考虑需求强度与群体差异的公路旅客出行行为异质性研究

基于联网售票数据,提出公路旅客群体识别方法,建立了基于K-means聚类及决策树CHAID算法的公路旅客群体识别嵌套模型,提取了平峰与高峰时期旅客群体的细分规则及群体细分特征,并利用结构方程模型获取了需求强度对公路旅客出行行为异质性的影响机理.研究结果表明:平峰时期,购票方式、出行时刻及提前取票时间是划分旅客群体的主要因素.高峰时期,旅客出行计划性更强,提前16h以上取票的旅客占比相对平峰时期高约2％;将需求强度等级由高至低划分为1至4级;需求强度提升将导致常规出行型旅客更倾向于人工购票,计划出行型旅客更倾向于网络购票;常规出行型旅客受票价的影响程度高于计划出行型旅客0.113％,揭示了常规出行型旅客对票价提高不敏感;计划出行型旅客的出行时刻选择几乎不受需求强度变化影响.     

基于非集计模型的中长途客运旅客选择方式

近年来,随着我国高铁的快速发展,给公路客运产生了巨大的冲击。为了提高公路客运企业竞争力,结合中长旅客出行需求和发展态势,笔者从旅客特性、出行特征、运输方式特性等角度,分析了旅客出行行为偏好影响因素,构建了基于非集计的多元Logistic旅客选择方式回归模型。论文依据北京公路客运数据,对0～400km和400～800km的中短途和中长途旅客出行选择行为进行了敏感度分析实验。实验表明,0～400km中短途出行的旅客对便捷性和准时性的敏感度高,而400～800km中长途出行的旅客对出行费用、出行时间、舒适性和安全性的敏感度高。     

基于出行态度的自行车通勤出行市场划分

为识别自行车通勤出行中不同出行者选择偏好的差异,针对基于出行态度的自行车通勤出行市场进行划分.根据南京市居民通勤出行问卷调查,采用结构方程模型从29个观测变量中提取出若干态度潜变量,分析了出行偏好态度变量间的相关性,并采用K-means聚类方法对自行车通勤出行市场进行划分.根据选择自行车通勤出行意愿、对固定出行时刻需求、对出行舒适度需求及环保意识4类态度变量将自行车通勤出行市场划分为6个子市场,同一子市场内个人选择自行车出行意愿近似,不同子市场间选择意愿明显不同.分析了每个子市场内个人通勤出行态度特征以及自行车方式选择特征,针对每个子市场提出了相应政策以引导自行车通勤出行方式的选择.     

居民出行链、出行方式与出发时间联合选择的 交叉巢式Logit模型

为刻画出行链、出行方式与出发时间的联合选择行为,选取出行耗时、出行费用及个人与家庭属性等作为效用变量,以出行链选择子集合、出行方式选择子集合和出发时间选择子集合的组合作为模型的选择项,构建基于广义极值(GEV)理论的交叉巢式Logit模型,为方便对比,同时构建3种结构的传统NL模型。利用2010年北京市居民工作出行的小样本调查数据,对模型参数进行估计和检验,并进行弹性分析,分析效用变量的改变对备选方案选择概率的影响。参数估计结果表明,交叉巢式Logit模型具有比NL模型更优的统计学特征,并发现当效用变量改变时,选择者最先变更其出发时间,然后是出行方式,最后才考虑改变其出行链结构。直接和交叉弹性分析表明,与简单链的小汽车出行者相比,复杂链的小汽车出行者对出行时间与出行费用的敏感性较低。研究结果可以为制定和评价交通需求管理政策提供依据。     

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.     

登机客流出行方式选择机理

在对昆明市巫家坝机场进行旅客交通方式意向调查的基础上,以机场登机旅客的出行方式选择问题为研究对象,探讨影响登机旅客出行方式选择的主要因素,采用MNL模型构建基于SP数据的非集计模型和基于SP数据与RP数据相结合的非集计模型,并对模型进行了标定和检验,并从中选出较优模型。     

基于共享单车出行数据的用户行为分析

基于共享单车出行数据,对用户总体出行时间和强度进行分析,并据此对高频用户出行日期和路线进行分类,针对用户出行目的地建立预测模型.结果表明,工作日和休息日出行时间分布存在显著差异,出行强度具有频率低、距离短的特征;高频用户出行轨迹在工作和休闲两维度上可归纳为三种类型;基于共享单车历史出行数据,建立用户出行目的地预测模型所得的准确率较为合理.     

居住地、出行方式与出发时间联合选择的

为刻画居住地、出行方式与出发时间的联合选择行为,选取房价、出行耗时、出行费用及个人属性等作为效用变量,以居住地选择子集合、出行方式选择子集合和出发时间选择子集合的组合作为模型的选择项,构建基于广义极值(GEV)理论的交叉巢式Logit模型,为方便对比,同时构建3种结构的传统巢式模型.利用2005年北京市第3次居民出行调查数据,对模型参数进行估计和检验,并进行弹性分析,分析效用变量的改变引起的备选方案选择概率的改变.参数估计结果表明,交叉巢式Logit模型具有比NL(Nested logit)模型更优的统计学特征,当效用变量改变时,选择者最先变更其出发时间,然后是出行方式,最后才考虑改变其居住地.直接和交叉弹性分析表明,对于小汽车方式的远距离通勤者,即使额外收取费用亦难以降低其出行比例;当通勤距离小于5km时,一种方式出行时间的变化对另一种方式选择概率的影响微乎其微,而当通勤距离在10～20km时,这种影响最显著.     

基于社交网络的民航旅客偏好建模

从社会网络的视角,提出了一种旅客个体偏好与关系偏好相结合的建模方法.首先,从旅客的历史出行记录中,构建基于共同出行关系的旅客社会网络;然后,构建旅客个体偏好模型和旅客关系偏好模型;最后,基于旅客偏好模型给旅客推荐座位.在民航领域的一个真实的数据集上进行了实验,证明本文提出的偏好模型能够有机地将旅客个体偏好与关系偏好结合起来,较好地描述旅客对航班座位的偏好.     

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。