突发事件下城市群内旅客城际出行方式选择行为

以城市群内旅客城际出行为研究对象，分析心理潜变量、城市群属性和突发事件等因素对城际出行方式选择行为的影响。基于京津冀旅客城市群内部城际出行问卷调查数据，构建突发事件下考虑心理潜变量的综合选择(integrated choice and latent variable,ICLV)模型进行实证分析。结果表明：考虑便捷性和乘车体验潜变量的混合选择模型对居民城际出行行为的拟合优度更高；城市群属性方面，起讫点城市类型、出行距离和起讫点间铁路车次数量对出行方式选择有显著影响；突发事件方面，雾霾天气下选择铁路出行的概率提高25.69%,雨天选择小汽车出行的概率提高31.63%,雪天选择小汽车出行的概率相对降低，发生阻断事件时选择小汽车出行的概率升高。研究结果有助于深入理解城市群内城际出行方式选择行为，为突发事件下城际出行需求的差异化出行诱导和需求管控提供科学依据。     

引入心理变量的旅客中长距离出行方式选择模型

为了更加合理的表述旅客中长距离的出行方式选择行为,以京郑客运专线OD调查以及旅客出行意愿调查为例,在探讨旅客出行方式选择行为的经典分析模型的基础上,以决策行为理论为主框架,综合消费者行为理论和统计理论,研究旅客中长距离出行方式选择行为的产生机制及其规律性,构建旅客中长距离出行方式选择行为模型。本研究通过将选择者的态度和感知作为一个集成的心理变量引入模型,对人们出行方式选择行为这种复杂的心理过程进行了更为合理的描述。与方式选择行为的经典分析模型相比,引入心理变量的行为选择模型在解释旅客中长距离方式选择行为方面更具说服力。     

基于双参数的城际旅客出行方式动态仿真方法

基于仿真思想,利用数学模型描述交通方式特性和旅客自身特性对城际旅客出行方式选择行为的动态交互影响.综合应用生产法与收入法,根据旅客有无小轿车的属性,引入比例系数,改进了出行时间价值的计算模型;在研究等待时间参数和不能精确定量描述元素参数的分布表达函数的基础上,设计了城际旅客出行方式选择行为仿真方法;通过分析沪杭城际运输通道的调查数据,对旅客的出行方式选择行为进行了仿真,并对相关影响因素进行了灵敏度分析,论证了仿真方法的正确性和有效性.     

基于潜变量RF的通勤高峰期小汽车出行方式向公交转移行为研究

为缓解城市的交通拥堵,科学合理的引导小汽车出行者改乘公共交通出行显得尤为重要。以通勤出行者为研究对象,引入了有关价值观念的扩展心理潜变量,并建立了基于扩展TPB理论的潜变量MIMIC模型,分析了小汽车和公交出行方式下各潜变量之间的关系。然后,考虑随机森林算法有鲁棒性好、泛化能力强的优势,构建了带有心理潜变量的MIMIC-RF出行方式转移模型,通过实证结果得到有潜变量的模型比传统的模型具有更好的预测效果。因此,可借助该模型进行敏感度分析,结合关键影响因素的变化探究通勤者选择小汽车出行方式向公交转移的规律。     

休闲旅客出行选择行为潜类别分析

鉴于以往研究中对于异质性特点考虑的不足,引入潜类别分析理论对中国客运市场中休闲旅客的出行选择行为进行研究.设计了旅客出行选择的潜类别模型并给出了相应的拟合方法,在此基础上,组织开展了针对休闲旅客的大规模SP调查并对调查数据进行分析.通过MNL模型和MMNL模型的拟合验证了休闲客运市场中旅客出行选择行为异质性的存在,进而,通过潜类别模型的拟合将休闲客运市场进一步划分为3个细分市场,并从模型的标定结果出发,进一步明确了各个细分市场的偏好特点与组成特点.     

出行链与出行方式相互影响模式

通过居民出行调查数据分析,建立递归联立离散选择模型,从出行链至出行方式和出行方式至出行链2个方向,重点分析了工作出行链和出行方式间的相互作用.研究表明,模型通过直接量化出行链和出行方式之间的相互作用,加强了行为机制对预测分析的指导.分析结果表明,出行链至出行方式的影响模式在工作出行决策过程中占主导地位,出行者首先根据个人和家庭的需要将一日的活动和出行组织成以出行链为单位的片段,然后在出行链各种性质的约束下考虑选择何种交通方式.研究结果对出行需求预测和管理有指导意义.     

出行方式选择行为的SEM-Logit整合模型

现有的出行方式选择行为模型仅考虑了可直接观测的出行者的个人社会经济特性和出行方案特性,并未考虑影响选择结果的潜变量,为此,文中提出了出行行为中潜变量的概念,并通过结构方程模型(SEM)刻画潜变量与显变量、潜变量与其测量变量之间的因果关系.然后,基于最大效用理论,对Logit模型的出行方式效用函数进行改进,构建了潜变量与显变量共同作用的SEM-Logit整合模型.结果表明:考虑了潜变量的整合模型的优度比传统Logit模型提高了0.201,最大似然函数估计值增加了20.607,证明潜变量对出行方式选择行为存在显著影响,所提出的整合模型的解释能力和精度较高.     

基于出行链的城际铁路站点选址双层目标模型

为解决因站点布局不合理导致投资成本高、旅客出行不便、客流吸引效果差的城际铁路选址问题,以出行链为基础,根据城市路网形态细化出行广义费用,弥补了既往研究中忽略或简化市内出行广义费用的不足.运用Logit模型,计算出行链中不同交通方式组合的分担率.分别以城际铁路运营收入最大为上层目标,在出行链中旅客广义费用之和最小为下层目标,建立城际铁路站点选址双层目标模型,利用改进离散粒子群算法进行求解.以广珠城际线为例,对模型及算法进行应用,并分析相关参数的敏感性,结果表明:模型的Pareto最优解体现了实现双层目标的矛盾关系,以此为基础结合不同设站需求实现两者的均衡,模型可为城际铁路站点选址提供更合理的决策支持.     

计划行为理论框架下城际出行方式选择分析

根据计划行为理论设计了针对都市圈内城际间普通列车、动车组、高铁和长途汽车4种出行方式选择的心理影响因素的调查方案,在样本通过信度和效度检验的前提下分析了行为态度、主观规范、感知行为控制和行为意向的相关关系,并建立结构方程模型。发现计划行为理论各变量的关系范式能够较为成功地应用于城际出行方式选择行为之中,其中“主观规范”在各种出行方式中对选择行为意向的影响最为显著。通过研究能够确定干扰城际出行方式选择行为的关键心理因素,为城际出行的需求管理策略提供理论支持。     

基于潜变量SVM的出行方式预测模型

为提高小样本下的出行方式选择模型的预测精度,提出了考虑低碳出行心理变量的支持向量机(SVM)算法.首先基于计划行为理论,考虑低碳出行心理因素,建立多原因多指标潜变量模型.然后将预测后的潜变量带入SVM分类器,构建了带潜变量的SVM选择模型.最后,利用交叉验证优化所建模型参数,并以长三角地区城市居民为研究对象实证检验了模型性能.实证结果表明,所建带潜变量的SVM选择模型具有较好的预测效果,比不带潜变量的SVM选择模型的精度提高了4.54%,比传统的带潜变量的混合选择模型提高了2.56%,同时验证了小样本下模型仍然具有很高的精度.本研究为出行方式选择模型和低碳出行方式选择研究提供了一定的理论参考.