基于结构方程模型的不同规模城市居民出行方式选择影响因素的关联性分析

针对目前城市居民出行方式选择的相关研究主要集中在个人属性对交通方式选择的影响方面,忽略了不同城市建成环境与出行方式的关联性分析问题。选取个人属性、交通供给属性和城市规模为外因变量,同时选取出行目的、出行时间、出行偏好、出行距离和出行方式选择为内因变量,采用结构方程模型(SEM)建立各影响因素与城市居民出行方式选择的关系结构;以3个不同规模的城市为研究对象,利用其居民出行调查数据对构建的SEM进行辨识与修正,采用卡方自由度比、适配度、调整适配度和均方残差4个指标对构建的SEM进行拟合优度检验,从而得到各因素对居民出行方式选择的正负影响及程度。结果表明:4个评价指标的结果均符合适配标准或临界值要求,表明构建的SEM较好;性别、职业和收入水平3个外因观察变量对"个人属性"具有显著的正影响;目的地是否有停车场对交通供给属性具有显著的正影响,目的地停车设施越完善、停车供给越充足,城市居民选择小汽车出行的比例越大;大城市和中等城市对城市规模有显著的正影响,大城市和中等城市的居民更偏爱公交车出行;个人属性、交通供给属性和城市规模3个外因潜在变量对出行方式有显著的正影响;出行偏好对出行方式有显著的正影响。研究结果对进一步优化居民出行方式结构、改善城市交通拥堵具有指导意义。     

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.     

基于前景理论的节假日停车选择行为研究

以北京颐和园为例,基于前景理论,建立节假日停车选择决策模型。为确定停车选择影响因素的参照点,对实际调查数据进行多元回归分析。建立了影响节假日停车选择决策的各个因素的价值函数,以及游客关于行程时间的概率重要性系数函数,计算得到了单个停车选择影响因素的前景值。利用熵权TOPSIS法确定影响因素的权重,综合考虑停车选择的因素确定得到方案选择的最终综合前景值,对所有停车方案的贴近度进行排序从而做出停车选择决策。基于期望效用理论,建立ML模型,研究游客停车选择行为的影响因素。最后将根据模型计算得出的方案排序与实际调查结果进行对比,验证了前景理论适合用于节假日景区的停车选择行为的研究。     

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。     

基于移动互联交通信息的居民出行方式特性

为研究移动互联网时代下的居民出行特性,探索在出行链过程中移动互联交通信息对出行方式特性的影响。通过RP-SP(revealed preference-stated preference)融合调查获取出行者基本属性、实时交通信息属性及出行特征属性,建立居民出行方式选择巢式Logit模型,对桂林市居民展开出行方式选择特性调查。研究结果表明：在出行链日趋复杂的情况下,个体的出行活动和交通行为与移动互联交通信息关系愈发紧密;移动互联交通信息对居民出行方式特性产生显著影响,尤其对私家车出行影响最大,其中实时路况信息属性影响最为显著,其次为拥堵延误时间;交通信息获取的满意度越高,越能促进居民选择公共交通出行。该结论能够作为理论基础与实证依据推动移动互联交通信息下的路径选择与交通出行诱导提供研究依据。     

北京市老旧小区停车耗费时间模型

基于老旧小区的特征,选取北京市朝阳区7个老旧小区为研究对象,对小区现状、小区内基本停车状况、驾驶员停车行为进行调查。基于调查结果,首先分析了北京市老旧小区的停车行为特征;然后通过非参数检验,分析驾驶员性别、有无固定车位、出行时段、出行目的、小区车位数情况等因素与停车耗费时间的关系,确定停车耗费时间的影响因素;最后利用SPSS软件,以停车耗费时间为因变量,以有无固定车位、出行时段、出行目的、小区车位数情况为自变量,对各影响因素进行参数标定,建立老旧小区停车耗费时间模型,分析得出各因素影响的差异性。     

通勤出行中停车换乘选择行为分析与建模

针对通勤出行研究驾车者的停车换乘选择行为,选取上海市典型停车换乘站对驾车通勤者与公共交通通勤者进行了RP(revealed preference)调查与SP(stated preference)调查,基于调查数据分析了选择停车换乘与否的影响因素,并针对道路交通通畅、堵塞2种状态分别建立了是否停车换乘的二项Logit模型.模型结果显示低收入的年轻人更倾向于选择停车换乘;交通状态堵塞时是否有老人或小孩等家庭特征显著影响停车换乘选择行为;模型还揭示了通畅时通勤者更关注出行费用,而堵塞时通勤者更关注出行时耗和舒适性,并分析了时间和费用敏感度对停车换乘选择概率的影响及其差异.     

城市居民出行碳排放研究进展

在应对全球气候变化和解决城市交通问题中,居民出行碳排放逐渐成为科学研究的重要课题.文章从居民出行碳排放的核算、影响因素和模拟三方面系统归纳了居民出行碳排放的研究内容及相关研究方法.可以认为:使用自下而上方法核算居民出行直接碳排放能明晰社区-家庭层级上居民出行碳排放的变化特征,由于数据获取困难,使用复杂方法核算居民出行间接碳排放的可操作性差;区域-城市环境特征和社区-家庭因素共同作用影响居民出行碳排放的变化,单方面分析居民出行碳排放的影响因素会出现研究结果的偏差,将二者结合使用复杂的数理统计方法量化各因子是揭示居民出行碳排放驱动机制的关键;基于时间地理学理论和GIS空间技术模拟居民出行时空轨迹可以较为直观地分析居民出行碳排放的时空特征,且为居民出行碳排放驱动机制分析提供支持.虽然考虑城市形态、土地利用、交通系统和居民个体行为的综合模型的时间和空间精度较低,却是未来模拟和调控居民出行碳排放的有效途径.     

南北方老年人出行链选择行为对比

为研究中国南北方老年人出行行为之间的差异,以老年人出行链为研究对象,将老年人出行链分为简单出行链和复杂出行链两种基本形式.基于北方城市东营市2011年的居民出行调查数据和南方城市恩平市2013年的居民出行调查数据,运用二项Logit模型对南北方老年人出行链选择行为进行建模分析,同时考虑个人属性、家庭属性以及出行链属性对老年人出行链选择的影响.模型分析结果表明,个人属性均对南北方老年人出行链选择影响不显著,出行链的出行时间对老年人选择简单出行链产生负影响,家庭月收入、家庭是否拥有小汽车对老年人复杂出行链选择产生负影响,家庭是否拥有自行车对北方老年人简单出行链选择产生正影响.     

自动代客泊车接受度及停车选择行为影响因素分析

自动代客泊车是无人驾驶系统的重要组成部分,对于缓解城市交通拥堵具有重要作用。为了探讨自动代客泊车接受度及选择行为影响因素,首先基于技术接受模型,选取感知易用性、感知有用性、行为态度、行为意向、感知风险、信任六个心理潜变量构建自动代客泊车结构方程模型。随后基于线上调查问卷数据,采用随机森林算法构建考虑心理潜变量模型与不考虑心理潜变量模型,研究发现考虑心理潜变量的随机森林模型拟合优度更高,更适合用于分析自动代客泊车选择行为的影响因素。通过袋外估算误差率对考虑心理潜变量的随机森林模型进行变量筛选,结果表明当变量个数为9时,该模型的袋外估算误差率最小,筛选后的变量分别为停车费用、受教育程度、感知风险、出行总成本、行为意向、信任、月收入水平、感知易用性、年龄。最后将筛选后的9个变量纳入逻辑回归中进一步分析各变量对选择行为的影响程度,参数标定结果表明停车费用、受教育程度、感知风险、出行总成本、行为意向、信任、月收入水平、年龄变量均对选择行为具有显著影响。     

停车场内部泊车行为特性分析及最优泊位选择模型

在详细分析有无诱导条件下的停车场内部泊车行为异同的基础上,提出服务于车位引导系统的最优泊位选择模型.结合国内外微观泊车行为调查分析结果,确定了停车场内泊位选择过程中的主要影响因素,包括步行距离、行驶距离、安全性、遮荫时长和有效泊位两侧车辆占用情况等.将各影响因素视为泊位的多项属性,建立了基于灰熵的最优泊位选择模型,对某一时刻停车场内所有的空余有效泊位进行排序,确定最优泊位.实例分析表明,该模型客观、简单、实用,有助于车位引导系统为停车者选择实时的最优泊位.     

Modeling an Elastic-Demand Bimodal Transport Network with Park-and-Ride Trips

This paper presents a network equilibrium formulation for modeling commuters＇ travel choices in a bimodal transport system with park-and-ride （P＆R） trips while the total demand is elastic to the congestion level of the network. A super-network approach is adopted in the proposed model. It is assumed that commuters＇ trips are categorized into two types, auto mode only and a combined mode with both auto and transit modes. The former is referred to as the pure mode trip and the latter as the P＆R mode trip. The proposed model simultaneously considers the commuter＇s choice of the pure mode versus the P＆R mode, the choice of parking location for the pure mode, the choice of transfer point for the P＆R mode, as well as the route choice for each mode. The demand elasticity of transport system, the capacity constraints of transport facilities, and the congestion interaction throughout the super-network are also explicitly incorporated into the proposed model. The results of the numerical experiment show the following key findings： （i） traditional parking/P＆R models may overestimate or underestimate travel demand distribution over network; （ii） parking/P＆R, transit scheduling, and carpooling schemes bring significant impacts on commuters＇ travel behavior and network performance; and （iii） different transport policies may be to some extent mutually substituted .     

基于系统总耗时最小的双目标泊位分配模型

针对为同一停车场不同入口同时申请停车诱导的车辆分配泊位问题,提出了以系统总耗时最小为第一层目标和单个停车者总耗时相近为第二层目标的双目标泊位分配模型。定量描述和分析了行进车道上泊车行为的发生对行程时间的影响,采用模糊综合评判法对停车入位时间进行分析,针对?t时段内系统中待泊车辆数与停车场内有效泊位数比值的不同,选择不同的影响因素,制定不同的泊位分配策略。通过算例分析表明：此模型能够适应于停车场内空满程度不同的情况,克服了单目标模型最优解的不唯一性,同时达到了系统内总耗时最小和各停车者耗时相近的诱导目标。     

诱导信息下驾驶员路径选择行为建模研究

为定量分析可变信息标志(VMS)对驾驶员路径选择行为的影响,采用SP调查进行调研,使用SPSS 20.0分析数据,建立了VMS诱导信息下驾驶员改变路径频率的有序多分类Logit模型。同时针对有重叠路段的路径选择,构建了考虑VMS显示状态的C-Logit模型。有序多分类Logit模型计算结果表明,影响驾驶员改变路径频率的主要影响因素为性别、学历、车辆类型、出行活动、VMS准确率。C-Logit模型计算结果表明,驾驶员对路径的理解时间与实际行驶时间存在较大差距,导致驾驶员选择路径比较集中,没能实现交通流在路网中的合理分配。     

随机动态交通网络中的停车行为

传统的静态确定型停车行为模型忽略了网络的时变性和随机性.基于道路供给和交通需求的不确定性,研究了随机动态交通网络中出行者的停车行为,建立了供需相互作用下的不动点拟动态停车行为模型,设计了基于Monte Carlo模拟方法的算法来求解该模型.算例结果表明,该模型能有效地模拟人们的停车选择行为.这一研究有助于加深对旅行行为的理解和透析交通行为的本质,为正确评价停车政策和合理规划停车系统提供了策略.     

基于动态因素的居民租车出行选择行为研究

为研究居民租车出行意愿以及车型选择,提高租车出行选择行为的预测模型精度,使用相关性分析筛选与居民出行租车选择行为密切相关的影响因素,确定租车出行选择的动态因素(即季节和过往租车选择因素),在MNL模型的基础上建立居民租车出行选择动态模型。在大量问卷调查基础上,对参照模型和动态模型进行参数标定和对比预测。结果表明,动态因素对居民租车出行选择具有显著影响,所建立的动态模型的拟合优比度和预测准确率较MNL模型有较大提高,能够较准确地预测居民租车出行选择行为。     

基于智慧出行用户画像的出行期望预留时长分析

可靠的交通出行信息服务是优质出行体验的基本保障,为了探究不同属性出行者、不同出行活动需求条件下的合理预留时长,通过SP调查实验获取出行者在各类典型出行活动场景下的期望预留时长,采用卡方检验与非参数秩和检验验证出行者的个人属性与出行活动类型对期望预留时长的差异性影响。研究发现：(1)受出行活动的价值或惩罚影响,不同类型出行活动的提前到达需求程度以及与之对应的期望预留时长存在显著差异,出行活动价值或惩罚越高,出行者期望预留时长越长;(2)相同类型出行活动需求下,出行者的个人属性亦会显著影响期望预留时长,不同类型出行活动需求下,影响出行者期望预留时长需求的属性类别存在差异,同一类型出行活动需求下,出行者属性的不同分类水平影响出行者期望预留时长需求,其差异程度可高达32分钟(103%)。研究结论对于开展精准出行用户的信息服务具有重要意义。