交通大数据平台效益分析定量化的问题,为交通平台类项目经济效益评价提供了理论方法.      

城市客运交通方式分担预测方法研究

影响人们选择交通方式的因素可分为宏观因素和微观因素。宏观因素决定着出行方式的总结构,微观因素则决定着各交通区之间出行的具体选择。基于宏观指导微观、定性分析和定量分析相结合的指导思想,根据城市居民选择出行方式随距离而变化的内在规律,提出了一种实用的、可操作性强的城市客运交通方式分担预测方法。其中,微观预测采用了特定的标定函数来反映各种交通方式分担率随出行距离变化的趋势,并通过对经验系数和拟合系数的调整和计算,使得宏观预测结果与微观预测结果相一致。该预测方法曾在河南濮阳城市交通管理规划和常州城市交通管理规划中两次使用,效果令人满意。     

旅游公路交通量预测模型研究

为了更加准确的预测旅游公路的交通量,基于交通生成原理的不同,将旅游公路的交通量分成旅客交通量和背景交通量两部分。首先根据景区的等级、接待能力、特点和历史等数据预测得到景区的特征年旅客接待人数,根据景点周边城市的规模和交通条件求出旅游公路的通道交通量,考虑旅客出行特性的不同,采用非集计模型进行交通方式选择预测。最后加上通过常规预测方法求出的背景交通量得到旅游公路的总交通量。本文对旅游公路建设前期工作的研究有着重要的指导意义。     

基于贝叶斯网络的高速公路突发事件态势评估研究

为了提高高速公路应急管理能力,提升高速公路应急效率,从突发事件演化机理着手,基于贝叶斯网络构建了高速公路交通突发事件应急处置的态势评估模型,用于推理学习不同情况下的交通事故概率。评估模型首先确立了高速公路交通突发事件贝叶斯网络总体工作流程,将贝叶斯网络节点设置为高速公路突发事件的影响因素,贝叶斯网络结构根据各节点,即各影响因素之间的相互关系进行构建。其次,根据交通事故数据和专家知识对网络中每个节点进行条件概率赋值,再在条件概率的基础上根据现场初步事故信息运用联合树推理算法将贝叶斯网络转化为联合树,通过定义在联合树上的消息传递过程,计算后验概率;最后,在条件概率的基础上进行推理,建立评估模型实现对高速公路突发事件态势评估。实例分析随机抽取50次高速公路交通突发事件数据用于贝叶斯网络,通过软件Ge Nie2.2,以事故车辆类型,事故车辆数量,得到事故信息的时间,事发时天气及事发时段为证据信息,推理得出高速公路突发事件概率,预测结果表明基于贝叶斯网络的高速公路交通突发事件应急处置态势评估模型具有较高的准确性。     

欠发达地区中长距离出行方式选择行为机理研究

分析欠发达地区中长距离出行方式选择行为机理,能够为区域综合交通规划及客运组织提供理论依据。基于非集计理论,将居民个人属性、交通属性和出行属性作为影响因素,根据欠发达地区中长距离出行方式分布情况,将公路、铁路、民航3种出行方式作为选择肢,构建了欠发达地区居民中长距离出行方式选择的多元Logit模型。利用云南省1 642份旅客出行行为调查的有效问卷,运用SPSS软件对多元Logit模型参数进行标定,获取了欠发达地区居民中长距离出行方式选择的主要影响因素,并对各影响因素进行了敏感性分析。结果表明:欠发达地区居民中长距离出行方式选择主要受居民月收入、学历、出行距离等7个因素的影响,其中,月收入、学历和出行距离对出行方式选择结果存在显著的负向影响。对于选择公路出行的乘客而言,换乘便捷性对选择结果影响的显著性高于乘坐舒适度;对于铁路出行的乘客,乘坐舒适性对选择结果影响的显著性较高。当出行距离每增加1个单位,选择公路出行的概率降低0. 104个单位,选择铁路出行的概率降低0. 328个单位。学历与月收入的弹性值分别为1. 307和1. 297,均大于1,表明学历与月收入2种因素对欠发达地区居民中长距离出行方式选择的敏感度较高;其余因素对出行方式选择的敏感度存在一定差异。     

基于巢式Logit模型的交通方式选择行为研究

与传统的多项Logit模型(MNL)相比,基于离散选择理论的巢式Logit模型(NL)放宽了IIA限制,具有更好的解释能力.文中介绍了NL模型的原理及公式推导,并将其应用于交通方式选择行为中,通过实例,建立交通方式选择模型,利用SAS软件对其进行求解和分析,得到出行者对各种交通方式的选择概率.     

城市轨道交通站点接驳设施规模预测方法

为了对城市轨道交通站点接驳设施规模进行准确预测,从各接驳方式分担的客流量入手对接驳设施规模预测方法展开研究.在分析接驳设施规模影响因素的基础上,对城市轨道交通站点各出入口进出站客流进行观测统计,确定高峰小时集散的总客流量,利用多项logistic回归和Bayes判别分析2种方法分别建立城市轨道交通站点接驳方式分担率预测模型,将模型输出的结果与调查数据进行对比,判定2类模型在不同接驳方式分担率预测上的适用性,进而得到城市轨道交通站点高峰小时各接驳方式分担的客流量.利用数理统计学方法建立城市轨道交通站点周边的常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场规模预测模型,根据调查数据和已有研究成果对模型参数进行标定.应用这组模型对哈尔滨轨道交通1号线中哈达站的接驳设施规模进行预测,验证了模型在实际应用中的可行性.      

适于交通方式划分的NL模型巢式层次结构研究

为准确把握Nested-Logit模型（NL模型）在交通方式划分中的应用,以交通方式巢式层次结构为研究对象,在分析交通方式选择影响因素和各交通方式之间的相关性的基础上,根据人们在选择交通方式过程中首先考虑因素的不同,构造了不同的交通方式巢式层次结构方案,并提出基于拟合优度度量的判断方法优选巢式层次结构方案。根据实例旅客出行调查数据,利用SAS软件对拟合优度度量系列组进行比较分析,分析结果表明：基于拟合优度度量构造的巢式层次结构更能反映交通方式选择的真实性,克服了NL模型层次结构明显的主观判断偏离客观实际的缺陷。     

智能型手机应用程序对运具选择行为之影响

因应资通信技术发展,智能型手持设备逐渐普遍,应用程序蓬勃发展改变人类传统行为模式甚巨.其中,运输相关之应用程序多样化发展,功能包含地理信息系统的应用、交通信息的提供、车辆派遣的预约、交通票证的订定、观光游程的设计等.依据台北市交通局统计2013年民众透过智能型手机应用程序查询次数,每月已高达6 000万次以上,实有必要针对运输类应用程序所衍生之效果进行探究.论文主要研讨智能型手机应用程序所提供的交通运输信息对用户旅运行为之运具选择影响,透过问卷调查,进行个体运具选择模式之构建,以分析台北市旅运者在受智能型手机应用程序提供的实时交通信息对于运具选择行为转变之影响,期能了解ITS结合智能型手机应用程序的交通信息服务对于提高公共运输便利性之效益.      

成都市新津县普兴镇规划路网交通分析与研究

基于成都市新津县普兴镇小城镇建设项目，采用“四阶段法”及“增长率法”，对研究范围内路网进行了规划年交通量及远景交通量预测。通过对普兴镇交通区域进行划分，结合小镇居民交通出行方式，预测了各小区内部之间以及普兴镇与外部地区之间的出发和吸引OD，并对机动车规划年OD使用“容量限制-增量加载”法对各规划道路进行分配，预测了每条规划道路的远景交通量，由此对道路规划方案及断面形式提出了合理建议。预测结果表明，研究范围内的道路通行能力可以满足远景年交通需求，拟定的横断面形式服务水平可达D级以上。项目建成至今交通状况良好，说明所拟定的道路规划方案及断面形式合理可行。     

Real-Time Transportation Mode Detection Using Smartphones and Artificial Neural Networks: Performance Comparisons Between Smartphones and Conventional Global Positioning System Sensors

Traditionally, traffic monitoring requires data from traffic cameras, loop detectors, or probe vehicles that are usually operated by dedicated employees. In efforts to reduce the capital and operational costs associated with traffic monitoring, departments of transportation have explored the feasibility of using global positioning system (GPS) data loggers on their probe vehicles that are postprocessed for analyzing the traffic patterns on desired routes. Furthermore, most cell phones are equipped with embedded assisted-GPS (AGPS) chips, and if the mode of transportation the phone is in can be anonymously identified, the phones can be treated as if they are probe vehicles that are voluntarily hovering throughout the city, at minimal additional costs. Emerging cell phones known as “smartphones” are equipped with additional sensors including an accelerometer and magnetometer. The accelerometer can directly measure the acceleration values, as opposed to having acceleration values derived from speed values in conventional GPS sensors. The magnetometer can measure mode-specific electromagnetic levels. Smartphones are subscribed with roadside Internet data plans that can provide an essential platform for real-time traffic monitoring. In this article, neural network-based artificial intelligence is used to identify the mode of transportation by detecting the patterns of distinct physical profile of each mode that consists of speed, acceleration, number of satellites in view, and electromagnetic levels. Results show that newly available values in smartphones improve the mode detection rates when compared with using conventional GPS data loggers. When smartphones are in known orientations, they can provide three-dimensional (3-D) acceleration values that can further improve mode detection accuracies.     

基于多级网络的多模式交通配流研究

为解决多模式复合网络的交通配流问题,将复合网络转化为多级网络形式,并提出多级网络客流分配模型、约束条件,以及其求解算法.将多模式复合网络转化为多级网络结构.以三级网络结构为例,网络第一级为带有组合出行的方式选择网络;网络第二级为基于出行逻辑的平面拓展网络;网络第三级为小汽车出行的道路网络.分析多级网络中的路径阻抗,包括线段阻抗与换乘点阻抗,提出以N-L模型解决多级网络流量的分配问题.根据复合网络构建的实际情况,在模型中加入有效路径筛选、有效换乘筛选与典型组合方式筛选等约束条件,以提高模型求解效率.采用连续平均法对多级网络配流模型进行求解.以三模式叠加的复合网络配流为算例,模型迭代7次即达到收敛条件.结果显示,在算例网络中,轨道换乘出行方式具有一定的竞争力,约占总出行量的40%.通过SP调查验证了该结果的可靠性.该方法在考虑了路径选择、换乘点选择、组合交通方式选择的情况下,将客流分配到多模式复合网络中去,弥补了传统四阶段法在多模式交通配流应用中的不足.      

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

Experimental Study of Effects of Travel Time Distribution Information on Dynamic Route Choice Behavior

This study focuses on the possibility that providing travelers with information on travel time distribution, along with the existing travel time information, might affect their decision making and enhance traffic control. As an initial step to confirm the effectiveness of travel time distribution information, we use a laboratory experiment to obtain panel data of route choices when information is provided. The rationality of the behavior of the respondents and the characteristics of the route choice are first analyzed by aggregation analysis and then statistically examined by specifying a mixed logit route choice model. As a result, it is revealed that both travel time information and maximum travel time information significantly affect route choice behavior when a penalty is imposed for late arrival.     

Subjective-utility travel time budget modeling in the stochastic traffic network assignment

ABSTRACT

In this article, we propose a new model called subjective-utility travel time budget (SU-TTB) model to capture travelers' risk-averse route choices. In the travel time budget (TTB) and mean-excess travel time (METT) model, a predefined confidence level is needed to capture the risk-aversion in route choice. Due to the day-to-day route travel time variations, the exact confidence level is hard to be predicted. With the SU-TTB model, we assume travelers' confidence level belongs to an interval that they may comply with in the route choice. The two main components of SU-TTB are the utility function and the TTB model. We can show that the SU-TTB can be reduced to the TTB and METT model with proper utility function for the confidence levels. We can also prove its equivalence with our recently proposed nonlinear-expectation route travel time (NERTT) model in some cases and give some new interpretation on the NERTT with this equivalence. Finally, we formulate the SU-TTB model as a variational inequality (VI) problem to model the risk-averse user equilibrium (RAUE), termed as generalized RAUE (GRAUE). The GRAUE is solved via a heuristic gradient projection algorithm, and the model and solution algorithm are demonstrated with the Braess's traffic network and the Nguyen and Dupuis's traffic network.     

城市居民出行空间和方式联合选择模型研究

考虑到出行者出行空间和出行方式之间的重要联系,本文基于非集计模型中Nested Logit模型的理论和方法,结合2005年国内某大型城市居民出行调查数据,建立了城市居民出行空间和方式的联合选择模型。模型为2层的NL模型,第1层为空间选择层,第2层为方式选择层,以此将出行空间选择和出行方式选择连接起来。模型采用统计软件STATA 9进行标定,并通过统计指标进行验证,深入分析了影响出行者出行空间选择和出行方式选择的重要因素。最后,用同样的数据源建立了方式选择的MNL模型,通过对比联合模型和MNL模型的命中率和集计结果表明,出行空间和方式联合选择模型能够在较细的层面上预测出行者出行空间和交通方式的选择情况,从而提高了模型的精度和实用性。     

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。