个人及社会经济因素对不同工作日居民出行行为影响研究

摘要

居民出行行为特征的变化一直是交通研究领域内的一个热点。虽然基于工作日和非工作日之间差异的研究已经有许多，但是基于工作日内，周一、周中和周五之间差异的研究还处于起步阶段。本文的研究旨在探讨不同工作日内居民出行行为的波动变化，同时体现对不同工作日出行模式建模分析的重要性。研究包括工作日内居民非必需出行特征的不规律性统计分析，重点强调周一、周五与周中（周二、周三、周四）居民出行特征的差异。
　　本文单独针对一个种类的出行，即居民的社交出行（Social）进行具体研究。通过对数据进行一般性统计特征分析，作者阐明了不同工作日类别之间的主要差异。采用合适的数学方法，对统计中的显著变量进行处理。第二部分，本文运用计量经济学分析和建模方法，采用样本选择模型对数据库进行分析。建立二元 Probit和线性回归模型，同时对两个主要参数，即出行参与度和出行时间进行优化计算。特别考虑了不同工作日类别对解释变量的交互效应。部分数据的模型结果显示，在增加工作日类型变量之后，模型结果出现了明显的交互效应。因此，证实了周一、周中和周五居民社交出行特征不同的假设，并且，证实了不同工作日居民社交出行特征的变化受到居民家庭及个人属性的影响。此研究结果能给相关部门在交通规划、制定交通政策时提供有价值的依据。本研究采用2009年美国家庭出行调查（NHTS）和2009年美国时间利用调查（ATUS）数据。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

1.1研究背景和意义

1.2国内外研究现状

1.3主要研究内容及思路

1.4符号术语中英对照表

第二章基于NHTS和ATUS的数据统计分析

2.1 2009年美国家庭出行调查（NHTS）

2.2 2009 年美国时间利用调查（ATUS）

第三章居民出行行为基本理论与选择模型

3.1 居民出行行为分析基本理论

3.2 居民出行需求预测集计模型（Aggregate Model）

3.3 居民出行需求预测非集计模型（Disaggregate Model）

第四章基于个人特性变量的居民出行行为模型

4.1居民出行模型的整体构架（Modeling Structure)

4.2居民出行模型影响变量的选取

4.3居民出行模型的计算软件及过程

第五章居民出行行为模型结果及分析

5.1 NHTS 2009 基础样本选择模型的主要变量（Main effects）

5.2 NHTS 2009加入交互效应（Interaction Effects）模型结果

5.3 ATUS 2009基础样本选择模型的主要变量（Main Effects）

5.4 ATUS 2009加入交互效应（Interaction Effects）模型结果

第六章总结及展望

6.1论文研究工作总结

6.2研究展望

参考文献

致谢

攻读学位期间取得的相关科研成果