考虑心理潜变量的城市电动自行车用户出行决策行为

为探究电动自行车用户对不同城市电动自行车规范管理政策的行为响应机理,采用问卷调查方法收集用户的社会人口特征、出行特征、心理特征以及在不同政策下的决策,基于心理接受度等潜变量构建了多指标多因素模型, 得出了潜变量的拟合值,将潜变量作为解释变量引入到行为决策模型中,构成了混合选择模型来分析社会人口变量、出行特征变量和心理潜变量对电动自行车用户出行决策的影响。结果表明：①电动自行车用户的心理特征显著影响其出行决策行为,对政策接受度更高的用户会表现出更强的正面行为倾向;②经济因素是导致出行者继续使用超标违规电动自行车或违反政策的主要原因;③提供报废补贴能中和收入对决策的影响,促进低收入家庭购买符合标准的电动自行车;④政策的实施会促进电动自行车交通向小汽车交通的转移。     

引入忠诚度变量的城际出行方式动态选择行为研究

针对中国城市群的快速形成与发展,结合城市群城际出行特点,研究城市群城际出行方式选择行为.基于非集计理论,对效用函数引入刻画动态选择行为的忠诚度变量,抓住了出行者出行方式选择的关联性.利用了平滑指数计算忠诚度变量,既反映了忠诚度的持续性也考虑了突变性.将忠诚度变量作为影响因素引入模型的可观测效用部分,建立出行者城际出行方式选择Mixed Logit模型.在大量调查问卷基础上,通过对引入前后的模型对比分析计算得出,忠诚度变量加入后,模型中其他的出行影响因素效用强度明显削弱,其产生的正效用证明了城际出行选择是一种带有倾向性的行为反应,具有某种出行方式选择的持续性、依赖性和突变性,说明出行者过往的出行体验对选择心理具有显著的影响,也说明构建的模型很好地还原了出行方式选择的动态特性.     

通勤者出行方式与出行链选择行为研究

通过分析2005年北京市居民出行调查数据,构造通勤者上班出行方式选择和出行链类型选择相互影响的NestedLogit模型,分别建立出行方式→出行链和出行链→出行方式两个方向模型结构,采用统计软件STATA9.0对模型进行标定,并利用包容系数对Nested Logit模型的结构关系进行辨识。结果表明,出行方式选择和出行链类型选择之间不是单方向影响关系,而是一种双向的相互作用关系;出行链→出行方式选择决策较为合理,反应通勤者倾向于首先考虑如何组织当天要参加的各种活动,然后在出行链安排的约束下考虑选择合适的出行方式。     

基于心理潜变量的乘客公共交通满意度研究

为了缓解地铁运营初期城市交通拥堵,考虑常规公交和地铁的快速准时性、便捷性、舒适性等8个心理潜变量,运用结构方程模型分别对乘客常规公交和地铁的出行满意度影响机理进行深入探究,不仅分析各心理潜变量之间的内在联系,也探究个人社会经济属性与心理潜变量之间的相关性。结果表明,常规公交与地铁的快速准时性、便捷性、舒适性分别对乘客的常规公交出行满意度和地铁出行满意度存在显著影响;乘客的性别、年龄、受教育程度和是否有车对部分心理潜变量产生不同程度的影响。研究结果可为地铁运营初期的城市提升常规公交和地铁服务水平、提高公共交通出行分担率提供管理策略。     

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。     

基于随机系数Logit模型的城市群城际出行方式选择行为研究

以粤港澳大湾区城市群的广深城际运输通道为例,分析城际运输通道中影响旅客出行方式选择行为的因素及其影响。传统的多项式Logi（tMNL）模型具有无关方案独立性,无法对不同出行者的选择偏好差异进行定量分析,故应用随机系数Logit模型分析城际交通出行选择行为。选取城际出行旅客的个人社会经济属性、心理潜变量（对交通方式舒适性、可靠性和便捷性的心理感受）、城际出行方式特征变量设计问卷。采用线上与线下相结合的方式开展问卷调查,共收集534份问卷,基于此建立并求解随机系数Logit模型。随机系数Logit模型估计结果的伪R²为0.178,表明模型具有良好的拟合度。研究结果表明：城际出行旅客的收入、职业、私家车保有情况、家庭儿童数量以及对出行方式便捷性的感知对其选择行为有显著影响;而出行方式的舒适性、可靠性对城际出行方式的选择行为影响不显著;改善交通方式的便捷性对提升城际出行方式的吸引力起关键作用。因此,在城际交通规划设计、运营管理中应着重考虑便捷性对城际交通方式选择带来的影响。     

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用、时间与距离的偏好具有异质性,且出行方式特性、社会经济属性与潜变量都对出行选择的效用有显著影响。弹性分析表明,当感知防疫安全程度与防疫策略提升了100%时,旅客选择民航出行的概率分别提升了23.207%与21.349%;而当乘车体验提升了100%时,旅客选择高铁出行的概率提升了18.229%。综上,所提方法揭示了潜变量对旅客出行选择行为的显著影响;通过提升感知防疫安全程度、防疫策略与乘车体验等手段,可以提升旅客选择高铁、民航出行的概率。     

城市居民出行空间和方式联合选择模型研究

考虑到出行者出行空间和出行方式之间的重要联系,本文基于非集计模型中Nested Logit模型的理论和方法,结合2005年国内某大型城市居民出行调查数据,建立了城市居民出行空间和方式的联合选择模型。模型为2层的NL模型,第1层为空间选择层,第2层为方式选择层,以此将出行空间选择和出行方式选择连接起来。模型采用统计软件STATA 9进行标定,并通过统计指标进行验证,深入分析了影响出行者出行空间选择和出行方式选择的重要因素。最后,用同样的数据源建立了方式选择的MNL模型,通过对比联合模型和MNL模型的命中率和集计结果表明,出行空间和方式联合选择模型能够在较细的层面上预测出行者出行空间和交通方式的选择情况,从而提高了模型的精度和实用性。     

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。     

考虑通勤满意度的出行方式选择研究

为探索通勤感知评价对出行方式选择的影响,以昆明市为例分析通勤满意度对不同出行方式选择的解释力度.通过描述性统计和非参数检验,发现不同出行方式人群的职住关系、通勤时间和通勤满意度等单个变量皆存在显著差异.建立多元Logistic回归模型进行分析,结果表明,通勤满意度较高的群体更有可能选择步行和骑行通勤,而通勤满意度较低的...     

无人驾驶汽车对中短距离市际出行方式选择行为的影响

研究了无人驾驶汽车对中短距离市际间出行选择行为的影响。基于计划行为理论,通过建立结构方程模型,构建出行者对无人驾驶汽车的感知行为控制、主观规范、行为态度和行为意向心理潜变量。然后将这些心理潜变量纳入到随机系数Logit模型建立混合选择模型。以武汉市为例进行实证研究,结果表明：在效用函数中,车内时间、出入站和候车时间,以及出行费用这3个变量的系数不是固定值,而是分别服从均值为-0.014,-0.008,-0.010,标准差为0.014,0.021,0.017的正态分布。个体对无人驾驶汽车的感知行为控制和行为态度每提高1个单位,采用无人驾驶汽车出行的概率分别增加64.3%和77.9%。无人驾驶汽车的出行费用和车内时间每下降1%,选择无人驾驶汽车的概率上升0.403%和0.467%。结果证实出行者对车内时间、出入站和候车时间和出行费用的偏好存在异质性,感知行为控制和行为态度对出行者选择无人驾驶汽车出行具有显著正影响,减少无人驾驶汽车的出行费用和出行时间可以提高该方式的吸引力。     

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。     

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。     

家庭收入差异对出行方式选择的影响分析

出行者时间价值是影响出行决策的最重要因素之一,研究时间价值有利于准确构建方式划分离散选择模型.在分析居民出行调查数据的基础上,应用聚类树分析对家庭收入分组的合理性进行了探讨,分别对每种出行方式的出行者家庭收入统计分析,说明家庭收入对家庭成员出行方式选择的影响.在说明家庭收入与出行时间价值之间关系的前提下,提出家庭共享时间价值的概念,数据拟合的结果发现家庭共享时间价值服从对数正态分布.分别基于MNL模型和ML模型构建出行方式选择模型以家庭共享时间价值为主要变量的对比模型,研究了设置家庭收入变量与不设置家庭收入变量、设置家庭收入分段变量与设置家庭收入常量、设置服从对数正态分布的费用项随机系数与不设置费用项随机系数3类情况下模型的精度和准确程度.当设置家庭收入变量且费用项系数服从对数正态分布时,拟合效果最优,居民对交通出行的主观支付意愿期望值约为家庭共享小时收入的2倍.     

新时代下城乡居民出行方式选择模型

选择合理、恰当的运输方式,是实现最佳经济效益和社会效益的前提.文章基于非集计理论,建立了新时代下城乡居民出行方式选择模型,并对模型进行了分析.该模型对城乡交通管理及城乡公路的运输规划和政策制定具有基础性的作用.     

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。     

考虑路侧停车收费博弈的多方式出行网络配流模型

路侧停车收费过程中,收费人员和停车者讨价还价的现象普遍存在,出行者实际支付的停车费用低于理论停车费用.研究该现象对出行方式选择的影响,并为停车管理和价格制定提供支撑.以改进的FSC效用函数建立3阶段路侧停车收费博弈模型,通过北京市城区实地调研结果对模型参数进行赋值,求解平均讨价还价区间.修正私人小汽车出行停车费用,建立服从Logit函数的多方式出行网络配流模型.实证和算例结果表明,路侧停车收费平均讨价还价区间为理论停车费用的50% ~80%;路侧停车收费博弈对配流模型的结果产生不可忽略的影响,考虑停车收费博弈后,不同出行距离下私人小汽车出行概率增加2.8% ~12.4%,其平均增幅为5.7%;调节停车费率对出行方式选择的引导作用效果减弱.      

共享汽车选择行为影响因素分析

为了探究城市居民的共享汽车选择行为的影响因素,首先基于计划行为理论,分析总结影响其选择共享汽车的用户感知体验心理因素,主要包括租还易用性、出行舒适性、收费合理性、感知风险.选取年龄、性别、居住城市、学历、职业、月收入、最常使用交通工具等个人属性,共享汽车收费标准、出行距离2个出行属性作为效用函数特征变量,构建了仅考虑心...     

基于DAG-SVM的居民出行方式选择模型

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.      

基于MNL模型的有轨电车出行选择行为研究

以现代有轨电车在上海建设试验线为背景,就市民出行方式的选择意愿进行了调查,在此基础上建立了多项Logit模型,研究了有轨电车的引入对市民出行方式选择的影响,明确了影响市民选择出行方式的关键因素为薪资收入、出行准点要求以及出行距离,进而指出了有轨电车在城市交通系统中的功能定位,并就如何提供现代有轨电车乃至城市公共交通的分担率提出了建议。