出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论,选取出行者特征、行程特性与出行方式服务水平作为效用变量,以出行方式与出发时间作为选择肢,构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据,并模拟了在早高峰时段对小汽车出行收取费用时,小汽车出行者出行行为的变化。计算结果表明:与传统MNL模型相比,NL模型具有更好的统计学特征,调整后的拟合优度由0.338增大至0.404;在2种NL模型中,出发时间位于下层的结构对样本数据的适应性更强;当早高峰时段小汽车出行收取费用为5元时,72.6%的小汽车出行者坚持原有出行方式与出发时间,22.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,4.8%的小汽车出行者改用公共交通方式,但出发时间不变,仅0.2%的小汽车出行者同时改变出行方式与出发时间;当收取费用为10元时,51.7%的小汽车出行者坚持原有出行方式与出发时间,40.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,7.9%的小汽车出行者改用公共交通方式,但出发时间不变;当收取费用为20元时,27.5%的小汽车出行者坚持原有出行方式与出发时间,60.6%的小汽车出行者坚持小汽车方式,但会改变出发时间,11.9%的小汽车出行者改用公共交通方式,但出发时间不变。     

基于时间便利性的行程选择

出行者基于广义成本最小化选择最佳的出行方式。广义成本包含资金成本、时间成本与舒适成本。随着社会的发展。出行者对时间成本看的越来越重。时间成本与时间长度和时间起始点有关,时间成本不仅包含出行者的时间价值也包括早到或晚到的损失。相对于频率较快的地铁与公交,满足乘客长距离出行的火车的时间点对乘客出行的影响很大。本文通过对杭州与上海之间的城际高铁后,出行者在汽车、自驾车及高铁三种方式之间的选择进行调查。得出列车行程安排应考虑旅行时间长度来安排起讫点的时间点,并通过两个例子来佐证合理的时间安排可增加列车的竞争力。优化出行结构同时也保证了列车的客源。本文的研究对于其他的城际列车有借鉴作用。     

实施城乡公交客运一体化的策略

随着社会主义新农村建设和新型城镇化建设进程加快,市域道路等交通基础设施建设日益完善,城乡居民出行需求日益增长。因此,统筹协调城市和农村地区的公共交通发展,提高城乡公共交通服务水平,满足人民群众安全便捷出行的需求,统筹城乡发展,构建和谐社会,具有十分重要的现实意义。同时,城乡公交客运一体化也是实现公共交通科学发展的必     

基于IC卡数据的居民公交乘车距离研究

了解居民公交出行乘车特征、掌握公交出行客流规律是公交规划和运营决策的基础.为了研究不同时段居民公交乘车的分布特性,以北京市分段计价线路公交IC刷卡数据为依据,基于数据挖掘工具分析了居民公交出行乘车的距离特性,并对乘车距离分布进行曲线拟合,结果表明:北京市居民公交乘车距离服从威布尔分布,在置信水平为95%的条件下,平方误差和小于0.01,拟合优度在0.97以上.      

北京地铁3条线(段)开通试运营

2011年12月31日,北京地铁8号线二期北段、9号线南段(含房山线剩余段)、15号线一期东段开通试运营。至此,北京地铁运营线路达到15条,总里程从336 km增至372 km,方便了北京城区北部、西南部、东北部居民出行,对沿线区域经济的增长繁荣起到积极的推动作     

利用百度API数据对居民出行调查的修正与挖掘

为改善传统居民出行调查受制于调查对象的主观感受,难以获得客观、真实的特征数据等问题。通过借助百度地图API(Application Programming Interface,简称API)开源数据,构建了一套科学的技术方法,实现与传统出行调查数据的融合。以石家庄2015年居民出行调查为例,对小汽车、公交及其他方式出行距离、出行时耗等关键数据误差进行修正,形成了更为客观、精确的出行特征指标。基于此,还对修正数据进一步挖掘,实现对石家庄公交出行链各环节指标逐一剖析,并就如何提升公交整体服务水平及竞争力,提出了具体改善建议。     

基于多层模型的城市建成环境对通勤行为的影响

为研究城市建成环境对居民通勤行为的影响,考虑个体社会经济属性和交通小区建成环境属性的跨层次结构,建立多层模型,分别分析了个体社会经济属性层面和交通小区建成环境层面对通勤时间及通勤距离的影响,并利用长春市居民出行调查数据标定模型参数. 结果表明：多层模型比传统的回归模型拟合效果更好;控制个体社会经济属性特征后,土地利用混合度、交叉口密度及公共交通站点密度对居民通勤出行时间和距离的影响均呈现显著的负效应,而居民居住地到城市中心商务区(CBD)的距离仅对通勤距离有显著的正向影响.研究结果可为通过城市规划优化通勤结构提供理论支持.     

基于乘客出行时间的公交站距优化研究

经济的发展带动交通事业的进步,公共交通已成为人们出行过程中必不可少的工具。因此,如何提高公共交通运行效率也成为人们研究的重要内容,而对公交站间距的优化更是重中之重。本文在分析乘客出行过程的基础上,以时间为衡量标准,提出乘客出行时间最小的公交站距优化模型;并结合实际数据对各影响因素进行灵敏度分析,验证了模型的适用性和有效性。     

基于时空聚类算法的轨迹停驻点识别研究

利用手机等智能移动终端获取个体出行GPS轨迹数据,提出了一种新的时空聚类算法AT-DBSCAN识别轨迹中的停驻点.该方法以固定长度的滑窗搜索核心点,以时空邻近条件定义簇间距离,以簇密度大小规定合并次序.提出了出行次数一致性、出行起止时刻误差、停驻点时长误差、停驻点中心偏移距离4个算法验证指标,弥补了传统查全率、查准率等忽略停驻点时空信息准确性的不足.结果表明,识别的停驻点有98%的位置误差在30m以内,100%的时长误差在5min以内,98%的出行起止时刻误差在5min以内.此外,算法对于室内活动、定位飘移、路径重合程度高等复杂轨迹具有较好的泛化能力.     

数据驱动的电动汽车充电站选址方法

电动汽车在缓解能源压力和环境污染中起着重要的作用,充电不方便成为制约电动汽车发展的一个重要原因.为了合理布局电动汽车充电站位置,本文提出一种数据驱动的电动汽车充电站选址方法.利用海量的移动位置数据提取潜在的交通需求位置,包括出发点和目的地;将地图划分为等间隔的网格,将潜在的交通需求位置与网格关联,统计每个网格内的交通需求量,需求量大的网格作为电动汽车充电站选址的候选位置.实证研究表明,该方法能够精准定位潜在用户需求量大的位置,为电动汽车充电站选址提供数据支持和决策依据.