广珠城轨站市内接驳交通方式的调查分析——以江门东站为例

本文在分析广珠城轨站市内接驳交通现状和旅客出行选择偏好的基础上,研究旅客的市内接驳交通方式选择行为.在江门东站进行了意愿和行为相结合的调查,基于调查数据对旅客的个人属性和出行选择属性进行聚类分析和相关性分析发现,公交车和出租车是旅客的主要接驳交通方式,收入越高的群体选择出租车作为接驳交通方式的比例越高;人群类别、出行目的、出行地区、公费出行、出行费用、安全性和舒适性为影响旅客出行选择行为的7项关键因素.基于此,建立了广珠城轨站旅客市内接驳交通方式选择行为的多项Logit模型,借助SPSS22.0软件,通过最大似然法标定模型参数.本模型的拟合程度较好,基于调查数据随机测试发现,模型对旅客出行选择行为的预测正确率为85.67%,说明本文方法具有一定的可行性.     

基于改进熵的土地利用混合度对非通勤行为的影响

为研究土地利用混合度对非通勤行为的影响,提出改进熵模型定量描述土地利用混合度,并深入分析土地利用混合度对非通勤者出行距离和出行方式选择的影响.结合甘肃省天水市2015年居民出行调查数据,构建土地利用混合度与非通勤者出行距离的关系模型,并利用MNL模型研究土地利用混合度对非通勤者出行方式选择的影响.结果表明:与传统熵指标相比,改进熵指标对非通勤者出行距离的解释性更强;利用STATA软件标定MNL模型参数并进行弹性分析,进一步表明改进熵指标对居民出行行为的解释性优良,合理的土地利用布局有助于引导居民选择非机动化出行方式.研究结果对城市规划和交通政策的制定具有指导意义.     

基于广义估计方程的居民大型超市购物出行方式的选择行为研究

针对大型超市购物出行的交通方式选择行为问题,以上海私家车车主为研究对象,以意向调查为行为数据的获取手段,研究包括自驾和出租车2种交通方式的大型超市购物出行交通方式选择行为.利用SPSS19.0软件,根据广义估计方程(GEE)对意向数据进行建模,建立了多种不同工作相关矩阵的候选模型,并从中选出最优模型.结果表明:月收入、职业、停车时间、超市距离和停车费用等因素对居民的超市购物出行方式选择具有较大的影响.其中,高收入的人选择出租车的意愿较低;在职人员(公务员、机关职员、事业单位和企业员工)相较于其他非在职人员更愿意选择出租车;停车时间较长的人更愿意选择出租车,停车收费的提高会导致自驾购物出行比例减少;超市距离的增加导致自驾购物出行比例增加.     

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.     

基于家庭决策的出行方式选择非集计模型

采用2010年北京市居民出行调查数据,建立了基于家庭决策的居民出行方式选择非集计模型.采用蒙特卡洛仿真技术和遗传算法对模型参数进行极大似然估计.研究结果表明,本文所建模型拟合度比较好,ρ2值达到0.759,模型在家庭和个人等两种不同出行链水平上能够较好地描述出行者的出行方式选择行为.     

考虑居民出行OD或居住地的出行方式选择巢式Logit模型

为定量化分析居民出行OD或居住地引入轨道交通后对出行方式选择的影响,在综合考虑出行者家庭特征、个人属性和出行特性的基础上,结合南京市居民出行调查数据,分别建立了考虑居民出行OD、考虑居住地、既不考虑出行OD也不考虑居住地的3个出行方式选择巢式Logit模型,并对比了模型的拟合度.结果表明:考虑居民出行OD的巢式Logit模型具有最高的拟合度;相比于出行OD小区或居住地远离轨道交通站点的出行者,出行OD小区或居住地接近轨道交通站点的居民更倾向使用慢行交通和/或公共交通出行方式.得到的分析结果为城市规划者认识轨道交通在吸引居民出行由小汽车向公共交通转移中的作用提供了理论支持和决策依据.     

通勤出行时间与方式选择

针对不同方式通勤出行者在出行时间上的差异性,从通勤出行方式对通勤出行时间的影响出发,将通勤出行方式选择和出行时间选择纳入同一模型系统,建立由离散选择模型和线性回归模型组成的离散 连续模型,对通勤出行方式和出行时间选择及其相互影响模式进行了深入分析.研究表明,通勤出行方式对出行时间选择有显著影响,通勤者年龄、性别及其家庭成员结构、工作活动属性及通勤途中的非工作活动安排等都是出行方式和出行时间选择的重要影响因素.本研究对准确预测通勤出行选择行为及其对交通管理工作的影响有重要意义.     

基于旅客画像的航班出行选择预测方法研究与实现

根据预处理后的旅客出行数据,运用改进的K-means聚类算法进行用户分群,提取聚类特征得到旅客类型子集合,并构建用户画像.基于特征重构数据库,构建旅客类型、出行方式、出行时间段三个维度的交叉巢式Logit模型,捕捉选择方案间的相关性,预测旅客航班出行方式、出行时间段的交叉选择,并基于实际数据进行参数估值和检验.结果表明,旅客倾向于先根据个人及家庭的需求形成旅客类型,考虑选择何种出行方式,最后在旅客类型和出行方式的双重约束下选择航班的出发时间,为机场实施需求管理提供有效依据.     

基于活动的城市出行需求层次选择模型

以2010年绵阳市传统居民出行调查数据为基础,研究从传统居民出行调查数据中提取基于活动模型建模所需特性数据的方法和流程,并提出了以方式/目的地选择模型、时间选择模型和日活动模式选择模型为主体的层次选择模型结构,就数据处理、模型结构、变量选择、模型标定等提出一个完整的基于活动模型的分析方法,从而实现了基于活动的交通需求预测.     

浅析居民工作出行方式选择及影响因素

伴随城市建设的快速发展,出行交通也越来越受到人们的关注.面对交通给城市带来的优与劣,交通发展带来的问题日益受到学术界的重视,调查和分析居民日常出行方式具有重要的意义.该文在大量的数据收集基础上,研究以工作为目的的居民出行交通方式选择,以时间和花费作为影响因素,并利用Nlogit软件进行分析,建立选择模型进一步研究分析.     

基于出行链的城际旅客出行方式选择行为

在解析城际出行链的基础上,分析了旅客出行方式选择的影响因素,并将心理潜变量引入Logit模型,构建了基于出行链的旅客城际出行方式选择模型(stuctural equation modelingLogit,SEM-Logit).通过对沪杭交通走廊内客流的调查,进行了模型的应用及参数标定,并对城际旅客出行链的选择进行了预测,拟合值与调查值的相对误差在2%以内.结果表明,考虑了心理潜变量的改进模型具有良好解释能力,能直观地反应和预测旅客在城际出行中对出行方式的选择行为.     

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.     

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。     

新冠肺炎疫情下居民出行方式选择行为分析

为探究在新冠肺炎疫情不同阶段下,居民的个人属性、家庭属性、出行特征、疫情感知属性、行为意向、选择态度等因素对出行方式选择的影响.基于疫情初期、爆发期、平稳期3个阶段下的北京市居民出行抽样调查数据,构建混合Logit模型.结果显示：疫情3个阶段下,出行距离对出行方式选择都呈正相关显著,各阶段最大预测边际值及其对应变量分别为3.299(5～10 km)、2.983(>10 km)、3.148(5～10 km),较长距离出行对出行方式选择的影响最大;疫情感知属性和出行距离的交乘项对交通方式选择具有明显的调节效应.疫情暴发期,疫情感知属性、行为意向、选择态度变量对交通方式的选择呈负相关显著影响,出行者在出行中被交叉感染的心理担忧表现明显;仅有18.8%的出行者选择公交车或地铁出行,出行结构变化明显.疫情平稳期,选择态度变量对交通方式选择有正相关显著影响,且影响程度变大,表明出行者对交通方式的人群接触率和防疫措施的严格程度要求较高.研究结果可为公共卫生事件下出行者的出行决策和相关管理部门针对疫情的防控提供参考依据.     

基于深度森林算法的油井产量预测研究

为了克服传统机器学习算法产量预测模型的缺点,以深度森林算法理论为基础,综合油井相关各项数据,建立了油井产量预测新模型。首先应用KNN最邻近方法和Z-Score标准化方法对油井相关数据进行预处理,利用MDI特征选择方法选择对油井产量影响最大的特征向量,然后将选出的特征向量作为深度森林模型的输入变量,建立深度森林产量预测模型,利用网格化搜索优化模型参数,最后在测试集上运行模型,对模型性能进行评估。研究结果表明,相对于BP神经网络等传统机器学习算法模型,深度森林模型的产量预测精度更高,可以准确预测油井产量,同时相对于深度神经网络等复杂学习算法,该算法参数少、调参及应用简单,为油井产量预测提供了一种新的方法和思路。     

基于NL模型的节假日绿色出行行为研究

针对节假日出行行为的特殊性,利用2014年北京市节假日出行行为调查数据,构建了节假日绿色出行行为Nested Logit模型。通过筛选影响节假日绿色出行行为选择的显著因素,建立了节假日绿色出行行为NL模型的层次结构,分析了模型的参数估计结果。研究结果表明,是否拥有小汽车、是否拥有自行车、居住方式、出行目的、出行距离和出行费用是影响节假日出行方式选择的主要因素,是否拥有小汽车、是否有同伴和出行目是影响节假日绿色出行选择的主要因素。     

南北方老年人出行行为对比研究

为了探索南北方老年人出行行为之间的差异,选取北方城市东营市和南方城市恩平市为研究对象。基于两个城市的居民出行调查数据,对南北方60岁以上老年人群的出行特征进行统计,并进行对比分析。总结了南北方老年人在出行率、出行方式、出行目的以及出行时间上的差异和特点。另外,利用多项Logit模型分别建立南方和北方老年人出行方式选择模型,定量分析南方和北方老年人在出行方式选择的影响因素,并分析两者之间的差异性。研究发现性别、年龄这些个人属性对南北方老年人出行方式选择行为影响不显著,家庭属性对南北方老年人出行方式选择的影响有显著的差异。对于出行时间,则表现出某种出行方式出行时间越长,越不利于老年人选择该种出行方式。     

基于结构方程的城市低收入通勤者活动-出行行为模型

为了分析影响低收入通勤者活动-出行的因素,揭示活动与出行之间的互动机理,基于南京市居民一日出行调查数据,采用结构方程模型建立低收入通勤者活动-出行模型.统计数据表明,低收入通勤者较多进行生存型活动,较少参与维持型活动和休闲型活动,出行链以简单工作链为主,电动车是其主要出行方式.模型标定结果显示,个人及家庭社会经济属性、可达性对低收入通勤者的活动参与、出行生成和方式选择有显著影响,并且活动-出行模式变量间也存在较强的相互关系.社会经济属性、可达性主要通过活动参与间接影响出行生成,而方式选择主要受社会经济属性和出行生成的直接影响.     

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。     

考虑出行者选择偏好的出行方式选择模型

构建合理的出行方式选择模型是精确预测出行结构的关键.在现实出行条件中,不同出行者对于不同交通方式存在固有选择偏好,从而表现出一种非完全理性的出行方式选择行为.为进一步提高出行方式选择模型的预测结果精度,提出了一种考虑理性决策和固有选择偏好共同影响的出行方式选择模型.双因素共同作用决定出行者的出行方式选择结果,两者的影响权重与出行者对于备选方案的心理参考值有关.备选方案的特征变量数值与心理参考值差值绝对值较小时,选择行为更多地受到固有偏好的影响,反之,则更多地受到理性决策的影响.分析对比结果表明,所提出模型在出行方式选择结果的预测命中率上优于以完全理性决策为前提的传统分层Logit模型的预测结果.