详情

原文传递城市轨道交通乘客半补偿路径选择行为分析理论和方法

论文题名：	城市轨道交通乘客半补偿路径选择行为分析理论和方法
关键词：	城市轨道交通;出行乘客;路径选择;半补偿行为
摘要：	随着新线不断开通运营，城市轨道交通网络愈加复杂，OD(Origin-Destination，起讫点)对之间的可行路径也越来越多，加剧了乘客出行前路径决策的复杂性。乘客路径选择行为分析，作为出行行为分析的重要组成部分，可为乘客提供个性化路径规划服务，也可为城市轨道交通运营管理部门提供换乘量、线路流量和断面流量等基础数据，以支撑列车运行计划制定、客流组织与调控、票务清分、线网优化、新线接入对既有线网的影响评价等运营管理业务的开展。　　针对在一定的出行目的和选择环境下城市轨道交通乘客的路径选择过程，本文从挖掘乘客的路径选择机理出发，综合分析各种影响因素对有效路径集合生成、最优出行路径选择的影响，构建城市轨道交通乘客路径选择模型，分析乘客路径选择行为。　　(1)分析网络拓扑、运营、调查和刷卡等建模数据的特征，提取乘客路径选择行为影响因素。地铁官网地图与实际地形图之间的差异性，使得表征路径走向对乘客路径选择行为影响的角度费用的作用愈加突出，本文在传统角度费用的基础上，提出了修正的角度费用，以捕捉路径走向偏离程度对乘客路径选择的心理影响。另外，通过对调查数据进行Pareto图分析，提取了包括乘车时间、换乘次数、换乘时间、舒适程度等路径属性在内的乘客路径选择行为的主要影响因素。　　(2)分析乘客对某些因素的容忍限制，揭示有效路径集合生成过程中的非补偿行为，构造基于非补偿行为的有效路径集合生成方法，以反映只有满足一定限制条件的路径才会被考虑成有效路径的现实。通过设定路径容忍度函数，综合考虑乘客对出行时间和换乘次数的容忍，衡量路径被考虑的程度，揭示非补偿行为。为避免将路径容忍度函数中的参数与路径效用函数中的其他参数同时标定的困难，设计了容忍限制调查方案，并提出了基于调查数据估算路径容忍度函数中的参数的方法，得到了有效的结果。　　(3)考虑到有效路径集合生成和从有效路径集合中选择最优路径两个过程的内在关联性，本文基于CMNL(Constrained Multinomial Logit)模型将两个过程关联，提出了半补偿行为下OD对尺度效应和路径重复问题的解决方法，构造了一阶段法的半补偿Logit模型，即SCPSL（Scaled Constrained Path Sized Logit）模型，并给出了参数的外生和内生估计方法，既避免了将两个过程孤立所带来的参数估计偏差，又解决了两阶段法面对较大路径集合时的参数估计困难的问题。其中，半补偿行为是补偿与非补偿行为的结合:当属性值在容忍限制范围内时，某一属性的劣化可以通过改善其他属性以保持路径效用，即补偿行为，该行为是从有效路径集合中选择最优路径过程的准则;当属性值超出容忍限制时，无法通过改善其他属性来保持路径效用，即非补偿行为，该行为是有效路径集合生成过程的准则。最后，基于该模型的边际替代关系分析和弹性分析也显示出路径选择行为具有明显的半补偿特性和随OD对而异的规律。同时，本文将该模型应用于客流需求预测，即使在新线接入条件下也能得到较高的预测精度。　　(4)考虑到乘客路径选择偏好的差异性，基于SCPSL模型，构建了考虑乘客异质性的半补偿路径选择模型。Mixed Logit模型和潜在分类模型是描述乘客选择偏好异质性的最常用方法，但Mixed Logit只注重个体间的差异性，容易忽略乘客的群体特质，即某些乘客较其他乘客更为相似性，使得参数的随机分布容易出现混合特性;而潜在分类模型假定同一类别下乘客的行为具有一致性，忽略了同一类别下个体间的差异性。因此，分别构造了半补偿的Mixed Logit模型和基于潜在分类的半补偿Logit模型，进而将两者进行融合，构造了基于潜在分类的半补偿Mixed Logit模型。同时，根据乘客对路径走向偏离程度的敏感变化率的三种不同心理倾向，构造了角度费用的三种表达方式，对应三个潜在类别，且假设每个潜在类别下的参数都服从于随机分布，形成了基于潜在分类的半补偿Mixed Logit模型(LC-MixedSCPSL)，并设计了将数据扩张技术与马尔科夫链蒙特卡洛法相结合的参数估算方法，参数估计结果显示融合后的模型效果更优。将该模型应用到个性化路径规划服务中，结果显示可为不同乘客提供不同的最优路径。　　(5)考虑城市轨道交通系统中出行时间的随机波动性，基于SCPSL模型，构造了考虑时间可靠性的半补偿路径选择模型（即均值-标准差SCPSL模型）。其中，考虑出行时间的截断性，基于进出站走行、等车、乘车、换乘等不同类型时间服从于截断正态分布的假设，构造了基于刷卡数据的分布参数估算方法。为估算均值-标准差SCPSL模型，分别设计了基于RP(Revealed Preference)调查和刷卡数据的参数估算方法。RP数据样本量小，且不易获得乘客出行时间分布的数字特征，但可获知乘客的实际走行路径和个体属性;刷卡数据样本量大，且易挖掘出行时间分布参数，但无法获知乘客的实际走行路径和个体属性。因此，提出了针对RP与刷卡数据的数据融合技术，并提出了基于融合数据的参数估算方法，得到了更好的参数估计结果。最后，给出了均值-标准差SCPSL模型在票务清分中的应用方法。
作者：	张永生
专业：	交通运输规划与管理
导师：	姚恩建
授予学位：	博士
授予学位单位：	北京交通大学
学位年度：	2016
正文语种：	中文