优化人口分布以减少城市道路交通需求

应用遗传算法和GIS优化城市人口空间分布,减少小汽车交通的出行距离．研究中考虑了业务、购物／休闲和通勤交通．为了得到目标函数,建立了BL模型(business location model),用它来分析企业问的关系和企业与家庭的关系．模型把企业划分成9类,并认为小区内的企业数量和居住人口是影响小区间交通需求的主要因素．然后将小区内的人口当做外生变量,用遗传算法计算使小汽车出行的总距离最小的人口分布格局,从而得知人口集中在中央商务区(CBD)和挟乘车站的步行圈内时可以极大地减少城市道路交通需求。     

基于前景值和乘客最优理论的居民公交出行选择模型

为研究城市内居民的出行目的与公共交通工具选择的关系,运用前景理论和乘客最优理论建立了客运走廊内居民公共交通出行选择模型。调查了苏州市木渎站至钟南街站客运走廊沿线居民的出行目的,获取了居民出行目的与公共交通工具服务属性关系数据,以此数据为依据计算出各种公共交通工具的前景值,并进行模型检验,结果发现模型运行至第786代后解的质量稳定在97%,与实测值相比,模型的模拟结果与居民选择公共交通工具的行为是一致的。可见该模型为预测公共交通工具的分担量提供一种的新思路。     

容量限制分配的蚁群优化算法

针对交通规划实践中广泛使用的用户出行行为假设与现实脱节的不足,提出了用蚁群优化算法获取网络流量加载路径的配流新思想.分析了网络中用户出行的行为特征并与蚁群算法执行机制进行了比较,提出利用人工蚂蚁模拟网络中用户出行的可行性和合理性.给出了基于Ant-Cycle模型的容量限制分配思路和流程.设计采用双层迭代机制完成整.个交通分配过程:使用内迭代构建完整的流量加载路径;使用外迭代对路段阻抗进行修正,体现网络的拥挤效应,使网络分配趋于平衡.仿真算例与对比分析表明:该方法可以模拟交通系统的平衡状态,分配结果趋近用户平衡;算法合理、有效.     

影响出行链构成的多因素分析

以影响出行链构成的各类因素为研究对象,依据已有的理论基础和实践经验,设计了涵盖众多影响出行链构成因素的调查问卷.利用结构方程建模中的验证性因子分析方法,逐步筛选出影响出行链各构成因素的全集.剔除影响微弱的因素后,量化了各构成因素对于出行链不同程度的影响.     

城市轨道交通车站接驳范围的计算模型

依据可达性一致原则,建立了基于广义出行费用的城市轨道交通车站接驳范围计算模型,并给出详细算法及案例分析.针对城市居民出行并非全部都以市中心为目的地这一现实情况,引入城市轨道交通可达点的概念并分别赋予权重,解决了既往研究中只取单一目的地的不足;根据车站周边每个交通小区的实际人口结构对出行时间价值进行细化处理;根据实际路网形态计算接驳距离,使之更加接近实际的走行距离;给出求取车站接驳范围的详细算法,并对算法优化进行讨论;最后,利用广东省某市的预测数据对模型进行计算验证.结果表明,接驳范围与车站周边的道路情况、出行分布以及竞争交通方式的服务水平相关,并不是简单的圆形区域.该模型可以为城市轨道交通已建或规划车站确定客流吸引范围提供计算方法,从而为客流预测及接驳交通设施衔接规划提供参考.     

基于潜变量RF的通勤高峰期小汽车出行方式向公交转移行为研究

为缓解城市的交通拥堵,科学合理的引导小汽车出行者改乘公共交通出行显得尤为重要。以通勤出行者为研究对象,引入了有关价值观念的扩展心理潜变量,并建立了基于扩展TPB理论的潜变量MIMIC模型,分析了小汽车和公交出行方式下各潜变量之间的关系。然后,考虑随机森林算法有鲁棒性好、泛化能力强的优势,构建了带有心理潜变量的MIMIC-RF出行方式转移模型,通过实证结果得到有潜变量的模型比传统的模型具有更好的预测效果。因此,可借助该模型进行敏感度分析,结合关键影响因素的变化探究通勤者选择小汽车出行方式向公交转移的规律。     

特大城市居民出行行为决策研究

为研究特大城市居民出行决策规律,以居民常规出行方式（步行和乘公交车）为研究对象,以期望效用理论为理论基础,以居民出行时间价值损失最小为约束条件,构建居民出行行为的马尔科夫决策模型.研究结果显示：在特定的出行范围内,居民出行行为决策与居民的出行时间价值关系密切,出行时间价值越高,选择可靠性高、时间价值实现风险低的出行方式概率越大.     

ATIS影响下基于广义出行负效用的随机分配

考虑先进的出行信息系统(ATIS)对出行者路径选择行为的影响,提出了一种混合随机用户均衡交通分配模型。将出行者划分为"有ATIS接收装置"和"无ATIS接收装置"两类,两类出行者均以随机方式选择出行路径,路径选择准则为广义出行负效用最小,广义出行负效用定义为出行时间、出行费用和出行时间可靠性的线性组合。利用混合网络随机用户均衡建模理论,建立了ATIS影响下基于广义出行负效用的随机型分配变分不等式模型,基于二次加权平均方法设计了求解模型的启发式算法。通过一个简单算例验证了文中所构建的模型和算法,并获得了一些重要的结论。     

基于区位理论的交通发生预测模型的研究

文章在考虑了各交通小区的区位因素后，建立了一种新的交通预测模型。并以算例将该预测方法与传统的类型分析法在交通发生预测方面进行了比较，在一定条件下使用本文模型的预测精度要比使用传统的类型分析法模型的预测精度高，故而在一定范围内有起好的实用价值。     

基于DBSCAN算法的城市车辆出行次数建模及应用

车辆出行次数是城市车辆出行的基本特征之一,一般采用抽样调查获得。利用城市车辆RFID(radio frequency identification)出行数据,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)算法的车辆出行次数计算方法。首先,利用k-差值法计算出DBSCAN算法中ε-邻域半径;然后,利用车辆一周(月、季度、年)的RFID轨迹链数据进行DBSCAN密度聚类,获取车辆出行时间特征和出行次数。实验表明,该方法具有较高的准确性,实现简单。