网约车临时用户和长期用户出行行为影响机理

近年来,滴滴和优步等网约车平台的出现给城市居民出行带来了新的选择,然而对于网约车使用频率不同的用户来说,往往有着不同的影响因素。为了探索网约车临时用户和长期用户使用频次的影响机理,通过问卷调查收集网约车用户出行行为数据,采用多元有序Logit模型探索网约车出行频次的影响因素。结果表明:有无私家车、出行时刻、性别、职业、月收入和是否拥有网约车会员对网约车使用频次有显著影响。在拥有网约车会员的出行者中,63%为长期用户,而其中又有63%的长期用户没有私家车,可以看出大部分拥有网约车会员的长期用户将网约车作为主要的出行方式。

基于DVTD的移动用户出行模式识别研究

针对移动用户出行模式识别过于复杂的问题,提出一种基于密度与动态阈值的任意形状聚类挖掘算法。利用数据预处理技术提取移动用户在各路段的速度,通过MCFT树构造用户速度分类模型,采用DBSCAN方法进行核心子聚类合并,最终生成MCFT树任意形状的聚类结果,从而达到利用动态速度阈值有效识别用户出行模式的目的。实验结果表明,通过DVTD算法得到动态速度阈值识别用户出行模式具有较高的可行性,提高了用户出行识别的准确性。

基于用户出行行为的动态用户最优模型

以往的用户最优模型没有充分考虑以用户为主体的交通活动。在目前的城市交通条件下，用户的出行行为随时都随交通条件的变化而变化。本论文对动态交通环境下用户的出行行为进行了分析。

基于移动信令数据的用户出行特征研究

通过时间空间的分析方法识别移动用户的出行特征,并结合超图可视化平台实现基于信令数据的用户出行特征可视化展现;通过对一个城市的移动用户数据进行热力分析、停留分析、来源去向分析,实现了轻量级的用户迁移与停留特征分析功能。

共享单车用户出行目的地预测与分流技术研究

共享单车能够提升出行便利程度、缓解交通压力。在分析用户出行规律及时空范围内交通情况的基础上,采用深度学习预测模型DPNNst对共享单车出行目的地进行预测,能够整合交通资源、降低出行成本,有助于实现共享发展的目标。设计研究共享单车用户出行目的地的预测模型,综合卷积神经网络、长短期记忆网络、全连接神经网络等多种神经网络的计算优势,构建深度学习预测模型DPNNst,在配合LSTM训练的基础上,保证预测结果的精准度,从而引导用户实现高效还车,达到提升城市交通容纳空间的效果。

考虑用户出行行为和电池寿命的电动汽车负荷优化

在工作日情况下,考虑用户出行需求、分时电价和电池损耗,搭建了满足出行需求和电价及损耗的数学模型,并根据算例利用离散粒子群算法得出最优方案。

基于高速公路收费数据的用户交通出行多维度特征分析

为提升高速公路信息化管理水平,调节高速公路需求分布不均衡问题,构建了包含时间、空间、用户个人属性3个维度的特征指标体系,在K-means聚类算法的基础上,设计并使用Mini-Batch-Kmeans聚类算法对出行用户进行了分类,同时从时间、空间、个人属性3个不同维度深入分析了各类出行特征指标。研究结果表明:1)高速公路出行者多为单次出行或周末出行;2)经PCA降维和Mini-Batch-Kmeans聚类后,出行用户可分为6类;3)时间上,用户出行早晚高峰为7:00—9:00和16:00—18:00;空间上,用户出行站点多在经济水平较高城市,长途用户多在沿海或有货物中转站的城市;个人属性上,通勤用户与长途用户多使用ETC支付且花费金额高。

基于LBS的最优出行路径算法的研究与应用

文章是基于LBS移动二次定位位置服务平台进行最优出行路径的研究。研究的目的是在LBS移动定位平台上实现基于出行者决策的最优路径选取,对人们选择最佳出行路线进行导航;在最优出行路径方面将问题分为最短路径算法和路径的权值2个问题;在最短路径算法方面选取了Dijkstra算法,并采用分层搜索、动态限制搜索区域算法对Dijkstra进行辅助,提高算法响应速度;在路径权值的确定方面,采用基于出行者决策的理论模型,对该决策算法进行适当调整,对路径权值重新裁定。

大规模车网互动需求响应策略及潜力评估综述

大量电动汽车的接入为电网带来了新的挑战与机遇,电动汽车作为具有负荷与储能双重属性的特殊灵活性资源,车网互动过程中需要实施调度方案及需求响应策略对其进行引导。针对现有问题,全面综述了相关研究。首先,为综述电动汽车有序充放电模型,基于用户出行习惯探讨了电动汽车聚类方法,并得出了考虑特征变量聚类可有效提高聚类模型精确度的结论。其次,梳理了现有的需求响应策略,通过权衡协调各类需求响应策略,能有效激发用户调度潜力。然后,基于策略研究,从数据与机理两类评估角度总结了如何提高需求响应评估精度。最后对未来研究做出展望:未来电网侧可聚焦峰谷时段细化研究、聚合商侧可针对不同用户聚类建立更适宜的调度策略、未来仍需探寻多市场主体有效商业模式等。

计及电动汽车保有量增长需求的充电负荷预测

当前对电动汽车充电负荷的研究大多集中在短期演变,对长时间尺度下的发展情况并未有较多研究。文中提出一种电动汽车保有量增长需求的充电负荷预测模型。首先采用萤火虫算法优化电动汽车保有量灰色预测模型的相关参数,对某地区2023—2033年电动汽车保有量进行预测;其次,综合考虑保有量预测结果、用户出行链、行驶里程及充电起始时间,结合在不同温度下的电动汽车电池容量和充电效率搭建充电负荷预测模型;最后,对江苏省某地区2023—2033年电动汽车充电负荷进行仿真预测。仿真结果有效地预测了电动汽车在未来10年中保有量发展趋势以及考虑保有量增长需求的充电负荷。

基于快速非支配排序遗传算法的共享电单车归还策略

为满足当前共享电单车随取随停的需求,解决其缺乏规范管理而导致的乱停乱放现象及其所呈现出的“多、散、乱”的状态与区域性供给不平衡问题,构建了基于多目标规划模型的平衡状态下的共享电单车归还模型。首先,应用快速非支配排序遗传算法(NSGA-Ⅱ)确定平衡状态下的归还点分配方案;然后,结合专家打分、COWA算子、博弈论组合赋权法和TOPSIS法,从帕累托最优解集中选出最佳方案;最后,通过对比普通归还点分配方案里的用户所需付出的步行代价、时间代价和共享电单车的区域供给性,来验证实验结果的有效性。

诱导信息条件下的交叉口信号配时在线算法

实时诱导信息、用户出行行为决策和网络中交叉口的信号控制策略，是以复杂的 方式在空间和时间上相互作用的。实时诱导信息会导致用户出行行为的变化，从而引起网络交通 流量的重新分配，进而导致交叉口的交通控制策略发生变化。文章对这一变化过程进行了研究，并 提出诱导后的交叉口信号配时在线算法。

融合分层规划和A;算法的共享电动汽车换车与充电路径规划

电池续航能力不足以及充电设施的地域限制给共享电动汽车的路径规划带来了挑战。为此,在准确评估续航里程的基础上,提出共享电动汽车换车与充电路径规划方法。首先,结合当前的租车收费方式,计及共享电动汽车的充电特性,构建综合费用最小和时间最短的目标函数。然后,依据道路的连通性和路径寻优搜索方向的有效性,建立路径选择约束,接着虑及交通流量、道路坡度以及空调能耗等因素,对电动汽车电池的续航能力进行准确评估,进而形成满足共享电动汽车出行需求的换车与充电路径规划模型。针对所建模型的高维复杂性,运用分层规划与A*算法结合的方法,实现求解问题的降维。此外,针对电池电量不足的情况,灵活利用换车和充电方案,确定共享电动汽车的最优行驶路径。最后,在某市不同区域的实际交通路网进行仿真分析,验证所提模型和方法的有效性和正确性。

基于智能刷卡数据的地铁乘客分类研究

为了解决根据自身属性对乘客分类存在主观性较强的问题,提出一种基于出行特征的地铁乘客分类方法。以杭州市地铁智能刷卡数据为例,以用户卡号为索引提取个体出行轨迹,构建包含进站时间、进站线路、进站站点、出站时间、出站线路和出站站点的用户出行链,从中提取乘客出行强度特征、时间特征和空间特征,利用二阶聚类算法建立乘客出行的分层聚类模型,首先基于出行强度特征对乘客进行初始层聚类,然后基于时间特征和空间特征进行第二层聚类,最终将乘客分为8类,并分析不同类别乘客的出行规律及总体特征。

Cumulative prospect theory-based user equilibrium model with stochastic perception errors

The cumulative prospect theory(CPT) is applied to study travelers' route choice behavior in a degradable transport network. A cumulative prospect theory-based user equilibrium(CPT-UE) model considering stochastic perception error(SPE) within travelers' route choice decision process is developed. The SPE is conditionally dependent on the actual travel time distribution, which is different from the deterministic perception error used in the traditional logit-based stochastic user equilibrium. The CPT-UE model is formulated as a variational inequality problem and solved by a heuristic solution algorithm. Numerical examples are provided to illustrate the application of the proposed model and efficiency of the solution algorithm. The effects of SPE on the reference point determination, cumulative prospect value estimation, route choice decision and network performance evaluation are investigated.

基于最大信息熵理论的UF系数研究

效用系数UF(Utility Factor)起源于SAE J 2841,为描述插电式混合动力汽车行驶时的燃油和电的消耗而提出。本文基于用户云平台数据,提出群体用户和个体用户出行里程特征的拟合方法。首先研究现有各主要国家的UF系数及其区别;然后研究最大信息熵理论应用于用户出行里程分布规律模型;接着,通过云平台数据随机选取16辆车一年的出行数据,并分析群体出行里程分布特征与个体出行里程分布特征;最后,讨论用户出行里程特征对于车辆动力系统设计的应用。经分析,研究用户出行里程统计分布的规律,有利于定制化地更有针对性地改进车辆能源管理系统,有利于各类混合动力汽车的客观评价与设计,有利于节能减排。