基于出行行为模型的出行感染风险评估 ——以新冠肺炎疫情期间江苏省地区为例

为准确评估新冠肺炎疫情期间的出行感染风险,在对出行行为进行全出行链建模基础上提出出行风险评估模型.基于江苏省确诊病例流行病学调查报告和线上问卷调查数据,分别对病毒携带者和普通出行者出行行为模型进行参数标定,对比分析病毒携带者和普通出行者出行行为的异同.进一步对疫情期间不同出行方式和出行活动进行感染风险评估. 得到结论：交通管制措施可有效降低出行感染风险,就医出行风险明显高于其他出行活动,差旅在疫情传播初期风险较高,非机动车出行风险相对较低.     

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.     

基于狄利克雷过程混合模型的城市活动聚类方法研究

手机信令数据不仅记录个体出行轨迹,也为分析城市活动空间分布特征提供了基础.本文提出一种基于狄利克雷混合模型的城市活动特征聚类方法,以手机信令提取居民出行OD为基础,将每个基站的到发出行量作为表征该基站所处空间位置的活动特征,研究特征的聚类方法.引入狄利克雷分布作为先验分布,由中餐馆模型推定特征聚类数量.与其他聚类方法相比,该方法最大的优点在于无需事先指定聚类数量,避免了传统聚类方法的缺陷.将本文方法应用到三亚市城市活动特征聚类当中,结果能够有效地反应不同城市功能组团的活动特征.     

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.     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4 种模型进行比较. 结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.     

���г��⳵���з�ʽ�ֵ���Ԥ�ⷽ���о�

同时考虑社会利益和个人利益，选取公交系统(包括常规公交和出租车)出行者占用道路总面积、广义出行费用、拥挤度为指标建立多目标函数模型，求得出租车出行占公交系统出行的比例，根据公交系统出行总比例最终确定全方式出行结构中出租车出行方式分担率．实例分析证明该方法所需数据量少、可操作性强，宏观政策及其微观影响在预测过程中互为反馈，该方法既可用于确定出租车出行方式分担率，又可为交通政策决策者提供理论依据．     

特大城市交通出行预测:中国面临的挑战与机遇

作为城市交通规划的一个重要组成部分,城市交通出行预测的发展已经走过了60年。最初的研究工作于20世纪50年代在北美展开,随后延伸到欧洲、澳大利亚、新西兰和南美洲以及中国等发展中国家。作为一个相对成熟的领域,交通规划依然包含着许多新的研究方向,同时专业人员在正确合理的使用商业软件方面还有一定的困难。中国正在经历高速的城市化进程,这意味着对道路、公交系统,机场以及城际间高速公路建设有大量的投资。合理的投资决策需要对未来中国交通拥挤的都市进行出行预测。为了更好的了解中国交通出行预测的发展现状,笔者和几个大城市的交通规划部门以及大学的相关院系进行了探讨和交流。此文的初衷是记录下从会谈中所获得的有普遍意义的发现与印象,以及提供给参加讨论者的意见。     

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。     

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.