考虑旅游动机的出行目的地信息选择行为模型

游客旅游目的地选择行为分析对于推动国内旅游业发展具有重要意义。该研究对到北京市8个景点旅游的游客进行了随机问卷调查,并采用聚类分析的方法对具有不同旅游动机的游客进行了分类。分别创建了首个目的地选择行为模型和非首个目的地选择行为模型,将不同的旅游动机作为模型中的变量,以此来说明旅游动机是旅游目的地决策的关键决定因素。文中所创建的模型具有较高的精度,能够对游客旅游目的地决策过程的研究提供可靠的理论支撑。

农村居民出行目的地选择行为模型与影响因素分析

为分析农村居民出行目的地选择的影响因素与影响过程,应用自主设计的调查问卷,获得3 329份农村人口出行特征数据。按照农村居民常规出行目的地分布情况,将目的地划分为邻村、乡镇、县城和市区。运用非集计理论,将农村居民的性别、年龄、教育程度、家庭年总收入、出行目的和出行距离等个人、家庭和出行属性作为影响因素,并将4个目的地作为4个选择肢,建立了农村居民出行目的地选择行为度量模型,并结合弹性理论分析了各个影响因素的敏感度。分析结果表明:农村居民的出行属性中出行距离和出行目的2个影响因素对应的弹性值均大于1,说明这些因素对出行目的地选择富有弹性,影响显著;年龄、是否换乘和所需时间3个因素对部分目的地的选择富有弹性;性别、受教育程度、家庭年总收入和出行时间4个因素对应的弹性值均小于1,说明这些因素对出行目的地选择缺乏弹性。

出行方式和目的地联合模型(英文)

在对出行目的地空间分布特点进行分析的基础上,提出了减少选择枝个数的目的地小区分段抽样策略,该策略的应用减少了仿真的计算量.采用该抽样策略建立了基于贝叶斯理论的出行者出行方式和目的地联合选择模型.通过对该模型进行仿真计算,结果表明出行方式和目的地的联合选择模型能够有效地模拟出行者的行为选择.而且,联合选择模型的预测精度明显高于重力模型.因此,在分析出行者行为选择方面采用出行方式和目的地的联合选择模型是一种有效的方法.

基于改进马尔可夫链的航线预测算法

在交通领域,研究分析旅客的出行目的地会产生很多商业价值。针对旅客出行目的地的不确定性造成研究困难的问题,现有方法利用熵衡量移动的不确定性来描述个体的出行特性,并同时考虑个体轨迹的时空相关性,并不能达到理想的预测精度,因此,提出了基于改进马尔可夫链的航线预测算法来对旅客的出行目的地进行预测。首先对旅客历史出行的距离分布、地点分布和时间规律特性进行了分析;然后又分析了人类移动对历史行为和当前地点的依赖性;最后将旅客的常住地特性和新航线的探索概率加入到转移矩阵的计算中,提出并实现了改进的马尔可夫链航线预测算法,进而对旅客的下一次出行进行预测。实验结果显示,该模型可以达到66.4%的平均预测精度。研究成果可以应用在航空领域的用户出行分析中,使航空公司更好地了解和预测旅客的出行,提供个性化的出行服务。

基于时空特征的城市轨道交通短时OD估计方法

精准的短时出行地和目的地(OD)估计技术是城市轨道交通运营组织方案制定的主要依据,同时也是城轨断面客流预测的基础。为同时考虑时空双维特征,且快速实现全网OD的高精度估计,该文基于时间、空间2个维度分析了城轨客流OD分布特征,提出多维度下的最优输入因子筛选方法,构建了基于多元线性回归模型的多层级嵌套OD估计方法。以2019年工作日的南京地铁线网为例进行模型验证,结果表明,时间粒度为15 min以及60 min下,全网OD的平均绝对百分比误差(MAPE)分别为37%、24%,部分OD对在高峰时段的MAPE值小于5%;15 min粒度的均方根误差(RMSE)约为1.3。相比于现有短时OD估计方法,该文提出的方法在高峰时段预测效果更好,能够高效实现全网、全时段的OD估计。

下一站,必须意大利

当疫情结束,我的第一个出行目的地,必须是意大利。不止是为了提振它的复苏而贡献一己之力,更是因为它拥有那么丰富而多层次的美好,绝不会因为伤痛和低沉而消失,反而更增加了几分不矫揉造作的魅力。