一种出行方式多次动态决策过程信息获取方法

摘要

本发明涉及一种出行方式多次动态决策过程信息获取方法，包括：步骤1、获取出行者个人基本信息、出行者日常出行信息，步骤2、获取出行者出在出行环境下的出行方式选择和出行方式相关影响因素，步骤3、根据出行者日常出行信息、出行环境下的出行方式选择和出行方式相关影响因素，得到出行方式多次动态决策过程信息。本发明可以获得出行者在进行多次重复的出行方式选择的决策过程信息，包括信息使用数量、决策时间、方式选择及意向变化趋势以及习惯、学习反馈过程参数等，基于以上数据的分析，将有助于从更深层次上认识出行行为规律，也可以为交通政策的制定提供参考。

说明书

技术领域

本发明属于城市交通行为决策技术领域，涉及一种出行方式多次动态决策过程信息获取方法，可以用来获得出行者在进行多次重复的出行方式选择时的动态决策过程信息，并可进行出行者的出行方式多次决策行为的分析，可以为出行行为分析和交通政策的制定提供新的方法。

背景技术

近年来，随着经济的快速发展和城市机动化进程的加快，城市交通问题日益突出。从国内外的交通发展经验看，公共交通具有集约、高效、节能、环保等优点，优先发展公共交通，提升公交服务水平，从而使得更多的小汽车出行者转向公交出行，对于解决交通问题、促进城市和谐发展具有重要的作用。在日常生活中有很多出行行为是具有多次重复性的，如通勤出行、上学出行等，在出行过程中，出行者的出行方式选择行为往往受到出行环境、方式相关因素、个人属性等方面的影响，表征为不同的宏观交通出行选择行为特征，如方式选择习惯或偏好等，而从微观决策角度出发，可以深入探讨出行者宏观行为特征下的微观心理决策过程规律，从而为改变小汽车使用习惯、引导其向公共交通系统转移的相关政策的制定提供参考。

目前，国内外对出行方式选择方面的研究，主要是基于计划行为理论、结构方程模型、非集计模型，对习惯、态度、动机、意愿和出行选择行为的相互关系的研究，从决策过程角度研究习惯性出行行为的形成过程以及出行环境对于出行方式选择的影响的研究还相对较少。对于多次重复的出行选择行为所采用的数据获取方法，主要基于日志调查或间隔一定时间的重复调查，获取多次选择行为的数据，调查依赖于调查者或被调查者的个人记录，对于间隔时间较长的行为数据收集实施比较困难，且获得出行者在出行环境改变(如居住地、工作地改变)下的重复出行行为决策过程的数据更为困难。而在多次出行方式选择决策过程中，出行者往往会积累出行经验，形成方式选择偏好或习惯，进而影响到出行方式选择，所以，在多次重复的出行方式选择行为研究中，除了分析一定出行环境下的方式选择趋势的变化规律以及相关因素对方式选择的影响，还要从心理决策角度深入分析影响其行为决策的潜在因素，如学习反馈过程、信息搜索过程等，以及行为偏好、记忆、经验、决策时间等对方式选择行为的影响。这也是现有行为分析方法或理论，如计划行为理论、结构方程模型、非集计模型所不能进行分析的。

综上所述，由于传统的重复出行行为的数据获取方法存在一定的局限性，且不能获得出行方式多次选择决策过程信息的数据，因此，需要新的方法获取多次重复的出行行为的数据，通过出行方式多次动态决策过程信息获取方法，可以获得出行者在出行方式多次选择过程中每次方式选择的信息使用数量、决策时间、方式选择及意向等数据，也可以获得出行者的习惯强度、学习反馈过程参数(如记忆参数、影响反馈值)以及出行方式选择及意向变化趋势和出行环境或交通政策改变条件下的方式选择变化过程，基于以上数据的分析，将有助于从更深层次上认识出行行为规律，也可以为交通政策的制定提供参考。

发明内容

基于以上分析，本发明提供一种出行方式多次动态决策过程信息获取方法，以出行者进行的出行方式多次选择决策过程为对象，提出出行方式多次动态决策过程信息的获取方法。

为实现上述目的，本发明采用如下的技术方案：

一种出行方式多次动态决策过程信息获取方法，包括以下步骤：

步骤1、获取出行者个人基本信息、出行者日常出行信息，

其中，出行者日常出行信息：居住地及居住时间、上班地点及工作时间、上班出行使用的出行方式、限行出行方式、出行习惯；

步骤2、获取出行者出在出行环境下的出行方式选择和出行方式相关影响因素，

步骤3、根据出行者日常出行信息、出行环境下的出行方式选择和出行方式相关影响因素，得到出行方式多次动态决策过程信息，其包括：小汽车出行习惯、对各种因素信息的注意程度、多次学习反馈过程的记忆系数、多次学习反馈过程的影响反馈值、多次方式选择决策的信息查看数量变化趋势、多次方式选择决策的决策时间变化趋势、多次出行方式选择比例变化趋势、基于习惯的多次出行方式选择行为分析。

本发明从多次动态决策过程的角度出发，重点考虑了出行者在进行多次重复的方式选择时在行为、决策过程方面的变化以及出行环境对方式选择的影响。应用意向调查方法构建了多次动态决策行为的变化情景及交通政策条件，将行为调查方法、过程追踪技术、情景变换法相结合进行出行方式多次动态决策过程实验设计，获得出行者多次方式选择实验过程信息，包括出行者查看因素信息数量、决策时间、记忆系数、影响反馈值、出行方式选择意向和选择结果等多次决策实验数据。最后运用统计分析的方法提取出行者在出行方式多次选择过程的动态决策行为变化规律，尤其是行为偏好或习惯的形成过程以及出行环境或政策对方式选择的影响。

附图说明

图1本发明的多次动态决策过程信息获取方法步骤图；

图2本发明的多次动态决策过程信息获取方法流程图；

图3本发明的多次动态决策过程设计界面；

(1)个人基本信息(2)日常出行信息(3)出行方式习惯(4)影响因素重要程度评估信息(5)虚拟出行情景(6)出行环境1下的方式选择信息搜索查看界面(7)出行环境2下的方式选择信息搜索查看界面(8)出行方式选择及结果提示界面(9)对上次出行选择结果的记忆情况界面

图4多次方式选择查看信息数量变化趋势图；

图5多次方式选择决策时间变化趋势图；

图6多次方式选择各方式选择比例变化趋势图；

图7小汽车出行强习惯群体的方式选择比例变化趋势图；

图8小汽车出行弱习惯群体的方式选择比例变化趋势图；

图9不同出行习惯强度下的查看信息数量变化对比图；

图10不同出行习惯强度下的决策时间变化对比图。

具体实施方式

如图1所示，本发明提供一种出行方式多次动态决策过程信息获取方法，包括以下步骤：

步骤1、获取出行者个人基本信息、出行者日常出行信息

出行者个人基本信息包括：性别、年龄、职业、收入。

出行者日常出行信息：居住地及居住时间、上班地点及工作时间、上班出行使用的出行方式、限行出行方式、出行习惯。

步骤2、获取出行者出在出行环境下的出行方式选择和出行方式相关影响因素

如图2所示，具体实施过程为，基于给定的出行环境条件1和变化的出行环境2，设定两种出行环境下的方式选择决策次数，分别为D1和D2，这里的多次决策间隔可以假定是分钟、天、周、年，对于出行环境1下的D1次重复出行方式选择，可以用来分析稳定出行环境下的出行方式选择决策行为特征和规律。对于出行环境2下D2次重复出行方式选择，可以用来分析出行环境变化及相关政策实施对方式选择偏好和方式选择决策的影响。D1、D2的选取要适宜，太多会增加被试回答问题的负担影响实验效果，太少又不利于分析出行者的多次方式选择行为变化规律。

出行者基于给定的出行环境，在每次出行方式选择决策时根据需要搜索、对比、分析各种信息，做出一种出行方式选择。方式选择界面设计借鉴了信息板显示技术并进行改进，方式相关的因素信息是以信息矩阵方式呈现，信息行为出行方式，信息列为出行方式选择的影响因素，其矩阵单元格为具体的因素信息。被试者根据需要查看因素信息或不查看任何信息直接做出方式选择，当查看信息时，点击因素名称，该因素列信息内容显示，当点击查看下一个因素时，上一个因素信息隐藏，被试可以查看任何因素或重复查看，没有时间限制，直到确信可以做出方式选择为止，再点击“下一步”，弹出窗口让被试确认已查看的因素，并可返回继续查看信息，如果做出方式选择，则呈现方式选择界面，做出一种方式选择后会弹出窗口提示其采用该方式是否能按时到达上班地点。方式选择因素信息查看界面设计中，为了避免被试查看信息习惯给实验带来的误差，每次方式选择决策中影响因素的呈现顺序是随机的。

为了量化分析出行者在多次方式选择决策过程中，对方式选择意向程度的变化，在两种出行环境的多次方式选择决策前和决策后需要被试给出此时对三种方式的选择意向程度。为了分析上次方式选择的结果(是否能按时到达上班地点)对下一次决策的影响，在两个出行环境下的第2次方式选择后询问被试对第1次方式选择结果的记忆情况。

以上实验内容可以采用C语言、Visual basic、Microsoft visual studio等编程实现界面的设计，界面中有针对实验必要的解释和操作文字说明，选项通过按钮形式呈现，被试根据实验设计内容在计算机上用鼠标按照实验提示完成两个出行环境下的多次出行方式选择。实验过程中计算机自动记录实验结果数据到指定的文件，包括各内容选项的选择结果，被试查看因素信息、查看时间、结果记忆情况、出行方式选择意向和选择结果等。实验采用发送实验软件包的方式，被试在自己的电脑上完成实验内容，并返回实验数据文件。

步骤3、根据步骤1的出行者日常出行信息、出行环境下的出行方式选择和出行方式相关影响因素，得到出行方式多次动态决策过程信息，其包括：小汽车出行习惯、对各种因素信息的注意程度、多次学习反馈过程的记忆系数、多次学习反馈过程的影响反馈值、多次方式选择决策的信息查看数量变化趋势、多次方式选择决策的决策时间变化趋势、多次出行方式选择比例变化趋势、基于习惯的多次出行方式选择行为分析。

其中，设有效实验样本Z个，出行方式为I种，主要获得以下信息：

小汽车出行习惯Hz

设日常出行活动为P种，根据被试在各种出行活动p下快速选择的出行方式数据，统计各种出行活动下选用小汽车出行的数量M_p，则样本z的小汽车出行习惯可以表示为H_z＝M_p/P，小汽车出行习惯均值为如果H_z≥H_a，则认为具有小汽车出行强习惯，如果H_z＜H_a，则认为具有小汽车出行弱习惯。

对各种因素信息的注意程度

根据对影响因素的重要程度评价，设1代表非常不重要；2代表不重要；3代表一般重要；4代表比较重要；5代表非常重要；分别统计所有被试者对于影响因素j的打分，得到对第j种影响因素的重要性合计分值S_j，则对影响因素j的注意程度值为n为影响因素总数。

多次学习反馈过程的记忆系数

记忆系数表示对上次产生收益的决策的记忆程度，记忆系数越大，出行者会较快的积累新环境下的出行经验，形成方式选择偏好或习惯。将两个出行环境下，第二次方式选择后得到对第一次方式选择的结果记忆情况和第一次具有收益(按时到达)的方式选择结果进行对比，两次选择结果相同则记为1，不相同则记为0，统计所有样本选择结果的匹配情况，设两情景下第一次方式选择具有收益，也就是能按时到达的样本数量分别为Z_g1、Z_g2，汇总得到选择结果相同的个数设为w_g1、w_g2，则将正确率w_g1/Z_g1、w_g2/Z_g2作为两个出行环境下的多次方式选择的学习反馈过程的记忆系数。

多次学习反馈过程的影响反馈值：增强反馈值r为由上次产生收益的决策带来的增强反馈值；衰减反馈值p为由上次产生损失的决策带来的衰减反馈值。增强反馈值r和衰减反馈值p是根据两出行环境下第1次和第2次方式决策前对出行方式的意向程度数据，分别统计第一次方式选择具有收益和损失情况下的方式选择意向程度变化量，作为增强反馈值r和衰减反馈值p。

多次方式选择决策的信息查看数量变化趋势

信息查看数量是指出行者从开始进行信息搜索到最后做出方式选择决策所点击查看的因素信息总量，通过绘制多次方式选择使用的信息数量变化趋势图，可以分析出行者在重复选择决策中使用信息数量的变化情况。

多次方式选择决策的决策时间变化趋势

决策时间是指出行者从开始查看信息到最后做出方式选择决策所花费的总时间，单位为秒。通过绘制多次方式选择使用的决策时间变化趋势图，可以分析出行者在重复选择决策中使用的时间的变化情况。

多次出行方式选择比例变化趋势

通过统计所有样本在每次方式选择决策中的选择结果，得到每次方式选择的比例分布，进而绘制方式选择比例随决策次数变化的趋势图，分析多次方式决策过程中的方式选择变化规律，分析出行习惯的形成过程及出行环境对选择行为的影响。

基于习惯的多次出行方式选择行为分析

将所有样本按照出行习惯强弱，分成两组，为具有小汽车出行强习惯和弱习惯的出行者，分别统计两群体中每次方式选择的各出行方式的比例、信息查看数量、决策时间，绘制不同群体的方式选择比例、信息查看数量、决策时间随决策次数变化的曲线图，进而分析出行习惯对出行方式选择决策的影响关系。

实施例1：

随着城市机动车保有量的快速增加，小汽车出行所带来的交通拥堵、停车难、环境污染等问题日益突出，如何合理的引导小汽车出行者转向公交出行，减少道路交通负荷，对于解决交通问题、促进城市和谐发展具有重要的作用。出行者的出行方式选择行为直接影响到各种方式的分担比例，方式选择行为又受到出行环境、习惯、时间、费用等各方面的影响，尤其对于多次重复的出行方式选择行为和决策过程，对其行为规律和潜在特征的深入研究对于引导小汽车通勤出行者的行为转移大有帮助。应用的出行方式多次动态决策过程信息获取方法，通过多次方式选择决策过程实验设计和实施，将得到出行者在多次方式选择过程中信息使用数量、决策时间、方式选择及意向、学习反馈过程等变化数据，从而可以分析出行方式选择行为偏好或习惯的形成过程以及出行环境或政策对方式选择的影响效果，将有助于从更深层次上认识出行行为规律，也可以为交通政策的制定提供参考。这里的出行方式选择主要包括停车换乘、小汽车和公交+地铁。

阶段一：出行方式多次动态决策过程实验设计

①个人基本信息

个人基本信息包括性别、年龄、职业、收入。其选项设置为：

性别：男、女；

年龄：≤20岁、21～30岁、31～40岁、41～50岁、51～60岁、≥60岁；

职业：公务员、事业单位人员、高级管理人员、专业技术人员、工人、自由职业者、大中专学生、其他；

收入：≤3000元/月、3001～5000元/月、5001～7000元/月、7001～10000元/月、10001～15000元/月、≥15000元/月。

②基于行为调查方法获得出行者日常出行信息

包括居住地及居住时间、上班地点及工作时间、上班使用的出行方式、限行时主要采用的出行方式、遇到雾霾预警时主要采用的出行方式。其选项设置为：

居住地：东城区、西城区、海淀区、朝阳区、丰台区、石景山区、远郊区县；

在此居住时间：≤1年、1～3年、3～5年、5～10年、≥10年；

上班地点：东城区、西城区、海淀区、朝阳区、丰台区、石景山区、远郊区县；

在此工作时间：≤6个月、6个月～1年、1～3年、3～5年、5～10年、≥10年；

上班出行的出行方式：公交、小汽车、停车换乘、地铁、公交+地铁、出租车、其他；

限行时主要采用的出行方式：公交、公交+地铁、出租车、地铁、其他；

遇到雾霾预警时主要采用的出行方式：公交、小汽车、停车换乘、公交+地铁、地铁、出租车、其他；

出行习惯问题：给定8种日常出行活动，包括访友、买衣服、出去吃饭、看电影、去超市、去公园、去书店、去医院。被试者快速选出在各种出行活动下呈现在头脑中使用的出行方式，出行方式选项为公交+地铁，公交，地铁，小汽车，停车换乘，出租车，其他。

出行者在多次出行方式决策过程中对各种信息的注意程度：给出出行者在出行方式选择时经常会考虑的因素包括：驾车时间、换乘步行等车时间、舒适性、乘公交地铁时间、停车燃油费、公交地铁车票费、拥堵收费、换乘次数、交通运行情况、雾霾情况等。评价的方法为对每一个因素进行重要性评价，包括非常不重要、不重要、一般重要、比较重要、非常重要。

③基于情景变化方法创建虚拟出行环境

假定出行者家在通州新城，而工作地为国贸CBD，底图为北京市电子地图，图中标注家和工作地位置，出行距离约为25公里，家附近8公里处有八通线通州北苑地铁站，并提供停车换乘设施，上班可选的出行方式包括小汽车、公交+地铁、停车换乘。这里假设两个出行环境，出行环境1的交通情况为轻度拥堵、没有雾霾，此出行环境下，出行方式选择重复决策次数D1为7次，即假设为第1天到第7天，用来分析稳定出行环境下的出行方式选择决策行为特征和规律。出行环境2的交通情况为严重拥堵、有雾霾且红色预警，鼓励公交出行，且中心区实施交通拥堵收费(10元/次)，此环境下出行方式选择重复决策次数D2为3次，即假设为第8天到第10天，用来分析出行环境变化及相关政策实施对方式选择偏好和方式选择决策的影响。两个出行环境下的方式选择相关因素信息如表1所示。

表1出行方式相关影响因素信息表

阶段二：出行方式多次动态决策过程实验实施

实验设计内容采用microsoft visual studio 2010编程实现界面的设计，被试首先回答与个人相关的信息、日常出行信息问题，然后基于给定的从家(通州新城)到工作地(国贸CBD)的虚拟出行情景图和文字说明，进行两个出行环境下的10次(天)出行方式选择。

在每次出行方式选择决策时，出行者基于给定的出行环境，根据方式选择相关因素信息矩阵做出方式选择。决策前所有信息是隐藏的，被试根据需要点击因素名称查看相关因素信息，该因素列信息内容显示，当点击查看下一个因素时，上一个因素信息隐藏，被试可以查看任何因素或重复查看，没有时间限制，直到确信可以做出方式选择为止，再点击“下一步”，则呈现方式选择界面，做出一种方式选择后会弹出窗口提示其采用该方式带来的结果(是否能按时到达上班地点)。方式选择因素信息查看界面设计中，为了避免被试查看信息习惯给实验带来的误差，每次方式选择决策中影响因素的呈现顺序是随机的。

为了量化分析出行者在多次方式选择决策过程中，对方式选择意向程度的变化以及确定多次决策学习反馈过程的影响反馈值，在两种出行环境的多次方式选择决策前和决策后需要被试给出此时对三种方式的选择意向程度，包括无意向、弱、中、强四个选项。为了分析上次方式选择的结果对下一次决策的影响并确定学习反馈过程的记忆系数，在两个出行环境下的第2次(天)方式选择后询问被试对第1次(天)方式选择结果的记忆情况。整个多次动态决策过程设计界面如图3所示。

实验过程中计算机自动记录实验结果数据到指定的Excel文件，包括各内容选项的选择结果，被试搜索查看因素信息、查看时间、出行方式选择意向和选择结果等。

实验对象为使用小汽车上下班的出行者。实验采用发送实验软件包的方式，被试在自己的电脑上完成实验内容，并在指定时间返回实验数据文件。调查时间为2017年3月至2017年7月。最终收到问卷145份，有效样本140份。

阶段三：出行方式多次动态决策过程信息的提取

根据实验数据，运用统计分析方法对出行方式多次动态决策过程信息进行提取分析，主要获得以下内容：

①出行者个人基本信息

统计分析得到性别分布以男性居多，占58％，女性占42％。年龄分布中21～30岁的出行者占34％，31～40岁占49％。职业分布中主要为专业技术人员，占51％，其次为高级管理人员，占20％，事业单位人员占16％。个人收入分布中以中高收入者居多，5001～7000元/月的出行者占36％，7000元/月以上的占到57％。调查样本的性别、年龄分布与北京市2014年开展的第五次北京城市综合交通调查结果基本吻合，说明调查样本具有一定的代表性。

②日常出行信息

出行者的居住地主要在朝阳区、海淀区和远郊区县，比例分别为29％、16％、29％，居住时间分布比较均匀，其中3年以内占25％，3～5年占20％，5～10年占29％，大于10年的占26％。出行者的上班地点主要在西城区、朝阳区、海淀区，比例分别为36％、26％、18％，工作时间主要分布在1～3年，占39％，其次为3～5年，占26％，大于5年的占26％。

上班出行使用的出行方式，除了采用小汽车出行，还比较常用的出行方式为地铁、公交+地铁、出租车等，比例分别为54％、43％、22％。

限行时出行者主要改用公交和地铁出行，比例分别为41％和32％。遇到雾霾预警时，出行者主要使用小汽车、地铁和公交出行，比例分别为32％、26％和26％。

③小汽车出行习惯Hz

据被试者对8项日常出行活动所快速做出的方式选择结果，使用小汽车的平均次数为5.06次，说明出行者具有较高的小汽车初始偏好。

④对各种因素信息的注意程度

从表中可以看出，出行者对驾车时间、交通运行情况、乘公交地铁时间等因素比较关注。因此减少驾车时间、乘公交，地铁时间等，将有助于出行者出行决策。

表2各种因素的注意可能性

⑤学习反馈过程的记忆系数

通过分别统计两个出行环境下第2次(天)方式选择后对第1次(天)方式选择结果(正常到达、可能迟到、迟到)的记忆情况，并与第1次(天)的方式选择结果进行对比，对上次产生收益的决策的记忆系数，在出行环境1下为0.95，出行环境2下为0.90。

⑥学习反馈过程的影响反馈值

通过分别统计产生收益和损失决策情况下，第1次(天)和第2次(天)决策前的方式选择意向程度变化量，得到增强反馈值r和衰减反馈值p，在出行环境1下分别为0.30、0.36，在出行环境2下分别为0.45、0.35。

⑦多次方式选择决策的信息查看数量变化趋势

通过统计样本每次出行方式选择的查看信息数量，得到信息数量随方式选择决策次数的变化趋势图4，可以看出，在出行环境1(轻度拥堵，无雾霾)下，查看因素信息数量随方式选择决策次数增加而明显减少，到第7次(天)降到最小，说明随着出行者对出行环境熟悉程度的增加，其逐渐积累出行经验，做出方式选择所需信息数量明显减少，出行方式选择习惯或偏好逐渐形成。出行环境发生改变后，即在出行环境2(严重拥堵，有雾霾，中心城区拥堵收费10元/次)下，查看信息数量有所增加，出行者会重新进行思考、权衡、对比相关信息，寻找具有收益的方式，之后，又随着对新环境熟悉程度的增加而逐渐减小，说明出行环境的改变可以改变小汽车出行者的方式选择决策过程。

⑧多次方式选择决策的决策时间变化趋势

通过统计样本每次出行方式选择的时间，得到决策时间随方式选择决策次数的变化趋势图5，可以看出，其变化趋势与查看因素数量变化趋势相似，即在出行环境1下，随着方式选择决策次数的增加，决策时间逐渐减少。在改变的出行环境2下，随着查看因素数量的增加，方式选择决策时间也有所增加，之后又逐渐减小。

⑨多次出行方式选择比例变化趋势

通过统计样本每次方式选择的结果得到各方式选择比例随决策次数变化的趋势图6，可以看出，在出行环境1下，随着决策次数的增加，出行者通过查看信息和思考逐渐发现除了小汽车，选择停车换乘也能按时到达上班地，削弱了其对小汽车的初始偏好，选择停车换乘比例逐渐增加。之后，出行方式选择比例趋于稳定，说明在稳定的出行环境中，重复的多次决策使得出行者逐渐形成了出行选择偏好或习惯。当出行环境发生变化时，即出行环境2，随着决策次数增加，由于只有停车换乘会按时到达上班地点，选择小汽车出行的比例快速减少，停车换乘比例快速增加。说明出行者面对新的环境以及交通政策条件能够尝试使用其他出行方式，从而改变既有的方式选择偏好或习惯。

⑩基于习惯的多次出行方式决策行为分析

分别统计具有小汽车出行强习惯和弱习惯群体的方式选择比例，得到图7和图8。通过对比可知，在出行环境1中，具有小汽车出行强习惯的出行者主要是选择小汽车出行，既有出行习惯对方式选择起影响作用，随着决策次数的增加，虽然选择小汽车比例有所减少，但仍大于停车换乘选择比例。而对于具有小汽车出行弱习惯的出行者，选择小汽车比例减小的比较快，更容易转向停车换乘出行。当出行环境发生改变时，两类出行者选择小汽车出行比例逐渐减小，停车换乘逐渐增加，成为占优的出行方式，且具有小汽车出行弱习惯的出行者停车换乘选择比例明显高于具有小汽车出行强习惯的出行者。总体来看，出行环境的变化及相关政策(拥堵收费)等更容易使得具有小汽车出行弱习惯的出行者转向公共交通出行。

根据具有不同小汽车出行习惯强度群体的查看信息数量和决策时间变化趋势图9和图10，可以看出，随着决策次数的增加，具有出行习惯强度的出行者查看信息的数量和决策时间变化趋势比较相似。在一定的出行环境下，具有小汽车出行强习惯的出行者相对于具有弱习惯的出行者，查看信息的数量和决策时间要少，说明出行习惯越强，出行者对方式选择影响因素的关注越小。