考虑城乡异质性的电动自行车头盔佩戴行为建模与分析

电动自行车在成为居民短途出行主要交通工具的同时,与其相关的交通安全问题日益突出。正确佩戴头盔可以降低骑行者交通事故的死亡风险,然而统计数据显示,目前全国仍有近一半骑行者在骑行时不佩戴头盔,电动自行车的事故后果无法得到有效控制。较城市而言,乡镇拥有更多的电动自行车保有量,由于道路崎岖、交通建设不完善等原因更容易发生道路交通事故,尤其大量骑行者不佩戴头盔。为明确城市与乡镇骑手头盔佩戴行为异质机理,深入剖析骑手不佩戴头盔的深层原因,运用差异性检验和二项Logistic回归模型,分析骑行者特征、个体头盔认知、执法环境等因素对城市与乡镇骑手头盔佩戴行为的综合影响。研究结果表明:相较于长期生活在城市的群体,乡镇群体的主观安全意识偏弱,对头盔使用时存在的障碍(阻碍视野、不便利性等)较为关注;城市群体对交警执法活动较为敏感,并且在城市中出行时间越长的人越可能佩戴头盔;对于乡镇群体,头盔的保护效能以及价格是他们决策头盔佩戴行为考虑的重要因素。研究结果有助于交警进一步开展安全教育宣传以及执法活动,促进骑行者佩戴头盔安全出行。

有限数据条件下智能体仿真模型构建方法

与传统的集计评估模型不同,智能体仿真模型能够捕捉个体之间的行为交互,在交通政策精细化评估中具有优势。但智能体仿真模型对数据要求较高,在实践中面临活动计划生成、参数标定和结果验证等难点。基于MATSim建立了在有限数据条件下面向应用研究的可操作、可复现的智能体仿真模型,并且以上海市拥堵收费评估场景为例详细介绍了模型的建模流程和关键技术。重点介绍基于手机轨迹数据的活动计划生成方法以及模型的参数标定和结果验证细节。结果表明,智能体仿真模型能够满足交通政策评估需求,基准场景的上海市域出行方式划分平均相对误差为8%、快速路交通量平均相对误差为17%。进而从集计和个体两个层面对仿真结果进行分析,展示了智能体仿真模型的应用潜力。

共享汽车用户及出行时空特征分析

共享汽车在中国是一种重要但尚存争议的新型出行方式.因管理部门尚未明确其对道路交通的影响,而无法确定合理的管理导向.针对这一问题,研究基于上海最大的汽车共享公司EVCARD的订单及用户数据,通过描述性统计分析出行总量、需求时空分布,分别用多元线性回归和二项logistic回归分析高频用户和通勤时段出行用户的特征.结果表明,当前EVCARD用车需求和高峰时段出行主要发生在城市外围区域,城市中心区域无通勤特征;高需求用户与通勤时段高频出行者特征并不一致且部分特征相异.因此,上海EVCARD出行不会对城市道路交通拥堵产生显著负面影响.