出行需求分析的新方法:活动模型的应用研究

结合我国交通规划实际情况,提出新型的基于活动的出行需求分析方法,通过大量的调查数据和严密的分析,研究了数据转换的过程及方法,用以分析活动与出行的关系,并以此作为活动模型与出行模型之间的桥梁。详细阐述了数据选择和整理方法、有效性检查规则;应用居民出行调查数据,分析活动及出行特征作为模拟的基础,并提出基于交叉分类的出行量预测方法;然后制定活动-出行行为的详细模拟流程,研究各特性变量的模拟方法;给出模型的验证及确认方法,并编写计算机程序实现模拟流程。该方法已应用于辽宁某市城市居民的活动与出行特征分析,验证结果显示该方法具有较强的实用性,为活动模型的研究提供了参考。     

基于视觉信息量计算的城市道路交通环境评价

通过对驾驶人在城市道路交通环境下的视觉信息需求进行分析与计算,将城市道路交通环境按照信息量含义的不同进行分层,建立了基于视觉信息层级模型的信息量计算方法.在此基础上,通过实车实验提取分析数据,对信息量计算中的参数进行计算与标定,得出信息量计算模型,并以行驶速度作为城市道路交通环境的评价参数,求出速度与信息量之间的关系,最终确定信息量阈值,建立基于视觉信息量计算的城市道路交通环境评价方法.该评价方法中速度与信息量之间呈较好的幂函数关系,R2达到0.9356,只需采集城市道路驾驶人视觉图像,通过软件分析可得出图像信息量,根据关系式和道路限速可得出信息量阈值,对比分析进行交通环境评价.该方法仅需采集驾驶人视觉图像即可完成评价,方便快捷、结果准确,但在软件处理图像信息量上尚未达到智能分析处理,尚需进一步研究改进.      

基于活动链的出行需求预测方法综述

基于活动链出行预测理论主要研究人们对社会经济活动(以下简称活动)和出行行为的决策特性。介绍此理论的发展过程,给出6个重要的模型系统,并简要评价各个模型的优缺点。然后简单介绍1994年由Ben Akiva提出的基于活动链出行需求模型,进一步说明系统的框架和预测过程。通过对基于活动链理论发展过程和实际模型应用效果的分析,给出目前模型系统存在的缺点和问题,探索改进出行需求预测方法的途径。     

高速公路交通态势分析探究

高速公路交通需求逐年增长,拥堵频发,态势分析具有紧迫性。通过梳理目前交通态势研究的相关内容,发现了交通态势研究的不足,给出了交通态势的定义和内容,明确了交通态势分析的流程和关键技术。推导改进Van Aerde模型,用于描述交通状态;给出了ARIMA模型作为交通流预测的方法,确立了基于运行速度的交通态势分级评估指标,为交通态势的进一步深化研究和管控策略的制定提供了理论支撑。     

不确定需求条件下的交通平衡问题分析方法研究

对不确定需求条件下交通网络平衡问题的分析方法进行了研究。针对不同的需求情形,分别提出了求解交通平衡模型的基于需求点逼近的点估计法和基于模型的表达式分析法。首先给出了点估计法求解交通网络平衡问题的过程,研究了点估计法的局限性;然后,提出了求解交通网络平衡模型的表达式分析法,即从模型表达式出发,在需求分布为已知的条件下计算模型的解,包括模拟法、公式稚导法和情形概率法,并以用户平衡模型求解为例,分别研究了各种方法具体的适用范围和求解过程。最后通过实例,对各种分析方法进行了对比分析。     

可达性在城市群交通规划中的应用研究

分析了城市群交通发展的新方式,指出了城市群交通规划中＂四阶段＂模型的缺陷,它不能准确地反应城市发展过程中城市之间的联系程度和交通需求强度。为此,将可达性贯穿于城市群交通规划中,阐述了传统路网可达性的计算方法在城市群规划中的不适用性,提出了基于节点重要度的城市群可达性计算新方法,能比较准确地反应不同阶段城市群内部之间的联系程度,为交通规划提供了一定的参考。     

基于级联失效模型的交通脆弱评估方法

交通网络是国民经济发展的基础支撑,其运行的安全、稳定问题已成为关注重点。为识别网络中的薄弱环节,本文在已有交通脆弱性研究基础上,梳理出目前各类交通脆弱性定义的共同点;基于用户平衡分配模型,给出一种模拟交通网络拥堵传播的级联失效模型,将此模型应用于交通脆弱性评估中;提出交通网络中节点和边脆弱强度的计算公式。以某市子路网为例,计算节点和边的脆弱强度,发现最脆弱的前十个节点和边都分布在主干路。对脆弱强度的敏感性进行分析,发现脆弱强度对于OD需求和通行能力在级联失效临界值附近的变化具有很强的敏感性。结果表明该方法对交通网络中的薄弱单元具有较好的辨识能力。     

共享单车出行特性与出行行为分析

出行行为研究有助于制定更加有效的交通建设、管理与控制的政策措施.作为一种新兴的绿色出行方式,共享单车极大地方便了城市居民出行,但由于发展过快、缺乏科学的交通规划措施,共享单车在发展过程中遇到了许多障碍,因此,研究城市共享单车出行行为很有必要.采用调查问卷的形式,对出行者进行调查并得到621条有效数据.基于对调查数据的分析,得到了居民选择共享单车与否的影响因素,并从不同因素出发分析了共享单车出行特性.建立了是否选择共享单车出行的二项Logit模型,借助SPSS软件进行计算.结果显示,女性较男性更倾向于选择共享单车出行;年轻人更倾向于选择共享单车出行;受教育程度越高的人群越倾向于选择共享单车出行.其中,受教育程度的影响最显著.模型中月收入变量被剔除,表明月收入高低对居民是否选择共享单车没有显著影响.      

基于广州交通模型的交通影响评估方法

介绍了"基于广州交通模型的交通影响评估方法"体系,阐述了应用广州交通模型把握研究项目宏观出行特征,并在此基础上建立了细部模型的技术步骤,提出了基于城市整体模型的交通影响评估方法。     

二次指数平滑在交通信息短期预测中的应用

通过对当前交通道路信息的实际情况的分析并结合指数平滑预测模型,提出了符合当前交通信息的分段二次指数平滑模型,该模型主要根据某城市一天各时段的拥堵情况计算平滑系数表,在通过二次指数平滑模型对交通信息进行短期预测。该方法充分考虑到了交通道路信息的实际情况,提高了交通信息短期预测的合理性。经过实际交通信息数据验证,结果表明基于该方法预测未来短期交通信息准确率满足使用需求,并为其他交通信息短期预测提供一种新的方法。     

手机APP出行调查系统开发及其模型应用研究

出行调查是出行需求预测模型的重要的数据来源,而国内外近几年使用的调查方法费时费力、数据量不大且很多处于理论阶段无法应用到实际中.为了解决当前调查方法中存在的问题,设计了一套基于手机APP的出行调查系统,同时还探讨了将收集到的出行数据运用到交通规划模型中的问题.该系统在注册填写个人信息以及收集轨迹数据的基础上,利用当前定位技术无法准确获知居民室内位置的特点,以达到收集居民出行数据的目的.具体方法是计算一定时间内轨迹数据的定位精度和速度来判断该段时间居民是否停留,然后将识别出的停留点根据距离进行合并,居民出行结束后在合并后的停留点位置填写相应的出行信息.从在上海青浦区的居民调查中可知,此系统使用的停留点识别方法其识别精度达到96%,因此利用该方法能够客观地收集居民出行过程中活动的空间位置和时间信息,对提升出行预测模型的精度具有重要意义.      

基于蒙特卡罗模拟方法的快速路运行时间可靠度研究

运行时间可靠度作为一个非常重要的概率测度参数能有效地评价交通网络的动态特性。在对运行时间可靠度的概念界定的基础上，分析了快速路运行时间可靠度的影响因素。提出了运用蒙特卡罗模拟方法计算运行时间可靠度，即采用蒙特卡罗模拟方法随机的对快速路入口的交通需求变量进行抽样，根据得到的样本值确定路径出行时间，然后对此出行时间进行检查，如果超过了规定的阚值，则认为不可靠，否则可靠。并通过一个算例对该模型进行了验证。最后指出了运行时间可靠度这一概率参数的应用前景。     

基于Kalman滤波的城市环路交通流短时预测研究

在介绍现有的主要交通流预测方法的基础上，阐述了基于卡尔曼滤波（Kalman）的预测模型及其具体算法。结合城市环路的交通运行特性，构建了基于卡尔曼滤波的交通流短时预测模型，并根据北京市三环路的实际数据对模型进行验证。实证数据表明．所建立的交通流动态实时预测模型的预测效果比较理想，算法的实时性也满足实际预测系统的要求，可应用于交通流预测及交通智能控制。     

Quantifying travel time variability at a single bottleneck based on stochastic capacity and demand distributions

Travel time reliability, an essential factor in traveler route and departure time decisions, serves as an important quality of service measure for dynamic transportation systems. This article investigates a fundamental problem of quantifying travel time variability from its root sources: stochastic capacity and demand variations that follow commonly used log-normal distributions. A volume-to-capacity ratio-based travel time function and a point queue model are used to demonstrate how day-to-day travel time variability can be explained from the underlying demand and capacity variations. One important finding is that closed-form solutions can be derived to formulate travel time variations as a function of random demand/capacity distributions, but there are certain cases in which a closed-form expression does not exist and numerical approximation methods are required. This article also uses probabilistic capacity reduction information to estimate time-dependent travel time variability distributions under conditions of non-recurring traffic congestion. The proposed models provide theoretically rigorous and practically useful tools for understanding the causes of travel time unreliability and evaluating the system-wide benefit of reducing demand and capacity variability.     

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。     

基于大数据的出行方式分配预测研究

随着城镇化及城市交通机动化的进程加快，在城镇化和机动化的共同作用下，交通拥挤问题已经成为制约城市发展和影响居民生活质量的主要问题之一。居民出行行为研究在交通管理和控制中有着非常重要的作用。结合多元大数据，构建出行方式选择的概率模型，有助于不同小区的出行方式分担率的预测，对缓解城市交通压力、提升运营管理能力有直接作用。本文基于小区出行分配、公共交通和非公共交通以及公交和轨道出行三个层级，分别得出出行分配预测模型，并形成计算机程序。利于实际应用，对识别城市出行特征、缓解城市交通压力提供有效措施。     

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。     

“U＆B”模式下自行车停车需求预测研究

自行车交通可达性强、经济实用,能有效弥补城市轨道交通的缺陷,两者衔接更加符合我国资源节约型、环境友好型的交通发展战略。基于多式联运理念,提出“城市轨道交通（Urban Rail Transit）＋自行车交通（Bicycle Traffic）”模式（简称“U＆B”模式）,在分析现有轨道交通换乘站自行车停车需求预测模型基础上,综合国外经验与Logit模型,研究“U＆B”模式下自行车停车需求预测模型。最后提出自行车停车管理改善策略以加速“U＆B”模式实现“无缝衔接”,具有很好的参考价值。