论文部分内容阅读
重大活动期间,活动区域周边将会在较短时间内会聚集大量的车流、人流,对活动周边区域路网提出严峻的挑战。如何保障重大活动顺利进行,同时保证重大活动期间交通畅通、减少活动对交通产生的影响,是一个函待解决的难题。尤其是近年来,一些具有国际、国内重大影响力的活动在我国频繁举办,使这一问题的研究变的更加迫切。伴随着信息传输技术的发展,为交通出行引导提供了技术支持,出行引导能够很大程度提高重大活动期间个体出行效率,进而缓解活动区域交通拥堵。
本文主要以重大活动为研究对象,通过对活动期间个体出行特征的数据分析,构建了基于MNL模型的出行方式选择模型,辨识出重大活动出行方式选择显著影响因素。基于密度峰值聚类(DPC)算法划分出行群体,用轮廓系数和Jaccard系数判断聚类效果,进而确定群体聚类特征指标及其群体划分结果。基于灰色关联模型和Apriori关联算法计算群体出行偏好,并根据群体偏好制定群体出行引导策略,并针对群体发布相应的交通出行引导信息,实现基于群体偏好的出行引导。最后构建交通出行引导评价指标体系对出行引导效果进行评价。本文的主要研究内容如下:
(1)重大活动期间个体出行方式选择显著影响因素。根据重大活动出行特征,在影响因素方面新增了出行时刻、同行人数、距轨道站步行时间三个影响因素。构建基于MNL模型的出行方式选择模型,模型结果表明:学历、月收入、可支配小汽车数量、同行人数、出行时刻、距轨道站步行时间对参加活动个体出行方式选择具有显著影响。
(2)基于群体偏好的出行引导。在密度峰值聚类算法基础上,针对算法截断距离(dc)取值过于依靠主观经验判断,引入基尼系数(G)使得取值更为客观。采用灰色关联模型和Apriori关联算法辨识群体出行偏好,最后对重大活动期间出行群体信息需求进行分析,为基于出行引导策略的引导信息发布奠定基础。
(3)构建出行引导评价模型。构建了以交通运行状态、信息效用、出行满意度为一级指标的出行引导评价指标体系。在此基础上采用主成分分析确定指标权重,接着采用极小型指标评价法将出行引导评价划分成4个等级:优(<0.180)、良(0.180~0.281)、中(0.281~0.558)、差(>0.558)。
(4)案例分析。选取第十八届中国国际农产品交易会作为本文研究的重大活动。基于重大活动期间出行方式选择显著影响因素,利用改进密度峰值聚类算法进行群体聚类。利用轮廓系数和Jaccard系数确定最佳的聚类评价指标为:性别、收入、学历、可支配小汽车数量、出行时刻、同行人数。其中轮廓系数和Jaccard系数分别为0.362、0.569,最终将活动出行个体划分为4个群体。利用灰色关联模型和Apriori关联算法辨识群体出行偏好,其中群体1偏好公交出行,其关联度为0.80。群体2偏好轨道出行,其关联度为0.91。群体3偏好出租/网约车,其关联度为0.91。群体4偏好小汽车出行,其关联度为0.85。最后根据问卷调查数据和活动区域交通状态数据,利用本文提出的出行引导评价模型计算出行引导评价等级为良(0.279)。
本文主要以重大活动为研究对象,通过对活动期间个体出行特征的数据分析,构建了基于MNL模型的出行方式选择模型,辨识出重大活动出行方式选择显著影响因素。基于密度峰值聚类(DPC)算法划分出行群体,用轮廓系数和Jaccard系数判断聚类效果,进而确定群体聚类特征指标及其群体划分结果。基于灰色关联模型和Apriori关联算法计算群体出行偏好,并根据群体偏好制定群体出行引导策略,并针对群体发布相应的交通出行引导信息,实现基于群体偏好的出行引导。最后构建交通出行引导评价指标体系对出行引导效果进行评价。本文的主要研究内容如下:
(1)重大活动期间个体出行方式选择显著影响因素。根据重大活动出行特征,在影响因素方面新增了出行时刻、同行人数、距轨道站步行时间三个影响因素。构建基于MNL模型的出行方式选择模型,模型结果表明:学历、月收入、可支配小汽车数量、同行人数、出行时刻、距轨道站步行时间对参加活动个体出行方式选择具有显著影响。
(2)基于群体偏好的出行引导。在密度峰值聚类算法基础上,针对算法截断距离(dc)取值过于依靠主观经验判断,引入基尼系数(G)使得取值更为客观。采用灰色关联模型和Apriori关联算法辨识群体出行偏好,最后对重大活动期间出行群体信息需求进行分析,为基于出行引导策略的引导信息发布奠定基础。
(3)构建出行引导评价模型。构建了以交通运行状态、信息效用、出行满意度为一级指标的出行引导评价指标体系。在此基础上采用主成分分析确定指标权重,接着采用极小型指标评价法将出行引导评价划分成4个等级:优(<0.180)、良(0.180~0.281)、中(0.281~0.558)、差(>0.558)。
(4)案例分析。选取第十八届中国国际农产品交易会作为本文研究的重大活动。基于重大活动期间出行方式选择显著影响因素,利用改进密度峰值聚类算法进行群体聚类。利用轮廓系数和Jaccard系数确定最佳的聚类评价指标为:性别、收入、学历、可支配小汽车数量、出行时刻、同行人数。其中轮廓系数和Jaccard系数分别为0.362、0.569,最终将活动出行个体划分为4个群体。利用灰色关联模型和Apriori关联算法辨识群体出行偏好,其中群体1偏好公交出行,其关联度为0.80。群体2偏好轨道出行,其关联度为0.91。群体3偏好出租/网约车,其关联度为0.91。群体4偏好小汽车出行,其关联度为0.85。最后根据问卷调查数据和活动区域交通状态数据,利用本文提出的出行引导评价模型计算出行引导评价等级为良(0.279)。