应用正交设计法的公交出行意愿与政策分析

选择成都市二环路沿线两大城市功能组团为研究对象,采用Logit模型研究两个组团间的公交出行选择行为问题。意愿调查问卷设计方法采用国际上前沿的正交设计法,避免属性之间多重线性问题所导致的模型标定结果错误。选取费用,时间（包含车内时间、下车到目的地时间）和收入等因素作为效用变量,建立多项Logit和巢式Logit模型,结合意愿调查数据完成模型标定,通过参数假设检验对比不同模型的结果,最终选择多项Logit模型用于公交政策评估;最后,依据模型标定结果确定的对公交出行行为具有显著影响的变量,分析了这些变量对指定公交政策的影响,为科学决策提供理论依据。     

基于上海市消费者的汽车共享选择分析

利用Mcfadden提出的离散选择模型研究了消费者选择汽车拥有和汽车共享的主要影响因素.基于对上海市消费者的问卷调查,构建单次出行选择汽车共享的多项Logit模型和因汽车共享而放弃购车的多项Logit模型,探讨影响消费者选择汽车共享因素的重要性,分析消费者个人长期的汽车拥有行为.     

共享电动汽车选择行为分析

为探索共享电动汽车选择行为,构建出行行为选择模型,基于南京市出行者选择行为调查数据,采用计划行为理论、技术接受理论和结构方程模型,综合考虑出行者个人社会属性、出行特征及潜变量,分别构建不包括潜变量的多项Logit模型和包括潜变量的混合选择模型,并对这些因素进行显著性和敏感性分析.结果表明:不包括潜变量的多项Logit模...     

基于出行方式和活动交互作用的小汽车使用预测模型

为改进我国传统小汽车出行需求预测方法,基于活动理论建立了小汽车使用预测非集计模型.从小汽车使用者活动模式的统计分析入手,对小汽车使用模式进行划分,在多项Logit(MNL)模型的基础上建立协同进化Logit小汽车使用预测模型.模型中采用协同进化方法计算确定了个体出行活动选择顺序,体现了小汽车使用者出行方式选择和活动的交互作用.模型适应性分析表明,该模型可用于城市小汽车出行需求预测和交通需求管理政策的‘评价.以沈阳市为例对模型进行了实例分析,结果表明模型预测正确率达88.9%,65%以上的小汽车使用者先确定小汽车使用模式再进行活动模式的选择,验证了出行活动选择顺序的个体差异性,提高了小汽车出行需求预测方法的精度.     

考虑个体异质性的高速铁路旅客选择行为

为了准确把握高速铁路旅客乘车选择行为,在分析个体异质性及影响旅客选择行为因素的基础上,以列车运行时间、票价、发车时段及车上服务水平作为意向调查(SP调查)的属性,利用正交设计进行调查情景组合设计.通过研究高速铁路旅客乘车选择行为,分别构建不考虑个体异质性的多项Logit模型(MNL模型)、考虑个体可观测异质性的多项Logit模型(MNL-SOC模型)和考虑个体完整异质性的混合Logit模型(ML模型).运用Biogeme软件,对模型参数进行标定;并通过支付意愿分析,定量研究个体异质性对旅客乘车选择行为的影响.结果表明:考虑个体异质性的MNL-SOC模型和ML模型的拟合优度更高,ML模型更能反映旅客的实际选择行为,并且当忽略个体异质性时旅客的支付意愿会被高估.     

基于logit模型的共享汽车出行影响因素分析

为定量分析影响使用共享汽车出行的主要因素,以543份有效调查问卷收集的数据为基础,从个体特征、出行特征和出行者对共享汽车服务水平的主观感知3个方面开展研究,分别运用有序Logit模型和多项Logit模型建立共享汽车出行频率预测模型,并对比预测精度。结果表明,职业类型、对共享汽车舒适性、便利性、经济性和时耗性的主观感知5个变量与共享汽车出行频率显著相关。有序Logit模型和多项Logit模型的平均预测准确率分别为78.41%和92.40%,多项Logit模型的预测效果较好。     

基于巢式Logit的大型赛事观赛人群组合出行决策行为建模

研究大型赛事观赛人群出行行为机理,明确观赛人群出行模式演变规律,可为大型赛事组织优化策略的制定提供理论依据和技术支撑.结合行为调查（Revealed Preference, RP）和意向调查（Stated Preference, SP）,分析大型赛事观赛人群组合出行行为特征,构建了基于巢式Logit模型的观赛人群“出发时间+出行方式”组合决策行为模型,刻画出行时长、出行费用、同伴数量、小汽车拥有量和公共交通使用频率等因素对组合决策选择行为的影响.研究结果表明：构建的巢式Logit模型拟合性和准确性更优,预测精度为80.4%,比多项Logit模型提高了11.2%,可以更细致地刻画观赛人群组合决策选择机理;大型赛事观赛人群同伴数量越多,小汽车拥有量越大,选择小汽车出行的可能性越大,而公共交通使用频率越频繁的观赛人群选择公共交通出行的可能性越大;出行时长与出行费用直接影响着观赛人群所有决策阶段,且出行费用的影响程度更大.研究结果可为大型赛事交通需求管理政策的制定和实施提供技术支撑和参考.     

CES形效用函数的BL模型研究

根据随机效用和效用最大化理论,假设效用函数的随机项服从二重指数分布,给出了具有普遍性的CES形效用函数的2项Logit选择模型(BL模型)的参数标定过程.     

基于分层Logit的多方式随机用户均衡分配模型

为了完善现有的交通分配模型,综合考虑出行者的方式选择与路径选择行为,建立了基于分层Logit的多方式随机用户均衡分配模型。首先,在多方式交通网络中,根据出行者出行决策的2个步骤,即首先选择合适的交通出行方式、然后选择该方式交通网络中的出行路径,采用分层Logit模型描述出行者的交通方式和路径联合选择行为。在建立的分层Logit模型中,出行效用与流量分布相互制约,出行效用受路网流量影响,而路网流量由效用所决定,最终要达到平衡。接着,构造了一个数学规划模型来求平衡解,证明数学规划模型的最优解与分层Logit模型的流量解等价,并进一步证明等价数学规划模型的目标函数是凸的,而约束集也是凸的,因此等价数学规划模型是一个凸规划问题,模型的解是唯一的。随后,给出了求解提出的基于分层Logit的多方式随机用户均衡分配模型改进的方向搜索算法步骤。最后,以含公交车和小汽车2种方式的方格形路网为算例,分析公交票价、出行者的时间价值和分层Logit模型的层间比例参数的变化对交通分配结果的影响。结果表明:公交车票价对流量分配的影响不大;公交需求量随出行者时间价值的增加而下降;当出行者的时间价值较低时,公交需求量随分层Logit模型的层间比例参数增加而增加,当出行者的时间价值较高时,公交需求量随分层Logit模型的层间比例参数的增加而减小。     

基于路径长度的Logit型随机用户均衡模型

为了克服传统路径选择模型内在的IID假设,将考虑路径长度的Logit模型(path-sizelogit,PSL)引入随机用户均衡模型,构建了基于PSL的SUE模型.通过数学证明该模型的解与随机用户平衡解的一致性,以及模型解的唯一性.基于PSL的SUE模型考虑了路径长度的因素,从而可部分消除由于传统Logit模型对误差项的IID假设而引起的IIA问题.设计了MSA算法作为模型的求解算法,对比分析了考虑路径长度的Logit型随机用户均衡模型和传统Logit型随机用户均衡模型的分配结果,结果表明,在SUE模型中采用PSL模型能够处理各个路径之间长度的差异性.     

侧撞事故伤亡决定特征提取和影响因素分析

在交通事故中侧撞事故严重性最强,分析侧撞事故伤亡特征并得出决定性影响因素有助于降低事故风险.该文先使用随机森林特征选择算法对交通事故的影响因素进行降维; 然后,通过随机森林、神经网络、SVM模型3种分类模型来验证降维效果,得出事故影响因素的重要程度; 最后,构建了3种Logit模型来探究事故伤亡程度与影响因素之间的关系,得出各因素对事故严重程度的具体影响.研究结果表明:当提取安全气囊、车辆类型、年龄、防护措施等9种重要程度较大的影响因素作为特征子集时,模型的准确率和有效率达到较高水平.随机参数Logit模型分析的结果表明:在T字路口、驾驶员为男性等情况下事故率较低; 车辆体型越大事故伤亡率越低.     

考虑路径尺度的城市轨道交通客流分配

城市轨道交通客流分配是进行轨道交通线网规划、评估和运营管理的关键技术之一。考虑有效路径之间重叠对路径选择概率的影响,在效用函数中加入路径尺度调整效用值,提出基于路径尺度的Logit客流分配方法。以北京地铁线网为例,构建乘客出行广义费用函数,搜索有效路径,清洗自动售检票系统(automatic fare collection, AFC)刷卡数据,通过MATLAB软件进行客流分配计算。结果表明:与既有模型相比,路径尺度Logit模型路径选择概率误差降低了24.32%,提高了客流分配精度。提出的路径尺度Logit模型具有较好的适用性、有效性,对于提升城市轨道交通线网科学规划水平、降低运营安全风险具有重要意义。     

无信号路段行人过街决策行为模型

以吉林市吉林大街2个路段过街行人为对象,以车辆间隙、相邻车道拥挤度为变量,通过视频观测获取行人过街决策行为数据,利用Binary Logit模型建模.结果发现:该模型预测准确率达到89%,可应用于无信号交叉口或者无信号路段行人和车辆交互微观仿真模型中.     

基于面板混合Logit模型的中长途高速客运方式分担率预测

针对高铁和民航在中长途高速客运中的方式分担率变化问题,考虑到不同旅客群体间的异质性及旅客在不同情景下选择的相关性,以旅客性别、年龄、月收入等为基本属性,程前程后费用和时间、旅程费用和时间作为特性变量,建立了面板混合Logit模型。利用NLOGIT软件,基于北京—南京客运通道旅客出行意向调查数据,分别对传统Logit模型、横截面混合Logit模型和面板混合Logit模型进行参数估计。模型估计结果表明,面板混合Logit模型具有更好的行为解释能力和预测精度。基于面板混合Logit模型,使用仿真方法预测了高铁和民航的方式分担率随旅程费用和时间的变化趋势,得到高铁分担率随旅程费用差的增大而增加、随旅程时间差的增大而减小,民航则相反,并且旅程费用差对方式分担率的影响比旅程时间差更加显著。     

共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

后股权分置时代并购目标公司的特征——基于中国上市公司的经验数据

基于后股权分置时代中国的资本市场与制度环境,以A股市场2009年至2011年发生股权交易的上市公司为样本,采用单因素方差分析和Logit回归技术,考察中国资本市场并购目标公司的特征.研究发现,目标公司的特征主要表现为:管理层的效率低下;资产规模相对较大;流动性较低;低增长速度同时资源相对匮乏;目标公司的投资者市场交易行为可以提前反映并购事件.公司营运能力、偿债能力和股本扩张能力对公司成为并购目标具有很强的解释力,Logit回归模型能够较好地鉴别目标公司.