这是不是我们越来越不喜欢的北京

阴霾的天空,这是2012年岁末,北京的颜色。又有太多的人跟我们抱怨,摇号政策的简单和粗暴。因为他们已经摇号一年多,也没有中签,而这些朋友对汽车的需求绝不是生活的奢侈品,而是必需品,是代步工具,汽车将带给他们方便。他们有着对汽车生活的渴求,有着对高品质生活的向往,但是却被阻于荒唐可笑的摇号购车大门之外。     

“高速公路免费”如何让各方满意

“国庆期间高速公路免费通行”这一政策应该完善。总结各方意见,无非如下几种：高速公路方面说人太多车人多难管理;出行的人抱怨浪费在路上的时间太多、景区太拥挤、     

无人驾驶汽车对出行方式选择行为的影响

无人驾驶汽车对出行者出行选择行为具有重要影响,进而可以影响到城市交通需求、城市空间布局和城市规划. 基于扩展技术接受模型和考虑不同出行者偏好的异质性,建立带潜变量的随机系数Logit模型,研究出行者的出行特征、心理潜变量和个体的社会经济属性对无人驾驶汽车选择行为的影响. 结果表明:与传统的多项Logit模型相比,带潜变量的随机系数Logit模型拟合度更高;不同的出行者对出行费用的偏好具有异质性,在效用函数中,出行费用服从正态分布;无人驾驶汽车选择行为不仅受到出行特征和社会经济属性的影响,而且还受到感知信任、社会规范和行为意向等心理潜变量的影响;降低无人驾驶汽车的出行费用可以提升出行者选择无人驾驶汽车出行的概率.      

新冠疫情对老年人公交出行行为的影响

新冠肺炎疫情对交通运输产生巨大影响,但现有成果主要研究疫情爆发期疫情对交通运输的影响,较少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit 模型,研究后疫情阶段新冠病毒,老年人个人统计学特征,老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中,新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响;新冠疫情和对新冠肺炎疫情严重程度的感知对老年人使用公交意愿具有显著影响;此外,这两个因素也影响老年人外出概率和使用公交的概率.     

突发公共卫生事件持续期居民中长距离出行方式选择行为研究

为剖析突发公共事件持续期风险感知属性对居民中长距离出行方式选择行为的影响,基于非集计理论,构建风险感知差异的居民出行方式选择多元Logit模型.在2020年3月新冠肺炎疫情持续期,通过网络采集1 643份有效调查问卷,运用SPSS软件标定模型参数,获取突发公共事件持续期,影响居民出行选择的主要风险感知因素,并进行敏感性分析.结果表明：防控措施和防控措施了解程度对居民出行方式选择有显著影响;以航空运输为参考,途径站点暴露率增加对铁路运输方式的选择概率有负向影响,对公路运输方式的选择概率有正向影响;保持疫情持续期航空的低票价,以及加大航空运输防控措施的宣传可提高居民选择航空出行的概率.     

网约共享出行研究综述

网约共享出行是智慧城市交通系统的重要组成部分,作为新兴的移动互联出行方式,产生 了海量庞杂、异质多源、大尺度时空关联的交通大数据,蕴含能够描述复杂交通系统供需态势的 丰富信息。从网约共享出行行为机理、平台管理优化、政府监管政策、系统仿真优化等4个方面, 综述了国内外网约共享出行研究的基础理论前沿和交通运输管理实践成果,归纳总结了其中存 在的问题。通过移动互联交通大数据,分析网约车乘客和司机的出行行为影响因素、特征辨识及 外部性,追踪城市个体和群体的出行行为演变规律,揭示网约共享出行系统供需平衡和网络均衡 机理。研究解决网约共享出行供需的时空效应及短时预测问题,优化网约共享出行平台定价策 略,提高平台匹配和调度效率,实现供需时空资源的优化配置。利用智能体仿真、基于活动的仿 真、数据驱动的仿真等技术手段对理论结果进行模拟推演和优化验证,为政府制定相关监管政策 和平台优化运营管理策略提供理论依据和工具支持。并面向复杂动态移动互联环境,展望了亟 须开展的若干重点研究方向。     

不同类型公共交通站点接驳共享单车使用特征分析

为更好地解决接驳共享单车供需不平衡问题,以共享单车为研究对象,分析不同类型公共交通站点接驳单车使用特征,提出基于数据的共享单车特征提取方法。首先,采集共享单车使用数据,对其进行起终点解码,并根据解码后的经纬度与周边用地类型将公共交通站点分为5种典型站点类型;其次,提出以接驳活跃度、接驳距离以及用户使用忠诚度作为共享单车出行特征指标;最后,以北京朝阳区的单车数据为例,分析共享单车出行特征指标。结果显示,共享单车作为公共交通"最后一公里"出行接驳工具,居住类站点接驳共享单车使用高峰为6:30—9:30,其他类站点为7:30—9:30。共享单车接驳距离一般在2 km以内,但办公类站点接驳距离可达到3 km,且该站点的用户使用忠诚度最高。     

基于SVM的高原川道型城市通勤者出行方式选择研究

为探究典型高原川道型城市(西宁市)的出行者对交通出行方式选择的行为,以大规模的居民出行调查数据为基础,提取个人、家庭社会经济属性及出行特征指标,将包含小汽车出行和出租车出行的私人交通方式与公共交通方式这2项通勤方式选择作为目标变量,并通过显著性检验得出影响出行方式选择的8项决策变量.针对29960次有效出行样本,合理划分出训练样本集和测试样本集.基于此,分别构建支持向量机(SVM)和传统的二项Binary logistic (BL)模型以识别通勤者的出行方式选择,选取3项定量指标分方式的分类预测精度、总体分类预测精度和平均绝对百分比误差以对比不同模型的分类结果.研究结果表明:相比BL模型,SVM对分类数据具有更好的拟合效果,对出行方式选择的预测适用性良好,具体来说,对私人交通方式的预测,SVM的预测准确率比BL模型的预测准确率高出8.08％,公共交通则高出了2.76％;SVM的总体分类准确率比BL模型的预测准确率高出4.82％.     

基于 SVM 的出行方式特征分析和识别研究

基于智能手机采集的居民出行轨迹信息,分析了不同出行方式的特征,利用支 持向量机进行了出行方式识别研究.首先探讨了利用手机软件所能检测和记录的参数,进 而从出行轨迹和特征参数两个方面对出行方式特征进行了分析,探讨了不同出行方式两 两可分的关键变量,提取用于识别不同出行方式的特征向量,最后建立了径向基核函数 支持向量机（SVM）分类器.利用从大连市出行轨迹数据获取的出行方式样本,训练了该 支持向量机,并且以决策树、BP 神经网络为对照.结果表明,SVM 识别精确度为 89.6%,BP 神经网络为 85.5%,决策树为 77.3%,SVM 具有更好的识别性能.     

出行路径选择的随机后悔最小化模型

从后悔理论入手,分析后悔理论用于出行行为分析的2种一般形式:多项选择集和多属性决策,研究后悔理论在有风险和无风险条件下的模型结构,提出基于随机后悔最小化的出行路径选择行为分析模型,结合算例对比分析随机效用最大化模型和随机后悔最小化模型用于出行路径选择结果的异同.研究表明,出行者做决策时为避免未选择方案比选择方案表现的更好,试图将预期后悔最小化,而不是预期效用最大化.且对于多属性的备选方案,出行决策是半补偿性的.