CN106651728B - 一种综合运输体系客运方式优势运距的确定方法 - Google Patents
一种综合运输体系客运方式优势运距的确定方法 Download PDFInfo
- Publication number
- CN106651728B CN106651728B CN201611060036.4A CN201611060036A CN106651728B CN 106651728 B CN106651728 B CN 106651728B CN 201611060036 A CN201611060036 A CN 201611060036A CN 106651728 B CN106651728 B CN 106651728B
- Authority
- CN
- China
- Prior art keywords
- mode
- transportation
- selection
- distance
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000014509 gene expression Effects 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000012546 transfer Methods 0.000 claims description 35
- 230000006399 behavior Effects 0.000 claims description 33
- 238000011835 investigation Methods 0.000 claims description 14
- ZBJWWKFMHOAPNS-UHFFFAOYSA-N loretin Chemical compound C1=CN=C2C(O)=C(I)C=C(S(O)(=O)=O)C2=C1 ZBJWWKFMHOAPNS-UHFFFAOYSA-N 0.000 claims description 5
- 229950010248 loretin Drugs 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 12
- 238000004458 analytical method Methods 0.000 abstract description 2
- 102000000584 Calmodulin Human genes 0.000 abstract 1
- 108010041952 Calmodulin Proteins 0.000 abstract 1
- 238000004445 quantitative analysis Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000001808 coupling effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013401 experimental design Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000001772 Wald test Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种综合运输体系客运方式优势运距的确定方法。首先本发明采取分层随机抽样调查法获取区域旅客出行信息,构建区域交通出行数据库;其次,根据离散选择行为分析方法,构建旅客运输方式选择模型,并对模型参数进行标定;再次,结合区域客运方式总体结构、样本结构和参数标定结果,确定各运输方式出行效用函数和选择概率函数,确定基于运输距离的运输方式选择概表达式;最后,采用选择概率等值法确定区域运输方式的优势运距。本发明填补了我国综合运输体系客运方式优势运距定量化分析的研究空白,可为综合运输体系的协同配置提供关键的理论支撑和技术支持,具有较为广阔的应用前景。
Description
技术领域
本发明属于综合运输规划领域,尤其涉及一种综合运输体系客运方式优势运距的确定方法。
背景技术
交通运输业是国民经济和社会发展的基础性产业和服务性行业。一个多世纪以来,伴随着经济发展和人类社会的进步,交通运输的实现形式发生了重大变化。从以“水运为主”、“铁路为主”逐渐发展到以现代铁路运输、公路运输、水运、民航运输和管道运输等五种运输方式组成的综合交通运输体系的系统集成。发展各种运输方式分工协作、协调配合的综合运输体系是适应我国“一带一路”国家战略和新型城镇化发展的新趋势、新方向。
综合运输体系能否使各个运输方式进行顺畅高效的协作配合,是影响综合运输效能高低的关键,这就要求对综合运输网络各方式进行科学的规划。研发综合运输体系协同规划平台及其软件是实现综合运输体系各方式协同配置的基础,而综合运输体系客运方式的优势运距是科学配置综合运输体系、合理规划综合运输通道的基础,如何科学合理地确定综合运输体系客运方式优势运距对于综合运输体系协同规划具有十分重要的实践意义。
在目前有关交通方式优势运距的研究中,城市交通往往是主要考虑的对象,而区域运输方式如铁路、航空、水运、公路等则少有涉及。鉴于此,本研究针对我国综合运输体系中协同规划平台研制过程中的优势运距确定问题,展开了基于旅客区域出行活动的运输方式优势运距研究,重点是探寻多方式选择行为的显著性影响因素、效用函数的表达形式并建立相应的选择概率数学模型,在此基础上研究一种确定综合运输体系客运方式优势运距的方法。研究成果可为多模式综合运输体系“四阶段”需求预测技术提供关键的理论支撑,能够为具有我国综合运输体系协同规划提供科学合理的依据,具有十分广阔的应用前景。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
目前还没有基于旅客全过程离散选择行为实验,研究确立综合运输体系客运方式优势运距的系统方法。
发明内容
本发明的目的在于针对综合交通体系协同规划过程中的运输方式优势运距确定方法问题,以数理统计理论和数据建模方法为技术手段,提供一种可用于综合运输体系客运方式优势运距的确定方法。
本发明所述的一种综合运输体系客运方式优势运距的确定方法,按如下步骤进行:
一、构建旅客区域综合交通出行选择数据库;
二、建立区域综合运输多方式选择决策模型;
三、确定综合运输体系各方式选择概率模型;
四、确定基于距离的各方式选择概率表达式;
五、确定综合运输体系客运方式的优势运距。
可选的,步骤一中构建区域综合交通出行选择数据库按如下步骤进行:
确定调查规模,
式中:n—调查样本数
z—置信水平所对应的z值;
S—标准差;
e—误差界限;
N—调查总体数,
确定调查方法,
根据区域交通具有频率低、距离长、选择行为稀少及调查范围广泛的特征,采取分层随机抽样调查法进行交通调查;分层随机抽样法是指将调查总体按照各种运输方式进行分层,然后针对每种运输方式用简单随机抽样方式抽取样本进行调查,
确定调查内容,
旅客个体属性:性别、年龄、职业、月收入、是否公费、是否有私家车;出行属性:出行目的、出行起讫点;购票属性:购票方式;到站属性:到站方式、到站时间、到站费用;换乘属性:换乘时间(含等待时间);旅行属性:出行方式、出行时间、出行费用;离站属性:离站方式、离站时间、离站费用;
构建数据库,
根据调查内容属性值确定方法,基于调查样本数据构建旅客区域交通出行选择行为信息数据库,信息数据库条目包括旅客出行信息ID、性别、年龄、职业、月收入、是否公费、是否有私家车、出行目的、出行距离、购票方式、到站方式、到站时间、到站费用、换乘时间(含等待时间)、出行方式、出行时间、出行费用、离站方式、离站时间、离站费用。
可选的,步骤二中构建区域运输方式选择模型按如下步骤进行:
基于旅客区域运输方式选择行为数据库,将区域运输方式类别作为自变量,将个体属性、到站属性、中转换乘属性、出行属性、离站属性变量作为因变量,应用多项logistic模型,采取向前递进法获取模型拟合McFadden值和参数估计结果,根据参数估计结果中统计量的显著性水平,判定变量显著性,若某变量j统计量的显著性水平Sig<0.05,说明该变量j对应变量的系数βij对旅客选择行为的影响较大,应纳入旅客选择行为模型,反之,则认为βij对旅客选择行为的影响可以忽略,根据变量的显著性水平,判定到站时间、离站时间是否影响综合运输方式的市场竞争。
可选的,步骤三中确定各运输方式选择概率表达式按如下步骤进行:
确定各运输方式选择概率效用函数,
根据参数估计结果,整体和样本各运输方式结构比,确定方式i选择概率的效用函数Ui如下式(2)所示,
式中:Ui—方式i选择概率的效用函数;
xij—方式i第j个显著性变量;
βij—方式i第j个显著性变量系数;
SFi—样本中方式i的选择比例;
PFi—总体中方式i的选择比例;
确定各运输方式选择概率表达式
根据效用函数和统计学分析原理,将Bus作为参考方式,确定各运输方式选择概率表达式,如下公式所示,
式中:UPLANE—运输方式-飞机选择概率的效用函数;
UTRAIN—运输方式-普铁选择概率的效用函数;
UHST—运输方式-高铁选择概率的效用函数;
P(PLANE)—运输方式-飞机的选择概率;
P(TRAIN)—运输方式-普铁的选择概率;
P(HST)—运输方式-高铁的选择概率;
P(BUS)—运输方式-高速巴士的选择概率。
可选的,步骤四中确定各运输方式距离转移曲线表达式按如下步骤进行:
确定不同运输距离下各运输方式选择概率,
根据各运输方式选择概率表达式,将运输距离作为自变量,其他显著性影响变量取平均值,计算不同运输距离下各运输方式选择概率值;
确定基于运输距离的多方式分担率-距离曲线,
根据运输距离及其对应的选择概率值,采取回归分析法拟合选择概率-距离转移曲线,确定综合运输方式选择概率-距离转移曲线函数。
可选的,步骤五中确定各运输方式距离转移曲线表达式按如下步骤进行:
根据综合运输方式距离转移曲线表达式,采取等值法计算运输方式选择概率等值状况下的运输距离,据此确定各种运输方式的优势运距。
本发明具有以下有益效果:本发明所述的一种综合运输体系客运方式优势运距的确定方法,针对综合运输体系客运方式优势运距定量化研究的空白,基于全过程设计的旅客出行离散选择行为实验,研究多模式综合运输体系下客运方式分担率-距离转移曲线表达形式,探寻综合运输体系客运方式优势运距的确定方法。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种综合运输体系客运方式优势运距确定方法的流程示意图;
图2是本发明提供的飞机选择概率-出行距离转移曲线;
图3是本发明提供的普通火车选择概率-出行距离转移曲线;
图4是本发明提供的高铁选择概率-出行距离转移曲线;
图5是本发明提供的巴士选择概率-出行距离转移曲线。
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
下面对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
本发明所述的一种综合运输体系客运方式优势运距的确定方法,按如下步骤进行:
一、构建旅客区域综合交通出行选择数据库;
二、建立区域综合运输多方式选择决策模型;
三、确定综合运输体系各方式选择概率模型;
四、确定基于距离的各方式选择概率表达式;
五、确定综合运输体系客运方式的优势运距。
可选的,步骤一中构建区域综合交通出行选择数据库按如下步骤进行:
确定调查规模,
式中:n—调查样本数
z—置信水平所对应的z值;
S—标准差;
e—误差界限;
N—调查总体数。
根据公式(1),取置信区间为95%,最大方差为0.5,误差界限为0.05,确定n为514个。
确定调查方法,
根据区域交通具有频率低、距离长、选择行为稀少及调查范围广泛的特征,采取分层随机抽样调查法进行交通调查;分层随机抽样法是指将调查总体按照各种运输方式进行分层,然后针对每种运输方式用简单随机抽样方式抽取样本进行调查,根据交通运输部统计年鉴,2014年我国区域人口出行规模120.92亿人次,其中高速铁路为14.21亿人次,普速铁路为9.37亿人次,公路为190.82亿人次,民航为3.9亿人次,确定普铁、高铁、飞机、高速巴士的市场份额在总体中所占比例分别为4.29%、6.51%、1.79%、87.41%。
考虑到交通调查存在一定的误差,为了保证后续建模的准确性和可靠性,本研究应用分层抽样法,在机场、高铁站、火车站和公路客运站获取旅客普通火车、高铁、飞机、高速巴士出行有效调查样本2000个,远大于理论需要值,符合建模要求。其中普铁、高铁、飞机、高速巴士的样本比例分别为29%、26%、25%、20%。
确定调查内容,
旅客个体属性:性别、年龄、职业、月收入、是否公费、是否有私家车;出行属性:出行目的、出行起讫点;购票属性:购票方式;到站属性:到站方式、到站时间、到站费用;换乘属性:换乘时间(含等待时间);旅行属性:出行方式、出行时间、出行费用;离站属性:离站方式、离站时间、离站费用。
本研究从全过程的视角设计调查内容,除个体属性、出行属性外,还包括购票属性、到站属性、中转换乘属性、方式属性、离站属性等方面的出行信息;具体的实验设计属性及取值如表1所示。
表1实验设计属性及取值
构建数据库,
根据调查内容属性值确定方法,基于调查样本数据构建旅客区域交通出行选择行为信息数据库,信息数据库条目包括旅客出行信息ID、性别、年龄、职业、月收入、是否公费、是否有私家车、出行目的、出行距离、购票方式、到站方式、到站时间、到站费用、换乘时间(含等待时间)、出行方式、出行时间、出行费用、离站方式、离站时间、离站费用。
基于调查的样本数据构建区域交通选择行为信息数据库,信息数据库条目包括旅客出行信息ID、性别、年龄、职业、月收入、是否公费、是否有私家车、出行目的、出行距离、购票方式、到站方式、到站时间、到站费用、换乘时间(含等待时间)、出行方式、出行时间、出行费用、离站方式、离站时间、离站费用。
可选的,步骤二中构建区域运输方式选择模型按如下步骤进行:
基于旅客区域运输方式选择行为数据库,将区域运输方式类别作为自变量,将个体属性、到站属性、中转换乘属性、出行属性、离站属性变量作为因变量,应用多项logistic模型,采取向前递进法获取模型拟合McFadden值和参数估计结果,根据参数估计结果中统计量的显著性水平,判定变量显著性,若某变量j统计量的显著性水平Sig<0.05,说明该变量j对应变量的系数βij对旅客选择行为的影响较大,应纳入旅客选择行为模型,反之,则认为βij对旅客选择行为的影响可以忽略,根据变量的显著性水平,判定到站时间、离站时间是否影响综合运输方式的市场竞争。
可选的,步骤三中确定各运输方式选择概率表达式按如下步骤进行:
确定各运输方式选择概率效用函数
根据参数估计结果,整体和样本各运输方式结构比,确定方式i选择概率的效用函数Ui如下式(2)所示,
式中:Ui—方式i选择概率的效用函数;
xij—方式i第j个显著性变量;
βij—方式i第j个显著性变量系数;
SFi—样本中方式i的选择比例;
PFi—总体中方式i的选择比例;
确定各运输方式选择概率表达式
根据效用函数和统计学分析原理,将Bus作为参考方式,确定各运输方式选择概率表达式,如下公式所示,
式中:UPLANE—运输方式-飞机选择概率的效用函数;
UTRAIN—运输方式-普铁选择概率的效用函数;
UHST—运输方式-高铁选择概率的效用函数;
P(PLANE)—运输方式-飞机的选择概率;
P(TRAIN)—运输方式-普铁的选择概率;
P(HST)—运输方式-高铁的选择概率;
P(BUS)—运输方式-高速巴士的选择概率。
可选的,步骤四中确定各运输方式距离转移曲线表达式按如下步骤进行:
确定不同运输距离下各运输方式选择概率,
根据各运输方式选择概率表达式,将运输距离作为自变量,其他显著性影响变量取平均值,计算不同运输距离下各运输方式选择概率值;
确定基于运输距离的多方式分担率-距离曲线,
根据运输距离及其对应的选择概率值,采取回归分析法拟合选择概率-距离转移曲线,确定综合运输方式选择概率-距离转移曲线函数。
可选的,步骤五中确定各运输方式距离转移曲线表达式按如下步骤进行:
根据综合运输方式距离转移曲线表达式,采取等值法计算运输方式选择概率等值状况下的运输距离,据此确定各种运输方式的优势运距。
步骤五变量显著性分析与参数估计
以高速巴士作为参考方式,在SPSS软件中应用多项logistic模型进行模型参数估计,参数估计结果如表2所示。表中Wald为Wald检验统计量;Sig为统计量的显著性水平,若Sig<0.05,说明其对应的β对旅客选择行为的影响较大,应纳入旅客选择行为模型,反之,则认为β对旅客选择行为的影响可以忽略。
系数值β反映其对应的特性变量对旅客乘车选择行为的影响程度,其符号代表旅客选择某类方式的概率随该参变量数值的变化趋势。
表2参数估计结果(参考方式:高速巴士)
注:置信水平为:95%;McFadden R2=0.426
步骤六确定综合运输体系客运方式选择概率的效用函数
根据效用理论和参数估计结果,结合飞机、普通火车、高铁总体和样本比例,确定飞机、普通火车、高铁选择概率的效用函数表示如下式(2)-(4)所示:
UPLANE=-3.06+0.005x11-0.246x12+0.975x13+1.977x14+1.413x15-1.824x16-ln(0.26/0.0651),(2)
UTRAIN=-1.631+0.004x21-0.132x22+2.154x24-ln(0.29/0.0429),(3)
UHST=-1.308+0.003x31-0.32x32+0.536x33+2.642x34+1.44x35-ln(0.25/0.0179),(4)
步骤七确定综合运输体系客运方式选择概率函数
根据以上效用函数中的UPLANE、UTRAIN、UHST,确定客运方式飞机、普铁、高铁、巴士选择概率函数表达式PPLANE、PTRAIN、PHST、PBUS分别为:
步骤八确定不同运输距离下各运输方式选择概率
根据公式(5)-(8)多因素耦合作用下运输方式选择概率的计算公式,将运输距离作为自变量,其他显著性影响变量取平均值,确定多因素耦合作用下基于运输距离的区域交通方式选择概率值,如下表3所示。
表3多因素耦合作用下基于运输距离的运输方式选择概率值
步骤九确定基于运输距离的多方式分担率函数
根据多因素耦合作用下基于运输距离的运输方式选择概率值,在Excell软件中绘制多方式选择概率-距离曲线,如图2-5所示;以此为依据拟合客运交通多方式选择概率-距离的曲线模型,如表4所示。
表4区域运输方式分担率-距离转移曲线模型
步骤十确定综合运输体系客运方式优势运距
根据综合运输方式距离转移曲线表达式,采取等值法计算运输方式选择概率等值状况下的运输距离,据此确定各种运输方式的优势运距。通过比较各客运方式选择概率的比率确定各种运输方式的优势运距,如表5所示。
表5综合运输体系客运方式优势运距研究
本发明所述的一种综合运输体系客运方式优势运距的确定方法,针对综合运输体系客运方式优势运距定量化研究的空白,基于全过程设计的旅客出行离散选择行为实验,研究多模式综合运输体系下客运方式分担率-距离转移曲线表达形式,探寻综合运输体系客运方式优势运距的确定方法。
需要说明的是:上述实施例提供的一种综合运输体系客运方式优势运距确定方法,仅作为该确定方法在实际应用中的说明,还可以根据实际需要而将上述方法在其他应用场景中使用,其具体实现过程类似于上述实施例,这里不再赘述。
上述实施例中的各个序号仅仅为了描述,不代表各部件的组装或使用过程中得先后顺序。
以上所述仅为本发明的实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种综合运输体系客运方式优势运距的确定方法,其特征在于,按如下步骤进行:
一、构建旅客区域综合交通出行选择数据库;具体按如下步骤进行:
确定调查规模,
<mrow>
<mi>n</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<mi>z</mi>
<mn>2</mn>
</msup>
<msup>
<mi>S</mi>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msup>
<mi>e</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>z</mi>
<mn>2</mn>
</msup>
<msup>
<mi>S</mi>
<mn>2</mn>
</msup>
<mo>/</mo>
<mi>N</mi>
</mrow>
</mfrac>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:n—调查样本数
z—置信水平所对应的z值;
S—标准差;
e—误差界限,取0.05;
N—调查总体数,
确定调查方法,
根据区域交通具有频率低、距离长、选择行为稀少及调查范围广泛的特征,采取分层随机抽样调查法进行交通调查;分层随机抽样法是指将调查总体按照各种运输方式进行分层,然后针对每种运输方式用简单随机抽样方式抽取样本进行调查,
确定调查内容,
旅客个体属性:性别、年龄、职业、月收入、是否公费、是否有私家车;出行属性:出行目的、出行起讫点;购票属性:购票方式;到站属性:到站方式、到站时间、到站费用;换乘属性:换乘时间;旅行属性:出行方式、出行时间、出行费用;离站属性:离站方式、离站时间、离站费用;
构建数据库,
根据调查内容属性值确定方法,基于调查样本数据构建旅客区域交通出行选择行为信息数据库,信息数据库条目包括旅客出行信息ID、性别、年龄、职业、月收入、是否公费、是否有私家车、出行目的、出行距离、购票方式、到站方式、到站时间、到站费用、换乘时间、出行方式、出行时间、出行费用、离站方式、离站时间、离站费用;
二、建立区域综合运输多方式选择决策模型;具体按如下步骤进行:
基于旅客区域运输方式选择行为数据库,将区域运输方式类别作为自变量,将个体属性、到站属性、中转换乘属性、出行属性、离站属性变量作为因变量,应用多项logistic模型,采取向前递进法获取模型拟合McFadden值和参数估计结果,根据参数估计结果中统计量的显著性水平,判定变量显著性,若某变量j统计量的显著性水平Sig<0.05,说明该变量j对应变量的系数βij对旅客选择行为的影响较大,应纳入旅客选择行为模型,反之,则认为βij对旅客选择行为的影响可以忽略,根据变量的显著性水平,判定到站时间、离站时间是否影响综合运输方式的市场竞争;
三、确定综合运输体系各方式选择概率模型;具体按如下步骤进行:
确定各运输方式选择概率效用函数
根据参数估计结果,整体和样本各运输方式结构比,确定方式i选择概率的效用函数Ui如下式(2)所示,
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>&beta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>SF</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<msub>
<mi>PF</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:Ui—方式i选择概率的效用函数;
xij—方式i第j个显著性变量;
βij—方式i第j个显著性变量系数;
SFi—样本中方式i的选择比例;
PFi—总体中方式i的选择比例;
确定各运输方式选择概率表达式
根据效用函数和统计学分析原理,将Bus作为参考方式,确定各运输方式选择概率表达式,如下公式所示,
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>L</mi>
<mi>A</mi>
<mi>N</mi>
<mi>E</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>P</mi>
<mi>L</mi>
<mi>A</mi>
<mi>N</mi>
<mi>E</mi>
</mrow>
</msub>
</msup>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>P</mi>
<mi>L</mi>
<mi>A</mi>
<mi>N</mi>
<mi>E</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>H</mi>
<mi>S</mi>
<mi>T</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>T</mi>
<mi>R</mi>
<mi>A</mi>
<mi>I</mi>
<mi>N</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>T</mi>
<mi>R</mi>
<mi>A</mi>
<mi>I</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>T</mi>
<mi>R</mi>
<mi>A</mi>
<mi>I</mi>
<mi>N</mi>
</mrow>
</msub>
</msup>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>P</mi>
<mi>L</mi>
<mi>A</mi>
<mi>N</mi>
<mi>E</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>T</mi>
<mi>R</mi>
<mi>A</mi>
<mi>I</mi>
<mi>N</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>H</mi>
<mi>S</mi>
<mi>T</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>H</mi>
<mi>S</mi>
<mi>T</mi>
</mrow>
</msub>
<mo>=</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>H</mi>
<mi>S</mi>
<mi>T</mi>
</mrow>
</msub>
</msup>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>P</mi>
<mi>L</mi>
<mi>A</mi>
<mi>N</mi>
<mi>E</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>T</mi>
<mi>R</mi>
<mi>A</mi>
<mi>I</mi>
<mi>N</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>H</mi>
<mi>S</mi>
<mi>T</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>U</mi>
<mi>S</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>/</mo>
<mrow>
<mo>(</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>P</mi>
<mi>L</mi>
<mi>A</mi>
<mi>N</mi>
<mi>E</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>T</mi>
<mi>R</mi>
<mi>A</mi>
<mi>I</mi>
<mi>N</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<msup>
<mi>e</mi>
<msub>
<mi>U</mi>
<mrow>
<mi>H</mi>
<mi>S</mi>
<mi>T</mi>
</mrow>
</msub>
</msup>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:UPLANE—运输方式-飞机选择概率的效用函数;
UTRAIN—运输方式-普铁选择概率的效用函数;
UHST—运输方式-高铁选择概率的效用函数;
P(PLANE)—运输方式-飞机的选择概率;
P(TRAIN)—运输方式-普铁的选择概率;
P(HST)—运输方式-高铁的选择概率;
P(BUS)—运输方式-高速巴士的选择概率;
四、确定基于距离的各方式选择概率表达式;具体按如下步骤进行:
确定不同运输距离下各运输方式选择概率,
根据各运输方式选择概率表达式,将运输距离作为自变量,其他显著性影响变量取平均值,计算不同运输距离下各运输方式选择概率值;
确定基于运输距离的多方式分担率-距离曲线,
根据运输距离及其对应的选择概率值,采取回归分析法拟合选择概率-距离转移曲线,确定综合运输方式选择概率-距离转移曲线函数;
五、确定综合运输体系客运方式的优势运距;具体按如下步骤进行:
根据综合运输方式距离转移曲线表达式,采取等值法计算运输方式选择概率等值状况下的运输距离,据此确定各种运输方式的优势运距。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611060036.4A CN106651728B (zh) | 2016-11-24 | 2016-11-24 | 一种综合运输体系客运方式优势运距的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611060036.4A CN106651728B (zh) | 2016-11-24 | 2016-11-24 | 一种综合运输体系客运方式优势运距的确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651728A CN106651728A (zh) | 2017-05-10 |
CN106651728B true CN106651728B (zh) | 2018-04-27 |
Family
ID=58812223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611060036.4A Expired - Fee Related CN106651728B (zh) | 2016-11-24 | 2016-11-24 | 一种综合运输体系客运方式优势运距的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651728B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12008492B2 (en) | 2020-02-14 | 2024-06-11 | Uber Technologies, Inc. | On-demand transport services |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3183707A4 (en) | 2014-08-21 | 2018-02-28 | Uber Technologies Inc. | Arranging a transport service for a user based on the estimated time of arrival of the user |
US10212536B2 (en) | 2015-07-10 | 2019-02-19 | Uber Technologies, Inc. | Selecting a messaging protocol for transmitting data in connection with a location-based service |
US10242574B2 (en) | 2016-03-21 | 2019-03-26 | Uber Technologies, Inc. | Network computer system to address service providers to contacts |
US9813510B1 (en) | 2016-09-26 | 2017-11-07 | Uber Technologies, Inc. | Network system to compute and transmit data based on predictive information |
US10567520B2 (en) | 2017-10-10 | 2020-02-18 | Uber Technologies, Inc. | Multi-user requests for service and optimizations thereof |
US10788329B2 (en) * | 2018-01-09 | 2020-09-29 | Uber Technologies, Inc. | Network system for multi-leg transport |
CN111222703B (zh) * | 2020-01-09 | 2023-05-12 | 五邑大学 | 一种预测旅客出行方式的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8843384B2 (en) * | 2008-07-10 | 2014-09-23 | Avinoam Eden | Method for selecting a spatial allocation |
CN103412934B (zh) * | 2013-08-19 | 2016-09-07 | 合肥航联文化传播有限公司 | 大交通搜索方法及搜索系统 |
-
2016
- 2016-11-24 CN CN201611060036.4A patent/CN106651728B/zh not_active Expired - Fee Related
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12008492B2 (en) | 2020-02-14 | 2024-06-11 | Uber Technologies, Inc. | On-demand transport services |
Also Published As
Publication number | Publication date |
---|---|
CN106651728A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651728B (zh) | 一种综合运输体系客运方式优势运距的确定方法 | |
Chiu Chuen et al. | Mode choice between private and public transport in Klang Valley, Malaysia | |
Fuellhart | Airport catchment and leakage in a multi-airport region: The case of Harrisburg International | |
Augustin et al. | Analysis of intercity bus markets on long distances in an established and a young market: The example of the US and Germany | |
CN106682812B (zh) | 综合运输体系客运方式分担率-距离转移曲线确定方法 | |
CN103578267A (zh) | 基于公交gps数据的公交到站预测方法及系统 | |
CN110309962A (zh) | 基于时间扩展模型的铁路行程路线规划方法及装置 | |
CN115062873B (zh) | 交通出行方式预测方法和装置、存储介质及电子设备 | |
Bhattacharyya et al. | Implementation of bus priority with queue jump lane and pre-signal at urban intersections with mixed traffic operations: Lessons learned? | |
CN114358808A (zh) | 基于多源数据融合的公交od估计及分配方法 | |
CN106570265A (zh) | 城市大运量轨道交通与接驳方式间换乘惩罚系数测定方法 | |
CN110222884B (zh) | 基于poi数据和客流量的车站可达性评估方法 | |
Bhatt et al. | GIS and gravity model-based accessibility measure for Delhi metro | |
CN113205213B (zh) | 一种基于互联网地图数据的公交评价方法及系统 | |
CN112149059B (zh) | 构建城市间客流分担模型的方法和装置 | |
Li et al. | Bilevel programming for traffic signal coordinated control considering pedestrian crossing | |
Zhang et al. | Evaluation of carbon emission reductions promoted by private driving restrictions based on automatic fare collection data in Beijing, China | |
CN109034593B (zh) | 一种拼车优先管控策略实施效益评价方法 | |
Kikuchi et al. | Possibility to realize low carbon city in medium-sized city of Asia: case study in Khon Kaen city, Thailand | |
Morichi et al. | Tokyo metropolitan rail network long-range plan for the 21st century | |
CN111047167B (zh) | 线路数据处理方法、装置、设备和存储介质 | |
Huan et al. | Roles of accessibility and air-rail intermodality in shaping mobility patterns in mega-city regions: Behavioural insights from China | |
CN112348341A (zh) | 一种地面公交实时竞争指数的计算方法 | |
CN117745108B (zh) | 一种先进空中交通的客流需求预测方法和系统 | |
Yang et al. | Railway access optimization for a container port in the high-speed railway era-a case study in China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180427 Termination date: 20201124 |
|
CF01 | Termination of patent right due to non-payment of annual fee |