排序方式: 共有551条查询结果,搜索用时 15 毫秒
121.
122.
123.
124.
�����˿ͶԲ���¥�ݺ��Զ����ݵ�ѡ����Ϊ��������ģ 总被引:1,自引:0,他引:1
基于北京地铁6个换乘站客流高峰期乘客对上行方向步行楼梯和自动扶梯的选择行为调查数据,采用灰色关联法计算乘客选择行为影响因素的重要度并排序。利用模糊数学理论建立乘客的选择行为模型,并分析乘客选择行为与相关影响因素的变化规律。研究表明,楼梯高度、扶梯前排队人数、乘客携带行李情况为影响乘客选择行为的重要因素。本文建立的模型可较好地刻画乘客的选择行为,模型计算结果与实际数据较吻合。此外,扶梯前排队人数少于25人时,乘客选择楼梯的概率较小,受其他因素影响小;超过25人后,乘客选择楼梯概率随排队人数的增加显著增加,且乘客负重、楼梯高度越小,影响越明显。不同负重乘客选择楼梯的概率随楼梯高度的变化规律一致,并随楼梯高度的增加近似呈线性下降。 相似文献
125.
所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积。假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型。然后,给出基于Probit加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法。算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为。对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变。 相似文献
126.
采用混合整数优化方法,研究城市公交系统宏观网络优化整合问题. 根据区域间服务水平要求、公交供给能力以及满足一定乘客出行要求,构造公交系统宏观网络优化整合多目标模型,该多目标函数考虑乘客总出行时间成本、各公交方式的建设总费用、各公交方式的能耗和污染物排放总费用、枢纽建设总费用最优;并给出最优解的多方案求解步骤;针对多节点采用Branch-Cut算法进行求解,提高求解效率;通过算例对模型和算法的可行性和有效性进行了验证,说明该算法可得出不同发展阶段下的公交宏观网络最优布局方案;结果表明,提出的模型与算法能对城市公交宏观网络布局提供辅助决策支持. 相似文献
127.
城市道路建设序列属于多阶段多指标决策问题. 为提高城市道路建设的有效性,以DEA和TOPSIS法为基础,构建城市道路建设序列的多阶段多指标决策组合模型. 首先利用DEA方法计算每个决策单元的相对有效性;然后对相对有效性进行TOPSIS计算,实现对DEA结果的全排序,从而得到城市道路建设序列决策方案. 这样既组合了DEA对多输入、多输出指标评价的绝对优势和TOPSIS系统性、综合性的优点,又避免了DEA不能进行全排序的缺点,使两种主要的评价方法得到了互补,为该问题的解决提供了新的研究途径;最后应用实际案例验证了该模型能有效地解决城市道路建设序列的多阶段多指标决策问题. 相似文献
128.
城市交通状态可以用路网机动车平均行程速度来衡量,是居民出行行为在城市道路网络上形成的结果,随城市交通出行需求和交通供给的变化而动态变化.本文采用道路网络理想承载力来衡量交通供给,采用基于居民出行特性的机动车交通强度来衡量交通需求,使路网交通承载力与交通强度可以在同样的度量单位下进行比较,用交通负荷比来表示交通需求和交通供给的匹配程度,进而可以计算出以平均行程车速衡量的交通状态.最后,以北京市2005年数据为例,验证了模型方法的有效性. 相似文献
129.
交通拥挤不仅是当今许多大城市日益严重的社会问题,同时也给国家和城市造成巨大的经济损失.引发拥挤的直接原因是机动车辆保有量的迅速增加和交通设施/服务的相对落后,但对于不同的城市和地区,其深层原因存在差异.本文定位于研究宏观路网交通拥挤内在成因和演化规律,采用地理建模的仿真平台,使用地理信息系统(GIS)技术将FCD数据与深圳市地图匹配,得到城市路网不同时间点的拥挤状态,定性分析区域内交通拥挤的成因.另外,研究针对路段拥挤的相似程度,提出相关性算法进行定量分析,揭示交通拥挤的时空演变规律,为及时采取预防和疏导措施提供指导.该算法可编程实现,对交通拥挤进行统一管理与控制,提高整个交通系统的效率. 相似文献
130.
了解路段旅行时间随交通状况变化特性对利用探测车等新式交通检测技术估计交通状态非常重要.基于交通微观仿真模型,分析了路段旅行时间随交通状况的变化特性,验证了平均路段旅行时间是否能够采集通畅、拥挤到堵塞这三个状态,以及是否能细分这三个交通状态.结果表明:(1)平均路段旅行时间能够判断上述三个状态;(2)在拥挤阶段,随着交通状态恶化,平均路段旅行时间逐步增加,因此能够细分拥挤状态为多个子状态,但由于在通畅阶段,即便流量增加,平均路段旅行时间基本不变,因此无法细分通畅状态,细分通畅状态需要流量信息;(3)路段旅行时间在拥挤状态时处于双峰分布,难以用少量的探测车提供的数据可靠地估计平均路段旅行时间. 相似文献