基于Nested-Logit模型的经济圈交通方式划分方法研究

在分析经济圈交通方式选择影响因素的基础上,利用出行费用、出行时间和舒适性等指标作为广义费用函数的主要构成属性,建立了基于Nested-Logit模型的经济圈交通方式划分方法.并采用出行疲劳恢复时间来描述不同交通方式出行的舒适程度,然后用时间价值的计算方法求得疲劳恢复时间的价值.Nested-Logit模型是在一般多项Logit模型基础上的一种改进模型,考虑了各交通方式之间的相关性,对具有相似性的交通方式进行了分类,因此该模型更接近实际情况,相对合理.同时通过分析这两种模型的内在关系,提出了一种求解Nested-Logit模型的方法,该方法程序化强,便于应用.最后以长三角经济圈部分城市之间的交通方式划分作为实例,说明了该方法有效可行.

均匀行驶信用券计划管理瓶颈拥挤和方式划分

在相互竞争的双模式交通系统中,考虑用户异质性,本文探讨了均匀行驶信用券计划对方式划分和帕累托提高特性的影响.在这一计划下,政府首先发布一定数量的行驶信用券,并均匀地分发给每一位出行者,允许出行者根据自身需求在市场中自由购买或出售信用券.根据预先设定的行驶信用券收取规模,使用快速路的出行者将会在经过瓶颈时被收取一定数量的信用券.研究结果表明,均匀行驶信用券计划总能让一部分快速路出行者转向地铁模式;对于同质用户来说,无论信用券收取数量多少,帕累托提高特性始终成立,然而对于异质用户来说,只有当行驶信用券收取数量小于某一临界值时,帕累托提高特性才能满足.

基于有限理性的交通方式划分模型

考虑出行者有限理性的特点,建立改进的交通方式划分模型.通过问卷调查,确定出行者方式选择各影响因素的权重,以及各交通方式在不同因素下的表现;运用TODIM方法,计算各交通方式的价值;基于有限理性,建立交通方式选择Probit模型;讨论模型中参数变化对交通方式划分的影响;对比上班和购物出行,分析不同出行目的对方式选择的影响.研究表明,基于有限理性的交通方式划分模型能够体现不同出行目的下出行者出行方式选择偏好;参数θ体现出行者的认知程度,在该模型里应在(0,2)中取值.

动态交通方式划分与系统最优配流模型

由于现实交通流具有时变性,为了更好地缓解交通问题,交通配流规划者不仅要研究静态交通路径的选择,更要研究动态交通路径的选择和动态交通方式的选择。本文根据静态混合交通方式划分配流模型与动态系统最优一阶等价条件推广得到动态混合交通方式划分与配流模型,并证明了该模型一阶条件等价于瞬时的DSO条件和Logit方式分离函数。

基于概率神经网络的交通方式划分模型

神经网络具有良好的模式识别能力，而交通方式划分从本质上来看，是一个分类的问题。鉴于此，本文尝试运用概率神经网络进行交通方式划分的建模，并给出了算例。分析表明，该模型对方式划分问题不仅具有很强的解释性，同时具有很好的可操作性。

城市群轨道交通方式划分非集计logit模型

以城市群轨道交通方式划分为研究对象,根据城市群轨道交通特点,提出将城市群客流分为城区客流和城际客流,分别预测其轨道交通分担率.利用非集计模型的基础理论,选取时间、费用与个人收入的比值作为效用函数的特性变量,以交通行为调查的RP和SP联合数据为基础,建立了应用于城市群交通方式划分的非集计模型.并以长株潭城际轨道交通方式划分为例,进行了参数估计和轨道交通分担率的预测.

基于改进MD模型的区域交通方式划分预测方法

分析了MD模型的基本原理;综合考虑出行时间、费用、安全、方便和舒适等5个因素对出行方式选择的影响,完善了出行牺牲量的量化方法,加入了安全性、舒适性、方便性的量化指标及其量化方法;建立了基于改进的MD模型的区域交通方式分担率预测方法,并提出了预测流程及预测模型中关键变量的求解算法;以沪宁通道内客运方式分担率的预测为实例,对比分析了改进前后MD模型及Logit模型的预测结果。验证了改进后MD模型能较好地模拟区域交通方式选择过程,预测有效可行。

适于交通方式划分的NL模型巢式层次结构研究

为准确把握Nested-Logit模型(NL模型)在交通方式划分中的应用,以交通方式巢式层次结构为研究对象,在分析交通方式选择影响因素和各交通方式之间的相关性的基础上,根据人们在选择交通方式过程中首先考虑因素的不同,构造了不同的交通方式巢式层次结构方案,并提出基于拟合优度度量的判断方法优选巢式层次结构方案。根据实例旅客出行调查数据,利用SAS软件对拟合优度度量系列组进行比较分析,分析结果表明:基于拟合优度度量构造的巢式层次结构更能反映交通方式选择的真实性,克服了NL模型层次结构明显的主观判断偏离客观实际的缺陷。

离散选择交通方式划分模型及其在TransCAD中的实现

介绍了TransCAD中交通方式划分模型,总结了利用离散选择模型在TransCAD中实现交通方式划分的操作规程;结合实例阐述了离散选择模型在TransCAD中应用的步骤,并将预测结果与实际值以及回归模型预测值进行了比较分析。对比分析表明,结合TransCAD利用离散选择模型进行交通方式划分可较为科学、直观和简便地获得各交通方式分担率。

交通方式划分离散选择模型的比较研究

本文章介绍了MNL、NL、HEV、MNP、MMNL等五种离散选择模型,重点分析了它们各自的理论基础与特点,并应用于交通方式划分案例,对模型参数进行标定。结果表明,NL模型能够较好解决存在于替选方案的相似性问题;MMNL预测误差最小,可靠性最高,较NL、HEV、MNP模型更能解决交通方式选择行为中存在的相似性、异质性问题,是一种对交通方式选择行为预测的有效方法。该研究对交通方式分担率预测问题具有重要的指导意义,因为通过简单选择某个离散选择模型开展研究得出的结论并不一定可靠,应根据模型特点谨慎选择、谨慎应用。

交通方式划分预测模型的研究

针对目前较为关注的非集计类交通方式划分模型,对目前较为常用的Logit模型的原理进行简单阐述,重点介绍了几种较为适用的Logit改进模型,最后采用文中介绍的模型对赣州市居民出行方式进行拟合比较.

MNL模型在交通方式划分中的新发展

MNL模型作为Logit模型的基本型式,在非集计方式的交通方式划分中有良好的应用前景。

基于神经网络的交通方式划分模型研究

在分析交通方式划分预测的一些基本理论的基础上,尝试应用概率神经网络进行交通方式划分建模,并给出了算例,分析表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性。

方式划分中慢行交通分担曲线模型研究——以芜湖市为例

结合芜湖市交通调查基本情况,分析了慢行交通与用地布局的关系,探讨了其时间分布、距离分布的出行特性,并构建了在不同出行目的下,分别以出行时间、出行距离为变量的慢行交通分担曲线模型。最后,以芜湖市交通需求预测中,居家工作出行目的的时间和距离为变量的预测为例,验证了模型的正确性和可行性。

一种基于模糊神经网络的交通方式划分模型

模糊神经网络具有良好的模式分类能力,而交通方式划分问题本质上也是一个模式分类问题。文章利用模糊神经网络方法对交通方式划分问题进行了建模,通过对FNN和BP神经网络(BPNN)方法运算结果的比较分析,证实模糊神经网络具有收敛速度快、精度高等优点,是模式划分问题的一种实用方法。

双准则交通分配和方式划分相结合的网络均衡

分析了综合交通体系下不同时间价值的出行者路径和方式的时间、费用交易选择行为.运用了交通方式路径虚拟和对路径费用重新排序的方法,给出了双准则交通分配和方式划分的综合模型、有效路径算法和用户均衡算法.通过计算机模拟的方法,举例分析了交通改进措施和交通政策对交通分配和方式划分的灵敏度.模型可以更加真实地反映出行者在权衡时间价值和费用下的路径和方式选择,并可定量研究交通方式服务水平提高和交通政策对交通方式引导和缓解路段拥挤的作用.

基于出行方式划分模型的摩托车管理技术研究

分析了摩托车交通带来的安全问题和污染问题,建立了LogitKernel方式划分模型,并从完全禁摩和公交优先引导两种交通策略正反两个方面分析了交通策略实施后摩托车出行分担量的转移情况。结果表明:从正面引导减少摩托车出行的公交优先策略对限制摩托车出行并不明显。因此要想改善摩托车出行带来的交通问题,必须采用渐进的模式实施禁摩交通政策。

动态交通方式划分与用户最优配流模型

针对实际交通网络中交通配流不仅考虑路径的选择,还要考虑交通方式选择的问题,研究了单起点时的动态交通私家车与公交车的方式划分与配流模型,证明了该模型一阶条件等价于瞬时的DUO条件和方式划分logit函数。

基于改进MD模型的城市交通出行方式划分预测方法

基于MD模型预测原理,结合城市居民出行特征,综合考虑旅客出行时间、出行费用对旅客出行方式选择的影响,对传统MD模型中包含的出行牺牲量计算公式进行了改进,求得了各交通方式的安全性、舒适性、方便性量化值,并得到了基于MD模型的城市交通出行方式划分预测模型.模型可用于预测新增交通方式的诱增交通量与划分结构,分析预测年公交车、地铁费用变量与出行方式划分结构之间的规律.最后结合西安市的调查实例,验证了该预测方法的可行性.研究结论可进一步丰富和完善城市交通出行方式划分预测理论.

考虑轨道交通布局的城市客运方式划分研究

针对我国城市轨道交通网络覆盖率低的特点,提出采用网络标识确定轨道交通的空间布局。鉴于集计和非集计方式划分模型在实际应用中所存在的问题,综合考虑了各种交通方式的特点及运输网络的连通程度,建立了基于路线选择模型、轨道交通线网布局的客运交通方式划分模型。应用结果表明,该模型综合考虑了居民出行路线选择的影响,从而能够较好地解决我国城市客运方式划分问题。