An analysis of the factors influencing differences in survey-reported and GPS-recorded trips

Recent advances in global positioning systems (GPS) technology have resulted in a transition in household travel survey methods to test the use of GPS units to record travel details, followed by the application of an algorithm to both identify trips and impute trip purpose, typically supplemented with some level of respondent confirmation via prompted-recall surveys. As the research community evaluates this new approach to potentially replace the traditional survey-reported collection method, it is important to consider how well the GPS-recorded and algorithm-imputed details capture trip details and whether the traditional survey-reported collection method may be preferred with regards to some types of travel. This paper considers two measures of travel intensity (survey-reported and GPS-recorded) for two trip purposes (work and non-work) as dependent variables in a joint ordered response model. The empirical analysis uses a sample from the full-study of the 2009 Indianapolis regional household travel survey. Individuals in this sample provided diary details about their travel survey day as well as carried wearable GPS units for the same 24-h period. The empirical results provide important insights regarding differences in measures of travel intensities related to the two different data collection modes (diary and GPS). The results suggest that more research is needed in the development of workplace identification algorithms, that GPS should continue to be used alongside rather than in lieu of the traditional diary approach, and that assignment of individuals to the GPS or diary survey approach should consider demographics and other characteristics.     

城市机动车辆停放选择模型

为了增强出行前停车信息查询功能和提高停车诱导效果,提出一种服务于驾驶员出行前对目的地首选以及备选停车场进行车辆停放选择的优化模型,建立了以驾驶员使用最便利,可达性最强,出行停放成本最低为目标的车辆停放选择模型,利用启发式算法计算了模型的备选解集。经实例验证,该模型可以得到多个满足约束条件的合理性停车方案,从而为驾驶员在出行前选择停车场提供了决策依据。     

模糊模式识别在交通量预测模型选择中的应用

本文将模糊模式识别应用于交通规划预测模型的评价．以出行受约束的重力模型与双约束重力模型为例,说明常用的一些检测方法存在的不严密性,并用模糊模式识别方法定量确定预测结果与实际出行量的拟合程度．本文的分析结果能为交通规划预测模型的选择提供可靠的依据,并为预测结果的评价提供新的方法．     

基于GMM-CHMM 的城市道路换道行为识别

高级驾驶辅助系统(ADAS)是提高车内乘员安全性的主动安全系统之一,将车载参数和车辆位置参数相结合,提出一种能够应用到ADAS的城市道路换道行为识别模型. 在西安城市道路环境中进行实验,采集18 位驾驶员的9 个车载实时参数数据,以及前后车辆间的相对速度、相对距离、相对角度,提取412 个换道行为单元和824 个车道保持行为单元,共 88 992 条数据. 运用数理统计方法分析表明,方向盘转角、转向角速度、相对安全距离比在换道行为和车道保持行为之间有显著性差异,在这3 个特征参数的基础上,建立混合了高斯混合模型(GMM)和连续型隐马尔可夫模型(CHMM)的识别模型,用部分样本对模型效能评价. 结果表明,混合模型对换道行为的识别精度为93.6%,具有良好的识别效果,可以很好地应用到 ADAS.     

基于集成学习算法的航路网络航段交通拥挤识别方法研究

基于航路网络ADS-B航迹数据定义航路网络航段交通流量、航段交通密度、航段交通饱和度、航段交通接近率4 项交通拥挤状态评价指标;采用模糊C均值聚类算法和航段历史交通拥挤状态评价指标参数划分航段交通拥挤状态等级;结合集成学习算法构建航路网络航段交通拥挤状态识别模型,实现航段交通拥挤状态的识别. 实证分析表明：航路网络交通拥挤状态集成学习识别模型对实验航路网络航段交通拥挤状态识别准确率达到98.34%,采用决策树基学习器优于k 近邻基学习器,且增加的集成学习基学习器数量可提升模型的识别精度;集成学习识别模型的识别性能优于BP神经网络模型,识别方法符合实际且具有应用价值.     

基于持续跟踪调查的防御性驾驶行为分析模型

为解决防御性驾驶行为心理作用过程缺少定量描述的问题,在界定防御性驾驶行为内涵的基础上,设计防御性驾驶行为量表. 基于计划行为理论,构建以过去防御性驾驶行为、行为态度、主观规范和知觉行为控制为预测变量,行为意图为中介变量,后续防御性驾驶行为为结果变量的分析模型. 对非职业驾驶员在间隔3 个月的两个时间点跟踪调查,第1 次调查内容包括过去防御性驾驶行为、TPB变量、个人基本信息,第2 次调查包括后续防御性驾驶行为和个人基本信息,获得两次调查数据完全匹配的有效问卷213 份. 对有效数据分析显示：主观规范对防御性驾驶行为意向不显著,知觉行为控制、行为态度和过去防御性驾驶行为对防御性驾驶行为意向影响值分别为0.40、0.29 和0.26;行为态度、知觉行为控制和过去驾驶行为通过行为意向(0.36),可以在一定程度上对后续行为进行解释.     

考虑汽车共享服务的出行方式选择影响因素研究

为了分析汽车共享服务对城市出行者出行方式选择行为的影响,基于随机效用理论,运用行为调查和意向调查数据,以汽车共享服务、出租车、地铁三种出行方式作为选择肢,构建多项Logit模型,并应用SPSS软件对模型进行拟合检验与参数估计。研究表明：性别、年龄、最常使用交通工具、日常通勤单程距离、出行距离和汽车共享服务收费标准均会对出行者的汽车共享服务选择行为产生显著影响;中青年男性更倾向于选择汽车共享服务出行,且随着出行距离的增加、汽车共享服务收费标准的降低,汽车共享服务被选择的概率会增大;相较于出租车,日常通勤单程距离为20~30km的出行者更倾向于选择汽车共享服务;相较于地铁,最常使用交通工具为私家车的出行者选择汽车共享服务的概率更大。因此,为提高汽车共享服务被选择概率,应提高用户体验、服务水平,合理设置收费标准。     

不同信息下的逐日路径选择行为实验与模型

为研究先进出行者信息系统(ATIS)对出行者逐日路径选择行为的影响,本文基于 Braess路网设计5组具有不同ATIS市场占有率(0、25%、50%、75%、100%)的行为实验.结果表明：3条路径的流量及新增路径保持选择的次数持续波动,随着ATIS市场占有率增大,路网平均行程时间趋于用户均衡,新增路径保持选择的次数呈现增长趋势,且被试对新增路径的选择性偏好增强,Braess悖论的效果也更明显.基于5组实验数据,分别建立普通Logit模型和基于面板数据的随机效应Logit模型刻画路径选择行为.结果表明：当ATIS市场占有率为0时,最佳模型为普通Logit模型;当ATIS市场占有率增大甚至达到100%时,最佳模型均为随机效应Logit模型;未配备ATIS的出行者的个体差异性比配备ATIS的小.     

基于网约车数据的城市区域出行时空特征识别与预测研究

针对交通需求特征识别和需求预测问题,构建改进的LDA(Latent Dirichlet Allocation)城市区域内出行需求识别与预测组合模型,快速识别城市区域内出行需求特征并对需求做出预测. 构建城市交通小区尺度内的空间和时间维度下的主要出行需求特征分布挖掘辨识方法,以及数据集在不同时间尺度下时间维度出行特征构建及预测方法. 利用北京市三环内网约车出行订单数据,验证模型的有效性和准确性. 结果表明,模型能够对不同时间窗口下的区域出行需求特征进行辨识和预测,取得较好的结果.     

基于客流量预测的旅游公路投建决策研究

旅游公路的建设能够提升景区通达性,为景区带来经济效益,同时也需要大量的资金投入.由于建设资金的限制,需要根据旅游公路收益率对实际投建项目进行决策."旅游公路收益率计算模型"通过对景区在不同旅游交通条件下的客流量进行预测,定量分析旅游公路建设对客流量的影响,计算出不同旅游公路建设项目的收益率.该模型中客流量预测以游客对景区的"旅游资源吸引力"和"旅游阻力"评价分布曲线为基础,认为游客对景区做出选择是基于对该景区的"旅游资源吸引力"评估大于"旅游阻力"评估.同时以我国西南地区某县为例,对该县旅游公路建设项目进行投建决策分析.