交通信息作用下的活动_出行决策行为研究
城市轨道交通突发事件下乘客出行行为研究
城市轨道交通突发事件下乘客出行行为研究摘要近年来，我国轨道交通规划与建设处于飞速发展阶段，当多条线路相交运营里程达到一定规模时，轨道交通系统将进入网络化运营阶段，网络化进程对我国轨道交通事业的发展带来新的机遇，但也对运营组织及安全保障等提出了新的更高要求。
由于自然灾害、设备故障、运营管理等多个方面的因素，城市轨道交通系统不可避免的会发生突发事件，给城市的交通系统带来经济损失，并且损害到乘客的出行乃至生命财产安全，城市轨道交通发生突发事件后，准确把握乘客出行路径选择行为持性及客流动态分布状况是保证应急决策方案合理、有效性的关键。
本文根据突发事件发生车站在乘客出行路径中所处的位置，对突发事件情况下乘客出行行为变化过程进行分析，以正常运营状态下乘客出行路径选择为基础，考虑突发事件下轨道交通的不确定性，分析累积前景理论应用于突发事件下乘客出行路径选择的适用性，基于累积前景理论对突发事件情况下个体乘客出行路径选择进行建模，并运用实例分析了模型的应用。
关键词：城市轨道交通，突发事件，乘客行为，前景理论绪论近年来，城市轨道交通作为城市交通的骨干运输系统，在我国的多个大中型城市得到了快速的发展，纵观国内外城市，网络化运营已经成为城市轨道交通建设与发展的必然趋势，路网规模在不断的扩大，路网结构在进一步的完善。
在网络化运营条件下，路网上某处一旦发生突发事件，随着车站封站、列车延误、停运，往往会造成客流拥堵并在路网上迅速传播，对乘客出行造成严重影响。
为此，运营企业需要在准确把握路网客流分布状态及演化态势的基础上，制定高效的应急指挥方案，才能有效缓解拥堵提高服务水平。
突发事件下，除了因基础设施状态和列车运行计划发生改变，乘客也会利用获取的信息并结合出行经验对其出行路径进行适应性调整，使得路网客流分布情况与常态运营相比呈现出较大变化，增加了城市轨道交通应急处置决策制定的难度。
由于乘客出行路径选择行为结果将直接影响路网客流分布状态，因此，为了保证运营安全高效和提高应急指挥决策水平，突发事件情况下乘客出行路径选择行为分析研究具有重要意义。
计算机在交通管理中的作用
计算机在交通管理中的作用在当今社会，交通管理的重要性日益凸显。
随着城市的发展和人口的增长，交通流量不断加大，交通状况也变得越来越复杂。
计算机技术的应用在交通管理领域发挥了至关重要的作用，为提高交通效率、保障交通安全、减少环境污染等方面做出了巨大贡献。
首先，计算机在交通信号控制方面发挥了关键作用。
传统的交通信号控制往往是基于固定的时间间隔来切换信号灯，这种方式缺乏灵活性，不能根据实时的交通流量进行调整。
而计算机技术的引入使得交通信号控制系统变得更加智能和高效。
通过安装在道路上的传感器，如车辆检测器、摄像头等，计算机可以实时收集交通流量、车速等信息。
基于这些数据，计算机可以运用复杂的算法来计算最佳的信号灯切换时间，从而减少车辆等待时间，提高道路的通行能力。
例如，在交通高峰期，计算机可以自动延长主干道的绿灯时间，以保证更多的车辆能够快速通过；而在交通低谷期，则可以适当缩短信号灯周期，节约能源。
其次，计算机在交通监控和违法抓拍方面也功不可没。
如今，城市道路上遍布着各种各样的监控摄像头，这些摄像头通过计算机网络与交通管理中心相连。
计算机可以对摄像头拍摄的图像进行实时分析和处理，自动识别交通违法行为，如闯红灯、超速、违规变道等。
一旦发现违法行为，计算机系统会自动抓拍相关图像，并将违法信息记录下来，以便后续的处罚和管理。
此外，计算机还可以对监控视频进行存储和检索，为交通事故的调查和处理提供重要的证据。
再者，计算机在交通流量预测和规划方面也扮演着重要角色。
通过对历史交通数据的分析和建模，计算机可以预测未来一段时间内的交通流量变化趋势。
这有助于交通管理部门提前制定合理的交通疏导方案，优化道路资源配置。
例如，在节假日或重大活动期间，计算机可以预测可能出现的交通拥堵路段，提前采取措施增加警力、设置临时交通标志等，以保障交通的顺畅。
同时，计算机还可以为城市的交通规划提供决策支持。
通过模拟不同的交通规划方案在计算机中的运行效果，评估其对交通流量、出行时间等指标的影响，从而选择最优的规划方案。
基于交通大数据的京津冀城市群出行行为研究——以北三县为例
EXPERIENCE区域治理基于交通大数据的京津冀城市群出行行为研究——以北三县为例北京北控智慧城市科技发展有限公司 王嘉摘要：本研究基于互联互通卡数据和其他公开数据，得到的城市群间个体联程出行起终点、出行时间等出行需求数据。
结合城市群内行政区划层面的经济、人口等基本数据，进而构建京津冀城市群出行信息与起止点基本属性关联数据库，从而得出出行OD,进而分析京津冀城市群人们的出行行为。
关键词：交通大数据；京津冀城市群；出行行为中图分类号：C913.32 文献标识码：A 文章编号：2096-4595（2020）33-0019-0002居民出行调查中的出行特征分析是为现状交通分析评价、交通预测模型标定、交通网络规划等提供基本参数和指标。
从对出行的定义中可以看出，一次出行包含了出行目的、出行时间、出行端点、出行方式等信息。
基于对刷卡交易数据的适用性分析和出行规律的研究，本文选择了城市时空效率指标(出行时间、出行距离)、换乘效率指标(换乘次数、换乘时间)和舒适度指标(出行方式)等特征指标进行提取。
该出行特征分析可为交通管理者提供渠道掌握相关运输方式的运营情况，同时能够为城市群路网的交通现状分析、城市群跨区乘客在城市范围内的交通需求分析等提供支撑及决策支持。
一、城市群运输需求的基本特征分析区域间旅客运输的联系一直都以铁路、水运为主，但是近些年民航、公路交通运输有了很大的发展，公路和民航在区域交通旅客运输中也开始有了很大的市场。
其中京津冀区域间主要以公路和高速铁路运输为主。
北京作为全国的政治、商务中心，客运需求量极大，而天津和河北则扮演着大型中转城市，因此，京津冀区域的协同发展，对缓解城市群内客流需求失衡，缓解首都大客流压力，合理配置资源具有重要意义。
对城市群进行出行预测，首先要分析出行机理。
联程客运产生的内在机理的主要影响因素为外部环境、内部环境、城市群联程客运交通结构、交通供给及交通需求。
基于联程客运交通系统影响因素、构建因素间的因果关系，同时为描述联程客运交通系统结构，并依据人们真实交通需求形成的动态过程，全面分析联程客运供给和交通需求内在的机理影响关系。
交通对旅游的影响及发展对策研究
交通对旅游的影响及发展对策研究一、本文概述随着全球经济的迅速发展和人们生活水平的提高，旅游业已成为许多国家经济增长的重要支柱。
然而，随着旅游业的繁荣，交通问题也随之而来，对旅游业的发展产生了深远影响。
本文旨在探讨交通对旅游的影响，分析交通与旅游发展的关系，并在此基础上提出相应的对策建议，以期为我国旅游业的可持续发展提供有益参考。
文章首先梳理了交通对旅游业的直接影响，包括交通便利性对旅游目的地选择的影响、交通成本对旅游消费的影响以及交通安全和舒适度对旅游体验的影响等。
接着，文章从旅游业发展的角度出发，分析了交通对旅游发展的推动作用，如交通基础设施的完善促进了旅游资源的开发和利用，交通方式的多样化满足了不同游客的需求等。
在此基础上，文章提出了针对交通问题的对策建议。
一方面，应加大对交通基础设施的投资力度，提高交通网络的覆盖率和便利性，以满足旅游业快速发展的需求。
另一方面，应积极推动交通方式的创新和优化，提高交通效率和安全性，为游客提供更加舒适便捷的旅游体验。
还应加强交通与旅游的融合发展，推动交通与旅游产业的深度融合，实现互利共赢。
交通对旅游业的影响不容忽视，而解决交通问题对于促进旅游业的发展具有重要意义。
本文希望通过深入研究和分析，为相关决策部门和企业提供有益参考，推动我国旅游业的可持续发展。
二、交通对旅游的影响交通作为连接旅游目的地与游客的桥梁，对旅游业的发展具有深远影响。
交通的便利程度直接影响着游客的旅游体验和满意度，因此，探讨交通对旅游的影响，对于制定合理的旅游发展对策至关重要。
交通的便利程度直接决定了游客的出行意愿。
便捷的交通网络能够缩短游客的旅行时间，提高旅游效率，从而吸引更多游客前往目的地旅游。
反之，交通不便则可能使游客望而却步，降低旅游目的地的吸引力。
交通的发展水平直接影响着旅游目的地的可达性。
一个地区如果拥有发达的交通网络，那么它的旅游资源就更容易被外界所发现和利用。
反之，交通落后的地区则可能因为可达性较差而难以吸引游客。
智慧交通在应急管理中的应用
智慧交通在应急管理中的应用在当今社会，交通系统的复杂性与日俱增，突发事件的发生频率和影响范围也不断扩大。
在这样的背景下，智慧交通作为一种创新的解决方案，正逐渐在应急管理中发挥着至关重要的作用。
智慧交通是指在交通领域中充分运用物联网、大数据、云计算、人工智能等技术，实现对交通系统的智能化感知、分析、决策和管理。
在应急管理场景中，智慧交通能够提供实时准确的信息，优化资源调配，提高应急响应效率，从而最大程度地减少人员伤亡和财产损失。
一、智慧交通在应急管理中的信息采集与监测信息的及时准确获取是应急管理的关键前提。
智慧交通系统通过各类传感器、摄像头、卫星定位等设备，实现对道路交通状况的全方位实时监测。
这些设备可以收集道路流量、车速、拥堵情况、事故发生地点等信息。
例如，在高速公路上安装的智能监测设备能够实时检测车辆的行驶速度和间距，一旦发现超速或间距过近等异常情况，立即向相关部门发出警报。
此外，气象监测设备也是智慧交通系统的重要组成部分。
它们能够实时收集气象数据，如降雨量、风速、能见度等，为应急管理部门提供天气变化对交通影响的预警信息。
在恶劣天气条件下，如暴雨、大雾、冰雪等，这些信息对于提前采取交通管制措施、预防事故的发生具有重要意义。
二、智慧交通在应急救援路径规划中的作用在突发事件发生后，如何快速、安全地将救援人员和物资送达现场是应急管理的核心任务之一。
智慧交通系统能够通过大数据分析和智能算法，为救援车辆规划最优的行驶路径。
传统的导航系统通常基于静态的地图数据和实时交通流量信息来规划路线，但在应急情况下，这些系统可能无法充分考虑到道路的临时封闭、事故现场的交通管制等特殊情况。
而智慧交通系统可以整合更多的实时数据，包括道路施工信息、突发事件的位置和影响范围等，从而为救援车辆规划出避开拥堵和障碍的最佳路径。
同时，智慧交通系统还能够与交通信号灯控制系统实现联动。
在救援车辆行驶过程中，通过调整信号灯的时长，为救援车辆开辟绿色通道，确保其快速通行。
公共交通系统的用户出行行为特征分析
公共交通系统的用户出行行为特征分析公共交通系统是现代城市运行的重要组成部分，它为人们提供了便捷、经济且环保的出行方式。
而用户的出行行为特征对于公共交通系统的规划和运营至关重要。
在本文中，我们将分析公共交通系统用户的出行行为特征，并探讨其影响因素。
一、出行目的的多样性用户出行的目的多种多样，除了通勤、上下班外，还包括购物、娱乐、社交等各种活动。
因此，公共交通系统需要根据不同出行目的的需求来制定不同的服务策略，以满足用户的多样化需求。
例如，提供更多的线路覆盖商业繁华区，为购物者提供方便的交通选择；在节假日或热门活动期间增加运力，以满足用户的娱乐和社交需求。
二、出行时间的差异用户的出行时间具有一定的差异性。
早上和下午是通勤高峰期，大量用户使用公共交通系统上下班，这时需提供更多的班次和运力。
而晚上和周末，则是用户进行娱乐和社交活动的时间段，需要根据这一特征，增加相应时段的班次，并延长运营时间。
同时，了解用户出行时间的差异，有助于规划路网的调整和优化，减少拥堵和拥挤，提高用户出行的舒适度和便捷性。
三、信息获取与决策在公共交通系统中，乘客获取信息的方式和决策行为也是用户出行行为的重要特征之一。
现在，手机APP已成为大多数用户获取信息的主要渠道，用户可以查询线路、车辆位置和发车时间等信息，从而根据实时情况做出合理的决策。
此外，用户通过社交媒体等渠道，互相分享交通状况和出行经验，进一步减少了信息不对称，提高了出行效率。
四、支付方式的选择公共交通系统的用户在支付方式上也存在一定的个体差异。
有些用户更喜欢使用刷卡支付，方便快捷，并可以积累一定的乘车优惠；而有些用户则更倾向于使用移动支付，通过手机等移动设备完成支付。
了解用户的支付方式特征，不仅有助于提供更多的支付选择，也有助于了解用户对新兴支付方式的接受程度，为公共交通系统的数字化和智能化提供参考。
五、出行频率和出行距离的关系用户的出行频率和出行距离之间存在着一定的关系。
交通出行选择行为理论与模型应用分析
研究探讨0 引言出行选择行为研究是交通问题研究和实践的基础，无论是交通规划、日常交通管理，还是制定交通需求管理政策，都需要对出行者的出行选择行为和决策方式进行深入分析和研究，依此建立合理的出行选择行为模型，对出行选择行为进而对交通需求做出正确的描述与预测。
交通出行选择行为包括：出行目的地选择、出发时间选择、出行方式选择、出行路径选择等。
在出行过程中，出行活动特征属性、备选方案属性、出行者社会经济属性和行为决策方式会对出行选择行为产生影响。
出行选择通常涉及多个备选方案、方案有多种属性、方案各属性在不同状态下结果不同，是一个需从多维度考虑的复杂问题。
出行选择行为可看作一种经济行为，可借鉴离散选择行为（计量经济学）、个体决策行为（行为经济学）、消费者购买决策行为（消费者行为学）和判断与决策（心理学）的理论和模型进行研究。
用于出行选择行为研究的理论和模型主要包括：随机效用理论、期望效用理论、前景理论、后悔理论及非/半补偿模型。
基金项目：轨道交通控制与安全国家重点实验室自主课题 （RCS2016ZT008）作者简介：赵凯华（1985—），女，博士研究生。
E-mail：*****************.cn交通出行选择行为理论与模型应用分析赵凯华（北京交通大学 交通运输学院，北京 100044）摘 要：从交通出行选择行为理论与模型的发展历程和理论渊源出发，阐述随机效用理论、期望效用理论、累积前景理论、后悔理论及非/半补偿模型的基本原理和应用现状，并对其在决策准则、决策情景、决策者假设和决策策略等方面比较分析，指出在应用中存在的问题和适用性。
基于效用最大化的模型在实践中应用广泛，但其理性人假设和补偿形式受到质疑，其替代模型在描述和预测出行选择行为上有更大潜力，但需进行有效性验证。
与贝叶斯学习、博弈论等结合描述出行选择的动态过程、从出行产生的内在机理和决策心理出发构建出行选择行为模型及大数据环境下的交通出行行为研究将是今后研究的方向。
居民出行行为研究在交通网络分析中的应用综述
182交通科技与管理理论研究0 引言交通是人类社会最基本的活动之一，交通工具的发展促进了社会的进步与繁荣，它以人作为交通的主体，起交通主体作用，基于人的需求，以多种交通方式为交通移动的载体，以交通基础设施作为基础，以环境作为相互影响的背景，为劳动生产、工作学习、贸易往来、科学文化活动、社会交往和信息传递提供高效和便捷的条件。
长期以来，交通领域的各方面研究和应用往往忽略或轻视人的因素，其后果往往是计划赶不上变化。
就交通规划方面来说，自“四阶段”交通需求预测法建立以来，交通规划长期以此作为交通需求预测的标准方法，但存在着交通方式划分方法不合理、以小区为单位而忽略了个体差异等诸多问题，这些问题在交通流的网络分配上更为突出。
随着城市化的进程加快，多种传统集计方法无法解决的交通问题逐渐显现以及经济学、心理学等学科在交通领域的应用，不少学者开始考虑使用非集计的方法，以居民的出行作为研究对象以期利用更少的数据获得更全面的研究成果。
1 居民出行行为研究在交通网络中的应用1.1 基于出行行为的交通网络均衡建模交通网络均衡即路网资源均衡使用，按照一定的规则将一定的交通需求分配到交通网络上，而不会出现过饱和现象，这与交通参与者的路径选择有很大的关系，其主观心理作用的不同可能导致不同的驾驶路径。
Connors 基于累积前景理论建立了固定需求条件下的用户均衡模型，模型没有考虑出行者对路网状况的感知误差[1]；黄海军等深入分析了固定需求网络中用户均衡的效率损失上界，进一步界定了用户均衡与系统最优之间的关系[2]；赵凛等对比了基于前景理论和期望效用理论的路径选择模型，提出前景理论可以更好的刻画出行者在不确定条件下的路径选择决策行为[3]；Hai Yang 对 UE、SO、CN 策略混合行为网络均衡问题进行了建模，考虑了不同行为策略下的路径选择问题[4]；关宏志等基于出行者对路网信息的不完全掌握和选择行为有限理性假设，运用演化博弈理论，建立了交通选择行为模型[5]；张波等分别研究了累积前景理论和有限理性下的随机用户均衡交通分配模型，有助于更加精确地描述交通流的实际分布形态[6]；Xu 基于出行可靠性来设定参照点，运用累积前景理论建立了一个用户均衡模型[7]。
驾驶人行为的认知与行动决策模型研究
驾驶人行为的认知与行动决策模型研究第一章、引言随着社会的发展，汽车已经成为现代社会不可或缺的一部分。
然而，在汽车成为个人出行工具的同时，也给交通管理和安全带来了前所未有的挑战。
交通安全是人们生命财产安全的重要保障之一，然而，交通安全管理和规范的质量直接关系到各方面的经济发展和社会稳定，因此交通安全已经成为全球性关注的焦点。
在众多的交通安全问题中，驾驶行为是其中的一个重要环节。
随着公路交通事故率不断攀升，对于研究和管理驾驶行为已经成为了一个非常迫切的需要。
为了提高交通安全，需要了解驾驶行为背后的认知和决策模型，以更好地预测和预防交通事故，同时提高交通的效率和管理水平。
本文旨在介绍驾驶人行为的认知与行动决策模型的研究进展和现状，以及可能的未来发展方向。
文章将主要涵盖以下方面：（1）驾驶行为的定义和分类（2）驾驶行为的影响因素（3）驾驶行为的认知模型（4）驾驶行为的行动决策模型（5）未来的研究方向与发展趋势第二章、驾驶行为的定义和分类驾驶行为是指人类在行驶汽车时所表现出来的行为和举动。
它涉及到行为的观察、心理分析、行为测试、驾驶技能评估，以及行车和交通安全管控等多个方面。
驾驶行为可以分为以下几个方面：（1）驾驶技能：指驾驶人操纵汽车的技能，如驾驶技术、反应速度、操作准确性、行车姿态控制等等；（2）决策行为：指驾驶人的决策水平，如判断、预测和行动等行为；（3）心理行为：指驾驶人的心理状态、心理特征、行为习惯等；（4）行车习惯：指驾驶人的常态下的驾驶和行为习惯。
驾驶行为的分类是为了将其不同方面的特点综合归纳。
这种分类方法有利于交通事故的分析，总结和对驾驶行为的监测。
第三章、驾驶行为的影响因素驾驶行为与驾驶行为的风险之间的关系是由驾驶人及其行为的因素所决定的。
驾驶行为的影响因素可以归纳为三个方面：驾驶人员的人口社会心理特征、驾驶人员的行为习惯、驾驶人员的行为环境。
1.驾驶人员的人口社会心理特征（1）性别和年龄：研究表明，女性驾驶员的事故率低于男性驾驶员，而年龄较大的驾驶员也不如年龄年轻的驾驶员安全；（2）驾驶经验：驾驶经验是影响驾驶人员安全的重要因素。
城市交通出行行为过程研究
城市交通出行行为过程研究摘要：论文在分析出行行为基本内涵的基础上，研究出行行为产生内在机理，并对城市交通出行者行为进行分层次研究。
在此基础上挖掘出行者行为形成模式及行为过程，研究表明：城市交通出行行是从出行者内部生理、心理状态派生的，并受外部环境影响。
关键词：出行行为城市交通出行行为过程1出行行为过程机理1.1出行行为基本内涵城市交通系统中，出行者在产生某种出行需求后，根据自身及外界各种环境条件，选择一种具体行为实现过程，这一过程中，出行者最基本的意愿是从所有可能借助的交通工具中、在可接受的时间内到达目的地。
在满足上述最基本的意愿下，出行者会受到由“机”、“环境”所产生的动态条件制约，具体行为可能会发生变化。
即出行者的出行行为是一个与出行个体及其所处环境有关的、非常复杂的心理过程，整个行为过程是一个动态的变化过程。
这一动态变化的过程是由客观的交通活动引起的，是通过一系列的生理变化实现的。
1.2出行行为产生机理通过对出行者行为基本内涵的分析可知，城市客运交通系统中，出行者行为的产生是内、外因素交互作用结果，是出行者生理状态、心理状态共同决定的。
系统中，出行者通过自身感觉系统和动作系统与整个客运系统发生关系：出行者通过感觉系统感知系统中的信息，为出行行为决策提供前提条件；所获取的信息在中枢神经系统中进行加工、处理，结合其各种内在条件性，加工为出行者可辨识的信息，为出行者提供决策基础；根据出行者个人决策，通过动作系统执行行为过程。
2出行行为层次划分不同的出行个体拥有不同的交通环境信息库、经验知识库、个体特征，导致其出行行为决策各异，根据出行者的行为决策将出行者的行为划分为三个层次【1】：反射层次的行为：发生在外界刺激与以前的经验一致时，这时的信息处理特征是：知觉的外界信息不经大脑处理，下意识的行为。
规则层次行为：当交通环境比较复杂时，出行者要对出行时的交通环境进行估计，然后按照其所选择的行为过程出行。
基于手机信令技术的区域交通出行特征研究
基于手机信令技术的区域交通出行特征研究一、本文概述随着城市化进程的加速，交通问题日益成为制约城市发展的重要因素。
为了更好地理解和解决交通问题，对区域交通出行特征的研究显得尤为重要。
手机信令技术作为一种新兴的交通数据采集手段，以其覆盖范围广、实时性强、成本相对较低等优势，逐渐在交通研究领域得到广泛应用。
本文旨在利用手机信令技术，对区域交通出行特征进行深入研究，以期为城市规划、交通管理以及智能交通系统的发展提供理论支持和实践指导。
本文将首先介绍手机信令技术的基本原理及其在交通领域的应用背景，阐述其相较于传统交通调查方法的优势。
随后，将详细介绍如何利用手机信令数据提取和分析区域交通出行特征，包括出行时间分布、出行空间分布、出行方式选择等方面。
在此基础上，本文还将探讨不同区域、不同时间段的交通出行特征差异及其影响因素，为城市交通规划和管理提供决策依据。
通过本文的研究，我们期望能够揭示区域交通出行的内在规律和潜在问题，为城市交通的可持续发展提供科学依据。
本文也期望能够为手机信令技术在交通领域的进一步应用和发展提供有益的探索和参考。
二、手机信令技术概述手机信令技术，作为现代通信技术的重要组成部分，为区域交通出行特征研究提供了新的视角和方法。
手机信令，指的是手机在通信网络中与基站之间交互的一系列指令和响应，这些指令和响应包含了手机的位置信息、通信状态等关键数据。
通过收集和分析这些信令数据，我们可以获取到大量关于手机用户移动行为的信息，进而揭示区域交通出行的特征。
手机信令技术具有实时性、连续性和覆盖范围广等特点。
手机信令数据是实时产生的，能够反映手机用户的即时移动状态，这对于研究交通出行的实时特征具有重要意义。
手机用户在日常使用中会持续产生信令数据，这些数据构成了连续的移动轨迹，为研究交通出行的连续性和规律性提供了可能。
由于手机网络覆盖广泛，手机信令数据可以覆盖到城市的各个角落，为研究区域交通出行提供了全面的数据支持。
城乡结合部现存交通问题及出行者需求分析
科技与创新┃Science and Technology&Innovation ·128·2021年第07期文章编号：2095－6835（2021）07－0128－02城乡结合部现存交通问题及出行者需求分析＊崔明悦，尚华艳，赵方霞（首都经济贸易大学管理工程学院，北京100070）摘要：随着城市化进程的加快，城市范围开始不断向外扩展，城乡结合部成为人群高密度聚集地带。
在科技、交通、文化、信息发展的同时，也出现了越来越严重的问题。
通过对城乡结合部现存交通问题、出行者活动以及出行需求进行了分析，希望为地方交通管理部门提供决策依据，为合理确定区域交通网络的时空分布作出贡献。
关键词：城乡结合部；出行者活动；出行需求；交通规划中图分类号：U491.12文献标志码：A DOI：10.15913/ki.kjycx.2021.07.0511引言随着城市化进程的加快，城市人口密度不断上升，城市规模开始向外扩张，致力于为人们打造更舒适更宜居的现代化城市。
与其相邻的乡村开始在经济与自然环境相互作用，新型的城市服务设施，形成了城乡之间特殊的城乡经济一体化地理单元，即城乡结合部。
城乡结合部是城乡之间最为复杂的区域，不仅具有城市人口密集的特征，而且具有农村朴素的痕迹。
在这里人的价值观念、生活方式以及文化素质都有着很大的差别。
城乡之间频繁的物质对流，供给和需求的高度不匹配深化了矛盾。
由于优越的地理位置和低廉的租赁住房，城乡结合部往往是人口非常密集的大型社区。
大部分居民随着城市外移，导致工作和住房高度不平衡、公共客运交通的通勤压力每日剧增、城乡结合部的交通联系不通畅、公共交通不发达等问题日益突出。
交通作为城乡各方面连接的纽带，直接关系城乡的发展。
交通是否畅通，直接影响着城市规模的扩展和功能的发展。
本文基于对城乡结合部交通现存问题、出行者活动以及出行需求的研究，为合理确定区域交通网络的时空分布作出贡献。
交通工程中的动态交通管理研究
交通工程中的动态交通管理研究在现代社会，交通对于经济发展和人们的日常生活起着至关重要的作用。
随着城市化进程的加速和机动车数量的持续增长，交通拥堵、事故频发等问题日益严峻。
为了应对这些挑战，动态交通管理作为一种有效的手段应运而生，它通过实时监测、分析和调控交通流量，提高道路的通行效率和安全性。
一、动态交通管理的概念与意义动态交通管理是指根据实时的交通流量、路况和出行需求，灵活地调整交通信号控制、引导交通流向、优化交通组织等措施，以实现交通系统的高效运行。
其意义主要体现在以下几个方面：1、缓解交通拥堵通过实时调整交通信号时长、开辟临时车道等方式，合理分配道路资源，减少车辆的排队等待时间，从而有效地缓解交通拥堵状况。
2、提高出行效率使出行者能够更加准确地了解路况，选择最优的出行路线和出行时间，减少不必要的绕行和延误，提高出行的效率和便捷性。
3、降低交通事故发生率及时发现和处理交通异常情况，如事故、故障车辆等，减少因交通混乱导致的事故发生概率。
4、促进交通的可持续发展优化交通流量分布，减少能源消耗和尾气排放，有利于环境保护和城市的可持续发展。
二、动态交通管理的技术手段1、交通监测技术包括视频监控、感应线圈、微波雷达、卫星定位等多种方式，实时获取道路上的车辆流量、速度、占有率等交通数据。
视频监控是最为直观的监测手段，能够清晰地观察到道路上的交通状况。
感应线圈埋设在道路下方，通过检测车辆通过时引起的磁场变化来获取交通流量信息。
微波雷达则通过发射微波并接收反射波来测量车辆的速度和距离。
卫星定位技术如 GPS 等，可以获取车辆的位置和行驶轨迹。
2、交通信号控制技术传统的定时控制逐渐被自适应控制所取代。
自适应交通信号控制系统能够根据实时交通流量自动调整信号配时，提高路口的通行能力。
此外，区域协调控制技术可以实现多个相邻路口的信号协同优化，形成绿波带，减少车辆停车次数。
3、交通诱导技术通过可变信息标志、互联网地图导航等方式，为出行者提供实时的路况信息和出行建议。
信息作用下出行者短期决策行为分析
２ Ｉｓｔｔ ｆ ｒｎ ｐｒ ｔ ｎＳｕ ｙｎ ，Ｓ ａ ｇ ａ Ｊ ｏｏ ｇＵ ｉｅ ｉ ，ｈ ｎｈ ｉ ０ ０ ２ ｈｎ ） ．ｎｔｕｅｏ ａ ｓｏｔ ｉ ｔｄ ｉｇ ｈ ｎ ｈｉ ｉ ｔｎ ｎｖｒ ｔ Ｓ ａ ｇ ａ ２ ０ ５ ，Ｃ ｉａ ｉ Ｔ ａｏ ａ ｓ ｙ
摘要 ： 出行 者信 息 系统的建 立加 强 了 出行 和交 通 系统 之 间的联 系， 使得 活 息作 用 下 的 活动 出行 需求 变化 的 基 础上 。 在 以信
息 对 出行 者 的短期 决策 影响 为研 究对 象 ， 于吉 林 市居 民 出行 的 ｓ 基 Ｐ调 查数 据 ． 讨 了 探 出行 者 出发 时间 、 出行 方式 、 径 选择 决策行 为之 间的 内在联 系 ． 虑 出行 者对 信 息持 路 考
ｏ ｉｎ ｃｔ ，ｉ ｄｓ ｕ ｓ ｓｔｅｉ ｔｒｃｉｎ ａ ｎ ｅ ａ ｍｅ ｒｖ ｌ ｏ ｅ ｎ ｕｅ ｃ ｏｃ ｅ ｉ ｏ ｅ ａ ｉｒ ｏ — ｆ ｌ ｉ Ｊｉ ｙ ｔ ｉ ｓｅ ｎｅａ ｔ ｍｏ ｇｄ ｐ ｒ ｔ ，ｔ ｅ ｄ ，ａ ｄ ｒ ｔ ｈ ｉｅｄ ｃｓ ｎ ｂ ｈ ｖｏ ．Ｃ ｎ ｃ ｈ ｏ ｔ ｉ ａ ｍ ｏ ｉ
ｗ ｉｈｍａ ｅ ｈ ｃｉｉ —ａ ｅ ｅｉｉｎａ ｙａ ｃ ａｊｓ ｐｏｅｓ ｆ ｒａａｙｉｇ ｔｅｔ ｖｌｄｍａ ｄ ｃ ａｇ ｈｃ ｋ ｓｔｅ ａｔ ｔ ｔ ｖ ｌｄｃｓｏ ｓａ ｄｎ ｍｉ ｄｕｔ ｒｃ ｓ．Ａ ｔ ｎ ｌｚ ｈ ｒ ｅ ｅ ｎ ｈｎ ｅ ｖｙ ｒ ｅ ｎ ａ
第 １卷 第 ２ ０ 期
社交网络信息对出行时刻选择行为的影响
社交网络信息对出行时刻选择行为的影响张兆泽;黄海军【摘要】As social media and location-aware mobile devices are widespread,travelers not only consult travel experience and information from other people,but also share their information by the platform. This media tool provides a new way for reference. The accuracy of information has influence on individual behavior and system performance. This paper employs the Bayesian learning mechanism to simulate the individual dynamic learning of departure timing within one day and day-by-day. The Agent-based method is used. Different schemes,namely no information,inaccuracy information and accuracy information are investigated and compared. Results show that the proposed model could depict travelers'timing behavior and evaluate the system performance caused by different schemes.%随着社交媒体和基于定位的智能手机普及,人们可以通过社交平台获得其他人的出行经验,同时与别人分享自己的出行信息.这种媒体形式为人们提供了新的出行参考途径.显然,信息的准确与否,对人们的行为和交通系统性能会造成影响.本文使用贝叶斯学习更新机制描述人们的动态学习行为,建立出发时刻选择的Agent-based模拟模型,比较准确社交信息、不准确社交信息和没有社交信息对交通系统的影响.数值结果表明,本文所建立的模型可以刻画出行者的行为特征,并反映信息对交通系统的影响.【期刊名称】《交通运输系统工程与信息》【年(卷),期】2017(017)005【总页数】7页(P22-28)【关键词】城市交通;贝叶斯学习;出发时刻选择;瓶颈模型;社交网络信息【作者】张兆泽;黄海军【作者单位】北京航空航天大学经济管理学院,北京100191;北京航空航天大学经济管理学院,北京100191【正文语种】中文【中图分类】U491信息技术的更新和智能设备的普及，为社交媒体发展提供了动力.这些基于位置的移动设备为出行者提供了新的平台来获得出行所需要的信息，如出行位置、路径规划、拥堵状况等.这些信息不同于传统的信息(如广播、电视、报纸等发布的信息)，首先，信息由个人感受组成，出行者可以将自己出行的信息分享至社交媒体，这与宏观统计之后发布的信息是有差异的；其次，信息的分享由社交网络决定，个人社交关系网络的差异会对个人决策产生不同的影响.因此，研究社交网络信息传播对日常出行行为的影响具有重要意义.现有文献中，部分研究者基于不同场景，对社交网络下如何分享信息进行了研究，比如购物[1]、旅游[2]、通勤[3]等场景.购物或旅游场景下的行为几乎是一次性选择行为，从信息分享中获得的帮助也是一次性的.对于通勤来说，出行者每天上班都需要决策，所以社交网络下的信息分享对出行决策的影响就更加重要.这与传统的逐日交通分配模型(Day-to-day Traffic Assignment)有所不同[4-7]，这些模型没有把信息当做一个重点研究对象，没有引入社交网络的影响.目前，出行者可以使用一个由谷歌研制的商业化产品Waze分享自己的出行体验，通过Facebook 等社交媒体在自己的社交关系网内交流经验.这种动态分享，可能比政府发布的出行信息更加及时，更值得自己的朋友信任.因此，基于社交媒体数据的交通行为研究也成为热门研究领域[8-10].Agent-based建模方法在交通行为研究中被普遍使用[11-13].Michael[14]认为Agent应具有适应性、自治性、灵活性(包括反应性、预动性和社会性).这种方法能够较好地仿真现实场景，灵活的框架也便于使用.刘天亮等[15]使用这一方法研究了交通网络中的逐日择路行为.田丽君等[16]运用这种方法比较了有无信息获取装置对路径选择行为的影响.刘诗序等[17]研究了预测信息下的驾驶员逐日决择行为，并且分析了系统的稳定性.本文将在文献[3]的基础上，进一步深入研究信息准确、信息不准确和没有信息3种情况下的出行行为，以及对交通系统拥堵的影响.本研究有助于加深对城市出行者(通勤者)逐日上班决策行为的认识，为评估社交网络信息对交通系统的影响提供理论依据，并期望新的信息传播方式有助于缓解城市中心地区的上班高峰拥堵.经典的瓶颈模型是由诺贝尔经济学奖获得者Vickrey[18]在1969年提出的.模型假设每天有N个同质的出行者从家里出发到工作地上班，连接出发地与目的地的是一条通行能力有限的道路，无法保证每个人都能准时到达工作地.假设瓶颈位于道路的末端，当到达率超过瓶颈能力时就会出现排队，否则出行者以自由流速度到达工作地.但是，早到或者晚到工作地，都会受到相应的惩罚.令r(x)是x时刻的出发率(对瓶颈来说是到达率)，有式中：R(t)是t时刻的累计出发量；t0是第1辆车的出发时间.定义T(t)为t时刻出发者的总出行时间，有式中：tfree为自由流行驶时间，不失一般性，可设tfree=0；Tw(t)为t时刻出发者在瓶颈前的等待时间.令Q(t)为t时刻在瓶颈前的排队车辆数量，有由于瓶颈的通行能力是有限的，必然存在早到和晚到现象.对早到和晚到给予惩罚，并将惩罚计入到个人的出行费用中，则有式中：c(t)是t时刻出发的出行者的出行费用；TSDE(t)代表t时刻出发的出行者的早到时间(Schedule Delay Early)；TSDL(t)代表晚到时间(Schedule Delay Late)；α是单位出行时间成本；β是单位早到时间惩罚；γ是单位晚到时间惩罚；一般有0＜β＜α＜γ.出行者会选择合适的出发时刻，以权衡路上消耗的时间成本和早到/晚到惩罚成本.经过动态调整之后，会出现一个c(t)为常数的均衡态.为便于计算机模拟，对高峰期的时间进行离散化处理，分成M个长度相等的时段.将出行者i在时段m内出行的感知时间记为，它与式(2)对应.由于交通信息不全面和交通状况不确定，感知出行时间是随机的，记为式中：μim是出行者i在时段m内出发的期望感知时间或实际时间；εim是对应的随机项，方差为.将式(5)离散化，有显然cim也是随机变量.将出行成本转化为效用，有式中：ξim是效用认知的误差项，本文中假设所有误差项是相互独立的、且服从相同的零期望值Gumbel分布.贝叶斯法则被广泛应用于个人的认知更新，该法则的基本形式为式中：P(H)是先验概率(Prior Probability)，由已有的知识确定；P(H|D)是后验概率(Posterior Probability)，是在后续收集到一定数据后，对已有认知进行的更新，重新计算选择H的概率.出行者在出发前，假定他知道各出发时段将要经历的出行时间服从某个分布，也就是知道先验概率.根据式(8)的假设，可以使用Logit模型计算出行者i的具体经历时间为时、选择m时段出发的概率，即式中：参数θ与式(8)中误差项的方差相关，不影响结论，本文中假设θ=1.出行者每天将自己的经验分享到社交网络中，也参考其他人经历的出行时间.在第2天出行的时候，他使用前一天的信息来决定出发时段.这个学习更新的过程可以用贝叶斯规则来体现.式中：是出行者i在m时段出发的先验概率；yim是一个信息集合的向量，yim=(yim1,…,yimk,…,yimaim)，表示每天收集的信息，包含自己和他人的出行时间信息；aim是出行者i在时段m出发可观察到的信息数量；P(yim)代表出行者i 在m时段出发观察到yim的概率；代表在收集到信息之后，对先验概率的更新. 在式(11)中，对做进一步假设，假设在具体值下观察收集到的时间信息符合正态分布，即式中：是从社交网络收集到的时间信息的方差.为了表达方便，我们将右下角标省去.根据贝叶斯法则，可以得到[3]式中：为观察信息的平均值，在两个随机项t'和y的作用下，t'|y依然服从正态分布，t'|y～N(μ′,σ′2)，均值和方差分别为式(14)表明，更新后的μ′与原有的μ和观察后得到的平均值相关.式中的a代表观察到的信息数量，当a=1时，观察信息只包含自己；当a=0时，表示什么信息也没有得到，则μ′=μ，σ′=σ.在给出出发时刻选择模型以后，我们进一步研究逐日(Day to Day)选择模型，即t=1,2,…，根据式(5)～式(7)，有式中：代表第t天出行者i在间段m出发的效用.根据式(10)，同样可以写出第t天出行者i在时段m出发的条件概率.不影响结论，本文设θ=1.根据式(14)和式(15)可以得到t+1天出行者i在时段m 的μ和σ更新.式中：是已知的，本研究中还假设所有出行者是同质的；决定了t+1天的感知出行时间，继而决定了，也就得到了t+1天每个时段出发的概率.出行者就这样每日学习，进行自我认知更新.出行者根据社交网络来获得和分享出行时间信息，下面我们定义社交网络的数学表达式.令N×N矩阵G=(Gij)表示社交关系，其中可以将Tt视为信息的来源，但还无法知道具体的出发时刻，为此，引入一个N×M矩阵，其中通过G，Tt和It可以表示在t天的完全信息.引入，感知时间方差的倒数可以理解为感知时间的精确度；引入，其中，观察时间方差的倒数乘以观察到的信息数量可以理解为观察信息的精确度；表示均值.以向量形式表达的认知更新就是式中：ψt=GTtIt表示可供出行者i在出发时段m观察到的信息时间总和，；计算符号∘表示两个矩阵的Hadamard积.在实际生活中，我们向其他人传递的信息经常是不准确的，这种不准确汇聚到社交网络上，可能被放大、从而产生不良后果.本研究中假设，信息的传递存在不准确性，其后果服从正态分布，即式中：tim是传递之后的时间；atim是出行者i在时段m出发所经历的实际时间；是方差.每个出行者是一个Agent，具有独立性.在模拟中，首先给出出行需求的数量，即Agent的数量，赋予每个出行者一定的均值和方差来产生第1天的感知时间，继而算出每个出行者在每个出发时段所取得的效用.使用该效用计算每个出行者选择各时段出发的概率.利用瓶颈模型算出当天各出发时段所对应的行程时间.第2天，出行者参考从社交网络分享到的行程时间，确定各出发时段的感知时间，继而算出对应的出行效用，接着算出选择各时段出发的概率.系统重复这个过程，完成一次自我认知的更新，模拟过程一直执行到设定的天数为止，如图1所示.在本研究中，部分参数值取自文献[3]，由实验所得，α，β和γ分别取0.5，0.3和1.2.在行程时间的初始正态分布中，均值为33.7，方差为0.72；在观察信息时，假设观察的方差是不变的，取值为0.5.道路的通行能力是30；在传递信息这个步骤中，假设传递的时间服从正太分布，方差为0.72.模拟区间为连续30天.我们通过一些指标来比较不同情况下，信息对交通系统和个人行为的影响.第1个是总的出行时间(Total Travel Time)，它是每天所有出行者出行时间的总和，反应了拥堵的整体情况；第2个是平均出行费用(Average Travel Cost)，它是每天每个出行者所花费用的平均值，考虑了早到和迟到惩罚.研究了3组对比：第1组，准确完全信息和只有个人信息之间的比较;第2组，不准确完全信息和只有个人信息之间的比较;第3组，准确完全信息和不准确完全信息之间的比较.在图2中，前5天，准确完全信息下和只有个人信息下出行时间有着较大的降幅，但第5天以后有了明显的差别.在得知信息的情况下，出行时间还可继续下降，并保持在低水平上小幅摆动.而无法获得信息的出行者，仍然依靠自己的个人经历抉择出发时刻，对降低系统总出行时间的贡献不大，总出行时间一直处于高位.在图3的前3天中，对个人而言，在获取信息的情况下，出行费用下降速度比较快；而无法获得信息的情况下，平均出行费用前10天都处在一个比较高的位置，并且之后的下降幅度也有限.所以，获得信息对个人来讲可以降低自己的出行费用. 图4与图2对比，总出行时间在第5天以后没有迅速下降.从第8天开始，两种策略导致的总出行时间之间出现较大的差别.显然，不准确的信息会产生误导.但完全不知道一点外部信息，对没有尝试过的出发时刻没有新的认识，长期看是不利的. 图5表明，对个人而言，即使得到的信息不完全准确，但总比没有一点外部信息好.图6显示，准确信息和不准确信息给出的总出行时间交织在一起，没有严格分离.前7天，准确信息下的总出行时间下降速度要快一些.在出行开始，出行者对每个出发时刻的实际情况不了解，容易受到不准确信息的误导，但随着时间的推移，出行者能够从不准确信息中辨别有用信息，改进自己的出行.图7中再次证实了出行者能够从不准确信息中辨别有用信息，并改进自己出行的能力.图8是从微观角度对比3种信息策略在第1天的出发时刻分布.显然，3种策略在第1天对路上行程时间的认知是一样的，所以出发时刻分布基本没有差异.模拟中设置的自由流时间是30 min，出行者初始认知出行时间的均值为33.7 min，出行者大部分选择了第25 min出发.由于迟到惩罚是早到惩罚的4倍，本算例中人们大都不愿意迟到.图9是第2天的情况.第1天，大部分出行者选择了第25 min出发，系统出现排队拥堵.第2天出发前，可以获得信息的人群知道了其他时刻出发的实际出行后果，因此没有选择在25 min出发，而是提前出发了.而对于不知道信息的人，依然选择第25 min、甚至第30 min出发.图10是第5天的情况.有信息的人继续提前出发，以避免排队拥堵.没有信息的人，有的改变了出发时刻，但改得很慢，依然有不少人选择了第20 min出发.图11中是第24天的情况，有趣的是，有些有信息的人在第35 min出发、而没有信息的人几乎都在前15 min内出发.当所有人都提前出发的时候，也会出现排队拥堵，有信息的人正是通过社交媒体得到这个消息，果断调整自己的出发时刻，而没有信息的人则反应慢多了，不能及时调整出发时刻.本文针对越来越流行的社交媒体信息对交通出行的影响展开研究，运用贝叶斯更新规则描述出行者的认知更新.基于Agent-based仿真，模拟一段时间内上班出行者的群体决策过程.仿真结果表明，信息的有效传播对整个交通系统是有好处的，拥堵程度大幅下降.即使信息传播不准确，也能降低一定的拥堵程度.所以，利用社交网络传播信息，是可以改善交通系统的.【相关文献】[1]HAN Q，ARENTZE T，TIMMERMANS H，et al.The effects of social networks on choice set dynamics:Results of numerical simulations using an agent-basedapproach[J].Transportation Research Part A:Policy and Practice，2011，45(4):310-322. [2]IRYO T，YAMABE K，ASAKURA Y.Dynamics of information generation and transmissions through a social network in non-recurrent transport behaviour[J].Procedia-Social and Behavioral Sciences，2011，17(1):169-188.[3]XIAO Y，HONG K L.Day-to-day departure time modeling under social network influence[J].Transportation Research Part B:Methodological，2016(92):54-72.[4]CASCETTA E.A stochastic process approach to the analysis of temporal dynamics in transportation networks[J]. Transportation Research Part B:Methodological，1989，23(1):1-17.[5]HE X，GUO X，LIU H X.A link-based day-to-day traffic assignmentmodel[J].Transportation Research Part B:Methodological，2010，44(4):597-608.[6]PARRY K，HAZELTON M L.Bayesian inference for day-to-day dynamic trafficmodels[J].Transportation Research Part B:Methodological，2013，50(3):104-115.[7]SMITH M，HAZELTON M L，LO H K，et al.The long term behavior ofday-to-day traffic assignment models[J].Transportmetrica A:Transport Science，2014，10(7):647-660. [8]COTTRILL C，GAULT P，YEBOAH G，et al.Tweeting Transit:An examination of social media strategies for transport information management during a largeevent[J].Transportation Research Part C:Emerging Technologies，2017(77):421-432. [9]KUFLIK T，MINKOV E，NOCERA S，et al.Automating a framework to extract and analyse transport related social media content: The potential and the challenges[J]. Transportation Research Part C:Emerging Technologies，2017(77):275-291.[10]GU Y，QIAN Z S，CHEN F.From Twitter to detector:Real-time traffic incident detection using social media data[J].Transportation Research Part C:Emerging Technologies，2016(67):321-342.[11]HACKNEY J K，AXHAUSEN K W.An agent model of social network and travel behavior interdependence[C].Conference on Issues in Behavioral Demand Modeling and the Evaluation ofTravel Time，Kyōto，Japan，2006.[12]HAN Q，ARENTZE T，TIMMERMANS H，et al.The effects of social networks on choice set dynamics:Results of numerical simulations using an agent-basedapproach[J].Transportation Research Part A:Policy and Practice，2011，45(4):310-322.[13]RONALD N， ARENTZE T， TIMMERMANSH.Modeling social interactions between individuals for joint activity scheduling[J].Transportation Research Part B:Methodological，2012，46(2):276-290.[14]JENNINGS N R，SYCARA K，WOOLDRIDGE M.A roadmap of agent research and development[J].Autonomous Agents and Multi-agent Systems，1998，1(1):7-38.[15]刘天亮，黄海军.日常择路行为的多智能体模拟[J].物理学报，2007，56(11):6321-6325.[LIU T L，HUANG H J.Multi-agent simulation on day-to-day route choicebehavior[J].Acta Physica Sinica，2007，56(11):6321-6325.][16]田丽君，黄海军，刘天亮.基于动态信息反馈的日常出行决策模拟研究[J].交通运输系统工程与信息，2010，10(4):79-85.[TIAN L J，HUANG H J，LIU T L.Day-to-day route choice decision simulation based on dynamic feedback information[J]. Journal of Transportation Systems Engineering and Information Technology，2010，10(4):79-85.][17]刘诗序，关宏志，严海.预测信息下的驾驶员逐日路径选择行为与系统演化[J].北京工业大学学报，2012，38(2):269-274.[LIU S X，GUAN H Z，YAN H.Drivers’day-to-day route choice behavior and system evolution under forecast information[J].Journal of Beijing Universityof Technology，2012，38(2):269-274.][18]VICKREY W S.Congestion theoryand transport investment[J].American Economic Review，1969，59(2):251-60.。
多源交通信息条件下的出行行为选择研究
多源 交 通信 息 条件 下 的 出行 行 为 选 择研 究
郭 锦 景
（ 南 交 通 大 学 交 通 运 输 学 院 ，四 川 成 都 ６ ０ ３ ） 西 １ ０ １
摘 要 ：在 考虑 多 源 交通 信 息 可 能 导 致信 息过 剩 ，从 而影 响 决 策 者 出行 选择 的 奈 件 下 ， 引入 夹策论 的 思 想 ，通 过 对 多 源 交 通 信 息 方 式 发布 的特 点 分 析 ，应 用 模 糊 物元 理 论 ，建 立 个 体 出行 的 行 为 选择 模 型 ，在 熵值 法确 定 客 观 权 重 的 条 件 下 ，根 据 贴
０ 引 言
也 变得 各种 各样 ，其 中应 用最 广泛 也是 最典 型 的尤 数 可 变 信 息 标 志 、交 通 广 播 系 统 以 及 车 载 导 航 系 统 ，在这 三 种信息 同时发 布时 出行者 会 如何 响应 目 前还 没有 过 多的研 究 ，但 又是必 然趋 势 因此 ，研
Ｔｒ ｖ ｌＢｅ ｖ ｏ ａ ｅ ｈａ ｉ ｒ Ｃｈｏ ｃ ｉｅ ｕｎｄ ｒ Ｃｏ ｅ ｎｄｉｉ ｎ ｏ ｕｔｌ－ ｏ ｃ ｔｏ ｆＭ ｉ－Ｓ ｕｒ ｅ
Ｔｒ ｆ ｃ Ｉ ｆ ｒ ａ ｉ ｎ ａ ｉ ｎ ｏ ｍ ｔｏ
Ｇ ｉ－ｉｇ ＵＯＪｎ ｊ ｎ
（ｃ ｏ ｌ ｆ ｌｆ ｃ＆ Ｔ ａ ｓ ｏｔｔ ｎ Ｓ ｕｈ ｓ Ｊａｔｎ ｉｅｓｔ， ｅ ｇ ｕ ６ ０ ｈｎ ） Ｓ ｈ ｏ ’ ｆ ｏ Ｔａ ｉ ｒｎｐ ｒ ｉ ． ｏ ｔｗｅｔ ｉｏｏ ｇＵｎｖ ｒｉ Ｃｈ ｎ ｄ ３１ ａｏ ｙ １ ０ ，Ｃ ｉａ
ｒ ｆｅ ｔ ｔ ｅ ｔａ ｅ ｅ ｓ ｒ ｕ ｅ ｃ ｏ ｃ ｅ ａ ｉ ｒ ｕ ｄｅ ｈｅ ｉ ｆｕ ｎ ｅ ｏ ｈｉ ｏ ｃ ｒ ｆｉ ｎ ｏ ｍａ ｉｎ ｔ ｅ ｏ ｔｍａ ｅ ｃ ｈ ｒ ｖ ｌｒ ｏ ｔ ｈ ｉｅ ｂ ｈ ｖ ｏ ｎ ｒ ｔ ｎ ｅ ｃ ｆ ｍｕ －ｓ ｕｒ ｅ ｔａｆｃ ｉ ｆ ｒ ｔ ， ｈ ｐ ｉ ｌ ｌ ｌ ｏ
基于手机信令的轨道交通乘客出行行为分析方法研究
基于手机信令的轨道交通乘客出行行为分析方法研究轨道交通具有大运量、长距离、准时性、速达性、舒适性、安全性、高效性等诸多优点。
提高轨道交通服务水平,增加轨道交通方式吸引力,是解决城市交通问题的重要手段。
利用智能交通技术,对交通信息进行精细化的采集和分析,既可以为交通管理者提供运营管理决策的依据,也可以为出行者提供出行信息诱导,从而提高轨道交通的运营效率和服务质量。
手机信令数据作为交通大数据的一种,在个体与群体出行特征分析、交通系统运行状态分析领域有着日益广泛的应用。
论文首先提出了基于手机信令的个人出行活动分析以及群体出行特征分析的方法体系。
由手机信令数据分析交通特征参数的核心是从个人信令事件记录的序列中提取出个人活动的时空轨迹,这一过程中包括信令记录的空间定位,根据交通设施的时空约束与个人活动能力的时空约束进一步定位个人活动轨迹,并根据已知的轨迹点进一步结合时空约束对信令记录未能反映的活动过程进行推断。
最后根据轨迹点的时空属性进行统计可以得到站点、车辆的交通特征参数。
上述匹配、过滤、推断和统计方法分别应用于数据定位、预处理、历史数据分析、实时数据分析等步骤。
信令数据的初始位置匹配采用起源蜂窝小区定位的方法,利用开源数据和实地测量来获取基站地理位置信息,根据基站位置区和小区编码,对信令事件发生的位置进行匹配,确定每条信令记录的经纬度坐标。
论文提出了轨道交通站点线路的编码方案和换乘站点的编码方案,将轨道交通系统相关基站与线路和站点编码进行匹配。
对于经纬度坐标缺失的情况,提出了基于时空约束的坐标修复方法。
该方法以坐标精确的基站为基准,以乘客途经三个基站所花费时间内活动能力上限为时空约束,确定基站信号的可能覆盖范围。
计算结果表明该方法修复的经纬度误差与起源蜂窝小区定位本身的精度接近,可用于修复产生信令数量较多的坐标缺失基站。
移动信号的波动性和个人空间活动复杂性会在信令记录中留下冗余和错误的信息。
针对上述两类成因,论文分别基于时空约束提出了手机信令的预处理方法和个人出行轨迹提取算法。
大数据分析在人类行为研究中的应用
大数据分析在人类行为研究中的应用人类行为研究一直是社会科学领域的重要课题之一。
通过了解人们的行为，我们可以更好地理解他们的意图、动机和决策模式，为政策制定和社会发展提供依据。
随着互联网、移动设备和社交媒体的普及，大数据分析成为研究人类行为的有力工具。
本文将从几个方面探讨大数据分析在人类行为研究中的应用。
一、社交媒体行为分析社交媒体已经成为人们日常生活不可或缺的一部分。
通过分析社交媒体平台上的用户行为，可以窥探社会趋势和民意。
例如，研究人员可以通过分析用户发布的帖子、留言和评论，了解人们对某一话题的态度和情感倾向。
这种信息对于政府决策者和企业管理者来说都是宝贵的，可以指导他们调整政策和产品策略。
二、消费行为预测消费行为是一个复杂的社会行为。
借助大数据分析，我们可以挖掘消费者在购买决策中的隐藏模式和规律。
通过收集和分析消费者在网上购物、线下购物和支付行为等数据，可以预测他们的购买偏好和消费趋势。
这对于商家来说是非常有价值的，可以为他们的产品定位、市场推广和库存管理提供重要指导。
三、交通出行行为分析交通出行是一个与人类行为紧密相关的领域。
大数据分析可以帮助我们深入研究人们在交通出行中的决策和行为模式。
通过收集和分析交通出行数据，例如GPS定位数据和交通流量数据，可以研究人们的出行意愿、出行偏好以及交通拥堵的原因和解决方案。
这对于交通规划和交通管理部门来说具有重要的实践意义，可以提高城市交通效率和改善出行体验。
四、舆情分析舆情分析是指通过分析公众对某一事件、话题或组织的言论和态度来了解社会舆论动向。
大数据分析可以帮助我们收集和整理海量的舆情数据，以揭示人们的观点和情感倾向。
这对于政府、媒体和企业来说都是非常重要的，可以帮助他们更好地了解公众对某一事件或政策的态度，制定相应的应对措施。
综上所述，大数据分析在人类行为研究中发挥着重要的作用。
通过挖掘和分析大数据，我们能够更深入地了解人们的行为模式和动机，为社会科学研究和社会发展提供有力支持。
机器人在智能交通中的应用与研究
机器人在智能交通中的应用与研究在当今科技飞速发展的时代，智能交通成为了改善人们出行体验、提高交通效率、保障交通安全的重要领域。
而机器人技术的不断进步和创新，为智能交通带来了前所未有的机遇和变革。
机器人在智能交通中的应用范围广泛，涵盖了交通管理、车辆控制、物流配送等多个方面。
在交通管理方面，机器人可以作为智能交通监控设备发挥重要作用。
传统的交通监控主要依靠摄像头和人工监测，存在着监测范围有限、反应速度慢等问题。
而智能交通机器人则能够通过搭载先进的传感器和图像处理技术，实现对道路状况的全方位、实时监测。
它们可以快速识别交通拥堵、事故等异常情况，并及时将相关信息传递给交通管理部门，以便采取有效的应对措施。
例如，在高速公路上，机器人能够自动检测车辆的行驶速度、车距等参数，一旦发现超速或跟车过近等违规行为，立即发出警报，提醒驾驶员注意安全。
在车辆控制领域，自动驾驶技术的发展离不开机器人技术的支持。
自动驾驶汽车可以被视为一种具有高度智能化的机器人。
通过激光雷达、摄像头、毫米波雷达等多种传感器，自动驾驶汽车能够感知周围环境，包括道路状况、其他车辆和行人的位置和运动状态等。
然后，利用先进的算法和计算能力，对这些信息进行处理和分析，做出合理的驾驶决策，如加速、减速、转向等。
虽然目前自动驾驶技术还面临着一些技术和法律上的挑战，但随着机器人技术的不断完善，相信未来自动驾驶汽车将成为道路交通的主流。
物流配送也是机器人在智能交通中的一个重要应用场景。
随着电商行业的蓬勃发展，物流配送的需求日益增长。
传统的物流配送方式主要依靠人工驾驶的货车，效率低下且成本较高。
而物流配送机器人的出现，为解决这一问题提供了新的思路。
这些机器人可以自主规划配送路线，避开拥堵路段，提高配送效率。
同时，它们还能够实现“最后一公里”的配送，将货物直接送到用户手中，为用户带来更加便捷的服务体验。
然而，机器人在智能交通中的应用也面临着一些挑战。
首先是技术难题。
城市交通管理中的数据驱动决策
城市交通管理中的数据驱动决策在当今快节奏的城市生活中，交通管理的重要性日益凸显。
随着科技的飞速发展，数据驱动决策正逐渐成为优化城市交通管理的关键手段。
数据驱动决策，简单来说，就是依靠大量的数据收集、分析和处理，来制定有关交通管理的策略和措施。
那么，这些数据从何而来呢？它们来源于各种各样的渠道。
比如，道路上的传感器、摄像头，公共交通系统的刷卡记录，以及手机导航软件的使用数据等等。
这些数据源就像城市交通的“眼睛”，时刻记录着交通的动态变化。
有了海量的数据，接下来就是如何分析和利用它们。
通过先进的数据分析技术，我们能够发现交通流量的规律。
比如，在工作日的早晚高峰时段，哪些路段容易拥堵；在节假日，哪些区域的交通压力会增大。
这些规律的发现，为交通管理部门制定针对性的措施提供了有力依据。
以拥堵路段为例，数据驱动决策可以帮助我们精准地找出拥堵的原因。
是因为车流量过大，道路容量不足？还是因为交通事故、道路施工等突发事件的影响？如果是车流量的问题，可能需要考虑调整信号灯的时长，优化路口的通行规则；如果是突发事件，就需要及时派遣交警进行现场疏导，同时通过各种渠道向公众发布路况信息，引导车辆避开拥堵路段。
数据驱动决策还在公共交通的优化方面发挥着重要作用。
通过分析公交、地铁等公共交通工具的乘客流量和出行规律，交通管理部门可以合理调整线路和运营时间，提高公共交通的服务质量和吸引力。
比如，在某个新建的居民小区，居民出行需求较大，但周边公交线路较少，通过数据分析发现这一情况后，就可以及时增加公交线路，方便居民出行。
另外，智能停车管理也是数据驱动决策的一个重要应用领域。
通过实时监测停车场的车位使用情况，将相关信息推送给车主，引导他们快速找到空闲车位，不仅减少了车主寻找车位的时间，也提高了停车场的使用效率，缓解了道路因车辆寻找车位而造成的拥堵。
在交通规划方面，数据驱动决策同样不可或缺。
以往的交通规划可能更多地依赖经验和主观判断，而现在，通过对长期积累的交通数据进行分析，可以更加科学地预测未来的交通需求，合理规划道路建设和基础设施布局。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中 国 公 路 学 报 China Journal of Highway and Transport
Vol . 21 No . 4 J uly 2008
文章编号 :100127372 (2008) 0420088206
交通信息作用下的活动2出行决策行为研究
1 未考虑交通信息作用的活动2出行 决策行为
出行行为研究的主要目的是更深刻地理解出行 和驾驶行为 ,准确预测出行需求和有效评价各种交 通政策的实施效果 ,同时提出改善交通服务水平的 建议 。活动2出行决策行为一直是交通领域的重要 研究课题 ,信息技术在交通领域得到广泛应用以前 , 研究人员认为出行决策过程相对静止 ,主要关注未 提供交通信息服务条件下的出行行为 。发展到今 天 ,无信息作用下的出行行为理论已经比较成熟 ,主 要形成了基于活动的出行决策理论和面向过程的出 行行为研究方法 。基于活动的研究方法以欧洲的 Auhausen 、Garling 、Ettema 和 Timmerman ,以及美 国的 Ben2A kiva 、Koppelman 、Bowman 和 Hall 的研 究为代表 ,这些研究人员建立了基于活动的出行需 求预测模型系统 ,并开发出了应用软件平台 ,取得了 较好的效果[425] ;面向过程的方法以 Garling 的研究 为代表 ,关于驾驶行为的许多研究正是在这一框架 下进行的[6 ] 。
则得到 MN P 模型系统
Emt = f e ( Xm , Zmt ,θmt ) +τmt , e
τmt , e～ M V N (0 ,Στe ) L mt = f l ( Xm , Zmt ,θmt ) +τmt , l
(3)
τmt , l ～ M V N (0 ,Στl )
式中 : Xmt 为出行者属性向量 ; Zmt 为出行经历的向
要影响因素[8 ] 。
计量经济学模型以 Mahmassani 等的研究工作 为代表[9210 ] 。他们在出行者有限理性的假设下用类
似的方法分析了交通信息作用下的通勤出行出发时
刻和路径调整行为 ,采用多项 Pro bit ( MN P) 建立了 日调整模型体系 。以出发时刻调整模型为例 ,设通 勤者 m 第 t 天通勤出行预期到达时间为 T1mt , 实际 到达时刻为 T2mt , 两者之差为到达延误 Dmt 。Dmt ≥ 0 表示早到 ,记为 D1mt ; Dmt < 0 表示晚到 ,记为 D2mt 。 假定通勤者 m 具有出发时刻无差异区间 I mt = [ L mt ,
然而 ,先进的出行者信息系统 (A TIS) 的出现在 降低出行不确定性的同时 ,也加强了出行选择行为 和交通系统之间的相互作用 ,活动2出行行为表现出 很强的动态性 。未能充分考虑交通信息对出行动态 影响的预测模型和方法将不再适应高度信息化条件 下模拟和预测出行需求的需要 。如何有效应用和发 展无信息作用条件下的出行行为研究理论和方法 , 就交通信息对出行行为的作用机理展开深入研究 , 提供交通信息影响下的出行需求预测方法已成为出 行行为研究的焦点 。
隽志才 ,鲜于建川
(上海交通大学 安泰经济与管理学院 ,上海 200052)
摘要 :从交通信息对出行者出发时刻 、出行路径 、出行方式选择和日活动安排的影响及其作用机制 等方面 ,评价了以活动理论为基础的各种研究方法和模型系统的优缺点 ;分析总结了近十几年间交 通信息作用下的出行行为研究领域的研究进展 ;探索了改进信息作用下活动2出行行为预测方法的 途径 。结果表明 :信息在诱导人们出行行为方面既有积极作用 ,也存在一定局限性 ,规划管理部门 应正确认识和合理利用交通信息 。 关键词 :交通工程 ;活动2出行行为 ;综述 ;动态决策 ;调整过程 ;诱导出行 中图分类号 :U491. 1 文献标志码 :A
Abstract : Based o n activit y t heory , advantages and disadvantages of all kinds of research met ho d and model system in t he research field of activit y t ravel decisio n behavior were evaluated f ro m t he aspect s of influences of t raffic informatio n o n depart ure time , t ravel pat h , selectio n of t ravel mode , arrangement of daily activit y and it s effective mechanism. Thro ugh t he analysis of mo re t han 10 year s of research develop ment in t he research field of t ravel behavior under effect of t raffic informatio n and limitatio n of informatio n induced t ravel behavior was summarized. The way of p redicted met hod for imp roved activit y2t ravel behavior was discussed. Result s show t hat t he weak point s of current research were pointed o ut . It p rovides correct co gnitio n and reaso nable t ho ught of using t raffic informatio n for planning management depart ment . Key words : t raffic engineering ; activit y2t ravel behavior ; summarizatio n ; dynamic decisio n ; ad2 aptatio n p rocess ; induced t ravel
2 交通信息作用下的活动2出行决策 行为
交通信息作用下的活动2出行决策可以看作是
一个动态决策和反复调整的过程 (图 1) 。一方面 , 出行者借助于自己的出行经历和获取的交通信息形 成对交通环境的认知 ,并随着活动2出行行为的展开 更新自己的认知 ,判断是否需要以及如何调整出行 选择 ;另一方面 ,调整后的出行选择作用于交通系 统 ,使交通环境的状态发生改变 ,这一改变以交通信 息的形式传递到出行者 ,从而引发新一轮的认知更 新和出行行为调整过程 。
量 ;θmt 为待估参数向量 ;Σ为协方差矩阵 。
文献[ 10 ] 中 , Mahmassani 等应用有限理性假
设 ,提出了 Mixed Logit 模型系统 , 解决了 MN P 模
型参数标定困难的问题 。其他研究者运用 Logit 模
型分析了可变信息牌对驾驶员路径选择行为的影
响 ,发现信息内容对路径选择有很大影响 ,并可作为 改善交通系统运行状况的控制变量[11] 。采用 MN P 模型分析对驾驶员交通信息依从性的研究结果表
接受的最晚到达时刻之差 ( 为负数) , 右端点 Emt 表
示通勤者预期到达时刻与能接受的最早到达时刻之
差 (为正数) 。研究中假设出行者是有限理性的 , 仅
当 Dmt 在超出无差异区间 I mt 时 , 出行者才会调整第 2 天通勤出行的出发时刻 。以δmt 为出发时刻调整 标识量 ,则调整过程如下
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
第 4 期 隽志才 ,等 :交通信息作用下的活动2出行决策行为研究
89
行为诱导的有效性 ,及其对相关交通管理政策的支 持程度[123] 。随着交通信息提供技术的日新月异 ,交 通信息对人们活动和出行行为的影响及其作用机理 已成为交通研究领域急需解决的问题 。为此 ,本文 中从交通信息对活动2出行决策行为的影响及其作用 机制方面 ,评价了各种研究方法和模型系统的优缺 点 ,总结信息在诱导人们出行行为方面的积极作用和 局限性 ,为规划管理部门正确认识和合理利用交通信 息提供指导 ;同时指出现有研究方法局限性 ,探讨改 进信息作用下活动2出行行为预测方法的途径 。
图1 Fig. 1
交通信息作用下活动2出行决策过程 Process of Activity2travel Decision with Effect of Traff ic Information
从 20 世纪 80 年代起 ,交通信息对出行行为的 影响就在国外受到广泛关注 ,研究涉及到活动2出行 决策的各个方面 。
2. 1 交通信息对出发时刻和路径选择的影响 驾驶员的路径选择和调整行为是交通分配的基
础 ,其路径选择结果直接影响到路网流量 。因此对 交通信息服务下出发时刻和出行路径选择的研究多
以小汽车通勤出行为对象 ,以计量经济学模型和混 合仿真方法为主要分析工具 。
在小汽车出行方式下 ,出发时刻和出行路径往 往作为一个整体被考虑[7] ,而可选路径上的出行时 耗 、延误时间 、拥挤水平以及信息来源都是决策的重
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
90
中 国 公 路 学 报 2008 年
Emt ] ,区间左端点 L mt 表示通勤者预期到达时刻与能
Research on Activity2travel Decision Behavior with Effect of Traff ic Inf ormation