公交信息条件下的公交出行意愿研究

深入解析公交信息对居民公交出行意愿的影响机理,是合理规划城市公交出行信息环境的理论基础,对于城市交通管理以及交通拥堵的缓解有着重要的意义。基于计划行为理论在行为态度、主观规范、知觉行为控制3个基本变量的基础上加入公交信息、出行经验、个人属性等变量,对计划行为理论加以改进,利用改进的计划行为理论建立公交信息条件下的公交出行意愿模型。以南京市居民为调查研究对象,运用结构方程模型对调查数据进行验证分析,确定了各变量的相互作用关系以及它们对公交出行意愿的影响效应。结果表明公交信息对公交出行态度、主观规范、知觉行为控制等变量有直接显著影响,且为正向关系,影响系数分别为0.533、0.451和0.576;公交信息会对公交出行意愿产生间接影响,影响总效应为0.92,说明高质量的公交信息可以提升公交吸引力,增强居民的公交出行意愿。      

新冠疫情对居民休闲出行影响研究

为了就新冠疫情对疫情结束后居民休闲出行的影响展开调查研究,把握疫情后居民休闲出行偏好的变化,分析休闲出行意愿的影响因素和影响机制,并量化分析各因素的影响,基于计划行为理论和收益-风险分析构建结构方程模型,量化感知风险、感知正效用、出行态度、主观规范、感知行为控制等影响因素与疫情后休闲出行意愿的相互影响机制,并利用单因素...     

常态化疫情防控阶段旅客中长距离城际出行联合选择行为建模

新冠肺炎疫情对旅客中长距离的城际交通出行影响巨大,现有研究侧重疫情暴发初期疫情对城际交通出行的影响,针对常态化疫情防控阶段旅客城际出行选择行为的研究相对较少,因此,本文旨在研究常态化疫情防控阶段旅客中长距离城际出行选择行为。针对民航、高铁、普铁和自驾等方式分别建立包含4种城际出行方式的多指标多因果出行选择模型（MIMIC）,模型中引入感知防疫安全程度、防疫策略、乘车体验与出行习惯4个潜变量,探究潜变量与观测变量的因子载荷并辨识模型参数,求取各潜变量的拟合值;在此基础上建立考虑出行方式特性、旅客社会经济属性与潜变量的多出行方式联合选择行为模型（MIMIC-Logit）,探究常态化疫情防控阶段旅客出行心理对其出行决策的影响;假设出行费用、时间与距离等变量的随机系数服从正态分布,采用抽样1000次的Halton序列对随机系数进行仿真求解,得到随机系数的回归分析结果。以2021年4月—6月到达西安旅客的调查数据为例进行实证研究,结果发现：所提MIMIC-Logit模型的拟合优度与命中率分别为43.621%与83.312%,均高于多项Logit模型与随机系数Logit模型;旅客对不同方式的出行费...     

出行者信息类型偏好对其路径选择行为影响研究

城市交通系统本质上是由大量个体出行行为聚集形成的宏观系统,对于城市交通管理者而言,研究微观个体出行者的自身内在因素以及一些外在因素对其选择行为的影响,是制定相关有效管理措施的前提.通过RP调查方法,获取了城市交通出行者个体属性(性别、年龄和驾龄)、信息类型偏好(描述性信息和规范性信息)以及路径选择偏好(最短路径、可接受路径以及固定路径)数据.基于调查数据,研究构建了城市交通出行者信息类型偏好对其路径选择行为影响的结构方程模型,通过对模型的拟合分析,探讨了城市交通出行者的个体属性及信息类型偏好,对其路径选择偏好的影响.研究发现,城市交通出行者个体属性间的差异,使得他们偏好于不同类型的交通信息,有着不同的路径选择行为;描述性信息能够使得城市交通出行者更加倾向于选择最短出行路径,而规范性信息能够使得城市交通出行者更多地打破其固定路径选择行为;但是在交通信息影响下,仍有部分出行者倾向于选择固定路径,即使该固定路径并非是最优出行路径.文中相关研究结果有助于交通管理者更好地去预测,在交通信息影响下不同类型出行者的路径选择行为变化情况.      

出行者环保意识对低碳交通政策支持度的影响

为减少汽车尾气污染,政府部门应制定交通政策推动出行者采用低碳出行方式。有效的交通政策需要深入了解影响出行者低碳出行的心理因素。通过实证分析,研究出行者环保态度、环保行为、公交偏好等潜在变量对低碳交通政策支持度的影响。基于结构方程模型（SEM模型）的基本原理,建立模型假设,并通过Mplus进行数据分析。研究发现,环保态度会直接影响环保行为、公交偏好,环保行为直接会影响公交偏好,公交偏好会直接影响低碳交通政策支持度;但环保态度和环保行为对低碳交通政策支持度没有直接效应。在95%的置信水平下,性别、婚姻状况、私家车拥有情况、房产拥有情况、是否开车上班对结构方程模型均无显著影响;但在90%的置信水平下,性别、教育程度对结构方程模型的影响显著。      

多模式公交信息服务条件下的出行方式选择行为研究

为了科学评价多模式公交信息服务对出行方式选择行为的影响,基于超级交通网络理论,从出行链的角度分析了多模式公交信息服务对出行方式选择的影响机理,并在构建巢式Logit出行方式划分模型的基础上引入行程时间可靠度因子改进效用函数;根据上海市某郊区得到的显性偏好调查数据,利用极大似然法对巢式Logit模型进行参数标定后,对有无多模式公交信息服务条件下的出行方式分担率进行了计算和对比分析.研究结果表明:多模式公交信息服务能够有效引导轿车及其他个体机动化出行方式向多模式公交系统转移,提高了公交出行比例.研究结果可为大城市公共交通信息系统的改善和建设提供决策支持.     

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。     

面向智能手机的驾驶员交通信息搜寻-决策行为分析

为系统分析面向智能手机的驾驶员交通信息搜寻-决策行为影响机理,在集成分析交通信息搜寻及决策行为,构建驾驶员交通信息行为概念模型的基础上,基于有序多分类Logistic模型构建搜寻行为模型,分析社会属性和交通信息感知对驾驶员交通信息搜寻行为的影响;同时,基于TPB构建决策行为模型,考虑心理因素变量对驾驶员交通信息决策行为的影响,运用结构方程模型定量刻画驾驶员对智能手机发布交通信息的响应机制.结果 表明:①驾驶员年龄与交通信息搜寻频率呈显著负相关,信任度对搜寻频率的正向影响最大,平均作用系数达21.762;②知觉行为控制对驾驶员出行决策的影响最大,贡献度达0.4;③停车信息对驾驶员行为态度的影响最小,贡献度为0.85,表明驾驶员迫切希望提高智能手机中停车信息的精准性和时效性.      

诱导信息条件下驾驶员路径选择行为研究

驾驶员的路径选择行为是影响交通诱导成效的一个关键因素。建立了诱导信息条件下驾驶员路径选择行为模型,仿真分析了诱导信息和驾驶员的经验对驾驶员路径选择行为、路网交通流分布、系统整体效益的影响。研究结果表明,随着出行次数的增加,2条路径的交通流波动逐步减小,系统总行程时间逐渐减少,逐渐趋于系统均衡。驾驶员的长期经验、诱导信息的长期准确对驾驶员的路径选择行为、系统均衡具有重要影响。     

新冠肺炎疫情下城市公共交通非常规防疫策略——以宁波市为例

在国家重大突发疫情面前，城市公共交通具有保障出行与阻断疫情的双重责任。面对新型冠状病毒感染的肺炎（简称新冠肺炎，COVID-19）疫情，城市公共交通既要保证有效运输，又要降低疫情扩散的风险。地铁和常规公交是城市公共交通系统不可缺少的一部分，在城市公共交通中占据重要地位。针对宁波市城市公共交通系统中存在的防疫问题，提出了基于问题驱动的城市公共交通非常规防疫策略。研究结果表明：新冠肺炎疫情形势下，城市公共交通系统防疫需要启动应急响应机制，遵循分区分类防控的基本原则，在保障人们刚性出行需求的同时，必须阻断疫情传播，减少通过公共交通运输造成的交叉感染，实现疫情可防可控。除体温检测、佩戴口罩与洗手消毒等防疫措施之外，还应结合地方实际和风险评估等级采取非常规的组合防疫策略，即：①面向城市常规公交，建议采取网格化运营策略、需求响应式运营策略以及应急公交接驳策略；②面向城市轨道交通，建议采取3级组合防疫策略，即暂停运营策略、车厢隔离防疫策略以及需求响应式防疫策略。以上常规公交与轨道交通的多种组合防疫策略需根据疫情的发展情况动态调整，及时启动相应级别的公共交通应急预案，被动防御与主动防控相结合，积极发挥城市公共交通在疫情时期的交通骨干作用和应急保障作用。     

重大疫情对乘客公共交通依赖性的影响

深入探究重大疫情对乘客公共交通使用行为和依赖性的影响,有助于针对性地改善公共交通服务质量和供需平衡情况.结合前景理论与计划行为理论,开展重大疫情时期SP/RP出行调查,从出行行为表现维度选取3个指标并利用k-means算法标定公共交通出行群体,从7个层面筛选公共交通依赖性内外部影响指标,采用结构方程模型构建重大疫情对乘...     

不同规模城市居民出行方式影响因素分析

明确影响不同规模城市中居民出行方式选择的关键因素及其影响路径,有助于采取针对性策略调节城市居民出行结构,进而提高城市交通系统效率,缓解交通拥堵、空气污染等"城市病".现有研究较少关注中、小城市的居民出行方式选择,较缺少同省份居民出行方式选择的跨城市规模对比分析,不利于策略制定者运用出行方式关键影响因素调节居民出行行为....     

Modeling the Effects of Population Density on Prospect Theory-Based Travel Mode-Choice Equilibrium

In conventional transportation planning models, it was always assumed that the population density is given and fixed in the study areas. Therefore, the effects of population density on travel choice have not been explicitly incorporated into these existing models for long-term transportation planning. Meanwhile, travel choice models in previous studies are usually developed by using discrete choice theories or user equilibrium principle. Thus, many significant characteristics of travelers’ behaviors, such as risk preference and learning process over time, cannot be considered in these conventional models. This article proposes a convex prospect theory-based model to investigate the effects of population density on the travelers’ mode-choice behavior under an advanced transportation information system (ATIS) in a multimodal transportation corridor. It is shown that population density is closely co-related to the modal split results and dependent on the performance of the railway mode in the study corridor. The park-and-ride mode may not be suitable for areas with high population density. This article also investigates the travelers’ reference points on the generalized travel costs by modes. A numerical example is given to illustrate the properties of the proposed model together with some insightful findings.     

COVID-19在公交网络传播模型及防疫策略有效性分析

城市公交系统是空气传播型病毒进行人际传播的重要潜在空间，研究病毒在公交系统中的传播，能精确的指导公交防疫策略的制定。基于双层公交网络模型，耦合出行规则和SEIR模型建立了公交网络传播模型，以某虚拟的区域空间和公交线网为背景，根据双层网络模型的特点，分析了公交车上及公交站点病毒传播的过程，制定宏观和微观2种防疫策略并分析效果。研究发现，公交出行会导致病毒大范围传播，公交车上和公交站点是最重要的传播环节。对公交防疫策略效果的分析中，宏观控制策略的切断公交线路比例φ₁ >0.5或者停运公交站点比例 φ₂ >0.4时，最终免疫人群比例会下降至0.3以下。微观调节策略则需要同时调整发车间隔 t_d < 4且满载率α < 50%，则最终免疫人群比例小于0.4，防控效果最显著。      

融合XGBoost和图谱修正的公交通勤乘客目的地预测方法

准确把握公共交通通勤乘客的目的地, 有助于明确乘客出行需求, 提升公共交通服务水平。基于北京市1个月的公共交通出行数据和RP调查数据, 通过关联分析乘客公交卡号与公共交通刷卡数据和线站数据, 匹配获得563名通勤乘客完整出行链数据, 并利用关联规则实现302名公交通勤乘客高、中、低出行稳定性辨识。引入XGBoost集成学习算法, 分别以不同公交出行稳定性乘客出行目的地显著影响因素为输入变量, 以下次出行目的地为输出变量, 通过模型参数调优, 分类构建了公共交通通勤个体乘客下次出行目的地预测模型, 高、中、低稳定性乘客出行目的地预测准确率分别为90%, 66.67%和50%。借助个体乘客出行图谱转移概率对模型预测结果进行修正, 将预测准确率分别提升至91.2%, 83.21%和69.5%, 可以有效提升中、低稳定性乘客出行目的地的预测准确性。采用公交都市系统记录的目的地数据对下次出行目的地预测聚合结果进行对比验证, 客流预测值与真值变化梯度的绝对百分误差小于10%。因此, 在划分通勤乘客出行稳定性的基础上, 融合XGBoost和图谱修正的公交通勤乘客目的地预测预测方法具有较高准确性。      

Bus travel time modelling using GPS probe and smart card data: A probabilistic approach considering link travel time and station dwell time

Abstract

Path travel time estimation for buses is critical to public transit operation and passenger information system. State-of-the-art methods for estimating path travel time are usually focused on single vehicle with a limited number of road segments, thereby neglecting the interaction among multiple buses, boarding behavior, and traffic flow. This study models path travel time for buses considering link travel time and station dwell time. First, we fit link travel time to shifted lognormal distributions as in previous studies. Then, we propose a probabilistic model to capture interactions among buses in the bus bay as a first-in-first-out queue, with every bus sharing the same set of behaviors: queuing to enter the bus bay, loading/unloading passengers, and merging into traffic flow on the main road. Finally, path travel time distribution is estimated by statistically summarizing link travel time distributions and station dwell time distributions. The path travel time of a bus line in Hangzhou is analyzed to validate the effectiveness of the proposed model. Results show that the model-based estimated path travel time distribution resembles the observed distribution well. Based on the calculation of path travel time, link travel time reliability is identified as the main factor affecting path travel time reliability.     

面向传染病疫情防控的公共交通运行管理决策支持研究

近年来全球新发重大传染病疫情不断出现，已成为人类社会必须防范应对的重大风险。公共交通在传染病疫情防控过程中承担着阻断病毒传播和保障复工复产的功能，疫情期间公共交通运行管理的决策需求和技术支撑体系与日常情况有显著差异。现有研究多针对公交日常运行决策需求展开，虽有少量针对突发公共事件的应急管理决策支持的研究，但多针对自然灾害和事故灾难场景，无法迁移应用于传染病疫情防控。基于此，以新型冠状病毒肺炎（COVID-19）疫情为例，综合考虑突发公共卫生事件应急管理流程和疫情防控实际情况，系统梳理疫情不同阶段的防控目标和决策需求，提出一种面向传染病疫情防控的公共交通运行管理决策支持系统框架，建立基于公共卫生事件案例库、多源数据融合库、公交数据分析技术库和公交防疫策略库的功能架构，并设计不同功能模块的算法模型。研究以厦门为例，对提出的决策支持系统的功能架构和算法模型进行验证。研究结果表明，构建公交乘客出行链的成功率为89.7%，并可应用于疫情不同阶段的关联客流分析、感染者同乘人员的追溯分析、医护人员等防疫人员的通勤出行识别、公交运行满载率监控等方面。研究成果不仅对传染病疫情防控有实用价值，而且对突发公共事件应急管理决策支持方法亦有理论贡献。