基于潜在类分析的城市异质出行群体识别研究

异质出行群体的合理划分是提升出行需求预测准确性和实施主动式交通管理的关键,针对目前城市多方式出行群体划分研究的不足,在分析出行习惯与偏好差异影响因素的基础上,提出基于潜在类分析(Latent Class Cluster Analysis,LCCA)的城市异质出行群体识别方法.以北京市为例,应用揭示性偏好调查进行基础数据收集,运用Mplus软件编程实现LCCA模型估计.模型将出行者划分为三类异质出行群体,群体1:低出行+方式均衡组(20.4%),群体2:中高出行+小汽车偏好组(30.3%),群体3:高出行+绿色交通组(49.3%).模型回归结果表明:群体2、3的百分比与北京市小汽车、公共交通出行比例之差均不超过2%,证明提出的出行群体识别方法有效,个人属性、出行者对各交通方式的认知与态度对群体隶属影响显著.针对各异质出行群体提出了相应的绿色交通发展措施,为城市交管部门的精细化出行管控提供重要依据.

浅谈高速公路出行群体的年代消费特征

在高速公路出行中,出行配套与消费服务能为出行人提供快速、舒适、安全的出行环境,是高速公路建设的重要内容。本文在文献分析与实证调研的基础上,介绍和分析了当前高速公路出行群体中从"70后"到"00后"群体的性格与特征,并对高速公路与服务区的消费服务提出了建议,从而对我国智慧高速与智慧服务区的设计与建设提供参考和指导。

考虑旅客群体出行偏好的高铁客流分配方法

针对不同旅客出行群体(简称:群体)的出行偏好进行客流分配研究,考虑各群体对出行过程各环节的敏感度差异,定义各群体主观出行成本。构造“时间—空间—群体”三维出行网络,描述各群体旅客出行过程的不同出行行为,并设计出行网络费用;基于列车定员约束构建网络流模型,描述各群体出行选择和运力占用过程,求解各群体层出行路径的客流分布状态;通过对京兰(北京—兰州)高速铁路京呼段(北京北—呼和浩特东)客流分配算例分析表明,不同群体出行偏好对客流分布和客流转移具有显著影响。该客流分配方法不仅能够很好地描述各出行群体对不同出行方案的敏感性,刻画各群体间旅客对有限运力资源的竞争博弈过程,还可以评价运力配置,对铁路客运运力调整和客运产品设计具有参考意义。

群体出行的交通方式选择行为研究

多人结伴的群体出行是非通勤目的的交通出行中的普遍现象,已有交通方式选择行为研究中通常以出行者个体作为交通方式选择的决策单元,对于群体出行状况下的交通方式选择行为研究具有不适应性.以出行者群体作为交通方式选择的决策单元,基于2010年上海世博会游客的出行数据,建立了不同群体规模的出行方式选择行为模型.结果表明,群体出行对于交通方式选择行为具有显著影响:出行者对交通服务属性的敏感性下降;出行者群体的车内时间价值增加;出行者感知的车外时间当量和换乘惩罚当量上升.

基于路网的群体出行计划查询算法

群体出行计划(GTP)查询旨在为一组用户查找共同的活动地点(通常以兴趣点(Po I)表示)以达到整体的出行开销最小。当前,对群体出行计划查询的研究大多仅限于欧氏空间,然而人们真实的出行却受到道路网络的约束。针对该问题,提出了两个基于路网的群体出行计划查询算法NE-GTP和ER-GTP。其中,NE-GTP通过扩展每个用户所在的边,来迭代地找到这组用户感兴趣的Po I;ER-GTP则是利用R树索引和欧氏距离是路网距离的下界这一条件来快速搜索满足关键词条件的Po I。实验结果表明,ER-GTP方法在查询速度上总体要比NE-GTP快一个数量级左右;而且,当数据量很大时,ER-GTP也有很好的可扩展性。

春运公路旅客群体出行模式识别及其异质性研究

文章针对春运高峰期的外出务工出行群体和本地通勤出行群体,通过K-means聚类算法实现旅客群体细分,并获取群体出行模式的异质性特征。结果表明:春运期间高频通勤旅客占比为0.65%,低频通勤旅客占比为48.87%,务工出行旅客占比为50.48%;总体上分为“节后高度集中型”“节后前紧后松型”及“节后前松后紧型”3种类型,并呈现节前“短时候车长时中转”、节后“长时候车短时中转”的出行规律。通过聚类有效性判定及分析,所提出的群体识别模型具有可行性,对春运大规模客运组织优化具有重要意义。

基于历史出行记录扩充的公交乘客下车站点推算方法

用出行链方法推算的下车站点的记录可作为历史出行数据集,而现有的研究在对出行链断裂的记录进行下车站点推算时使用的历史数据集较小,造成可推算下车站点数据量少、准确率低的缺点.提出基于历史出行记录扩充的公交乘客下车站点推算方法 .首先,使用多源数据集成的出行链方法进行下车站点推算,将已确定下车站点的数据作为历史数据集;其次,基于个人历史相似出行的方法对于未确定下车站点的记录进行推算;最后,选择同线路同站点上车的其他乘客的IC卡记录作为每条未识别下车站点记录的群体历史出行记录,并基于相似出行行为规律进行下车站点的推算.该方法增加了可推算下车站点记录的数据量、提高了推算的准确率.以厦门市为例的实验结果表明:在历史出行记录生成时,使用多源数据可比单源数据多生成3. 48%历史出行记录,推算准确率提高1. 99%;在历史出行记录选择时,选择群体历史出行记录分析得到的历史相似出行行为规律,可对前两种方法无法确定下车站点的所有记录进行推算,占全部待推算记录的21. 81%,其中5. 37%记录的下车站点推算正确.

基于Lotka-Volterra的城市客运走廊机动化交通方式竞争模型

为了优化城市交通结构、缓解城市交通拥堵问题,本文在考虑城市客运走廊内3种不同类型的居民出行群体的基础上,以Lotka-Volterra模型为基础建立了公共交通与私人交通的宏观竞争模型.并分析了不同交通方式的竞争强度及不同群体出行规模对模型的稳定性与演化结果的影响.结果表明,交通方式的竞争强度和不同出行群体的规模比例是影响交通方式间竞争激烈程度与其竞争结果的重要因素.当竞争较为激烈时,最终只有竞争力相对较强的交通方式能在市场中存在;在竞争较为缓和的情况下,两种方式能在市场中共存.最后本文提出从调节交通方式竞争强度和改变不同类型居民出行比例两个方面来平衡两种方式间的竞争,以此优化城市客运走廊中交通结构.