基于Lotka-Volterra的城市客运走廊机动化交通方式竞争模型

为了优化城市交通结构、缓解城市交通拥堵问题,本文在考虑城市客运走廊内3种不同类型的居民出行群体的基础上,以Lotka-Volterra模型为基础建立了公共交通与私人交通的宏观竞争模型.并分析了不同交通方式的竞争强度及不同群体出行规模对模型的稳定性与演化结果的影响.结果表明,交通方式的竞争强度和不同出行群体的规模比例是影响交通方式间竞争激烈程度与其竞争结果的重要因素.当竞争较为激烈时,最终只有竞争力相对较强的交通方式能在市场中存在;在竞争较为缓和的情况下,两种方式能在市场中共存.最后本文提出从调节交通方式竞争强度和改变不同类型居民出行比例两个方面来平衡两种方式间的竞争,以此优化城市客运走廊中交通结构.     

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ML模型的绿色出行方式选择行为研究

为了给绿色出行相关管理政策的制定提供理论依据,在阐述绿色出行定义及其出行方式界 定的基础上,结合2009 年济南市居民出行调查数据分析绿色出行特征,构建绿色出行方式选择 ML（Multinominal Logit） 模型,探讨影响居民选择绿色出行方式的主要因素,揭示出行者属性 特征与绿色出行方式选择之间的关系,定量分析绿色出行方式在各影响因素条件下的选择概 率。研究结果表明：绿色出行方式选择行为受居民年龄、家庭月收入及职业、出行时间、出行 费用等因素影响;班车在远距离的通勤出行中占有一定的优势,应积极发展单位班车等形式的 集约型绿色交通方式;针对出行时间和出行费用采取相应的城市交通管理措施,可以有效引导 绿色出行。     

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.     

基于贝叶斯网络的出行选择行为分析

以通勤出行者为研究对象,应用改进K2算法和贝叶斯参数估计方法,以模块化的建模思想,构造了分析通勤出行方式选择和出行链模式安排及其相互作用的贝叶斯网络模型.以互信息指标度量节点间相互依赖关系的强弱,完成网络的修剪.以修剪后的网络为基础,应用敏感性分析讨论了在出行者及其家庭的社会经济属性、活动和出行属性影响下的出行方式和出行链模式安排的变化,及其相互影响.本文的研究为全面分析活动-出行选择行为及其影响因素间的互动响应关系提供了新的思路.     

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...     

基于贝叶斯网的城市轨道交通乘客满意度评价

以城市轨道交通运营系统为研究对象,从乘客满意度出发,建立城市轨道交通服务乘客满意度指数模型,并确定城市轨道交通服务乘客满意度评价指标体系结构,建立城市轨道交通乘客满意度评价贝叶斯网络模型,并确定贝叶斯网络中各节点的条件概率。最后以重庆市轨道交通服务为例,通过实例计算分析,得出重庆轨道交通服务的几点改善措施。     

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.     

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.     

���ڹ������ȵ�С���������򹫽�ת��ģ���о���

在实施公交优先政策时,往往因没有对公交专用道和社会车道所应分担的交通量做出正确的估算而造成道路资源的浪费,以至于无法真正实现公交优先的目的.本文以公交车与社会车辆的行程速度差异为研究对象,通过分析设置公交专用道后两种交通方式间的转移情况,在保证公交车服务水平的前提下基于路阻函数研究了不同公交车比例下公交车和社会车辆的行程速度曲线,并确立了小汽车向公交车的转移关系.研究结果表明,针对不同的居民出行量及模型参数值,公交车在一定的比例范围内时小汽车用户选择公交出行,并使道路交通系统达到最优.该模型可应用于城市现有道路改造时公交专用道设置及确定公交车发车间隔的参考依据.     

基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

��������������С���������򹫽�ת�Ƶ�Ԥ��ģ���о�

研究印度城市道路上设置公交专用道后小汽车出行向公交转移的可能性. 借助新的混合交通流仿真模型测定设置公交专用道后公交服务水平改善状况. 基于陈述偏好入户调查的抽样数据,本文还引入其他影响出行方式转移的变量,标定出行方式选择二元Logit模型. 根据实际和预测数据,确定了公交服务水平改善条件下小汽车出行向公交转移的一系列主要影响因素. 基于两种方式出行时间差,绘制出行方式转换概率曲线,并为多变量宽值域条件下交通方式转移的预测提供一种易于操作的方法.     

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。     

基于贝叶斯网络的车辆换道模型

车辆换道行为是微观交通流中最基本的驾驶行为之一,研究车辆换道行为可以提高车辆换道模型的仿真精度和减少由不合适的车辆换道行为引发的交通事故.当前车辆换道模型大多是基于驾驶员的决策思维方式建立的决策模型,这类模型的缺点是很难捕捉到驾驶员在决策过程中一些潜在决策模式和考虑的影响因素.鉴于此,本文引入了一种典型的人工智能方法--贝叶斯网络,建立了一个全新的车辆换道模型,试图通过机器学习的途径来提高车辆换道模型的精度.采用了分段离散化的方法对数据进行预处理,然后使用处理后的数据对贝叶斯网络的结构和参数进行学习,并分别建立了与两种贝叶斯网络结构相对应的车辆换道模型,最后对建立的模型分别进行验证.模型的验证结果表明,建立的基于贝叶斯网络的车辆换道模型对换道行为的识别率可以达到88%以上. 此模型还可进一步应用到驾驶员辅助系统的开发中.