基于手机导航轨迹数据的城市大规模人群出行模式分析

手机导航轨迹数据具有多种交通方式,反映大规模人群的活动情况,适合开展不同交通方式下的出行模式研究。基于手机导航数据,利用LightGBM模型实现出行交通方式分类,得到步行、机动车和非机动车3种交通方式下的人群轨迹。基于这3类交通方式,给出人群出行在周末和工作日下时间、空间和距离的分析指标,并对上海4天数百万条手机导航数据开展了实验分析。结果表明：在时间分布上,上海居民的周末出行高峰比工作日更晚并且持续时间更短,出行方式主要以机动车和步行为主;在空间分布上,机动车主要集中在高架区域,步行主要集中在地铁站附近,高架路和地铁站的引导标志不充足,周末交通枢纽和商圈类热点区域比工作日多;在距离分布上,导航出行距离符合截断幂律分布,人群导航出行以中短距离为主,并随距离增长迅速衰减。研究结果可以为城市规划、城市交通管理政策的制定提供理论依据和技术支撑。     

用于短时交通流预测的多项式分布滞后模型

提出了用于短时交通流预测的多项式分布滞后模型.其建模思想是交通状态时间序列同时受自身滞后项之外的多个因素影响,并且影响分布到了多个时段.通过与ARIMA模型(自回归整数移动平均模型)的预测精度对比分析,表明PDL（多项式分布滞后）模型具有与ARIMA相同的预测精度,而在模型可移植性、算法复杂性和实现方面更具优势.研究结果为短时交通流预测理论提供一种新的研究思路.     

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。     

基于三参考点多属性决策的居民出行方式选择

针对不同方式之间的客观优势与不足以及每种出行方式本身内在特点,以多属性决策方法为基础,引入前景理论价值函数,从影响出行者出行方式选择的主要属性出发,提出基于三参考点的不确定多属性出行方式选择方法。考虑评价属性值的不确定性,采用区间数描述属性值;其次,采用模糊分析法刻画出行者对不同出行方式的偏爱程度。对比三参照点和单参照点两种情形下的各种出行方式的效用排序结果,分析表明该方法获得最优出行方式不仅考虑了各种出行方式之间的外在相对优势,又体现了不同出行方式内在努力程度及出行者对不同出行方式的偏爱。     

基于交通大数据的公交线路OD矩阵推断方法

随着交通大数据的普及与广泛应用,提出了一种推断多模式交通网络线路OD矩阵的方法。首先,通过匹配乘客的刷卡数据和公交车辆报站数据获得乘客的上车站点,其次结合地铁刷卡数据准确分析乘客的下车站点,最后根据乘客的出行信息获得线路OD矩阵。利用广州一天近800万刷卡数据和600万公交报站数据进行了上车站点、下车站点以及OD矩阵的推断,结果表明:早高峰与全日出行规律一致;广州交通方式呈现多样化等。提出的方法可以更为准确地获得线路OD矩阵,揭示城市交通特点,具有较高的实用价值。     

基于非合作博弈的公交出行结构优化分析

为了在有限的公共交通资源下让出行者使用公共交通获得的出行收益最高,以公共交通出行结构作为研究对象,运用非合作博弈的方法,以出行距离为依据对出行者进行划分,对居民公共交通出行构建博弈模型寻求Nash均衡点,以预测合理的城市轨道交通、常规公交分担比例,优化公共交通出行结构。结合太原市的实际情况进行分析,研究结果表明:61.34%的中、短距离出行居民选择常规公交出行;53.18%的长距离出行居民选择常规公交出行是太原市最佳公共交通出行结构比例。所构建的模型能够结合研究区域分析常规公交和地铁的Nash均衡点,并给出合理的最优公共交通出行结构,为有关公交优化提供参考和建议。     

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。     

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。     

城市低收入人群出行方式选择模型

应用700份调研样本数据,分析了城市低收入人群的年龄分布与就业状况。结合非集计模型理论,分析了影响低收入人群出行方式选择的因素。将驾驶人个人属性、家庭属性、车辆属性与出行属性作为效用变量,将步行、自行车、公交车3种交通方式作为低收入人群出行方式选择肢,构建了城市低收入人群出行方式选择模型,并确定了模型中相应的变量与取值方法。另选取175份调研数据,对模型的准确性进行验证。计算结果表明：应用建立的模型,步行、自行车、公交车3种交通方式的计算结果分别为23.4%、25.7%、50.9%;在调研数据中,3种交通方式的结果分别为21.7%、24.6%、53.7%;计算值与统计值的绝对误差较小,最大误差仅为2.8%。     

一种基于数据包络分析的低碳出行对绿色交通发展的研究

为了明确低碳出行对城市交通绿色性发展的积极贡献作用,从人、车、路、交通基础设施和交通环境五个层面提取衡量低碳出行对城市交通绿色性发展的主要指标,并引入数据包络分析方法中C~2R模型的等价变换线性规划模型,以广州市2005年—2012年低碳出行投入和产出的统计数据为例,借助SPSS和DEAP等数据分析工具进行实证研究.研究结果表明:随着能源的紧张和私人机动车辆的增加,发展公共交通事业已成为城市绿色交通发展的第一要素.