基于出行剩余理论的旅游出行方式选择研究

为揭示旅游出行需求主体选择出行服务方式的规律,研究旅游出行特性,提升研判运输通道上旅游客流选择出行服务方式的准确性,构建基于出行剩余理论的休闲旅游出行方式选择模型。从需求独立价值角度刻画旅游出行人群的出行行为,在旅游出行价值特征方面强调出行服务方式的情感价值和游客空间行为价值,在出行剩余理论基础上对旅游出行方式选择进行细化分析。以西安和成都为旅游出行的OD点进行情境模拟算例研究,根据游客对沿途旅游资源的偏好差异将出行需求主体分为3类,分别计算其出行剩余,根据出行剩余最大化原则讨论其最佳出行服务方式。研究结果表明,由于3类游客对特定旅游资源数量、品质情感响应、偏好等存在差异,所对应的最佳出行服务方式有所不同。

重大节假日出行方式选择模型研究

为优化节假日高速公路免费政策,选取出行者变量、出行方式相关变量和行程特性变量作为效用变量,构建了出行方式位于上层、出行距离位于下层的NL模型。利用弧弹性法分析不同收费标准和收费里程条件下出行者的行为特性,并利用场景仿真评价多种收费组合对出行方式的影响。研究结果表明:提高收费标准,汽车出行比例会显著降低,且高速铁路承担了大部分的转移交通量。随着收费里程的增加,出行者逐渐倾向于出行成本较小的普通铁路。对长距离出行收费可以提升公共交通分担率,缓解节假日高速公路的交通拥堵。

基于机器学习的中型城市居民出行方式选择行为研究

为探索中型城市居民出行特征以及不同因素对出行方式选择行为的影响机制,本文以中国某中型城市居民出行数据为例,综合考虑传统离散选择模型和机器学习模型在预测精度和建模合理性上的优劣,以及机器学习模型超参数求解算法的特点和效率,引入变异程序,提出粒子群优化随机森林的中型城市居民出行方式选择预测模型,采用预测准确率、出行方式比例预测绝对误差和期望模拟误差这3项性能指标,量化对比粒子群优化随机森林模型与多种机器学习模型和多项Logit模型统计学上的预测性能差异,利用SHAP(SHapley Additive exPlanation)模型深入分析个人社会经济属性、出行属性及出行方式属性等相关因素与居民出行方式选择之间的非线性关系。结果表明:粒子群优化随机森林模型整体平均预测准确率最高,为0.856,出行方式比例预测平均绝对误差和期望模拟平均误差最低,分别为0.062和0.306,模型间指标差异在统计学检验下显著;距离对不同出行方式选择的影响最显著,步行和私家车出行对距离敏感性更高,不同距离下,两者选择概率变化超过35%;30岁以下群体不同出行方式选择概率差距大于其他年龄段;性别、是否拥有私家车或公交IC卡等因素显著改变公交车和私家车的选择概率。

建成环境对公共交通与小汽车出行方式选择的非线性影响——基于出行链视角

针对城市公共交通竞争力有待提升的现实背景,以及对车外环境和替代出行方式关注不足等问题,文章通过出行链视角,结合武汉市主城区居民出行调查和街景数据,利用百度地图模拟出行路径,使用随机森林模型全面分析了出发地、目的地和车外路段建成环境对公共交通与小汽车出行选择的影响。结果表明:1)细化出行阶段并考虑替代小汽车的公交出行方式,可增强分析深度和模型精度;2)建成环境是影响2种交通方式选择倾向的关键因素,其中车外环境与出发地、目的地的建成环境同等重要;建成环境因素与交通方式选择倾向之间存在非线性关系,且部分因素在出发地和目的地的影响有所差异;3)建成环境对出行方式选择的影响机理可分为弹性调整、有限支撑和直接驱动3种类型。

交通出行方式改变对构建乡村生活圈的影响探讨

随着城镇化的不断推进,在我国广大乡村地区出现了一系列人口、产业等方面的变化,农村生产、生活发生了巨大的变革,其中一个非常重要的方面是农村交通条件的改善提升带来的农村出行方式的转变。文章从对农村交通现状特征及问题的梳理和分析入手,进行乡村居民出行特征与乡村生活圈构建五个方面的影响关系的探讨,寻找农村生活圈可持续发展之路。文章认为现代化乡村交通基础设施深刻改变了农村的生产、生活方式,交通条件的全面改善将为乡村生活圈的构建及乡村发展带来深远影响。

收费及奖励策略对通勤出行方式选择的影响分析

为研究收费及奖励两种交通需求管理策略对居民通勤出行方式选择的调控作用,以杭州市主城区为例,通过SP(Stated Preference)和RP(Revealed Preference)调查私家车通勤出行者在停车收费及非小汽车出行奖励情景下的方式选择意向,利用非集计理论分别建立停车收费和出行奖励单独实施和共同实施下通勤出行方式选择的巢式Logit(NL)模型,研究停车收费及出行奖励对私家车通勤出行者出行方式选择的单独影响及共同影响效果,并分析两类策略的弹性。研究结果表明:停车收费和非小汽车出行奖励均能减少私家车出行比例,增加公交和地铁等公共交通出行比例;当停车收费达到一定费率时,才能有效减少私家车出行,适当的奖励能有效激励出行者转向其他出行方式,若同时实施收费和奖励策略,将表现为收费为主和奖励为辅的联合作用;在3类场景中,收入均是影响出行方式选择的重要因素,收入越高,继续选择私家车出行的可能性越大;单独收费场景下,停车收费弹性随费率增加而增大,且费率较低时缺乏弹性,出行奖励弹性随奖励金额增加而先增大后减小,小额奖励即有弹性。

结合出行方式的Trans-BiLSTM移动目标位置预测方法

当前位置预测算法往往忽略用户出行方式的关键作用,并在处理长时间序列依赖问题中效果较差.针对这两个问题,提出了一种结合出行方式的Trans-BiLSTM目标位置预测模型.该模型首先提取轨迹段的运动学特征,然后构建基于XGBoost的出行方式识别算法,筛选影响出行方式的主要特征,和轨迹共同作为预测模型输入.最后为了增强轨迹特征的表征能力,引入Transformer编码器,并结合BiLSTM深度挖掘轨迹的上下文关系.在真实GPS轨迹数据集上进行的位置预测对比实验表明,Trans-BiLSTM模型与常用的LSTM和BiLSTM模型相比,目标位置预测的结果RMSE指标分别提升67.4%和17.7%.

基于低碳行为方式的居民出行方式选择研究

为了更好地研究居民出行方式选择问题,使居民可以在低碳出行的基础上采用更便捷的出行方式,本文以2023 年城市交通出行问卷调查数据为基础,通过对居民各种出行方式费用分析和各种出行方式碳排放量的研究以及居民出行方式选择的影响因素的研究,结合低碳出行方式选择的现状和问题,通过对数据的分析,得出出行方式选择的结论和基于低碳行为方式的居民出行方式选择的政策建议。

留学期间的多种出行方式

留学期间,探索当地的美食、美景是许多学生的乐趣之一,在各类交通工具的帮助下,留学生们能更便捷地到达更多地方。无论是地铁、火车,还是自驾出行,都能在满足日常生活需要的同时感受到异国的别样风情。本刊邀请了四位留学生,分享他们在留学过程中的出行体验。

考虑自我呈现与环保意识的出行方式选择行为异质性分析

绿色出行引导效果受外部信息及出行者选择偏好影响,需要考虑出行者潜在属性类别的异质性。自我呈现表现为人们通过控制与自己有关的信息来影响他人对自己的印象,体现了信息与选择偏好的交互作用。为定量分析出行者自我呈现意识和环保意识对出行方式选择行为的影响,本文通过问卷调查收集到1382份有效样本,利用潜在类别模型(Latent Class Model,LCM)将出行者划分为高自我呈现组(18.23%)、中自我呈现组(20.26%)和低自我呈现组(61.51%)。离散选择模型的结果表明,出行者在进行方式选择时更关注出行时间和出行方式自身的特性,若不考虑方式特性,会高估出行费用对高自我呈现组的影响。高自我呈现组仅在短距离出行中对公共交通有强烈偏好,对于6~10 km的出行,选择私家车倾向明显。中短距离的出行中,低自我呈现组对骑行的偏好价值可以在一定程度上抵消过长出行时间带来的负效用。构建考虑出行者异质性的方式选择模型,可为政府和相关部门制定更协调、有针对性的交通调控政策及公共交通运营策略提供理论依据。

有限理性视域下老年人出行方式选择巢式Logit模型

为研究老年群体出行方式选择行为,提高老年人出行便捷性和可达性,本文提出一种符合老年群体的出行方式选择模型。在传统Logit模型基础上,选择巢式Logit模型,改进模型中对出行者效用最大化的假设。以老年出行群体为研究对象,基于有限理性满意决策准则对模型进行假设,引入无差异阈值,构建有限理性巢式Logit模型。最后,以南昌市老年群体出行方式选择策略数据为例,采用双嵌套连续平均算法求解分析模型。研究结果表明:老年出行群体并不总是会选择出行成本最低的交通方式,其方式选择行为受其理性程度与个人倾向的影响;不同出行方式各巢间无差异阈值会相互影响,且随着无差异阈值的增加,各巢间方式选择概率逐渐趋于稳定;老年人的方式选择行为受其理性程度和个人倾向的影响,当出行成本差处于老年人能否做出有限理性判断的某个无差异区间时,选择公共交通概率随倾向系数的变化而改变,且随着倾向系数的增加而逐渐稳定。

考虑空间异质性的短距离出行方式选择研究

促进城市居民短距离出行方式由机动车向慢行交通转移,对缓解机动化出行造成的交通拥堵和环境污染至关重要。基于昆明市居民出行调查数据和建成环境数据,利用地理加权逻辑回归模型探究了出行者社会经济-人口属性、出行属性与建成环境对短距离出行中小汽车和慢行交通方式选择的影响。研究表明:地理加权逻辑回归模型拟合结果优于全局回归逻辑模型。交叉口密度、道路网密度、人口密度、总POI密度、离退休人员和通勤出行在总体上对短距离出行中的小汽车使用起到负向影响,到CBD距离在总体上起到正向影响,但这些变量的影响具有显著的空间异质性,在不同区域表现出相反的作用。此外,男性、个体经营者、30岁以下、大专及以上、家庭收入越高的群体更倾向于在短距离出行中使用小汽车,而购物和娱乐出行更倾向采用慢行交通方式。

建成环境对老年人出行方式选择的非线性影响

研究老年人的出行方式选择有助于更好地理解老年人出行行为,对提高老年人出行便捷性和可达性,构建老年人友好型社会和改善交通系统的公平性具有重要意义。本文基于2021年贵阳市居民出行调查数据,运用梯度提升决策树模型,研究老年人出行方式选择的决策机理,并深入挖掘公交站点辐射区内不同老年群体选择行为的异质性。结果表明:(1)出行特征是影响老年人出行方式选择最重要的因素,相对重要度达58.51%,其次是建成环境因素(35.49%),二者均远高于社会经济属性的相对重要性(6%)。(2)建成环境对老年人出行方式选择的非线性作用显著,其中老年人步行出行的距离阈值为3 km;老年人出行更多的是空间分散模式,而非以市中心为导向模式。因此,对老年人出行方式选择的干预在建成环境阈值范围内更加有效。(3)建成环境对老年人出行方式选择的影响不仅存在独立的非线性效应,不同的社会经济属性还会导致其存在群体差异。这些发现可为创建面向老年人友好的出行环境提供决策支撑。

基于集成学习和居民属性数据的出行方式预测模型

传统的效用理论模型以整体效用最大化为目标,忽略了影响居民出行方式选择肢间可能存在相关性以及部分效用相互补偿性。基于集成学习的居民出行方式预测模型可以有效表达出行效用的个体偏好、差异性和补偿性,解决了不同出行特征影响因素对于不同人群有不同效用表征问题。本文依托大样本居民属性数据,针对不同个体对不同影响因素的感知差异,结合居民出行调查的个人属性、出行属性及环境属性等相关影响因素进行综合分析,构建个体级居民的出行特征向量;研究构建基于集成学习方法的居民出行方式预测模型;以广州市为例进行实证分析,通过准确率、精确率、召回率和F1值这4个指标,对模型预测结果进行综合评价;针对部分出行属性相似导致细分的出行方式判别精度不高,按照大类方式、慢行交通、公共交通、个体机动化交通这4个类别构建层次化LightGBM(Light Gradient Boosting Machine)模型,并对GBDT(Gradient Boosting Decision Tree)、Random Forest、LightGBM、层次化LightGBM这4个模型预测结果进行综合对比。分析结果表明:LightGBM模型预测慢行交通、公共交通、个体机动化等三大类出行方式的平均准确率约为87%,其中慢行交通方式预测准确率最高,为92%;预测精细化出行方式平均准确率约为78%,其中步行方式预测准确率最高,为89%;LightGBM模型适用于城市级的居民出行方式预测,是一种有效的居民出行方式选择的预测方法。

基于父母出行特性的学生出行方式选择研究

研究家庭成员出行方式对学生出行方式选择的影响,可以更有针对性地制定学生出行需求管理策略.以学生出行为研究对象,将父母出行方式作为选择方程的因变量,学生出行方式作为结果方程的因变量,运用Heckman Probit模型建立基于父母出行方式选择的学生出行方式选择模型,利用海宁市数据进行验证.结果显示,父母选择小汽车出行对学生选择小汽车和电动自行车出行有显著正向影响;父母选择公交出行对学生选择小汽车和步行出行有显著负向影响;父母出行方式对学生选择公交出行无显著影响;小汽车拥有情况、是否有人接送、公交满意度和出行距离对学生出行方式选择影响显著.

基于多尺度相位聚合轨迹表示的出行方式识别模型

现有出行方式识别模型通常依赖在数据采集设备中插入额外传感器元件或提高设备采样率的方法提升识别准确率,但现实工作环境中提高设备采样率或传感器数量的做法会增加采样设备的能耗,并且设备采样率难以统一也影响了出行方式识别模型的准确率。针对上述问题,提出基于多尺度相位聚合-深层神经决策森林的出行方式识别模型。提取轨迹数据中的多尺度局部和全局特征令牌,采用卷积神经网络层提取令牌间的时空相关性。使用相位检测令牌混合层,动态调整神经网络中令牌与固定权重的关系,捕捉令牌间的相位关系,得到多尺度相位聚合的轨迹表示。利用深层神经决策森林算法,得到出行方式的分类结果。实验结果表明,与基于随机森林的出行方式识别模型相比,所提模型在3种低频重采样数据上的平均识别准确率提升了2.726个百分点,能够更有效地识别出行方式。

基于手机信令数据和Needleman-Wunsch序列匹配算法的都市圈出行方式识别

为弥补传统的居民出行调查方法在都市圈出行调查中的不足,提出一套基于手机信令数据的都市圈跨市出行方式识别算法,通过分析不同出行方式在出行路径、出行时间、出行地点方面的差异,实现高铁、大巴及小汽车3类主要跨市出行方式识别。首先,在成都市成华区和资阳市雁江区设计都市圈出行试验,招募志愿者采集出行手机信令数据;然后,分析都市圈跨市出行连接信号基站分布特征,再基于Needleman-Wunsch序列匹配算法提取出行路径信息,区分高铁出行和公路出行;最后,针对公路出行方式构建模糊识别模型,划分小汽车和大巴车出行。研究结果显示,在志愿者出行识别中,通过与志愿者出行日志对比,所提模型出行路径识别准确率达93.80%,3种出行方式均被正确识别;在研究区域全部手机用户集计出行识别中,3种出行方式占比大致为12.79%,1.36%,85.85%,与成都交通发展研究院2021年公布的《成德眉资区域出行报告》中出行分担比基本相同(12.23%,1.36%,86.41%),证明所提算法识别效果良好。

基于MA-CPT模型的出行方式选择模型优化

为提高累积前景理论在出行方式选择建模应用中的准确性,考虑个体对于时间与费用货币态度的不同,优化原始累积前景理论(cumulative prospect theory,CPT)模型的时间值函数和时间权重函数.首先,针对时间压力下出行方式偏好发生转变的现象,将出行方式分为刚性出行和弹性出行,改进刚性出行情景下的时间值函数形式,并根据出行时间特性求出时间权重函数中吸引力参数的取值范围,构建MA-CPT (mental accountingcumulative prospect theory)模型;其次,根据实证数据标定时间权重函数中辨别力参数和吸引力参数的取值;最后,标定MA-CPT模型结果并检验其拟合优度,对比MA-CPT模型和CPT模型的命中率.实证分析结果表明:刚性出行和单行出行场景下,时间权重函数的吸引力参数值均大于1.00;MA-CPT模型在刚性出行和弹性出行情境下的拟合优度分别为0.17和0.18;相比于CPT模型,MA-CPT模型在弹性出行和刚性出行情景下的命中率分别提高了12.2%和19.8%.

出行方式转移行为意向及影响因素分析

为明确小汽车出行者向绿色出行方式转移的意向及影响因素,本研究选择了北京各行政区的部分居住区、就业区、商圈进行了调研.按照出行目的将出行分为通勤/通学和购物休闲2种类型,并基于问卷结果分析了小汽车出行者的出行意向及出行原因,然后,从个人经济社会属性、出行特征、出行态度与偏好3个方面选择了特征向量并建立了二元logit模型分别对小汽车通勤者和小汽车购物/休闲者进行出行方式转移的影响因素分析,结果表明:私家车自由灵活度、舒适度是出行者选择其出行的重要原因;其次,年龄、职业、私家车使用次数、出行时间、出行距离、对绿色出行的偏好和态度均会影响通勤者的出行方式选择,而对于购物/休闲出行,出行转移意愿影响因素较少,可能在于通勤/通学者对出行效率的要求较高,而购物/休闲者出行时间、出行距离等均为自主选择.本文研究结果能为实施引导小汽车出行者绿色出行方式转移提供决策依据.

交通出行方式的选择及影响因素分析——以杨凌示范区为例

基于交通出行行为理论框架,分析了居民出行方式的差异。以陕西省杨凌示范区为研究对象,建立了随机效用理论拟合多项式Logit模型,探究影响当地居民交通出行方式选择的主要因素,为指导交通规划和管理提供参考。