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。     

基于结构方程模型的城市居民出行方式选择研究

研究居民的出行方式是优化出行结构、科学制定交通需求管理措施的前提。目前针对居民出行方式选择的研究多集中在个人属性和出行特征方面,没有考虑交通供给水平和城市规模的影响。文中在山西太原、运城和吕梁3个规模不同的城市进行居民出行调查,选取个人属性、出行偏好、出行特性、交通供给水平、城市规模和出行方式作为变量,构建居民出行方式选择结构方程模型进行出行行为研究,为交通部门制定交通需求管理政策和优化居民出行结构提供依据。结果表明,经济特征对个人属性的影响最大,经济条件越好的出行者越有可能选择私家车出行;公交供给越充足或停车位供给越少,居民越有可能选择公交车出行;出行偏好期望越高、出行距离越远、出行次数越多的居民选择私家车的概率越大;高峰期出行和工作出行时选择公共交通的概率更大;大城市居民相比中小城市居民更倾向于私家车出行。     

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。     

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。     

基于前景理论的居民出行方式选择分析

总结了现有出行方式选择模型的特点以及前景理论在出行行为分析中的应用,根据居民出行特点建立了基于前景函数的出行方式选择模型,运用算例分析说明了该方法的有效性。     

苏州居民通勤出行交通方式选择特征研究

通过对苏州居民出行调查中有关通勤出行的信息进行分析计算,研究了通勤出行交通结构、不同人群交通方式选择特征以及通勤交通方式的出行距离特征,该分析结果有助于城市交通发展规划,特别是针对城市居民上下班出行的交通政策的制定和交通系统的设计。     

基于SVM的西部河谷型中小城市居民出行方式选择问题研究

研究河谷型城市的交通特征,选择合理的交通出行方式,对于减缓河谷型城市的交通问题具有重要意义。现利用支持向量机在处理大维数、小样本数据方面的优势,以定西市为实例,对定西市的交通特征进行分析,对影响居民出行方式的影响因素进行统计,并利用支持向量机进行拟合,拟合效果较好,精度较高。研究成果说明:该模型在河谷型城市居民出行方式选择及预测中有较好的应用潜力。     

基于Logit模型的大连市居民通勤出行行为研究

针对大连市主城区进行通勤出行方式的意向偏好调查.选取7家企事业单位的200名驾车通勤者作为研究对象,建立以私家车、公共汽车为选择对象的二元Logit模型,研究停车收费及公交服务水平的变化对不同特性停车者的出行选择方式影响.结果表明:停车收费费率及公交服务水平对城市居民的通勤出行方式选择有显著影响.将合理的停车收费体系与提高公共交通服务水平相结合,是一种优秀的交通需求管理手段.     

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。     

城市居民出行方式选择的满意准则模型

首先采用模糊数学理论将影响城市居民出行方式选择的诸因素综合作用的结果归结为居民出行意愿，然后以专家评判法确定的城市不同交通方式服务水平的综合评判结果作为满意度值，建立了基于居民个人出行意愿的满意准则模型，并采用遗传算法求解居民个人属性的特征向量，从而为居民出行方式的选择提供切实可行的决策方法。最后以实例验证了该模型的正确性。     

基于Markov决策过程的驾驶员行为模型

将驾驶员-汽车看作统一的人机系统,利用驾驶员驾驶过程的本质是决策过程的性质,通过确定系统的决策时刻、决策报酬、状态转移速率和概率、抽象驾驶员的行为集合等建立了基于Markov决策过程的驾驶员行为模型,最后对所建模型进行了计算机仿真.     

基于锥形流量延误函数的公交行程时间模型

针对交通规划软件常用的BPR公交流量延误函数在饱和度接近或大于1时,计算值与实际值相差急剧增大的不足,提出一种锥形流量延误函数,并分析了其对公交行程时间的影响,进而通过等式关系实现模型在交通仿真软件EMME/3中的实用化.相关的案例分析显示,在公交行程时间拟合方面,锥形流量延误模型较传统的BPR曲线模型误差均值降低5.57％,误差的波动降低50.60％,效果显著.     

基于径向基函数神经网络的城市道路路段行程时间实时预测模型

提出利用径向基函数（RBF）神经网络方法对城市道路路段行程时间进行建模NN,并结合线圈和视频实测数据进行仿真分析,以实际行程时间和模型输出的行程时间预测值比较验证了模型的合理性。并将RBF神经网络方法与BP神经网络方法进行比较,结果表明RBF神经网络相对于BP神经网络训练时间短,且预测精度更高。     

基于改进SWF神经网络多因素行程时间预测模型与算法

行程时间预测一直是交通领域研究的重点问题之一,道路系统的复杂性使预测工作变得困难。将影响路段行程时间的多种因素和改进后的样条权函数神经网络结合起来,根据机动车运行特点,建立行程时间预测模型,可以刻划道路运行的多种状态,能较准确的估计出路段的行程时间,也继承了样条权函数神经网络算法的各种优点。     

基于MM-STConv的端到端自动驾驶行为决策模型

针对现有端到端自动驾驶模型输入数据类型单一导致预测精确度低的问题,选取RGB图像、深度图像和车辆历史连续运动状态序列作为多模态输入,并利用语义信息构建一种基于时空卷积的多模态多任务(Multimodal Multitask of Spatial-temporal Convolution,MM-STConv)端到端自动驾驶行为决策模型,得到速度和转向多任务预测参量。首先,通过不同复杂度的卷积神经网络提取场景空间位置特征,构建空间特征提取子网络,准确解析场景目标空间特征及语义信息;其次,通过长短期记忆网络(LSTM)编码-解码结构捕捉场景时间上、下文特征,构建时间特征提取子网络,理解并记忆场景时间序列信息;最后,采用硬参数共享方式构建多任务预测子网络,输出速度和转向角的预测值,实现对车辆的行为预测。基于AirSim自动驾驶仿真平台采集虚拟场景数据,以98 200帧虚拟图像及对应的车辆速度和转向角标签作为训练集,历经10 000次训练周期、6h训练时长后,利用真实驾驶场景数据集BDD100K进行模型的测试与验证工作。研究结果表明:MMSTConv模型的训练误差为0.130 5,预测精确度达到...     

多种运输方式综合运输优化模型研究

在一般运输问题模型的基础上，讨论多种运输方式综合运输优化模型的建立以及模型的特点，并进一步分析该模型与一般运输模型的关系。     

基于决策支持的交通预测模型实现

根据国内外城市交通规划理论的最新思想和预测模型理论，介绍了城市交通需求预测的内容，并且分析和讨论了兰州市交通需求模型的实现过程。其研究成果为交通规划和决策提供了必要的参考和技术支持。     

基于出行时间预算的多用户交通分配模型及算法

通过分析在满足一定可靠性要求条件下出行者追求总预期出行时间最小的择路行为,定义交通网络的惯常均衡态。以不同的出行者会增加相异的出行时间预算为假设前提,建立相应的多用户变分不等式交通分配模型。这一模型不仅具有不依赖具体路阻函数形式的一般化建模特征,而且避免了现有文献中必须处理非凸约束集的问题,因此可以对模型的解进行定性分析。针对该模型,提出相应的求解算法。由于求解算法仅需对现有的网络交通分配算法加以局部修改即可实现,因此可被应用于实际规模的网络分析。通过算例结果的比较分析说明新模型及算法不仅有效,而且更符合现实。     

基于Fuzzy回归的快速路行程时间预测模型研究

行程时间预测是交通流诱导系统和交通控制系统研究的一项重要内容。在分析各种行程时间预测方法的基础上,本文提出了基于Fuzzy回归的快速路行程时间预测模型,利用深圳市的交通实测数据对行程时间进行了预测分析。     

基于出行时间的城市交通出行结构估算模型

本文以北京市相关工作过程为例,介绍了城市交通出行结构传统估算方法的应用,提出了基于熵理论以及出行时间的城市交通出行结构估算模型,给出了模型算法,并以实例演示了模型应用与结果分析过程,最后总结了模型的优势与尚待深入研究的问题。