大学生研学旅行的行为意向研究 ——基于计划行为理论视角

基于计划行为理论,采用Ordered Logit模型进行实证研究,分析影响大学生参与研学旅行行为意向的因素,研究发现以性别、年级、父亲的职业和家庭月收入为代表的个人及家庭特征因素对研学旅行行为意向产生显著影响;行为态度、主观规范和知觉行为控制以及外部情景也对大学生参与研学旅行的行为意向产生显著影响.结合研究,着力于激发大学生参与研学旅行的行为意向,并提出了相应的对策建议.     

基于选择方案抽样调查的城市群低频率出行行为研究

为揭示异常情况下居民城际出行决策的关键影响因素和规律,根据阻断事件级别、绕行路线增加时间量、出行类型（弹性、刚性）设计了16种出行场景,进行居民出行方式选择意向问卷调查.问卷涉及影响居民出行决策的11个因素和4个决策选项.基于多分类Logistic回归模型,分别利用城际出行中的16种异常场景下的意向（stated preference,SP）调查数据,构建居民出行决策模型.结果表明：阻断事件影响程度、绕行路程、出行目的不同,影响居民决策的显著性因素不同,并且同一因素在不同场景下的影响程度存在差异;出行时耗和居民对某种出行方式的偏好对各场景下的决策影响最为显著,其次为出行频率和职业,驾龄、年龄、性别在个别场景下具有显著性影响.这些结果可以为综合交通运输网络中公路阻断事件下的居民出行行为预测提供依据,并且在异常情况下为不同出行个体提供个性化、精细化的出行信息服务提供支撑.

     

基于卢因行为模型的共享汽车出行选择

针对共享汽车发展过程中的普及率低、接受程度低、使用率低等问题,以交通出行者为研究对象,基于改进的卢因行为模型,通过问卷调查,从个体特征、出行特征、信息感知多维角度分析了共享汽车出行行为,并通过构建非集计模型分析了交通出行者是否选择共享汽车、共享汽车出行者出行强度、非共享汽车出行者未来是否选择共享汽车等方面的影响因素.研究结果表明:共享汽车男性出行者比女性出行者更多,受教育程度越高,选择共享汽车的意愿越大;学生、公司职员2类人群共享汽车出行次数较少,每月5次以下;已使用共享汽车1～6个月的人群和感知共享汽车信息量较大的人群出行稳定,强度较高,每月20次以下;出行者获得共享汽车信息准确性偏低时,若提高信息准确性,共享汽车使用强度也会增大;出行者获取共享汽车信息越早,共享汽车出行强度越大;非共享汽车出行者所获取的信息量越大、时间越早,未来选择共享汽车的意愿越大.     

多方式诱导下通勤出行链交通方式组合选择行为模型

从出行链的角度出发研究多方式诱导信息对通勤出行方式选择的影响。通过RPSP调查获取通勤者的实际和意向出行链数据,建立了综合考虑尺度系数差异、非显化异质性效应和参照依赖效应的mixed logit模型,并设计仿真方法求解。结果表明,尺度系数差异解释了RP数据与SP数据融合时隐含的方差差异;异质性和参照依赖效应的引入可以度量偏好差异较大的随机变量的影响程度,反映随机变量的偏好分布;综合考虑3种因素的mixed logit模型比多项logit模型和普通mixed logit模型的精度高,解释能力更强。参数标定结果表明:多方式诱导信息服务对引导小汽车通勤出行链转向其他交通方式有积极作用,有利于从源头上缓解道路交通拥堵。     

行为经济学视角下城市居民出行方式选择演化博弈模型

为了解城市居民出行方式选择过程,完善公交优先策略的管控措施,对城市居民出行方式选择演化博弈模型展开研究。基于行为经济学理论,以前景理论为基础,引入心理账户理论,构建收益账户和损失账户。运用演化博弈理论,构建出行者与政府部门之间的演化博弈模型,通过复制动态方程分析双方策略的动态演化过程及稳定性条件。给出了系统最优状态与系统波动状态的约束条件,并从政府部门感知与出行者感知两方面解释了现实情况下,演化趋势未能达到理想状态的主要原因,提出目前政府部门管控措施存在的主要问题。运用MATLAB进行数值仿真,引入政府补贴动态绩效支付模式对模型进行优化,得到稳定状态下出行者选择公交出行概率为0.33,政府参与管控的概率为0.92,并进行了效价参数敏感性分析。研究结果表明:政府应主要从降低公交出行费用、适当提高私家车的出行费用成本以及缩短公交出行时间等方面优化公交管控策略,才能显著提升城市居民选择公交出行的概率。研究成果能够为城市交通出行规划与公交优先策略优化提供理论依据。     

基于多智能体仿真的多方式通勤出行行为研究

高峰时段的道路拥堵是制约城市发展的交通难题,通勤者作为高峰时段出行的主要参与者,其通勤行为对于高峰时段的交通状态具有重要影响。文章通过构建学习型多智能体微观交通仿真平台,以最小化个体在不同通勤方式下的成本函数为期望,仿真分析个体对多种通勤方式的行为选择以及产生的交通影响。结果表明：多智能体微观交通仿真平台具备学习性,能够模拟通勤者基于历史经验的行为选择。通勤者的通勤方式、出发时刻、通勤时间存在相互关联性并保持动态平衡,并且通勤者对于延误惩罚的敏感度存在最大值,当延误惩罚低于或高于最大值时,通勤者往往采取不同的措施降低通勤成本。     

基于计划行为理论的国内外旅游研究综述

计划行为理论作为解释个体行为决策过程的重要理论,应用范围愈加广泛。通过对国内外文献进行检索与梳理发现:在旅游研究领域,计划行为理论主要应用于旅游目的地选择行为、旅游产品类型选择行为、旅游者环境行为、旅游经营管理行为研究等方面。现有研究存在旅游研究主体受限,实践指导作用不足;不同理论结合的层次有待提升,研究方法略显单一;空间差异考虑不足,且缺乏全面动态研究等问题。今后应拓宽计划行为理论在旅游领域研究应用的方向和范围,加强计划行为理论在旅游发展过程中的实践指导意义。     

基于自组织理论的居民出行方式结构模型

分析了自组织原理对居民出行方式选择系统的适用性。从协同学角度分析并提出了控制变量和序参量。对该系统相变过程进行了数学描述。以长春市为例构建了序参量模型,描述了长春市居民出行结构系统,建立了其序参量方程,为制定交通管理措施奠定了基础。     

基于活动的出行方式选择模型与交通需求管理策略

应用基于活动的出行需求预测方法研究了长春市实行鼓励公交策略的可行性。通过分析调查数据和总结以往模型,建立了Logistic形式的出行方式选择模型,用长春市居民出行调查数据进行了参数标定和模型验证。应用已建模型初步分析并评价了鼓励公交策略对居民出行方式的影响。结果表明:建立基于活动的方式选择模型预测城市交通方式结构,可以全面有效地进行交通需求管理策略的评价研究,为交通部门制定管理政策提供依据。     

基于机器学习的城市居民低碳出行行为研究

针对城市居民是否选择低碳出行的问题,本文基于机器学习方法,通过问卷调查的形式,对影响城市居民低碳出行的相关因素与实际交通出行方式进行数据收集,设置自变量与因变量及其取值,并基于Logistic回归模型原理进行拟合建模,在不同属性下,对城市居民是否选择低碳出行方式和影响进行分析,得到不同属性之间与各个属性内部的影响与区别关系。同时,运用Logistic回归、神经网络与决策树3种分类预测模型,在现有数据基础上,对城市居民是否选择低碳出行方式进行预测。研究结果表明,年龄、收入、距离和是否拥有汽车及驾驶证,对选择低碳出行方式具有重要影响,尤其是没有汽车的居民,选择低碳出行方式的可能性是拥有汽车居民的9.065倍,且3种模型的预测准确度均在85%以上,而神经网络模型的预测准确度接近90%,各项指标均说明预测效果良好,验证了该方法的可行性及适用性。该研究为预测不同地区与类型的低碳出行方式提供了理论参考。