基于SP和RP融合数据的小汽车通勤出行频率选择模型

基于小汽车通勤出行特性和成本分析,采用意愿调查法对小汽车出行者的社会经济属性、通勤特性和不同燃油价格下的出行意向进行调查,定量分析停车位供应状况、停车费、燃油价格等因素对小汽车使用者通勤出行频率的影响,以获取高燃油价格下小汽车通勤行为随燃油价格(出行成本)变化的规律。基于多项选择模型,分别建立了RP模型、SP模型和基于RP、SP数据融合的小汽车通勤出行频率选择模型。结果表明:融合数据模型的参数检验较显著。小汽车周通勤出行频率选择概率对燃油价格的弹性均小于1.0,缺乏弹性。小汽车通勤出行中低出行频率的燃油价格弹性明显高于高出行频率的燃油价格弹性,该群体的小汽车出行需求压缩空间较大。

基于SP和RP数据融合的城市轨道交通选择模型

针对SP数据存在的行为结果与意向结果不一致的问题,介绍了利用RP数据修正要SP数据的方法．以北京为例,建立了RP模型、SP模型和融合数据模型,并对模型的灵敏度进行了分析,结果表明,RP模型中费用变量的参数估计值符号与实际不符;SP数据模型精度较高,但某些参数的影响不是很显著;融合数据模型的参数检验较显著,模型的弹性小,敏感性被钝化．

RP/SP融合数据的Mixed Logit和Nested Logit模型估计对比

分析了RP/SP(revealed preference/stated preference)融合数据对交通行为研究的重要性,通过实际调查的RP/SP融合数据,对比了用Mixed Logit和Nested Logit模型的估计结果.得出了以下结论:RP/SP融合数据中,有时同类型交通方式的关联性要比RP和SP数据之间的关联性强,应用不同的Nested Logit模型分层方法进行估计对比;Mixed Logit考虑了个体的异质性,假定参数为随机分布,同时体现了RP/SP数据的关联性和同类型交通方式的关联性,能够得到更好的参数估计结果;Mixed Logit模型能更现实地反映不同交通方式使用者对时间和费用敏感性的不同(时间价值的不同),体现小汽车使用者比公共交通使用者具有更高时间价值的现实情况.

基于RP/SP联合数据的非集计模型应用研究

实际调查RP数据(Revealed preference Data)具有可靠性,而意向调查SP数据(Stated preference Data)具有灵活性。为了更好地将两类数据结合起来对新的交通方式进行预测,以长株潭城际轨道交通方式划分为例,介绍了数据的调查方法,利用正交设计法对SP调查表格进行了设计。分别建立基于RP和SP数据的Logit模型,鉴于RP与SP模型中随机项的差异性,通过引入SP比例参数,构造RP/SP联合数据模型,并利用3种模型对未来的交通方式分担量进行了预测,最后对预测结果进行了比较分析。实例结果表明,基于RP/SP联合数据的logit模型能够平衡两类数据之间的误差相互影响,并能够得到更为合理的交通方式划分预测结果。

基于RP/SP融合数据的沪杭客运通道公铁客流分担率研究

RP(Revealed Preference)和SP(Stated Preference)调查是分析交通行为的两种重要方法,为充分利用两种数据的优点,研究运用NL(Nested Logit)模型进行RP/SP数据融合的方法。以沪杭客运通道修建磁浮铁路和客运专线为背景,设计RP/SP的调研方案;根据该通道客流特点建立RP/SP的效用函数;根据样本数据的RP/SP性质以及交通方式性质建立不同的NL数据融合模型,并分析模型的精度,得出利用NL模型建立的数据融合模型比单独利用RP或SP数据建立的ML(Multinomial Logit)模型精度要高,并且采用先按交通方式的性质分层,然后再按数据的RP/SP性质分层的3层NL模型精度更高的结论。在此基础上预测了2015年沪杭各类铁路及公路的客流分担率。

RP/SP数据的Nested Logit同构融合

在RP/SP融合分析中,当部分选项有一定相似性时,常用Nested Logit(NL)框架构建RP或SP子模型;但既有研究中,2个子模型往往采用不同的阶层结构,导致对行为机制的认识缺乏统一性、不同层次误差项对应关系不明确、无法正确描述SP选择的阶层性等问题。本文针对RP-NL/SP-NL的同构融合框架,提出分层考虑误差项测度、引入融合系数修正SP效用函数的融合方法,以北京市新设快速路公交专用道为对象进行问卷调查,标定和对比3种RP-NL/SP-NL模型及RP、SP单独模型的结果。研究表明:分层考虑SP与RP的误差项关系,可以更清晰地揭示SP数据的阶层结构,真实表现SP的选择机制,也有利于减小误差项的影响,提高变量对SP选择行为的解释能力。

基于SP模型和RP数据融合的城市轨道交通选择模型设计

文中基于SP模型和RP数据模型实现关于城市轨道交通选择模型设计的研究,探讨居民出行选择方式、选择行为关联性,了解居民出行方式选择的影响因素,验证分析相关模型的应用质量.结果表明:RP模型中费用变量参数估计值符号和实际不相符;SP数据模型精度较高;融合数据模型与之相比弹性较小,敏感性被钝化.

新建客运专线和既有线客流分担率模型研究

应用分层Logit模型将RP(Revealed Preferences行为调查)和SP(Stated Preferences意向调查)调查数据融合,以沪杭运输通道为案例,讨论了该运输通道客流分担率模型的建立、求解和应用。

基于移动互联交通信息的居民出行方式特性

为研究移动互联网时代下的居民出行特性,探索在出行链过程中移动互联交通信息对出行方式特性的影响。通过RP-SP(revealed preference-stated preference)融合调查获取出行者基本属性、实时交通信息属性及出行特征属性,建立居民出行方式选择巢式Logit模型,对桂林市居民展开出行方式选择特性调查。研究结果表明:在出行链日趋复杂的情况下,个体的出行活动和交通行为与移动互联交通信息关系愈发紧密;移动互联交通信息对居民出行方式特性产生显著影响,尤其对私家车出行影响最大,其中实时路况信息属性影响最为显著,其次为拥堵延误时间;交通信息获取的满意度越高,越能促进居民选择公共交通出行。该结论能够作为理论基础与实证依据推动移动互联交通信息下的路径选择与交通出行诱导提供研究依据。

货运方式“公转铁”的惯性效应研究

为准确掌握托运人货运方式选择行为特征,针对性出台“公转铁”引导政策,以沪宁铁路沿线城市的“白货”运输为例,通过开展托运人选择行为及意向偏好数据调查,构建考虑选择惯性变量的货运方式选择行为模型,采用RP与SP融合技术解析货运方式选择行为的惯性效应及其影响机理。在此基础上,应用弹性分析确定提升铁路分担率的关键因素。结果表明:公路托运人货运方式选择时,表现出对公路运输较强的依赖性,其原因在于受惯性影响,公路托运人易低估公路费用,而高估铁路“门到门”运输时间;优化运输组织以缩短铁路“门到门”运输时间、降低铁路全程运输费用的同时,加大营销宣传力度、提升信息透明度、保持运价稳定以削弱惯性效应,有助于促进货运方式“公转铁”。

基于多源问卷数据融合的公铁货运方式选择模型研究

为更好地制定柔性的价格政策引导货主选择铁路运输,进一步促进“公转铁”在白货市场的实施,基于多源问卷数据融合方法精细化研究货物运输方式选择偏好。设计货运方式选择偏好RP/SP(Revealed-Preference/Stated-Preference)问卷,基于问卷数据构建离散选择模型,分析各因素对运输方式选择的影响,探究铁路白货货运时间价值,进而针对影响因素的分析结果提出“公转铁”相关的政策建议。为克服SP调查中的选择偏好误差,采用NL(Nested-Logit)模型中的巢式结构将RP/SP数据进行融合,以RP数据为基准利用平衡系数对SP数据进行修正。模型结果表明:基于RP/SP数据融合的离散选择模型具有更好的模型精度;除了传统的运输时间、运输费用外,货运企业在使用铁路运输时看重先运后付的结算方式和上门取货的短驳方式;南部地区的集装箱货运时间价值为每日692.98元/箱,高于华北地区。文章提出的方法与标定的模型参数能够为铁路货运价格政策制定提供参考。

考虑惯性效应的货运方式选择行为模型

基于沪宁沿线城市的托运人调查数据,构建考虑惯性效应的混合Logit模型,采用RP/SP融合方法进行参数估计.结果表明:公路托运人选择货运方式存在显著的惯性效应,考虑惯性效应的模型具有更好的数据拟合效果和行为解释能力;不同需求特征群体存在显著的惯性效应差异,货主、轻泡货物和中短运距货物表现出更强的坚持选择公路倾向;忽视公路托运人惯性效应,会错估改善铁路运输时间和费用后的“公转铁”潜力,表现为将高估铁路分担率的费用弹性和低估铁路分担率的时间弹性.

道路施工管制对居民出行影响分析

本文研究了道路施工管制对于居民出行影响的问题,采用问卷调查的形式进行数据搜集,应用非集计模型理论及居民出行方式的RP和SP组合数据,建立了交通方式划分的MNL模型,并应用Spss22.0软件对模型中的参数进行标定。通过模型拟合度和显著性检验验证了模型的有效性,通过研究单因素、双因素、三因素得到了各种交通方式的效用函数方程,利用该模型对道路施工期间蚌埠市大学城周围居民出行交通方式的分担率进行了预测。实践证明,此模型能够充分考虑到居民出行方式选择各方面的影响因素,能够为以后在道路施工期间居民的出行提供一定的帮助和依据。