基于混合Logit模型的出租车超速者运营因素分析

根据超速频次、平均超速严重度和平均超速持续时间等3类超速特征,判断出租车超速者类型,明确运营因素对超速者类型的影响。本文利用成都市出租车GPS轨迹数据提取此3类超速特征,并筛选出若干运营因素。而后,应用模糊C-均值聚类确定4类出租车超速群体(超速者Ⅰ、Ⅱ、Ⅲ和Ⅳ型)。运用相关随机参数混合Logit模型,估计单个超速者的某运营因素在超过超速群体平均水平时,对该超速者类型的影响。结果显示:超速者Ⅰ和Ⅱ型的每小时超速频数、平均超速严重度低,但平均超速持续时间高;超速者Ⅲ和Ⅳ型则相反。当超速者的日均行程距离、日均收入、低限速道路行程比例、夜间行程比例和全时段速度标准差超过群体均值时,其成为超速者Ⅲ和Ⅳ型的概率提高了15.39%~77.09%和42.98%~302.38%;成为超速者Ⅰ型和Ⅱ型的概率降低了-0.09%~26.57%和38.74%~68.34%。此外,日均行程距离、低限速道路上行程比例和夜间速度标准差等3类因素在估计中表现出异质性。

考虑空间效应的出租车超速行为道路因素分析

为充分利用道路特征干预出租车超速行为,搜集成都市区内出租车全球定位系统(GPS)轨迹数据,识别其超速行为,并采集道路特征数据,以各道路的出租车超速频数及平均超速严重度为超速特征,应用全局莫兰指数和4类空间回归模型,分别确定超速特征及道路因素的空间自相关性和显著影响出租车超速特征的道路因素。研究结果表明:出租车超速行为和道路特征均存在明显的空间自相关性;空间自相关模型(SAC)对超速频数的拟合效果最好,空间杜宾模型(SDM)对平均超速严重度的拟合效果最佳;路段的相接道路数、出入口数及车道数明显增加超速频数;道路长度和车道数显著增大平均超速严重度;施工区和单行道均与超速特征无关。