出行行为

摘要： 为探究智能交通系统中考虑风险规避时出行者路径选择行为,针对不同特征出行者多属性路径选择问题,利用累积前景理论描述出行者的风险规避态度,并建立考虑风险规避的出行路径多目标选择决策模型,设计基于指派模型的求解算法,通过实例对模型合理性进行检验.结果表明,出行者的风险规避对路径选择结果具有明显影响,路径选择结果随出行者对于复合阻抗和综合影响权重的不同而变化;考虑风险规避时目标的敏感性强于不考虑风险规避情形,考虑风险规避更贴近路径选择的实际情况.所建模型不仅可以研究智能交通系统中多类型出行者的多属性路径选择问题,还可作为交通流分配和网络设计等交通问题的研究基础.

摘要： 针对地铁系统缺乏微观粒度出行行为预测模型的问题,提出了一种基于注意力机制LSTM的深度学习预测框架对地铁系统乘客出行行为进行预测。针对乘客地铁出行信息高纬度、多形式的特点,提出了两种特征提取模块分别对时间和空间信息进行特征提取;利用注意力机制与LSTM神经网络的特点,对长出行序列的时序特征进行建模从而预测乘客下一次出行的时空信息。利用广州地铁AFC数据对所提出模型进行验证,结果表明:所提出时间信息特征提取方法可以更加准确的表征时间特征;相较于传统统计学习模型,提出的预测模型对于进、出站站点及进站时间的预测准确率分别达到了74.9%、61.6%、44.8%,相对于现有算法取得了较大提升。

摘要： 郊区地铁的发展不仅为郊区居民的日常出行带来极大便利,也为推动我国都市圈地区发展发挥重要作用。文章在西安地铁 2 号线郊区韦曲南站与航天城站周边社区开展居民出行行为调查,构建基于 Logistic 回归的地铁方式选择模型,探索市郊不同人群的出行特征、地铁郊区段乘客的出行服务特征,提出鼓励地铁出行的策略与地铁郊区段设施及换乘的优化设计思路。研究结果能够为提高地铁出行比例、地铁郊区段的交通接驳方案及都市圈地区市郊轨道交通线路规划提供参考和借鉴。

摘要： 为了对老年人公交优惠政策调整后的影响进行预先评估,考虑老年人公交出行行为建立模型,测算老年综合津贴方案、错峰优惠方案、有限额全免费和有限额半价方案、高峰时段拥挤线路收费方案4种优化调整方案对公交客流、政府财政支出、公交企业收入等方面的影响,并结合问卷调查进行综合分析。分析发现,4种优化调整方案都能减少老年人的无效出行行为,都会在不同程度上减少公交企业的收入,有限额全免费和有限额半价方案会减少政府财政支出,其他3种方案会不同程度地增加财政支出资金。调整方案需要统筹考虑采用,分析结果可为老年人公交优惠方案调整提供决策参考。

摘要： 高速公路分车型收费政策的实施,对货运汽车驾驶员的出行路径选择有较大的影响。本文结合有限理性理论,将MNL模型中的效用作为累积前景理论的客观效用,将MNL模型中的概率作为累积前景理论的客观概率,以出行路径选择为重点,探索参考点及偏好系数对货运出行路径选择的影响。将调查数据基于MNL—累积前景理论模型进行验证,计算结果表明了模型的有效性。

摘要： 为探究后疫情时代居民出行方式选择行为,运用选择实验的方法,基于问卷调查获得选择行为数据,构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数,得到后疫情时代影响居民出行方式选择的主要因素。结果表明,两种模型均体现了个体出行方式选择的异质性,潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%,预测精度提高了3.03%,为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景,分别将居民划分为4类、5类人群。从出行方式属性上看,等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看,在后疫情时代收入更高的女性更倾向选择私家车出行,年龄越大对行程费用越敏感,男性更愿意选择公交、地铁出行。

摘要： 利用收费数据和交通调查站数据,分析灌凤段高速及并行国道现状交通量费特征,基于出行行为RP和SP现场调查数据分析不同费率折扣下国道交通量向高速公路转移的概率;然后根据转移概率分车型测算费率调整后高速公路日均通行费变化,在保障公路出行效率和通行费收入的原则下制定差异化收费推荐方案,并评估实施效果.结果表明:通行费是影响客货车出行的首要因素,对灌凤段高速使用ETC支付的车辆给予通行费8折优惠后,2022年1月公路出行效率和通行费收入与去年同期相比均有所提升,后续将持续跟进并评估本方案的实施效果.所提出的费率调整测算方法对其他高速公路研究分车型差异化收费方案有参考意义.

摘要： 为了定量分析交通事故引起的高速公路动态拥堵交通信息和出行者异质性对出行选择行为的影响,依据在日本西部地区对2 500名高速公路出行者进行的大规模SP/RP调查数据,采用潜在类别分析方法得到出行者对高速公路动态交通信息的偏好特征;将得到的分组结果作为解释变量纳入多水平模型中。结果表明:通过对数据进行潜在类别分析,出行者可划分为3类异质群体,即动态交通信息高依赖组、动态交通信息低依赖组和动态交通信息无依赖组,占比分别为38.8%,36.1%,25.1%,并且不同交通信息依赖组的出行者在性别、年龄和职业上分布差异均具有统计学意义;不同交通信息依赖组的出行者在动态交通信息下的出行行为有明显差异;考虑数据分层结构的出行预测模型比不考虑数据分层结构的预测模型预测结果更准确。

摘要： 多元交通信息的内容极为丰富,不同的信息之间在时间和空间上也存在着本质的不同,会对出行者的决策产生不同的影响。文章按照描述性信息和预测性信息对多元交通信息的内容和分类进行了总结,系统分析了出行者出行的决策过程,从宏观因素和出行者特征两个方面对影响出行行为的相关因素进行了分析,提出了多元交通信息影响下的出行者决策模式。

摘要： 生活中的选择行为无处不在,即使是一个简单的“在某时从A点到达B点”的出行行为,我们的脑海中都会思考如下的问题:采用哪种出行工具?几点出发?走哪条路?这条路会不会堵?天会不会下雨?……事实上,理解出行者在复杂交通系统中的选择行为是交通科学的关键问题之一。为了更好地理解各种关键因素对出行者的影响,北京交通大学交通系统科学与工程研究院的高聘教授韩晓运用理论和实验方法开展研究,以期为改善交通出行贡献自己的力量。

摘要： 城市交通规划的核心问题是流量预测,而流量预测的基础则是出行预测.出行预测是指在一定条件下,对各交通小区可能产生的总出行需求进行预测.它是城市交通规划中的重要环节,可靠的出行预测不仅能为相关部门构建有效的调度系统提供参考,同时也能为城市居民提供有效的出行路径选择信息.针对居民出行预测任务,提出了基于长短时记忆神经单元的循环神经网络出行行为预测方法.相比传统的出行预测方法,该方法的预测精度更高,更适用于大数据背景下的出行预测任务.

摘要： 随着城市规模的迅速扩张,中国城市居民居住空间发生了巨大变化,深刻影响着居民日常活动-出行行为.基于时间地理学和活动分析法,利用曲靖市居民活动日志调查数据,对比不同居住区位下居民活动安排和出行行为选择情况,分析居民活动-出行行为的时空间特征,继而构建结构方程模型,重点剖析居住区位、社会经济属性和居民出行行为间的多层影响关系.结果表明:居住区位的差异往往导致居民调整其活动计划和出行模式来满足生活需求;具体而言,居住在内城的居民活动强度大,活动链的时空复杂性和结构复杂性较高,而居住在郊区的居民活动类型相对单一,更多时耗花费在通勤活动模式上,方式选择上更多地依赖于小汽车出行.与此同时,居民社会经济属性也会作用于个体出行行为选择上,并对出行行为有长期影响,拥有小汽车的家庭会促发居民参与活动,增加小汽车使用频率.研究结果将为居住空间的土地利用政策和交通需求管理提供参考依据.

摘要： 随着“大数据”时代的到来,出行行为数据的采集更加便捷,数据内容更加丰富准确,数据体量也更加庞大,“交通大数据”孕育而生.为了更加精确地研究出租车出行行为中的微观模式特征,本研究引入了自然语言处理中常用的LDA主题模型.通过出租车GPS出行数据与文本数据之间的类比,说明了主题模型在本次研究中的适用性.接着,论文构造了“出行时间+出行距离+行程时间”形式的“词语”,并应用LDA主题模型对北京市出租车GPS数据进行了分析.结果表明,LDA主题模型不仅能够通过主题-词语条件概率分布有效地给出隐藏在GPS数据中的出行模式特征,还能够通过文档-主题概率分布给出每天各出行模式的分布规律,进而发现出行行为中的周期性特征.

摘要： 为探究乘车优惠政策对老年人出行行为的影响,从而更加准确的把握老年人出行规律,本文展开了乘车优惠政策对老年人出行行为影响的初步研究.首先,文章基于南京市老年人出行行为调查数据,探究了乘车优惠政策对老年人出行行为特征的影响.其次,通过分析老年人出行决策过程及相关影响因素,研究了乘车优惠对老年人出行行为的影响机理,即乘车优惠政策主要通过改变老年人公共交通出行的感知成本、感知服务质量及感知风险,从而影响老年人出行决策.在此基础之上,构建了乘车优惠政策对老年人出行行为影响的结构方程模型.

摘要： 对复杂出行行为的理解需要从出行者综合的活动参与、时间分配出发进行建模和分析,随之提出对分析对象的生活时间分配数据的调查需求.首先对比中、日、美三国的国家生活时间分配调查,结合出行行为研究的需要,得出调查设计的启示.之后,通过问卷设计,对上海市城市更新过程中郊区顾村和中心城内大华地区进行居民的生活时间分配和出行调查,并进行结果分析.调查结果揭示不同区域、不同群体的居民的生活时间分配的特征,并进一步构建生活时间分配与出行的关联.

摘要： 共享单车自2016年起逐渐风靡,成为小汽车、公交、地铁外的第四大出行方式,对居民的出行行为产生了重要影响.因此,以厦门市思明区为例,研究居民基于共享单车出行的行为特征,分析居民出行行为产生的变化.研究发现:共享单车已成为主流出行方式,主要替代居民需10分钟以上路程的步行出行以及6站距离以内的公交出行,并减少了26％的私家车出行;共享单车增加了居民以休闲为主要目的的出行频率,并且延长了居民在外活动时间,且通勤时耗平均缩短了12分钟;居民的出行路线由原先的单一化向多样化转变.最后为共享单车的规范发展提出合理建议.

摘要： 本文以探究城市儿童公共开放空间出行特征与场所满意度为目的,选择两个大连市典型的大型公共开放空间(城市公园)为目标进行问卷访谈与调研,收集了105个儿童游憩家庭在案例场所的受访家庭基础情况、出行行为和场所满意度情况的相关数据,分析总结了儿童游憩家庭的出行特征和满意度影响因素.研究发现,大部分儿童家庭偏向周末出游,出行时耗以10到30分钟为主;距离3公里内的出行方式以步行为主,超过3公里主要是私家车出行与公交出行.最后总结归纳了影响出行环境与场所品质满意度的问题所在,从出行环境、儿童游憩环境与场地设施环境三个方面为城市公园更新提出了设计策略.该成果将为深入研究儿童户外活动空间规划打下基础,进而推动儿童友好城市的可持续发展.

摘要： 在当今中国社会老龄化快速发展的背景下,为了解老年人的对象特性及出行特征、改善老年人的出行质量,对郑州市55岁以上部分老年人进行出行调查.调查包括个人基本属性、出行情况、出行意愿等主要内容.通过调查分析得出郑州市老年人的总体出行特征,包括出行目的分布、出行频率、时空分布特征、出行方式选择及其影响因素.同时对老年人错峰出行的意愿进行调查和分析,提出错峰出行的具体思路和措施.分析老年人期望和可忍受的公交换乘步行距离,以此对公交换乘站布局提出指标建议.

摘要： 城市建成环境对于促进绿色健康的出行方式及提升居民日常生活质量具有重要意义.随着共享单车的普及,城市建成环境对自行车使用的影响机制研究逐渐变为国内学术界关注的热点之一.本文综合国内外相关文献,将此研究领域内的研究方法总结并分为两大类——主观评价法和行为研究法两大类,行为研究法又包括叙述性偏好法和显示性偏好法,并对各类方法的优缺点进行了比较分析.还分析了相关研究中的不同数据来源和控制变量.然后从机动车道(roadways)、自行车道(bike lanes)、自行车专用道(bike tracks)、绿道(bike paths)和自行车道网络(bicycling network)等五个研究对象的结果展开评述.最后,建议未来的研究应在个体层面的研究选取具有代表性的人群样本,并将非建成环境要素纳入自变量之中,还需完善并细化现有建成环境的各项指标,要结合多种研究方法在横向空间与纵向时间共同展开相关性研究.

摘要： 城市建成环境对于促进绿色健康的出行方式及提升居民日常生活质量具有重要意义.随着共享单车的普及,城市建成环境对自行车使用的影响机制研究逐渐变为国内学术界关注的热点之一.本文综合国内外相关文献,将此研究领域内的研究方法总结并分为两大类——主观评价法和行为研究法两大类,行为研究法又包括叙述性偏好法和显示性偏好法,并对各类方法的优缺点进行了比较分析.还分析了相关研究中的不同数据来源和控制变量.然后从机动车道(roadways)、自行车道(bike lanes)、自行车专用道(bike tracks)、绿道(bike paths)和自行车道网络(bicycling network)等五个研究对象的结果展开评述.最后,建议未来的研究应在个体层面的研究选取具有代表性的人群样本,并将非建成环境要素纳入自变量之中,还需完善并细化现有建成环境的各项指标,要结合多种研究方法在横向空间与纵向时间共同展开相关性研究.

摘要： 本发明公开了一种基于机动车电子标识数据的私家车规律出行行为发现方法。包括以下步骤：步骤S1:构建单个私家车在挖掘时间内的车辆轨迹数据立方体及周期时间切片；步骤S2：在周期时间切片上进行基于滑动窗口的层次聚类；步骤S3：提取代表规律出行行为。本发明将私家车规律行为提取看作是时间序列周期模式挖掘问题，提出一种将车辆轨迹用数据立方体表示的方法，并且很容易扩展周期和时间维度，能够有效进行车辆轨迹的时间序列周期模式挖掘。本发明为私家车共乘提供了良好的基础，为缓解早晚高峰时段拥堵问题提供了新的解决思路。

摘要： 本发明属于大数据模型预测技术领域，具体涉及一种基于XGBoost算法的个体出行行为预测方法、系统及终端。所述方法包括如下步骤：S1：获取用于表征用户行为特征的历史数据；S2：对获取的历史数据进行预处理得到样本数据集；S3：构建基于XGBoost算法的个体出行行为的预测模型；S4：设定预测模型的超参数，通过分层三折交叉差分器对预测模型进行超参数调整，并利用训练数据集对预测模型进行训练，直到所述预测模型达到评价指标的要求；S5：采用预测数据集作为输入样本，利用训练好的预测模型对样本输出进行输出，从预测模型的输出中获得关于用户出行行为决策的预测结果。该方法、系统或终端可以解决现有技术无法准确预测个体出行行为决策的问题。

摘要： 本发明公开了一种多模式交通网络下的出行行为模拟方法，通过构建多模式超级交通网络，在基础网络中添加虚拟节点和虚拟路段，将单层交通网络拓展为相互连接的公交层、网约车层、地铁层、共享单车层和换乘层网络，将单一的地理位置节点拓展为包含出行时间、出行模式和出行状态的复合节点，将复杂的多模式交通网络转化为单一出行模式网络的集合，能有效提高最短路搜索和流量分配算法的效率。基于随出行时段变化而变化的网络交通流量，可识别半日出行时段内的交通出行模式分布变化情况，本发明可用于集计层面获取用户出行模式选择的分布情况，以供共享交通企业和管理部门更合理地分配交通资源，提升资源利用率。

摘要： 本发明实施例公开了一种用车出行行为的预测方法、装置、服务器以及存储介质。该预测方法包括：对待预测用户进行场景特征监测，以获取所述待预测用户所处的即时应用场景的场景特征；根据待预测用户的用户画像特征和所述场景特征进行用车出行预测。采用上述方法，可以实现对用户的个性化用车出行行为进行准确的预测。

摘要： 本发明公开了一种基于区块链技术和出行计划共享的交通出行行为调控方法为：首先，出行者在出行之前共享自己的出行计划；其次，根据出行者共享的出行计划预测未来不同时间段的交通网络动态交通需求；再次，基于动态交通需求的预测结果和城市交通供给信息评估城市交通网络的运行水平；优化出行计划；随机选取出行者，并向出行者提供对应的出行建议；出行者选择是否接受出行建议，完成后，基于选择结果进行动态交通需求预测，以此循环，直至城市交通网络的运行水平达到满意的水平。本方法采用哈希算法加密，通过区块链的公钥和私钥技术共享出行计划，保护出行者的隐私；激励出行者共享出行计划和接受出行建议。

摘要： 本发明提供了考虑用户出行行为的用户出行能耗预测及路径推荐方法。包括：将路段车速融入静态路网模型中建立动态交通模型，利用深度优先搜索算法根据动态交通模型和用户数据计算用户未来出行可行路径及其车速变化情况，建立基于时空轨迹空间的路网时空出行链；根据路网时空出行链进行行驶工况分析得到反映行驶工况和能耗影响因素的特征参数；利用神经网络计算用户的未来出行可行路径的能耗；根据用户的偏好对可行路径进行打分，将分数最低的路径作为最优路径推荐给用户。本发明将静态路网模型转化为动态交通模型，将路网时空出行链应用在未来出行能耗计算与路径推荐中，基于不同用户的偏好，建立路径评价指标，作为最优路径推荐的依据。

摘要： 本发明提供了一种基于规则的个体活动‑出行行为决策协同建模方法。通过居民个体及家庭出行调查获取居民出行数据，构建完整的全日活动链；采用聚类分析方法提取典型全日活动链和活动模式；根据活动链的主要特征指标，定义并分解活动‑出行行为决策单元；利用集成学习算法建立各决策单元的启发式决策规则，提取互为条件变量和决策变量的决策单元；根据互联决策变量之间的相互影响程度，结合个体、家庭等潜在因素，构建互联决策单元协同选择模型；利用循环迭代算法和人工智能搜索算法，综合考虑各类约束条件，确定个体活动‑出行的协同决策规则。

摘要： 本发明涉及一种基于混合Logit模型和贝叶斯模型平均(Bayesian ModelAveraging,BMA)的出行行为建模方法，包括如下步骤：(1)在目标区域按照预设的规则确定样本采集地点，并根据预设的调研项目类型确定所要采集的变量类型，变量类型包括出行者个人社会经济属性、出行属性及假设场景下出行者的出行方式选择偏好；(2)针对样本数据，用预设的数据处理方法对样本数据中的缺失值、错误值进行填充或者纠错，并进行数据结构化处理；(3)基于混合Logit模型构建出行行为选择模型；(4)基于贝叶斯模型平均方法对混合Logit模型进行后验概率估计。与现有技术相比，本发明通过实地调研获取数据，准确率及合理性较好，分析软件为常用软件，普及性较广，因此本发明可实现性较高。

摘要： 本发明针对现有技术的局限性，提出了一种基于个体车辆全过程出行行为链的VOCs排放测算方法，本发明会运用时空逻辑关系对不完整序列中缺失数据的车辆行为进行判断，对从卡口记录中提取的不完整的、非正常的车辆轨迹数据进行数据清洗，构建出车辆全过程出行行为链，并对车辆各行为状态下的VOCs进行测算；本发明对VOCs污染物做补充性的排放清单计算，弥补了以往单车尺度上机动车排放计算中未考虑蒸发排放所产生的VOCs的空缺，该计算结果可加强VOCs的来源解析精度；另外，本发明无需对不完整轨迹进行重构，仅根据相邻记录的不接续时间差即可计算相应的VOCs排放，降低补测算难度。

摘要： 本发明公开了一种基于多源交通大数据的居民出行行为挖掘算法，包括以下步骤：S1，居民出行频繁模式的挖掘；S2，居民出行模式图的生成；S3，基于频繁子图挖掘算法的频繁关联模式挖掘；S4，基于MulEdge算法的频繁关联模式挖掘。本发明通过一个居民出行频繁模式挖掘框架MMoRFTP，从中发现了居民的活动习惯，所发现的频繁模式能够为政府等部门提供管理和决策的依据，数据提取过程能够提取事件发生的目的和意义，较多的关注居民出行频繁关联模式，有利于全面的统计居民出行行为。