上海浦东国际机场集疏运交通方式选择行为分析

针对上海浦东机场航空旅客,进行机场集疏运交通方式选择行为研究,通过浦东机场航空旅客的SP调查数据,分析了集疏运系统服务水平对航空旅客交通方式选择行为的影响,在按照出行目的、居住地情况和携带大件行李3个要素对航空旅客进行市场细分的情况下,建立了分类的机场集疏运交通方式选择行为的多元Logit模型,对影响机场交通方式选择的...     

出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性

为了更科学合理地对配置多模式交通设施资源提供理论依据,利用效用平衡原理与平面设计原则,构建了一种融合多影响因素(费用、行程时间、行程时间可靠度、车内拥挤程度)和多种交通方式(自驾、地铁、停车换乘、公交车)用于分析出行选择行为的SP调查设计方法。采用一对一、面对面调查方法收集有效行为数据,利用离散选择理论定量化分析了各种因素对出行方式选择的影响,探究了多模式交通网络中的方式选择行为,解析了出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性。研究结果表明:地铁的可靠度价值比公交车和小汽车的可靠度价值分别高59.8%和32.1%;公交车的车内拥挤度价值比地铁和停车换乘的车内拥挤度价值高26%和84%,表明出行者对不同交通方式行程时间可靠度和车内拥挤存在显著的感知差异性,感知差异性显著影响方式选择模型预测结果而应该在模型中被充分考虑;行程时间可靠度和车内拥挤度显著影响通勤出行者的方式选择;平均时间价值和行程时间可靠度价值分别为49.8,81.97元·h~(-1),出行者愿意增加超过50%的平均出行时间来避免过度的车内拥挤;定量化的支付意愿等结果可用于多模式交通设施的规划设计与评价。     

出行方式选择行为的个体时间感知差异性建模分析

采用系统捕捉和随机捕捉两类捕捉形式对出行方式的时间感知差异进行建模分析，以验证出行方式选择中时间认识的个体差异性，为更准确的交通方式划分预测提供模型参考。系统捕捉通过在Logit模型中分别设置性别、收入与出行时间的交叉变量以捕捉性别和收入不同导致时间价值认识的差异；随机捕捉通过假定出行时间参数分别服从正态分布、均匀分布、对数正态分布以及约翰逊分布4种随机分布形式，利用Mixed Logit模型捕捉出行者对时间感知的差异。结果表明：出行方式选择中出行者对时间重要性认识存在差异，男性比女性对时间要求高，高收入者比低收入者对时间估值更高；随机捕捉较系统捕捉更能捕捉到出行时间的感知差异，且约翰逊分布较其他分布对时间感知差异性的模拟更优。     

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。     

出行者心理与交通信息系统存在问题分析

通过对出行者的出行心理进行分析，发现ITS的交通信息系统在诱导出行者的出行时，可能出现一些问题，如信息过剩、过激反应和集聚反应，并对上述现象进行了分析。     

考虑出行者偏好和经验的路径选择行为研究

出行者的路径选择行为是包括自身特性在内多种因素共同作用的结果。为分析出行者偏好对路径选择行为的影响,首先假设出行者从路网中获取的信息为不完全历史信息,建立了理解行程时间及其更新模型,然后给出了基于经验-加权吸引力(EWA)学习模型和累计强化学习模型的两种偏好动态更新规则,最后通过Dogit模型将理解行程时间和路径偏好共同纳入出行者的路径选择决策中。在此基础上,对比分析了不考虑路径偏好、路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好4种不同偏好情况下网络交通流的演化情况。算例结果表明:相比利用Logit模型不考虑路径偏好的流量分配结果,利用Dogit模型考虑路径偏好的流量分配结果更为均衡,且在考虑偏好时,路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好3种情况下路径的均衡流量间差异较小;偏好动态更新时,基于EWA学习模型的路径偏好动态更新规则较累计强化学习模型能更好地捕捉出行个体的路径偏好,但由累计强化学习模型得到的路网流量分配结果更为均衡;偏好为固定值时,路径的均衡流量介于EWA学习模型和累计强化学习模型两种偏好动态更新规则下路径的均衡流量之间。     

私家车出行者交通信息需求研究

交通出行信息对私家车出行者行为选择存在不同程度的影响。通过对大连市私家车出行者交通出行信息使用意向调查,获取私家车出行者交通出行信息选择行为特性数据,引入因子分析方法对交通出行信息内容进行合理分类,建立交通出行信息选择累积Logistic回归模型,对私家车出行者交通出行信息需求进行研究。研究结果表明私家车出行者对交通出行信息内容存在不同程度的需求,其中与个人私家车出行质量相关信息的需求最高,面向私家车出行者的城市交通信息服务系统建设与运营应体现针对性。     

基于驾驶员行为的交通信息发布方式选择研究

信息技术在交通方面的应用越来越广泛,交通诱导信息的发布可大大提高路网的运营能力,为缓解交通供需矛盾提供了一个有力工具。交通诱导信息作为城市交通流分布的重要影响因素,通过改变驾驶员的出行时间、出行方式和出行路径,使道路上的交通流重新分配。本文以SP调查数据为支撑,从出行行为角度分析交通诱导信息方式对驾驶员出行选择行为的影响。利用非集计模型建立驾驶员选择行为模型,预测分析拥堵状态下,驾驶员对不同交通诱导方式的选择行为,进而有序地引导驾驶员出行选择,以达到缓解交通拥堵的目的。     

基于巢式Logit模型的交通方式选择行为研究

与传统的多项Logit模型(MNL)相比,基于离散选择理论的巢式Logit模型(NL)放宽了IIA限制,具有更好的解释能力.文中介绍了NL模型的原理及公式推导,并将其应用于交通方式选择行为中,通过实例,建立交通方式选择模型,利用SAS软件对其进行求解和分析,得到出行者对各种交通方式的选择概率.     

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.      

先进的旅行者信息系统对出行者选择行为的影响研究

目前研究先进的旅行者信息系统对出行者选择行为的影响主要集中在对路径选择行为的影响上,而忽略了对出行者出行终点和交通方式选择的影响。假定路网中的出行者一部分装有信息装置,另一部分没有装信息装置,利用离散选择理论中的层次选择结构模型和交通规划理论中的随机均衡方法,研究了先进的旅行者信息系统对出行者终点选择,方式分担和路径选择行为的综合影响,建立了一个与网络均衡条件等价的数学规划模型,设计了模型的求解算法,并用一算例分析了市场渗透率和信息质量对出行者选择行为的影响。     

交通安全、交通效率与交通行为选择

从现存城市道路交通安全隐患的社会背景出发,指出出行者现代交通意识和交通行为选择的特别重要性,给出了现代交通意识与交通安全内涵的科学概括,分析了认识城市道路交通属性与现代交通意识的关系,举例说明了交通行为选择中的若干心理学问题,简要论述了交通伦理、交通法治在建立和谐社会、和谐交通中的重要意义。     

混合交通流出行者Agent行为模型

由于混合交通流的交通行为和交通情况的复杂性,针对混合交通流的微观仿真模型开发一直是系统仿真领域研究难点和热点.文中提出一个基于活动的、适用于城域混合交通流仿真的出行者Agent行为模型——A-TAM,通过分析一个完整的典型出行过程,借此构建出A-TAM模型层次框架,应用Agent建模、效用函数理论和“心理场”理论对A-TAM模型中各层次模型进行分别建模,最后应用A-TAM模型对自行车在混合交通流无信号交叉口的行为进行建模,仿真结果验证了A-TAM模型的有效性.     

路况信息发布时出行者有限理性路径选择行为及建模研究

实时路况信息的提供,有助于出行者对不同路径效用的判断,但由于信息的模糊性以及出行者有限的计算能力,出行者的决策行为在某些情况下依然是有限理性的,即不能选择效用最大路径。因此,本研究基于西蒙的有限理性理论,假设出行者不能完全预测全部备选方案的后果,即实现效用最大化,提出了有限理性模型,并设计试验,验证交通领域路径选择中有限理性的决策行为。试验中,每次出行前向被试者发布实时路况信息,记录被试者的决策结果、决策时间等数据,分析其有限理性路径选择行为,并建立有限理性路径选择模型描述其有限理性特性。研究发现出行者在两条路径效用差小于一定阈值时无法实现理性判断,实现效用最大化,只能随机选择;在效用差大于该阈值时才可进行理性判断,实现效用最大化。根据这一现象,将原有Logit模型效用最大化假设松弛为有限的效用最大化假设,并建立有限理性下的Logit模型(BRBL模型)。通过对模型研究分析,发现模型在0点附近的敏感度要小于传统Logit模型。通过分别对BRBL模型和BL模型进行标定,发现改进后的模型可以解释出行者路径选择决策中的一些有限理性行为,而且标定结果显示模型精度优于传统的BL模型,在路况信息提供下的路径选择问题,新的模型更为适用。     

综合交通枢纽交通方式选择模型研究

立足于离散选择模型和Nest Logit模型的基本理论,针对Nest Logit模型可以考虑不同选择项之间相关性的特点,研究其在综合交通枢纽交通方式选择方面的应用。分析综合交通枢纽内部各种交通方式的特点,建立基于Nest Logit模型的综合交通枢纽交通方式选择模型,确定其效用函数,计算交通方式选择概率,并对模型参数进行标定。在分析中山市居民换乘意愿调查数据的基础上,针对不同距离分别对出行者换乘交通方式选择进行预测,并把预测结果同实际调查结果进行对比分析,验证了模型的适用性。     

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。     

交通方式选择模型与应用研究

该文运用用效用和随机效有的概念，儿有在原则推出了效用服从Ｇｕｍｂｅｌ分布时的Ｌｏｇｉｔ模型，在此基础上简要介绍了交用服从其他分布时的交能芬担模型，进一步地，文章采用乘客收入与旅行时间来描述效用函数，给出了公共汽车与了出租车两种方式下应用Ｌｏｇｉｔ模型计算的结果，初步分析了总体收水平及总体收入水平的不同分类对运输方式分担结果的影响效果。     

基于时空约束的出行方式选择行为分析

城市居民的日常出行往往受出行计划的限制。为定量分析其产生的时空约束对出行方式选择行为的影响,以时空棱柱理论为基础,构建了出行过程中的时空约束范围。通过计算时空可达性(包含变量活动地点吸引力、自由活动时间、交通时间)定量描述时空约束,并将其作为选择方案的特性变量加入效用函数中,建立了基于时空约束的多项Logit模型。通过问卷调查收集的数据进行模型标定与检验,分析了时空约束对出租车、私家车、地铁及公交汽车4种出行方式的综合影响。将活动地点吸引力-自由活动时间及活动地点吸引力-交通时间进行组合,研究了其共同作用下对出行方式选择的影响。结果表明:出行计划中存在限制型活动的情形下,时空约束为显著性影响因素,其对4种交通方式的影响程度顺序为出租车私家车地铁公交汽车;对于不同时空范围内的出行,活动地点吸引力-自由活动时间和活动地点吸引力-交通时间共同作用时,对出行方式选择概率的影响存在较为明显的差异性。     

信息对出行者出行行为的影响研究

研究了出行者在交通网络发生交通事故条件下的出行行为，出行者根据用户最优原则决定是否改变出行路径，建立一种简单网络上的排队模型，分析了ATIS对出行者在交通事故期间路径选择行为的影响，得出了ATIS有益于缓解交通网络拥挤状况的结论。