考虑自行车步行影响的交通平衡综合分析模型

步行和自行车等外界因素对机动车流的影响也具有随机性,但是这种影响更多地表现为可预见性和可控制性(尤其从交通管理的角度来看),可以说这种影响将导致可预见性的路段实际通过能力降级,并且可预见性特征使得这种影响不同于随机用户平衡中路段旅行时间的感知误差.笔者通过区分路段通过能力降级因素为内因(路段上车流量增加导致道路服务水平降级)和外因(由与路段上与车流量无关的外部因素,如随意过街人流、自行车流等外部因素,引起的道路通过能力降级),并且区分路段旅行时间为通行能力降级路段上行程时间和排解交通拥堵花费的滞留时间两个构成部分的基础上,建立了考虑自行车步行影响的交通平衡综合分析模型;通过对路段参数敏感性分析和实例对照,既展示了该综合分析模型-路径期望旅行时间平衡分析模型与确定性网络用户平衡分析模型的差异性,又展示了路径期望旅行时间平衡分析模型能较好地再现人们对道路路段通行能力降级情形下的车流路径选择行为.     

自驾车旅游交通行为分析模型

随着我国私人小汽车保有量的迅速增加和旅游业的繁荣,自驾车旅游交通需求不断增加。由于旅游交通需求与传统通勤交通需求有很大的差异,在进行旅游交通规划时,必须对旅游交通需求进行分析。从行为分析的角度,在对旅游交通行为进行调查分析的基础上,利用Logit模型,分别建立了全国和北京市的周末自驾车旅游出行行为模型。分析结果表明：收入是影响个体自驾车旅游出行的主要因素。     

基于累积前景理论的出行风险分析

将出行者基于累积前景理论的出行成本——累积感知价值（CPV）看作是由路径出行时间成本和到达目的地后的到达时间感知价值共同组成,对累积前景理论（CPT）进行了介绍,同时引入到达时间感知价值（ATPV）概念建立到达时间与出行感知价值之间的联系,以一个中间节点设置可变信息情报板（VMS）的简单平行网络为例,对累积前景理论在出行决策中的运用进行了分析.结果表明,基于累积前景理论的累积感知价值建模方式较好的刻画了不同出行环境下出行选择风险,VMS的设置有利于降低出行风险.     

A hybrid model based method for bus travel time estimation

Providing accurate information about bus arrival time to passengers can make the public transport system more attractive. Such information helps the passengers by reducing the uncertainty on waiting time and the associated frustrations. However, accurate estimation of bus travel time is still a challenging problem, especially under heterogeneous and lane-less traffic conditions. The accuracy of such information provided to passengers depends mainly on the estimation method used, which in turns depends on the input data used. Hence, developing suitable estimation methods and identifying the most significant/appropriate input data are important. The present study focused on these aspects of development of estimation methods that can accurately estimate travel time by using significant inputs. In order to identify significant inputs, a data mining technique, namely the k-NN classifying algorithm, was used. It is based on the similarity in pattern between the input and historic data. These identified inputs were then used in a hybrid model that combined exponential smoothing technique with recursive estimation scheme based on the Kalman Filtering (KF) technique. The optimal values of the smoothing parameter were dynamically estimated and were updated using the latest measurements available from the field. The performance of the proposed algorithm showed a clear improvement in estimation accuracy when compared with existing methods.     

Modeling travel time of car with varying demand on an urban midblock section

The present study analyzes the stochastic nature of travel time distribution under the uncertainty of traffic volume and the proportion of cars in the traffic stream. Stochastic response surface method (SRSM) is adopted for modeling the travel time variation under the influence of traffic composition and traffic volume. This model is applied to an uninterrupted urban arterial corridor of 1.7 km length in New Delhi. Video graphic data were collected for 2 days during morning hours between 8 AM and 12 noon and evening hours of 3–7 PM. License plate matching technique was used for measuring the travel time in the study area. This study focused on travel time variation of cars with varying traffic volume and proportion of car in the traffic stream. Linear regression analysis was carried out initially to know the functional relation and significance relation between the input and output variables, and then SRSM analysis was performed. Artificial neural network (ANN) is also considered to map the relation among travel time, traffic volume and composition of traffic stream. A comparative evaluation is made among ANN, SRSM and regression analysis. Results indicate that apart from traffic volume, the influence of car population is more on travel time variation than motorized two-wheelers. It is attributed to the smaller size and comparability better operating condition of motorized two-wheelers. Also, the ANN and SRSM models are more efficient for analyzing the stochastic relation between the response and uncertain explanatory variable than the regression model.     

基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异,精准识别乘客公共交通依赖度,有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联,获取包含个体属性的公共交通出行链,从出行行为和个体属性两方面提出8个依赖度指标,构建二阶聚类模型,识别乘客公共交通依赖度.结果表明：样本按依赖度高低被划分为4类群组;部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量,并有向私家车出行转移的趋势;乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响,得出结论,个体属性指标间存在耦合关系,且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性,为精准改善公共交通服务提供支撑.     

公铁复合城际走廊多模式客流分担特征

选取了陕西省内距中心城市西安350 km范围内的咸阳、渭南、黄陵、延安4个节点城市, 搜集了相关公铁复合城际走廊上高速铁路、普通铁路、长途客车、小汽车高速出行的出行量、车内时间、票价或通行费等客流特征参数, 梳理了各种城际客流分担分析方法; 构建了距离转移曲线模型和多元Logit模型, 通过曲线拟合、试算和回归分析对模型进行了标定, 并根据模型标定结果分析了客流分担率对距离、时间和费用的敏感性, 得到区域城际多模式客流分担特征, 给出城际通道规划管理的相关建议。研究结果表明: 高速铁路、普通铁路和小汽车高速出行3种模式的分担率-距离转移曲线拟合结果理想, 决定系数均在0.94以上; MNL模型在车外时间取90~150 min时, 拟合效果较好, 决定系数均在0.79以上, 且在时间价值取50~70元·h^-1情景下决定系数达到峰值; 随着城际出行距离的增加, 出行者选择从小汽车高速出行转移到城际铁路出行, 且高速铁路较普通铁路更有优势, 西安与近距离的咸阳之间小汽车高速分担率达96.91%, 与远距离的延安之间高速铁路分担率达53.66%, 普通铁路分担率达30.58%;以车外时间为120 min为例, 高速铁路、普通铁路、长途客车、小汽车4种出行模式的阻抗系数分别为0.029~0.044、0.034~0.042、0.030~0.040、0.028~0.048, 小汽车高速出行和高速铁路增长幅度较大, 2种出行对费用更加敏感, 在时间价值取60元·h^-1条件下, 4种出行模式的阻抗系数为0.038~0.042, 4种出行对广义时间敏感性无明显差异; 建议进一步挖掘更多城市群城际通道客流分担规律, 并精确考虑城际出行链的城市端细节, 以更好地指导城际走廊的宏观规划与管理。     

运输速度技术对未来客运业发展的影响研究

以技术提升促速度提高为背景,研究运输速度对客运业的影响.首先,系统回顾了历史上航空运输、铁路运输和公路运输速度的进步,以及助推速度提高的技术支撑;其次,以运输速度丰富内涵为切入点,从运输速度可靠性和快速性两个维度分别探讨了未来客运市场的基本特征;第三,在未来不同运输方式提速的背景下,明确各运输方式在不同客运市场的功能定位,并分别构建不同出行方式的效用函数和乘客广义出行成本函数,进一步运用演化博弈理论和Logit分担率模型研究未来速度提升对不同客运市场交通结构的影响.研究结果表明：首先,影响乘客方式选择的主要因素是全过程“门到门”速度,全过程“门到门”出行时间包含在车时间和节点时间.其次,不同运输方式速度提升,换乘效率提高和节点时间压缩均可能影响不同客运市场的交通结构;在短距离客运市场,压缩端点时间对交通结构影响更为显著;在中长距离客运市场,提升运输速度可以显著改变交通结构.设计速度250 km/h的高速铁路与民航竞争的临界距离不到800 km,但高铁设计时速提高到350 km/h时临界点可望推至1 200 km.第 三,在城市内,运输速度的可靠性对于通勤通学客流影响显著.第四,科技是速度提升的重要支撑,但也应关注技术实现背后的经济性和市场购买力.第五,研究与速度相关产品的差异化定价是助推企业提供高质量出行产品的关键.     

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.     

���ڳ���ʶ�����ݵij��е�·����ʱ��ֲ����ɼ����Ʒ����о�

利用北京市道路交叉口的车牌识别数据,应用假设检验的方法研究城市快速路及主干道的旅行时间及其可靠性的分布与估计方法.首先使用四分位数据筛选法对原始数据进行了筛选,获得分析所用数据集.其次对旅行时间的分布进行了研究,提出了与旅行时间有关的分布假设并进行了相应的检验分析,随后研究了旅行时间分布与路段道路运行状况的关系.基于对北京市的数据分析可以看出,道路拥堵时旅行时间分布多接近Weibull分布,通畅时接近对数正态分布.最后,本文进一步探讨直接利用正态分布进行数据拟合以及参数估计的可行性.案例分析显示,使用正态分布估计旅行时间平均值误差较小,但对旅行时间可靠性的估计则误差较大.