基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题,提出基于环境车辆偏离车道程度识别运动模式的方法;构建动态环境车辆横纵向轨迹预测模型,并求解;构建保持、先行、避让在内的决策集,提出基于预测轨迹的单个车辆决策方法,并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11,0.29,0.80 m,预测精度较高;复杂动态环境下,本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.     

时间社会学视角下老年人对家庭出行行为的影响研究

为阐述家庭微观社会情境中老年人与同住成员之间的行为交互对个体出行决策的影响,本文从时间社会学视角出发,以昆明市有老年人家庭为分析单元,用家庭贡献度量化老年人家务活动的分担程度,构建结构方程模型揭示老年人对家庭成员日常活动时间结构的影响,进而剖析成员间的活动交互影响机理.结果表明：老年人家庭贡献度增加时,成员间在非通勤活动上的交互效用减弱;由于女家长在时间结构上呈现隐形的“时间贫困”特征,其在活动-出行模式上受老年人家庭贡献度的影响显著高于男家长;与此同时,老年人作用下女家长在非通勤活动出行决策时优先考虑家务活动的时间安排,而男家长则优先考虑自由活动的安排.     

基于行程时间影响的关键路段识别与查找

从路段实际功能出发,提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想,以真实数据构造10万条随机路径验证该方法的可行性,并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照,利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量,结合基础属性建立二项Logit模型,从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类,其结果对关键路段识别模型的性能有提升效用;行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性,虽然其个数与路段关键性无明显关系,但其与常见波动程度指标相关性小,可保留用于描述行程时间波动常发性和聚集性.     

基于Q-learning 的定制公交跨区域路径规划研究

考虑城市大客流通勤者跨区域出行需求,结合城市公交线网中乘客出行密集、客流走向规律等特点,提出一种跨区域定制公交的搭乘方案. 通过改进的Q-learning 模型对公交线路进行优化,为城市通勤者提供更加便捷和高效的出行服务. 通过综合路段拥堵状态、乘客需求及居民小区位置,设定了Q-learning 强化学习的奖惩函数,提升定制公交区域路径的直线系数、满载率、通行时间. 结果表明,所提出的改进方法能够降低通勤者跨区域通行的旅行时间,有效提高髙峰时段定制公交线网的通行效率.     

大连新建地铁对公交出行选择的影响

为了分析城市新建地铁项目对居民公共交通出行的影响,改善公交服务水平,提高公共交 通的分担率,针对大连市新建地铁线路展开研究。以大连市地铁1 号线沿线站点作为研究区域, 采用SP （Stated Preference） 调查方法,收集了300 名地铁沿线居民对常规公交以及新建地铁两种 出行方式的选择数据。通过建立二项Logit 模型,分析出行成本、换乘时间等选择方案特性变 量,出行特性变量以及出行者特性变量对于居民出行方式选择行为的影响,并计算弹性值及模型 精度。结果表明,通过调整出行成本及换乘时间可有效提高地铁分担率。由此提出相关政策建 议：对于出行成本,可从出行者年龄及出行次数两方面制定不同的优惠政策;对于换乘时间,可 从提高可达性、完善购票系统以及调整发班频率三方面进行改善。     

北京市旅游交通方式选择行为研究

为防止北京市旅游高峰期间景区周边交通混乱以及城市交通路网负荷增加,选取北京市三 处景点进行问卷调查,将游客的年龄、是否有车、月收入、同行人数及同伴类型等数据作为影响游客交通方式选择的因素。与此同时,对所需数据进行有效性检验,进而分析不同游客的出行方 式特性,利用非集计模型对游客的交通方式选择行为进行研究。结果显示：游客的年龄、是否有车、月收入、同行人数以及同伴类型这几类因素对游客的交通方式选择的影响均显著,并得到游 客对私家车、出租车、地铁及公交车这四类交通方式选择的比例,分别为17%, 7%, 54%, 22%。研究表明,北京市旅游交通方式的需求以公共交通为主,尤其是对轨道交通的需求,为此建议进 一步加大北京市旅游公共交通系统建设,提高旅游交通的服务质量。     

基于混合选择模型的汽车共享选择行为研究

为了深入分析出行者的汽车共享选择行为,首先以技术接受模型和计划行为理论为框架,将对汽车共享选择行为具有影响的心理因素整合到传统的离散选择模型之中,形成混合选择模型.然后,基于南京市的实证调查数据,运用混合选择模型对出行者的汽车共享选择行为进行研究.结果表明,出行者对于汽车共享的感知有用性、感知易用性、行为态度、知觉行为控制等心理态度潜变量对其选择行为产生显著的正向影响,混合选择模型比传统不带潜变量MNL模型对实证数据具有更高的拟合度.     

基于客流需求的城际列车时刻表模型改进研究

列车时刻表的编制是铁路旅客运输组织的关键问题,如何优化时刻表,最大限度缩短旅客的旅行时间,具有重要的理论和现实意义.然而,既有基于客流需求的时刻表优化模型大多数假设列车顺序固定或不允许列车间任意越行,离实际尚有一定差距.针对这一问题,本文以最小化旅客在站等待时间和在车旅行时间的线性加权为优化目标,综合考虑列车停站、区间运行、安全间隔、列车容纳能力等约束,在定序无越行和定序有限越行模型的基础上,构建了更一般的非定序任意越行混合整数二次规划模型,并利用ILOG CPLEX分别进行求解.最后,以某城际高铁为例进行案例研究.结果表明,本文所提的非定序任意越行模型求解质量最好,且能有效减少旅客全程旅行时间,具有可行性.     

基于分子动力学的车流运行动态特性及其模型

车辆跟驰行为受前导车和道路环境等的影响,将车辆抽象成相互作用的分子,基于分子动力学构建相互作用势函数,建立基于相互作用势函数的分子跟驰模型.采集试验路段不同点位的交通流样本,从视频中获得所需数据,并对加速度波动特性进行分析.将车辆运行状态分为常态行驶,起动加速和减速停车3种,根据实测交通数据对3种车辆运行状态进行模型参数标定,同时对分子跟驰模型进行稳定性分析验证,结果表明,相对于经典GM模型,分子跟驰模型稳定性更好,对实际交通状态拟合程度更高.     

基于偏好顺序集的非补偿式铁路旅客选择行为估计方法

精细化需求预测是铁路提高收益的重要基础.本文考虑了铁路产品属性对于旅客选择行为的影响,构建具有一定偏好顺序的产品集合来表征不同类型的旅客.在此基础上,利用客票存根及余票数据,建立预售期内旅客选择过程的极大似然函数,求解得到不同旅客类型的出现概率.首先通过仿真算例验证了模型的计算可行性,然后通过实证数据,估算了北京南至上海虹桥方向不同旅客类型在各时段的出现概率,进一步统计得到旅客在不同时段下铁路旅客buy-up行为概率及属性敏感度的变化,并提出一些可用于优化售票策略的建议.