北京市居民出行方式人群分类

为识别出行者选择不同出行方式的差异,将多重对应分析法应用到行为领域进行出行人群分类。根据北京市居民日常出行问卷调查,利用结构方程模型选择出对出行方式影响比较显著的变量,分析出行人属性、出行属性、出行偏好和出行方式之间的定量关系。根据选择出来的指标把出行人群划分成5个类别,分析每类群体所倾向的出行方式并针对不同群体提出相应的措施,以引导居民出行。     

大城市居民出行方式决策方法研究

本文在分析各种出行方式特点的基础上,建立了居民出行决策指标体系。进而根据确定和不确定两种环境分别建立了居民出行方式决策模型。针对确定环境,构建了基于双基点法的居民出行决策模型;针对不确定环境,构建了基于区间排序法的居民出行决策模型。最后用实例分别验证了模型的可行性,证明了该决策系统对人们日常的出行行为有一定的指导意义。     

卫星城居民出行特征及出行方式选择模型研究

卫星城居民出行特征及出行方式选择研究是解决卫星城交通问题的基础和前提。以南宁市浦口区为例,通过Access数据库对居民出行OD调查数据进行处理挖掘,从居民的出行频次、出行目的、出行方式、出行时耗及出行时间分布五方面对卫星城居民出行特征进行研究,总结出浦口区居民出行特征现状;挖掘并量化影响卫星城居民出行方式选择的关键因素,利用浦口区居民出行调查数据,构建居民出行方式选择多项Logit模型,通过SPSS软件进行模型拟合和标定。在模型拟合结果中,以公交车为例进行拟合结果分析,可得到影响选择公交出行的主要因素——性别、年龄以及有无公交IC卡,并通过计算以及模型预测值对模型拟合精度进行校验。结果显示,除非机动车预测效果较差以外,其余预测误差均在可接受范围内。     

广州市居民出行方式结构变化的启示

目前国内城市的居民出行方式结构普遍呈现不合理的倾向,而城市发展的要求和需大于供的现状都迫切需要一个合理的居民出行方式结构.本文通过比较广州市1998年和2003年万户居民出行方式结构的调查数据,分析导致结构变化的内在原因,并结合其他城市的交通情况,阐述了广州市自行车、摩托车、小客车和公共交通等几种主要出行方式的管理特征,最后根据广州市一些成功经验,总结归纳了在出行方式结构管理方面的对策和建议,希望能给国内相关城市提供借鉴.     

石家庄市居民出行特征变化分析

根据石家庄市2007年。2000年,1986年3次居民出行调查的数据,分析石家庄市居民的出行次数、出行目的、出行方式等的变化情况,由此归纳出石家庄市居民出行特征变化的规律和原因。针对石家庄市的特点,对目前石家庄市城市道路通行效率不高、交通管理不善等方面的问题,提出石家庄市城市交通改善措施,以及未来交通发展的对策和建议。     

汉中市居民出行特征分析及对策研究

基于陕西省汉中市2011年居民出行调查的有关数据,对汉中市居民出行特征进行系统分析,包括出行者年龄、职业、出行目的、出行方式、出行耗时、出行时间分布及出行空间分布等方面,在此基础上,结合中小城市发展特征,从加强城市对外交通、优化城市布局和土地利用、完善城市道路网络和优化城市交通出行结构等方面提出中小城市交通发展的对策,以解决中小城市交通问题,从而引导中小城市健康发展。     

济南市居民出行调查分析及对策研究

为掌握济南市城市居民出行特征的变化趋势,从出行次数、出行目的、出行结构、出行时耗、出行时间分布等方面,比较分析2009年与2004年的居民出行调查数据,并总结居民出行特征变化发展的情况及其原因。最后指出,济南市城市交通系统需要在城市交通用地布局结构、优先发展公交系统、慢行交通与公交系统的衔接、交通需求管理等方面进行完善,以实现优化城市整体交通出行结构并促进城市交通和谐、可持续发展的目的。     

出行成本对居民出行方式的影响

以北京市居民出行行为为研究对象,收集2010年部分区域居民出行基础数据,使用相关性分析筛选与居民出行方式选择密切相关的影响因素.以小汽车出行方式的效用函数与公共交通出行方式的效用函数的差值构建新效用函数,选择收入、出行目的、支付方式、出行时间比、出行成本比等作为影响因素,将小汽车和公共交通出行时间比划分为1∶5、1∶3、1∶1,分析出行成本对居民出行方式的影响.分析结果表明:当出行时间比为1∶5时,居民使用小汽车出行对应的弹性值均小于0.1,出行成本调节缺乏弹性;当出行时间比为1∶3时,对应的最大弹性值为0.39,当出行成本比为25时,40％～50％的出行者继续使用小汽车出行;当出行时间比为1∶1时,对应的最大弹性值为0.89,当出行成本比为22时,40％～50％的出行者继续使用小汽车出行;当出行时间在1∶3和1∶1之间,要使得小汽车的出行分担率为30％,则出行成本比为至少为5.     

雾霾对居民出行方式选择行为的影响研究

以北京市为例,运用RP/SP组合调查方法向交通出行者发放500份调查问卷,并利用非集计模型理论及方法,建立包括居民个人属性、出行特性以及空气污染程度在内的三因素MNL模型,确定五种不同交通方式对常规地面公交的相对效用,最后得出雾霾天气较正常天气时的全交通方式分担率和转移率。     

天津市居民出行特征分析与交通政策探讨

依据天津市居民出行调查的有关数据,通过对出行强度、出行方式、出行距离、出行成本等系列指标总结归纳出天津市城市居民出行的规律、变化特征及其原因,并与我国其他部分城市的居民出行资料进行对比分析,针对未来发展趋势对天津市城市交通发展提出相应的对策与建议。     

道路施工对居民出行方式选择的影响分析

为分析道路施工对居民出行行为的影响,以西安市为例,向居民发起300份问卷调查,调查方式采用RP数据和SP数据结合的方式,建立非集计模型来统计分析调查基础数据,找到调查变量与居民出行的相关变量,得到施工前后居民出行行为转变的概率。     

宁波市居民出行特征分析及交通发展对策研究

对比分析宁波市与国内其他城市居民出行调查的有关数据,通过出行强度、出行方式、出行的时间分布、出行的空间分布等一系列指标.总结归纳出宁波市城市居民出行的规律、变化特征及其原因.针对其出行总量增加、出行距离加长、出行耗时增加、私人交通方式比重较高、城市交通大区间的联系通道交通量较大、高峰小时峰值强劲等特点,对宁波市城市交通发展提出公交优先发展、就近就业、建设快速交通系统及实施交通需求管理等建议,对于推动该市的交通发展具有积极的意义.     

通化市居民出行特征分析及交通发展对策研究

分析通化市城市居民出行调查的有关数据,通过出行强度、出行方式、出行时间分布、出行空间分布等一系列指标,总结归纳通化市城市居民出行的特征及其原因。针对其出行总量增加、出行距离加长、出行耗时增加、城市交通大区间的联系通道交通量较大、高峰小时峰值强劲等特点,对通化市城市交通发展提出优化道路网络、优先发展公交、建设快速交通系统及合理配置停车设施等建议,对于推动该市的交通发展具有积极的意义。     

宁波市居民出行特征分析及交通发展对策研究

对比分析宁波市与国内其他城市居民出行调查的有关数据,通过出行强度、出行方式、出行的时间分布、出行的空间分布等一系列指标,总结归纳出宁波市城市居民出行的规律、变化特征及其原因。针对其出行总量增加、出行距离加长、出行耗时增加、私人交通方式比重较高、城市交通大区间的联系通道交通量较大、高峰小时峰值强劲等特点．对宁波市城市交通发展提出公交优先发展、就近就业、建设快速交通系统及实施交通需求管理等建议．对于推动该市的交通发展具有积极的意义。     

具有模糊特性变量的出行方式预测Logit模型

基于非集计模型与模糊数学理论,以城市群居民出行行为为研究对象,选择出行者的出行时间和出行费用作为影响因素,利用极大似然估计法进行参数标定,通过t检验、命中率检验与优度检验,将出行时间模糊化,忽略出行费用的影响,建立了具有模糊特性变量的出行方式预测Logit模型。将轨道交通与小汽车2种出行方式的时间模糊化参数分别选为0.1、0.3、0.5,分析了出行方式与出行时间对居民出行行为的影响。分析结果表明:轨道交通与小汽车的平均出行感知时间之比为0.8～1.2,且2种出行感知时间同等程度变化;当轨道交通出行时间模糊化参数为0.1,小汽车出行时间小于70min时,出行者均选择轨道交通出行;当轨道交通出行时间模糊化参数为0.3,小汽车出行时间小于67min时,出行者继续选择轨道交通出行,但当小汽车出行时间大于67min,小汽车出行时间模糊化参数分别为0.1、0.3时,出行者选择小汽车出行;当轨道交通出行时间模糊化参数为0.5,小汽车出行时间小于58min时,出行者仍然选择轨道交通出行,但当小汽车出行时间大于66min时,出行者均选择小汽车出行。     

基于集成学习和居民属性数据的出行方式预测模型

传统的效用理论模型以整体效用最大化为目标，忽略了影响居民出行方式选择肢间可能存在相关性以及部分效用相互补偿性。基于集成学习的居民出行方式预测模型可以有效表达出行效用的个体偏好、差异性和补偿性，解决了不同出行特征影响因素对于不同人群有不同效用表征问题。本文依托大样本居民属性数据，针对不同个体对不同影响因素的感知差异，结合居民出行调查的个人属性、出行属性及环境属性等相关影响因素进行综合分析，构建个体级居民的出行特征向量；研究构建基于集成学习方法的居民出行方式预测模型；以广州市为例进行实证分析，通过准确率、精确率、召回率和F1值这4个指标，对模型预测结果进行综合评价；针对部分出行属性相似导致细分的出行方式判别精度不高，按照大类方式、慢行交通、公共交通、个体机动化交通这4个类别构建层次化LightGBM (Light Gradient Boosting Machine)模型，并对GBDT (Gradient Boosting Decision Tree)、Random Forest、LightGBM、层次化LightGBM这4个模型预测结果进行综合对比。分析结果表明：LightGBM模型预测慢...     

层次分析法在居民出行方式选择中的应用研究

随着社会经济地快速发展,人们生活水平的提高,在出行方式选择上追求方便、快捷、对公共交通服务的质量、舒适水平提出更高要求.通常在出行发生点和吸引点之间,存在多种交通方式,不同的交通方式,由于技术性能,运行条件及服务方式不同,因而在时间、费用、安全、方便、舒适等方面具有不同的服务属性.对于不同的人和不同的出行,各种因素的重要性是不同的,收入低的人注重的是总出行费用最少;通勤出行的人注重的是出行时间最短等等,通常出行者总是试图选择能最大限度满足其愿望的交通方式.