综合客运枢纽旅客换乘交通方式分担模型

为了解客运换乘枢纽旅客交通方式选择分担率,对换乘枢纽旅客交通方式选择影响因素进行分析,认为交通方式选择是道路交通网络基础特性、公共交通配套设施布局特性等客观因素以及旅客出行特性、旅客偏好等主观因素相互作用直至均衡的过程。依据效用最大化理论,在交通方式选择行为模型的基础上,引入感知和态度2个心理变量,构建了随机效用函数模型,并对模型求解。选取某换乘枢纽站的3种交通方式为调查对象,抽样调查了各交通方式的属性值,量化分析了各因素对交通方式选择作用的大小,对各交通方式的分担率进行了计算。研究结果表明:效用最大化能很好地反映旅客在选择交通方式时的决策过程,从旅客的个体出发,综合考虑旅客个体行为能较为客观地计算出不同交通方式的分担量,模型具有较好的实用性。     

运用Logit模型对高速客流分担率的估计

运用Logit模型对高速铁路与航空客流之间的分担率进行估计,并采用运输产品效用函数值代替传统的用多元线性回归求解的特征函数值,得到了较好的结论.     

城际客流分担率估计的信息扩散方法改进

针对城际铁路客流分担率估计中存在信息不完备、致使运用参数方程求解很困难的情况,提出了运用改进后的信息扩散方法对客流分担率进行估计,又用数据验证了改进后的估计精度有所提高.     

城市群城际运输结构配置客流分担率模型

为建立中短距离多方式大容量城市群城际运输通道旅客运输方式合理分担率模型,分析了通道内旅客出行运输方式选择特征及客流分担率的影响因素;从城际交通一体化和全程出行链的构成出发引入广义费用函数,运用极大似然法对传统的多维Logit概率模型进行改进,从全程效用最优化和运输方式衔接一体化的角度,分析了城际运输通道交通衔接和换乘关系;最后,利用模型预测了未来广清（广州—清运）城际运输通道内各运输方式分担率的变化。研究结果表明,该模型具有较高的可靠性。     

基于RBF神经网络的高铁客运枢纽客流参数预测方法

客流参数预测是实现枢纽客流安全状态预警的重要手段,针对枢纽客流参数的预测问题,提出了基于RBF神经网络的高铁客运枢纽客流参数预测方法,通过对高铁综合客运枢纽内瓶颈点的短时客流参数信息进行预测,对客流的拥堵或滞留状态进行及时预警. 实验证明基于RBF神经网络的高铁客运枢纽客流参数预测方法能够对瓶颈点未来短时内的客流参数信息进行较准确地预测,并可较好地反映滞留客流状态.     

基于空间关联度的高铁综合客运 枢纽客流参数预测算法

提出了基于空间关联度的高铁客运枢纽客流参数预测算法. 通过对高铁综合客运枢纽瓶颈点及其关联点之间的关联度进行研究,利用瓶颈点和关联点的实时客流参数信息,实现对瓶颈点客流参数信息的短时预测. 实验证明该算法在高铁综合客运枢纽客流安全预警实际应用中,能够快速反映客流扰动,具有较强的抗干扰能力,为高铁综合客运枢纽安全预警提供支持.     

基于信息扩散模型对城际铁路客流分担率的估计

采用信息扩散的模糊数学方法对城际铁路客流分担率进行估计,其结果同实际情况相当吻合,从而丰富了客流分担率估计的方法.     

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。     

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.     

基于多源浮动车数据融合的道路交通运行评估

针对当前出租车浮动车数据覆盖范围和数据质量不足的问题,在现有数据特征分析的基础上引入百度手机导航和公交车浮动车导航数据,面向道路运行评估和拥堵管理提出了基于出行时间的交通运行指数算法和一种基于出租车、百度、公交车多源浮动车数据融合的道路交通运行评估方法,构建了多源数据融合规则和融合算法.以深圳为例进行了融合效果分析,结果表明所提出的多源数据融合方法效果显著,很大程度上提高了融合结果精度、数据覆盖率、数据可靠性和数据样本量,最后提出了主要应用方向和初步应用效果,能够为国内外城市开展交通运行评估工作提供借鉴.