基于前景理论的居民出行方式选择

对于实际出行中居民心理因素对出行方式选择的影响问题,构建基于前景理论的居民出行方式选择模型,提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点,得出相对最能使居民满意的出行方式选择结果;通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响;最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明:行程时间参照点要求较低的小范围内居民倾向于公交出行,尽管出租车与私家车出行方式综合前景值趋势变化一致,但更大范围内的居民倾向于私家车出行,这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。     

基于前景理论的居民出行方式选择

对于实际出行中居民心理因素对出行方式选择的影响问题,构建基于前景理论的居民出行方式选择模型,提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点,得出相对最能使居民满意的出行方式选择结果;通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响;最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明：行程时间参照点要求较低的小范围内居民倾向于公交出行,尽管出租车与私家车出行方式综合前景值趋势变化一致,但更大范围内的居民倾向于私家车出行,这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。     

成都市公共交通出行选择行为分析及影响因素探讨

优先和大力发展公共交通是缓解交通拥堵的重要举措,改善公共交通服务水平,提高公共交通的吸引力至关重要。本文运用采用意愿调查,收集数据,并建立多项LOGIT模型,分析对出行者的选择行为产生显著影响的因素。费用、到乘车站点时间、候车时间以及车内时间对公交的选择影响显著,寻找停车泊位的时间对私家车的出行影响显著。分析结果为制定有效的公交政策提供参考意见,以提高公交的服务水平,吸引居民采用公共交通出行。     

基于贝叶斯网络的城市居民出行方式研究

以西安市城市居民出行方式为研究对象,收集西安市部分区域城市居民出行的调查数据。利用获得的调查数据,综合运用相关性分析方法和K2算法进行贝叶斯网络的结构学习;应用贝叶斯参数估计方法进行贝叶斯网络的参数学习,建立了应用于西安城市居民出行方式分析的贝叶斯网络。应用所建网络分析了是否有私家车、居民性别、居民年龄和出行目的对西安城市居民出行方式的影响。研究结果表明,基于贝叶斯网络建立的西安城市居民出行方式分析模型预测精度较高,具有较高的实用价值。     

一种基于GIS的居民出行空间及交通网络评估方法

传统的交通需求4阶段分析模型大多基于各类出行的起讫点调查（OD调查）,建立出行生成、出行分布、出行方式选择和流量分配的4阶段预测模式.由于缺乏关于出行者对道路及其周边相关评价等心理感知方面的考虑,从本质上,这是一种物质性的交通分析模型.基于人本主义思想,借助GIS工具,探讨了人本主义的交通调查和评估方法;最后选择小样本量的出行调查数据为实验,实现了居民微观行为空间、行为过程以及对沿路交通状况及土地利用特征的宏观综合模拟.     

特大城市交通走廊通勤客流Nested-Logit模型研究

为了科学分析特大城市交通客运走廊内高峰时段通勤者的出行选择特征,以及交通需求管理措施施行时不同时段、不同方式之间的客流流向规律,研究了走廊内高峰时段通勤者基于出行方式与出发时刻的二维联合选择问题,建立了方式选择枝位于上层而时刻选择枝位于下层的联合选择Nested-Logit模型。其后通过以成都市中心城南北向交通客运走廊为例的通勤者样本数据的分析,采用上述联合选择NL模型进行了高峰时段交通管控措施影响效果的模拟预测,以探究实现客运走廊不同方式、时段内交通流量均衡分布的有效策略与措施。研究结果表明,联合选择NL模型相比一般MNL模型更加合理且具有更优的统计特性,且能够真实反映特大城市交通客运走廊内高峰时段通勤客流的分布情况,模拟施行交通需求管理措施对通勤者的出行选择的影响,为交通客运走廊内各交通方式结构以及运输组织模式的优化提供理论依据与决策支持。     

电动汽车充电负荷时空分布的空间负荷预测

针对大规模电动汽车接入配电网对空间负荷预测的影响,论文提出一种考虑电动汽车充电负荷时空分布的城市配电网空间负荷预测方法.先根据各类车型充电方式与出行特点对电动汽车进行分类;其次,根据居民出行调研统计数据对电动汽车出行规律进行概率分布函数的拟合;然后,构建电动汽车出行链模型,通过蒙特卡洛方法计算得到不同区域和不同时间内充电负荷.最后,基于某地区实际数据,得到一天内不同功能小区的空间负荷预测值,为未来城市配电网的规划提供参考.     

基于居民出行行为分析的公交线路调度研究

针对居民出行高峰时段的交通拥堵问题,建立了以居民的出行行为分析为基础的公交线路调度模型。该模型运用生存分析理论对居民出行时间的影响因素进行分析,科学划分城市居民出行时段区间,进而针对该地区高峰时段的公交发车间隔构造非线性规划模型函数。模型函数综合考虑乘客时间成本和公交公司运营成本,加入权重系数并利用粒子群算法求解,从而得到最佳发车间隔时间。结合杭州某地区市民出行数据,通过实证研究得出优化后的调度时刻表,验证了模型的可行性和有效性。     

基于出行时间预算的有限理性出行者路网均衡模型

为研究有限理性出行者逐日出行中出发时刻及路径调整的出行行为,引入前景理论,分析出行者依据最大准点到达概率来选择出行时间预算,将此出行时间预算作为到达参考点,进而在给定参考点下选择前景值最大的路径出行,并利用前次流量分配结果调整下次出行时间预算,经过多次出行达到路网流量平衡及准点到达概率最大的稳定状态。基于出行时间预算和前景理论建立了双层模型进行路网逐日均衡配流,用遗传算法求解最佳出行时间预算,用相继平均法计算路径平衡流量。最后基于算例验证模型和算法,并设定不同的出行选择机制分析出行时间预算、路径前景值及准点到达概率三者间的博弈关系。     

基于Logit模型的私家车出行影响因素分析

文章旨在分析影响人们出行需求及行为的因素,并寻找其内在的规律性。在进行大量数据调查及分析的基础上,通过SPSS软件运用Logistic回归模型分析得出相关影响因素,并对相关影响因素进行分析,得出动态交通信息服务在一定程度上能够决定私家车出行路线选择,交通信息发布的实时性和准确性有待进一步提高,而且出行者更不愿意遇到交通事故或交通拥堵。通过分析动态交通信息背景下出行者交通出行行为的变化趋势,可以更好的缓解北京的交通拥堵情况。     

基于知识的神经网络在出行方式选择中的应用研究

针对神经网络和决策树方法在算法上的本质联系和互补优势,将C4.5决策树提取规则的基于知识的神经网络（knowledgebased neural network,KBNN）用于出行方式预测。对居民通勤出行方式选择数据的分析表明,KBNN相比于决策树方法、普通前馈神经网络和多项Logit模型（MNL）有更高的预测精度,方法不仅提高了网络的可解释性,且易于构造、收敛速度更快,实用性较强,为出行方式选择预测提供了新的思路。     

区别多种出行方式的城市活动轨迹预测

信息社会中,基于用户的历史活动轨迹发掘和预测人类位置轨迹及活动规律至关重要.已有研究大多采用基于时间和轨迹间相似度分类的马尔可夫模型,忽略了不同出行方式下的移动规律差异.对此,区别不同出行方式,基于轨迹的速度、加速度和航向变化速度等特征,用XGBoost算法识别轨迹所对应的出行方式,并采用基于优化的轨迹分割算法,将人类出行轨迹按出行方式分解成多个轨迹,采用由不同出行方式轨迹建立的马尔可夫模型实现出行轨迹的精准预测.实验表明,不同出行方式的轨迹的移动规律存在显著差异,且所提出方法的预测精度和距离偏差明显优于几个基准方法.     

基于决策场理论的公交出行多阶段动态决策

针对城市公交出行决策问题,采用改进决策场模型从心理微观偏好进化的角度对两阶段出行决策行为进行了研究.提取了不同公交方式的同质属性构建属性矩阵;结合出行者个体特征和交通属性状态的波动构建注意力权重矩阵,同时优化了注意力转移概率的计算方法.通过问卷调查与计算机仿真相结合的方式对偏好进化过程进行分析,结果显示:出行者存在偏好震荡现象,且在短时思考时间内更加明显;在出行过程中进行决策时,换乘行为的触发需要更多的偏好进化时间;同一时刻下,个人对不同的交通方式的属性注意力是独立分布的;反馈矩阵中的记忆效应和方案竞争性对决策的形成时间有显著影响,强记忆效应和弱竞争性下的偏好进化速度更快.决策场模型可对公交出行动态决策行为进行描述.     

基于手机信令和导航数据的出行方式识别方法*

基于手机信令识别居民出行方式对于智慧交通规划具有重要意义。本文通过结合信令和导航地图数据,利用聚类算法以及时间关联性算法,实现步行、驾车、公共交通等出行方式的识别。结果表明,结合导航地图数据后识别正确率得到明显提高,与只利用手机信令的识别方法相比,整体准确率提升超过15%,具有较高的识别准确率,同时算法执行时间为187秒,效率较高。整体而言,该识别算法适合在实际工程环境中使用。     

基于IPOS-SVM的大学生出行方式识别研究

依据在校大学生的出行特征,确定7种出行特征变量,选择大学生的常用6种出行方式(步行、自行车、电动车、校园公交、公交车和出租车)。利用改进粒子群优化支持向量机(IPSO-SVM)对选择的出行方式进行识别,使用IPSO来优化SVM的参数,给出大学生出行识别方法。实验结果表明,该方法平均识别精度为94.22%,在大学生出行方式识别精度方面优于BP神经网络、决策树、支持向量机和粒子群优化支持向量机。     

一种车载自组织网络中交通拥塞自适应的出行计划方案

交通堵塞现象越来越威胁正常的城市交通,针对选择最短路径的出行方案往往不能取得最短的出行时间的现象,提出了一种交通拥塞自适应的出行计划方案.该方案克服了现有方案在规划出行路线时未能考虑行车过程中实际交通状况的缺点,根据车辆在各路段行驶的平均通过时间来判断路段当前的拥塞状况,并动态优化行车路线,从而提高交通效率.仿真实验表明该方案能够自适应路段的交通拥塞,根据当前拥塞状况重新优化行车路线,从而缩短平均行车时间.     

城市路网车辆出行轨迹调查分析系统

提出一种城市路网环境下面向车辆出行轨迹的调查思路及数据处理方法;采用车牌照作为车辆在路网中的唯一标识得到车辆完整出行轨迹,生成路网内全部车辆的详细出行信息以及丰富、真实、可靠的路网交通运行现状信息;基于ArcGIS构建了车辆出行轨迹调查分析系统确保了车辆出行轨迹调查、处理、分析全过程的可视、可查、可管、可控：最后以西安市曲江新区为例验证了系统在处理车辆出行轨迹调查方法时高效性、准确性和科学性。     

考虑出行方向的广州出租车时空可达性研究

出行方向是可达性研究中的一个关键要素, 因此, 提出一种考虑出行方向的出租车时空可达性分析方法。根据出租车经验路径分方向构建经验等级路网, 采用基于分层路网的Dijkstra算法计算得到各OD对之间的行程时间, 作为可达性评价指标, 并采用网格法和反距离加权插值法绘制得到广州市中心商业区等时线及其渲染图, 分方向、分时段对其时空可达性进行分析。结果证明了不同出行方向下, 特别是处于高峰时段, 可达性有较大的不同。     

基于出行模式的注意力机制可解释性探索

为了探索深度注意力模型在地铁出行预测任务中的可解释性,提出基于出行模式的注意力权重擦除方法和可解释性评估框架。利用提出的地铁出行深度注意力框架搭建预测模型,使用广州地铁羊城通数据构造三种不同长度出行序列数据集进行模型训练和验证,达到70%以上准确率;通过单一出行模式的注意力权重擦除实验发现,擦除最大注意力权重的出行模式比随机模式更能显著地影响模型预测结果,但大多数样本不发生预测结果的变化。即注意力机制在该条件下提供的可解释性信息是有限的,且该信息量随着序列长度增加而减小;通过一组出行模式注意力权重擦除实验结果表明,按注意力权重降序擦除能最快使模型预测结果发生变化,并且模型能稳定地对重要的出行模式的出行记录分配注意力权重,即注意力机制在该条件下较好地提供了可解释性信息,且该信息量随着序列长度增加而增大。     

基于马尔可夫链的交通分配模型及应用

以吸引马尔可夫链为理论基础，在广义出行路径意义下，给出了交通量在路网节点间的一步转移概率矩阵，并以此为依据，得到了在给定Ｏ－Ｄ量下交通分配算法。最后的算例表明了模型及算法的实用价值。