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.     

共享电动汽车选择行为分析

为探索共享电动汽车选择行为,构建出行行为选择模型,基于南京市出行者选择行为调查数据,采用计划行为理论、技术接受理论和结构方程模型,综合考虑出行者个人社会属性、出行特征及潜变量,分别构建不包括潜变量的多项Logit模型和包括潜变量的混合选择模型,并对这些因素进行显著性和敏感性分析.结果表明:不包括潜变量的多项Logit模型中,模型拟合系数(伪R2)为0.275 ＞0.2,表明模型拟合效果较好,年龄、收入、拥有机动车、受教育程度、对共享电动汽车了解程度等因素存在显著影响;在包括潜变量的混合选择模型中,模型拟合系数(伪R2)为0.354 ＞ 0.275,表明模型拟合效果优于多项Logit模型,对共享电动汽车了解程度、拥有机动车、舒适性、快捷性、行为态度、使用偏好、行为意向、使用障碍、站点障碍、车辆障碍、个人障碍等因素存在显著影响.     

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.     

考虑心理潜变量的专车出行选择行为分析

提出了考虑心理潜变量的选择模型来分析出行者的专车选择行为。首先构建了多指标多原因模型以描述个体社会经济学属性与潜在态度变量的关系;继而结合二项Logit模型分析出行方式属性、个体社会经济学属性及潜在态度对出行者专车选择的影响;并利用潜分类模型对出行者进行分类分析。以广州市为例,发现年龄、性别、教育水平及收入水平对态度变量的构成影响较大,安全意识、服务质量及舒适性、忠诚度也是影响选择的重要因素;通过潜分类发现出行者可分为费用敏感型、舒适享受型和中立型3个典型群体,比例分别为61.6%、21.8%、16.6%,显示出明显的两极分化趋势。     

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.     

考虑异质性及主观评价的出行行为研究

出行者对出行方式的主观评价和出行者异质性对出行选择行为都具有重要影响.文中利用潜在类别选择模型研究这些因素对出行选择行为的影响.通过验证性因素分析,得到出行者对出行方式的舒适性评价和可靠性评价等潜在心理变量.将潜在心理变量带入潜在类别条件Logit模型中,研究出行者可以划分的潜在类别数量,并研究不同潜在类别的出行者在时间价值、拥挤度评价、可靠性评价方面的异同.研究结果表明,出行者可以划分为Class1、Class2两类群体,其中Class1在出行行为选择时,考虑出行方式的舒适性和可靠性,时间价值较低;而Class2在出行行为选择时,不考虑出行方式的舒适性和可靠性,时间价值也显著高于Class1.文中定量化的研究结果可用于公共交通设施的规划设计与评价.     

突发事件下城市群内旅客城际出行方式选择行为

以城市群内旅客城际出行为研究对象，分析心理潜变量、城市群属性和突发事件等因素对城际出行方式选择行为的影响。基于京津冀旅客城市群内部城际出行问卷调查数据，构建突发事件下考虑心理潜变量的综合选择(integrated choice and latent variable,ICLV)模型进行实证分析。结果表明：考虑便捷性和乘车体验潜变量的混合选择模型对居民城际出行行为的拟合优度更高；城市群属性方面，起讫点城市类型、出行距离和起讫点间铁路车次数量对出行方式选择有显著影响；突发事件方面，雾霾天气下选择铁路出行的概率提高25.69%,雨天选择小汽车出行的概率提高31.63%,雪天选择小汽车出行的概率相对降低，发生阻断事件时选择小汽车出行的概率升高。研究结果有助于深入理解城市群内城际出行方式选择行为，为突发事件下城际出行需求的差异化出行诱导和需求管控提供科学依据。     

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.     

轨道线路调整后考虑习惯影响的居民出行方式变化

为研究轨道线路调整下居民的出行选择行为,从出行决策机理入手,考虑并量化个体出行习惯对方式选择的影响,构建了包含动态效益变化感知函数的巢式Logit(nested Logit,NL)模型,并通过案例验证了模型的可行性和有效性,进一步分析模型中习惯参数对决策的影响,提出优化策略.结果 表明,线路调整对轨道交通选择概率的影响最大,公交车其次,小汽车最小,且对不同起迄点(origin and destination,OD)的影响存在差异;个体出行习惯则会削弱这种影响,表现为对行为变化的抑制,模型中阈值越大,个体保持习惯方式出行的概率越大;方式依赖程度越大,个体越难以向具有更高效益的方式转移,且随着阈值的增大,方式依赖程度对决策结果的影响逐渐增大.通过配套政策措施的完善,能够有效发挥线路调整的作用,减小习惯对决策结果的影响.     

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。