（交通运输规划与管理专业论文）基于RPSP数据的轨道交通及其衔接方式的选择模型.pdf

ad i s s e r t a t i o ns u b m i t t e dt o s o u t h e a s tu n i v e r s i t y f o rt h ea c a d e m i cd e g r e eo fm a s t e ro f e n g i n e e r i n g b y g u t i a n q i s u p e r v i s e db y p r o f c h e nx u e w u s c h o o lo f t r a n s p o r t a t i o n s o u t h e a s tu n i v e r s i t y d e c 2 0 0 9 1 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我 一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名： 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印 件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质 论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括 刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研究生院办理。 躲厦粤翩躲隘址日期：一l 摘要 摘要 在新引入轨道交通的阶段，对轨道交通在全方式出行中的比例的研究具有非常现实的意义，其预测结 果是轨道规划、建设、运营的重要依据。特别的，在全局基础上的轨道站点与其他交通方式的换成比例研 究对细部的建设和运营工作能提供进一步的指导。然而，目前普遍缺少一套可靠的调查手段来实现模型数 据的收集，针对出行+ 换乘的两阶段模型流程、数据检验和特征数据集计提取上不够完善。 基于以上背景，本研究以r p + s p 联合调查技术为依据，对居民出行选择行为、以及交通方式与居民 出行选择行为的相关性进行研究，得出影响出行者出行方式选择的典型影响因素，并以此进行调查方案设 计，应用在苏州轨道交通l 号线的r p + s p 调查实例。通过试算确定调查数据建立现有交通方式的n r m 模 型，即面向现有交通方式的第一阶段选择模型；进而引入s p 数据，在数据处理之后，建立基于出行意向 和实际数据的轨道交通选择模型r c m 和换乘的非集计模型t c m ，即面向新引入交通方式的第一阶段出行 选择模型和第二阶段换乘选择模型，并加以检验和改进。结果表明：本研究的交通调查可以取得完整而有 效的数据完成后续建模工作，其问题多属性的设置还有利于数据挖掘t 作。构建的三个功能模块( n r m ， t c m ，r c m ) 环环相扣，现有分担率数据能很好的证明n r m 模犁的精确性，而r c m 和t c m 模型能通 过严谨的非集计模型评价体系检验，在给定条件下较好的进行预测。 在成果上，不同于以往对轨道交通方式分担率的预测研究，本文首先提出了一套区别于传统的交通调 查的完整的r p + s p 联合调查技术方法，保证了数据的客观精确；并针对s p 建模中意向偏差的问题引入了 一个全新的修正算法一轨道可达性矩阵算法进行修正；通过良好的调查设计和对调查数据的深度挖掘， 提出了一个两阶段的模型，通过三个相互关联的模型功能模块实现现状、未来交通方式的分担率预测。此 外在进行苏州轨道交通实例应用时，深入挖掘调查数据，结合平行研究成果，通过特征变量的提取和集计 技术对苏州轨道交通l 号线各类站点的换乘衔接分担率进行了模型应用。 关键词：城市轨道交通，r p + s p 联合调查技术，m n l 模型，分担率预测，伪数据剔除方法 a b s t r a c t a b s t r a c t d u et oi t sc a r d i n a li m p a c ti nu r b a nt r a n s p o r t a t i o ns y s t e m ，t h eu r b a nr a i l w a yt r a n s p o r t a t i o n ss h a r i n g r a t i n gf o r e c a s t i n gi sa l w a y si m p o r t a n ti ne v e r ys t a g eo fr a i l w a y sc o n s t r u c t i o na n do p e r a t i o n i ti sa l l u r g e n tq u e s t i o nt ot h o s ew h i c ha r ej u s tw i l l i n gt oi n t r o d u c i n gt h e i rf i r s tr a i l w a yl i n e ，e s p e c i a l l yi n n o w a d a y s w h e nm a s si n f r a s t r u c t u r ec o n s t r u c t i o n sa r ep r e v a i l e di nc h i n a y e tt h er e l a t i v es u r v e y m e t h o di sl a c k e d t h ef u l lp r o c e d u r eo fc o m m u t em o d e l i n gi ss e l d o mr e s e a r c h e d 。a sw e l la st h ed a t a e l i m i n a t i n gt e c h n o l o g ya n dc h a r a c t e r i s t i cv a r i a b l e sa g g r e g a t i n gt e c h n o l o g y b e g i nf r o mt h i s ，t h i sp a p e rg a i n ss u p p o r t i n gd a t af r o mar pa n ds pj o i n ts u r v e y at w o - s t a g e m o d e l - i n c l u d i n gt h ef i r s tm o d ec h o o s i n gs t a g e h a n dt h et r a n s f e r r i n gm o d ec h o o s i n gs t a g e i sb u i l t t h e s et w om a k eu pt h ec o r ec o n t e n t so ft h i sr e s e a r c hp a p e r b a s e do nj o i n ts u r v e yt e c h n o l o g y , t h ep a p e rf i r s t l ya n a l y z e dt h ec o m m u t e r s c h o i c ep a a e mo f t r a n s p o r tm o d eb yu s i n gm u l t in o m i n a ll o g i ts p e c i f i c a t i o n su n d e r t h ec i r c u m s t a n c et h a tan e wu r b a n r a i l w a yi sg o i n g t ob ei n t r o d u c e dt ol o c a lt r a n s p o r t a t i o ns y s t e m a f t e rt h eq u e s t i o n n a i r ei sd e s i g n e d ， i ti su s e di ns u z h o ul i g h tr a i l w a yt og a i nr pa n ds pd a t a t h e nt h ed a t ai sp r o c e s s e dt ob u i l dn r m ， r c ma n dt c m t h e s ea r et h r e ei n t e r a c t i v em o d e l s ，w h i c hh a v eb e e nt e s t e d ，v a l u a t e da n di m p r o v e d t h ee v a l u a t i o nr e s u l ts h o w st h a ti tc o u l df a i r l yf i tt h ea c t u a ls i t u a t i o nw e l la n dc o u l dp a s st h es t r i c t t h e o r yt e s ts y s t e m t h ea u t h o rp u t sf o r w a r dt h r e em a j o ri n n o v a t i v ea c h i e v e m e n ti nt h i sr e s e a r c h a nu n i q u er p + s p j o i n ts u r v e yt e c h n o l o g yt oe n s u r et h em o d e l i n gd a t a ；a nf a l s es pd a t ae l i m i n a t i n gm e t h o d o l o g yt o f i l t e rt h eb i a s e ds pd a t a a n df i n a l l y , a na g g r e g a t i n gm e t h o d o l o g yi sp r o p o s e do nc h a r a c t e r i s t i c v a r i a b l e ss ot h a tt h em o d e lc o u l db eu s e di nr e a lf o r e c a s t i n gp u r p o s e k e y w o r d s ：u r b a nr m l w a ys y s t e m ；r p + s pj o i n tq u e s t i o n n a i r es u r v e yt e c h n o l o g y ；m n lm o d e l ； s h a r er a t ea n dt r a n s f e r r i n gr a t ef o r e c a s t i n g ；f a l s ed a t ae l i m i n a t i n gm e t h o d i i 目录 摘要i a b s t r a c t i i 目录i i i 第一章绪论l 1 1 选题的意义和背景l 1 2 交通方式选择研究概述2 1 2 1 集计的交通方式选择模型2 1 2 2 基于非集计数据的交通方式选择模型2 1 2 3s p 交通调查的研究方面3 1 2 4 现有理论研究总结4 1 3 本文研究对象、目标、内容4 1 3 1 研究对象内涵界定4 1 3 2 研究目标5 1 3 3 研究内容5 1 3 4 研究技术路线6 1 4 章节安排6 第二章针对引入新交通方式的r p + s p 联合调查技术7 2 1 出行与换乘两阶段模型对调查的约束性问题7 2 1 1 变量筛选方法7 2 1 2 模型的评价指标体系8 2 2r p + s p 联合调查的优势1 0 2 3r p + s p 联合调查方案对数据的要求1 1 2 3 1 对r p 数据与s p 数据的分类要求1 1 2 3 2 数据的时空性要求1 1 2 3 3 变量数量、类型、水平要求1 1 2 4 调查样本与抽样方法13 2 4 1 模型估计所需样本估算方法1 3 2 4 2s p 样本的扩充方法1 5 2 4 3 专项调查的抽样方法1 5 i i i 2 4 4 专项s p 调查的必要性1 6 2 5 本章小结1 7 第三章调查案例分析1 8 3 1 背景介绍1 8 3 2 调查内容与目的1 9 3 2 1 调查内容1 9 3 2 2 调查目的1 9 3 3 样本来源1 9 3 3 1 抽样范围和抽样方式1 9 3 3 2 抽样空间和年龄特征分布情况2 0 3 4 变量和问卷设计2 1 3 4 1 变量设计2 1 3 4 2 敏感调查项目反馈2 2 3 4 3 调查项目的水平设置依据和实现方法2 2 3 4 4 问卷设计2 3 3 5 调查结果初步分析2 4 3 5 1 全方式通勤出行特征分析2 4 3 5 2 轨道交通意向使用者特性分析2 7 3 6 本章小结3 2 第四章引入新交通方式条件下的出行方式选择模型。3 3 4 1 模型的选用、基本假设和构建流程3 3 4 1 1 模型的选用3 3 4 1 2 模型逻辑关系的基本假设和主要功能模块3 3 4 1 3 模型构建流程3 4 4 2 数据准备3 5 4 2 1 数据结构3 5 4 2 2 分担率模型和函数的抽象表示3 6 4 2 3 列联表检验分析进行数据预处理4 0 4 2 4r c m 和t c m 的样本扩样4 l 4 3n r m 模型构建4 1 i v 4 3 1 模型评价4 3 4 3 2 模型改进及模型的确定4 5 4 3 3n r m 模型的最终确定和回归系数的解释4 6 4 4r c m 模型构建4 8 4 4 。1s p 数据的有偏性及修正方法的理论假设4 9 4 4 2 s p 数据优化方法一轨道可达性矩阵法5 0 4 4 3 参数估计及模型评价5 3 4 4 4 模型改进以及最终形式5 4 4 5 本章小结5 6 第五章轨道站点交通换乘分担率预测模型及应用5 7 5 1t c m 模型构建及集计方法5 7 5 1 1t c m 模型构建5 7 5 1 2 集计方法选择5 8 5 2t c m 模型应用实例5 8 5 2 1 特征变量的集计流程和内容5 8 5 2 2 修正后的每类站点特征变量提取5 9 壤 5 2 3 模型输入和结果6 4 5 3 本章小结6 5 第六章结论和展望6 6 6 1 本研究的主要创新点和成果6 6 6 2 模型进一步研究方向6 7 6 3 对建模关键步骤的思考和展望6 8 致谢7 l 参考文献7 2 攻读硕士学位期间发表论文及参与科研情况7 5 附录7 6 v 第一章绪论 第一章绪论 1 1 选题的意义和背景 城市轨道交通，以轨道交通和地铁为代表，具有大运量、准时、快捷的优点。目前我国很多城市都在 规划或者已经开始建设城市轨道交通。建立以快速轨道交通为骨架，以常规公交为主体，多种交通方式相 互协调的综合客运交通体系是解决我国大城市普遍存在的客运交通需求与交通供给之间矛盾的根本出路。 轨道交通方式划分和其衔接方式的研究是指在轨道交通规划、建设、运营各阶段，在一定的区域范围， 对于包括轨道交通在内的交通方式划分的研究，以及轨道交通与其他交通方式衔接换乘的研究。 在轨道交通规划和建设的各个阶段中，轨道交通方式划分和其衔接方式选择的研究和预测是十分重要 的一环。对于规划部门，交通方式划分是是轨道交通客流预测四阶段中的一个重要环节，是进行轨道交通 规划、设计、建设以及运营各项工作的基础，决定了轨道交通发展的模式、路网规模、线路走向、枢纽设 置及其内部空间的布局：对于政府的管理部门，由于轨道交通区域交通骨架的地位，客观的方式选择研究 和预测结果可以帮助从整体上把握片区、城市和区域的交通条件和供求关系，从而制定合理的政策协调区 域的发展，是轨道交通项目投资决策的依据和项目评估的基础：对于公共交通、特别是轨道交通的运营单 位，关于方式选择的研究结果直接与线路客流和站点升降量相关，是制定运营、票制票价政策的重要依据； 而对于出行者来说，作为交通行为产生的终端和交通政策影响的终端，其与轨道交通选择的关系更是互相 反馈，互相交织，是宏观交通的微观体现，关系到日常生活的方方面面。 然而，目前在研究方法领域：轨道交通方式划分阶段，以传统四阶段预测法为代表的集计模型虽然运 用广泛、技术相对成熟，但是存在着预测所需调查样本大、交通小区划分具有主观性、处理样本时间长及 模型的可转移性差等缺陷。国外常用的方式转移曲线等方法需要大量的面板数据作为支撑，由于普遍存在 历年基础数据的缺失情况，国内较难实现。而另一种广泛应用的非集计研究，缺乏对r p + s p 联合调查的 技术手段、模型的构建检验过程的体系的构建。采用非集计研究手段时，针对成熟的轨道交通网络的方式 选择研究开展的相对充分，而针对新引入的单线轨道交通的研究相对较少，主要由于影响单线轨道方式选 择的冈索较为复杂。而针对站点换乘衔接的选择研究是换乘客流预测的重要步骤，在相关研究中也较少涉 及。 本研究在这种背景下展开，针对轨道交通方式划分中集计模型的缺陷和不足，设计合理的基于现状和 意向( r p + s p ) 联合交通调查方案，核心在于以实际和意向数据作为参数建立随机效用函数来得到轨道交通 方式出行选择的多阶段非集计模型，也就是第一次出行方式选择以及换乘衔接中产生的第二次交通方式选 择。从而达到预测轨道交通沿线各类出行选择的分担率、换乘的交通方式的分担率等目标。对于轨道交通 的规划、设计、建设、运营各个层面均有非常重要的实践价值与指导意义，并可作为政府部门的决策的有 效依据。 东南大学硕士学位论文 本论文依托于2 0 0 8 年苏州市科技计划轨道交通专题项目( 编号z x j 0 8 0 4 ) “苏州轨道交通 与地面交通一体化衔接”项目和博士点基金项目( 2 0 0 7 0 2 8 6 0 11 ) 开展研究工作。 1 2 交通方式选择研究概述 对轨道交通方式选择的研究一般使用交通方式划分的方式加以实现。通常按照数据来源不同，从微观 宏观角度将常用的交通方式划分模型和方法可以分为两大类：一类是集计( a g g r e g a t i n gm e t h o d ) 的数据方 法和模型：一类是非集计( d i s a g g r e g a t i n gm e t h o d ) 的数据、方法和模型。前者以数理统计为基础，一般 以交通分区为研究单位，将个人和家庭的原始资料进行统一处理：后者以概率论为基础，将个体的原始资 料不加任何处理直接用来构造模型。 1 2 1 集计的交通方式选择模型 集计模型开发较早，操作相对简单。一般，为了保证模型的精度，要求相当规模的样本容量，而且在 统计求和过程中没有充分利用个体的全部调查数据，一般会存在一定信息浪费。此外，集计方法所需要的 调查费用是很高的。 主要有转移曲线法，函数模型法，损失最小模型，重力模型的转移型等【l j 。 表1 1 主要集计模型介绍 转移曲线法函数模型法损失最小模型重力模型转移型 优能开发出满足不同精度要求的交通方式 简单、方便方法简单、易理解理论基础严谨 点划分模型函数 缺 需要大量调查资料，只能反 对出行者的描述不是阻抗趋于零时，交通 模型函数的标定比较困难 点映变化较小的情况很全面量趋于无穷大 1 2 2 基于非集计数据的交通方式选择模型 非集计方法的分析对象是个体，将个体原始数据不加任何统计处理直接用来构造模型，它的特点是： 调查所得到的个人数据得到了充分利用，所需样本容量小。相对于集计方法，非集计方法有要求样本小、 预测精度高等优点，所以备受关注。目前开发出来的非集计模型种类很多，有l o g i t 模型、p r o b i t 模型、 以及l o g i t 模型的改进模型。 ( 1 ) 非集计模型建模的理论基础研究 非集计模型的交通领域的理论基础可以追溯到上世纪7 0 年代，计量经济学家、诺贝尔奖获得者d a n i e l l m c f a d d e n 的“随机效用模型”( r a n d o mu t i l i t ym o d e l 或r u m ) 和d o m e n c i c h 基于最大效用理论提出的离 散选择模型。并由m o s h eb e n - a k i v a 引入交通需求预测领域，他们以概率论为理论基础，从非集计的角度 对方式划分问题展开了研究，将模型推入实用阶段。八十年代后有了较大的发展，它以明确的行为假说为 基础，借用经济学的效用理论，以个体为研究对象，对于个体选择行为的解释性较强【2 1 。 2 第一章绪论 它的基本思想是：交通方式选择是乘客个人实施的行为，而o d 交通量中的分担率是在个人基础上的 综合。因此，它是将个人数据不经过处理而直接用来构造模型的分析方法。 ( 2 ) 交通方式选择模型研究 作为非集计模型主流研究方向，对交通方式选择以及其衍生内容时间价值、换乘费用等问题的研 究一直是国内外研究人员的研究重点。m a r i ab o r j e s s o n 在2 0 0 6 年运用s p r p 数据建立了混合l o g i t 模型来 对斯德哥尔摩地区轨道交通与其他交通方式出行时间进行分析【3 1 ，a o i f ea a h e m ( 2 0 0 5 ) 运用s p r p 数据 建立选择模型考察爱尔兰出行者对当地城际铁路和巴士的选择偏好，类似的，r a q u e le s p i n o ，j u a nd ed i o s o r t u z a r ( 2 0 0 6 ) ，e l i s a b e t t ac h e r c h i ( 2 0 0 3 ) 【4 l 【副，m o h a m e da ( 1 9 9 8 ) 等人都通过s p 和r p 数据建立复合的非集 计模型以弥补仅使用s p 数据时主观意向与客观选择的偏差问题1 6 1 。这类应用都是着眼于s p 和r p 数据对 某一新引入的交通方式( 以城市轨道交通为主) 进行评估预测、或者对政策运营进行敏感性分析。 ( 3 ) 换乘交通方式选择模型研究 根据以往的研究可知，出行者对衔接方式的选择，不仅与衔接交通方式的服务水平有关，而且与出行 者个人因素密切相关；同时，衔接交通方式的服务水平也影响到出行者对城市轨道交通的使用。出行者对 衔接方式的选择，通常是在选择使用城市轨道交通的基础上做出的二次选择。针对此种衔接方式选择行为。 一般在对数据初步分析的基础上。建立n l ( n e s t e dl o g i t ) 或h l ( h i e r a r c h i c a ll o g i t ) 式的选择。 为了确保城市轨道交通与其它交通方式有良好的衔接性，近年来国内外研究人员从多个角度对衔接方 式进行了研究。b r o w nc w ( 1 9 8 5 ) 在q u e e n ss u b w a yo p t i o n ss t u d ys t a t i o na c c e s sf o r e c a s t s ) ) 【7 l l 文中针 对纽约地区的一个地铁站衔接客流建立的m l 模型( m u l t i n o m i a ll o g i tm o d e l ) ，用以预测各衔接方式所占 的比例。王志文在 n e s t e d _ l o g i t 模型在轨道交通衔接方式选择中的应用中考虑了多层次的出行选择， 即首次出行交通方式选择和第二次的换乘选择，针对轨道交通与其他交通方式的换乘提出了分层的l o g i t 模型【8 】o 1 2 3s p 交通调查的研究方面 s p 调查起源于经济学领域，作为一个市场研究工具来了解消费者对于不同产品或服务的接受程度。在 2 0 世纪7 0 年代末，英国开始尝试将s p 调查引入到交通问题研究之后，美国、澳大利亚等也进行了类似的 调查研究。直到1 9 8 3 年，l o u r i e r e 和h e n s h e r 将s p 调查运用到城市居民的交通方式选择研究后，s p 调查 才开始在交通领域广泛应用。1 9 8 9 年运输经济与政策学报上出版了运输领域的s p 方法研究专辑， 使s p 调查在交通领域得到了进一步推广。几十年的实践证明，s p 调查方法已越来越成为交通行为研究的 一种重要工具。目前已应用于出行方式选择研究。 关宏志在非集计模型交通行为分析的工具一书中集中对比介绍了集计和菲集计模型的优缺点。 重点对以各种l o g i t 模型为代表的非集计模型的原理、种类、推导过程及其应用，并详细阐述了s p 调查的 设计方案。 类似的，赵鹏等在s p 调查方法在交通预测中的应用一文中对s p 和r p 调查的优缺点进行了对比 3 东南大学硕士学位论文 性分析，总结出了s p 调查相对r p 调查的一些优势：调查人员可以有目的地设定交通方式( 或交通政策) 及 交通服务水平，在新的交通方式开通( 或交通政策实施) 以前，可以很好地预测开通( 实施) 后的交通变化情 况，利用所设计的不同方案，从一个被调查者( 回答者) 得到多个数据，从而提高调查的效率。主要缺点是， 从回答者得到的多个数据可能与回答者的实际行动并不一致，从而产生一定的偏差。【9 1 在基于非集计模型的调查上，目前国内外学者主要是寻求r p 和s p 数据的融合，取二者之长，去二者 之短，取得不错的效果。r p + s p 数据常被用于道路交通安全、交通环境污染、驾驶员路径选择等，逐渐弥 补了单一r p 数据的缺陷。 1 2 4 现有理论研究总结 综上所述，现有的文献在出行行为选择和交通方式划分等方面都分别取得了不少的研究成果。但也存 在如下一些不足之处： 1 没有成熟的非集计模型调查技术：传统的四阶段调查方法相对比较成熟，如居民出行o d 调查， 调查内容、步骤、实施等基本定型，可以说是有一个成型的模版。然而基于非集计模型的调查技术并不成 熟，多数是首先构造效用函数，从效用函数的形式出发，调查选择特性变量。不同的问题其效用函数形式 不一致，因而其调查对象( 特性变量) 也会随之改变。 2 衔接换乘模型研究有限：研究多集中于对交通方式选择和衍生内容的研究。至于对于站点的衔接 分担率的研究理论和务实运用较少，特别是国内的研究还只是以讨论、概论、理解为主，特别是公交系统 的衔接一般研究较少，欠缺和常规公交一体化衔接的系统研究。 3 模型移植性较差：个人属性和选择偏好是随着交通条件的不同而发生变化的，甚至不同城市、不 同历史时期的个人属性和选择偏好也会有所不同。其随时空变化的特性使得非集计模型的构建过程具有地 理和时期的局限性。此外，国外模型理论体系虽然比较成熟，但均是基于国外城市交通规划而建立的，模 型定参问题不可能照搬照抄。 1 3 本文研究对象、目标、内容 1 3 1 研究对象内涵界定 研究对象：轨道交通、主要是新引入的尚未成网的单线轨道交通在全市范围内的方式选择及在站点衔 接时与其它各交通方式的换乘选择。 所谓尚未成网的单线轨道交通是指城市中新规划、建设但是尚未开通的轨道交通服务。 特别的，由于通勤交通在日常交通中的主要地位，而且其即有规律性明显的特点，本文在研究交通方 式选择中主要考察通勤交通的交通方式；其中轨道站点的换乘行为定义为某站点由轨道换乘其他交通方式 ( 包括步行) 以及由其他交通方式换乘轨道的行为( 包括步行) 。 4 第一荦绪论 1 3 2 研究目标 ( 1 ) 针对规划、建设中的轨道线路，利用r p + s p 联合调查技术并实施调查方案，特别是通过情景卡 片的设计得到真实可信的意向选择数据；体现r p + s p 联合调查技术可以实现针对未开通的新交通方式的 预测功能，并实现模型的可控性。 ( 2 ) 得到一套基于r p + s p 数据的模型来实现针对新引入的轨道交通沿线的各交通方式分担率，以及 换乘衔接时采用其它交通方式的分担率即考虑出行和换乘两阶段的出行模式。 ( 3 ) 形成一套模型构建的基本步骤包括数据处理、检验和改进技术，并解决s p 数据去偏和模型 特征变量提取集计的技术问题。 1 3 3 研究内容 ( 1 ) r p + s p 联合调查技术研究：区别于传统的交通调查，r p + s p 联合调查技术有其自身的以个人为 单位特点，对样本、数据也有独特的要求。因此进行非集计调查技术研究，阐释联合调查技术的关键问题。 此部分内容通过理论阐释和调查实例综合实现。 ( 2 ) 两阶段模型的理论假设研究：由于在出行方式选择之外延伸了换乘方式的选择，因此在两阶段 模型建立时需要对其理论基础进行重新的假设解释，重构其理论框架和建模流程。此部分内容通过理论阐 释。 ( 3 ) 模型构建技术研究：针对模型构建的一般过程建立一套完整流程，涵盖数据预处理技术，模型 检验体系的建立和模型改进方法。 ( 4 ) 有偏数据的筛选方法研究：由于意向数据的夸大和有偏性，因此本文在严谨的理论假设基础上 提出一套基于调查的意向数据的筛选修正方法，通过对有偏数据和无偏数据进行对比分析完成对有偏数据 的检验和筛选。此部分研究主要通过理论说明与软件实现。 ( 5 ) 特征变量提取和模型集计技术研究：为了能够实现对全局的预测，我们需要对原来针对个体出 行者的模型进行集计。一是特征变鼍需要进行重新提取，二是模型需要进行集计的计算。此部分研究通过 理论说明和软件实现。 这些内容集中回答了以下7 个问题： ( 1 ) 如何选择合适的模趔处理建模问题： ( 2 ) 如何完成联合调查的样本并得到模型所需要的r p + s p 数据： ( 3 ) 如何设计情景卡片； ( 4 ) 如何成模型构建的基本步骤： ( 5 ) 如何充实换乘衔接阶段的模型构建； ( 6 ) 采用何种数据的集计手段：如何保证数据集计的客观性； 5 东南大学硕士学位论文 ( 7 ) 如何有效减小s p 数据的有偏性。 1 3 4 研究技术路线 以非集计模型的理论基础和调查技术为依据。对居民出行选择行为、以及交通方式与居民出行选择行 为的相关性进行研究，得出影响出行者出行方式选择的典型影响因素。据此设计实际和意向调查方案设计， 并应用在苏州轨道交通1 号线的r p + s p 调查实例。通过试算确定调查数据建立现有交通方式的r p 模型， 进而引入s p 数据，建立基于出行意向和实际数据的轨道交通选择和换乘的非集计模型，并检验和改进。 1 4 章节安排 ，一，f _ - ，- ，- ，- - - ，- - - - - - t l ：i 行方式_ i 圭择的影响因素分析l 匿m , + s p t ；电孽 囤r l 全局的实例应用i r = = = ：= = = ：= = ：，一i 图1 1 本研究技术路线 第一章为绪论，介绍本文研究背景、思路、方法，内容和技术路线。 第二章为r p + s p 联合调查技术研究。 第三章为苏州轨道交通1 号线的r p + s p 联合调查实例分析。 第四章为出行选择模型的构建。 第五章为换乘选择模型的构建和预测实例。 第六章为总结展望。 注：由于需要与参考文献内容保持一致，下文涉及l o g i t 模型的“因变量”与“特征变量”，这两个称 呼可以互相代替，“自变量”与“反应变量”这两个称呼可以互相代替。 6 第二章针对引入新交通方式的r p + s p 联合调查技术 第二章针对引入新交通方式的r p + s p 联合调查技术 在对轨道交通方式分担率进行预测模型的建立之初，最根本的任务是通过一套完整的调查方案获得关 键指标的客观数据。如此一套调查方案应该包括两方面的内容，一是轨道交通r p + s p 调查技术，二是轨 道交通r p + s p 调查的具体实施。 本章将主要介绍轨道交通方式分担的r p + s p 联合调查技术。事实上，在制定调查方案阶段，就需要 对模型的构建有一个全盘的考虑，因此需要首先分析针对新引入的交通方式本研究中为轨道交通 建模中的关键问题，并将其作为约束条件指导调查方案的制定。然后再对联合调查技术的优势，实现的关 键问题以详细阐述。本章的成果为模型建立提供了理论基础和数据来源。其中关于模型评价指标体系和联 合调查方案设计的关键问题是本章重点。 2 1 出行与换乘两阶段模型对调查的约束性问题 本研究重点关注轨道交通方式的选择模型问题，除去非集计模型的关键问题随机项的分布假设及 两类模型的比较、选择项相关性对预测结果的影响和模型参数估计方法这3 项外。还有自身关于引入轨道 交通选择模型求解中的关键问题：模型的变量筛选方法和评价指标体系的建立。解决这两个关键问题的方 法将作为约束条件指导模型调查技术的确立。 2 1 1 变量筛选方法 理论上，针对非集计模型应该将所有可能的特征变量都带入模型，以求模型同归的完整性，但是实际 操作里，由于涉及的变量较多，一般在l o g i t 模型建立前先做一个变最的初步筛选，筛选出与反应变量( 出 行方式) 变化关系不显著的特征变量( 属性) ，以减少后期模型标定的工作，减少数据的冗余。然后在具 体建模中再进行下一层次的筛选。 图2 1 是某种变量列联表检验筛选的流程，变量的筛选合并过程是一个反复试算的过程，并非合并水 平模型就一定能提高整体拟合度和预测效果，这其中需要怎么样合并水平、筛选变量都需要前后反复的对 比检验。在进行如下流程的属性筛选中，一般不能以0 0 5 作为相伴概率的阈值来判断是否筛选变最， 1 0 l l j 在初步分析中的不显著的变量有可能在整体模型中是显著的，如果一个特征变量在其简单关系的检验中有 p 0 3 ，命中率 6 5 要 求。基于以上考虑，本次样本数为5 0 0 份。 2 4 2s p 样本的扩充方法 上文已经论述s p 数据有良好的样本扩充性，即可从一份样本得到多个数据，通过扩充小样本进行有 效分析。设计合理的s p 情景，例如针对一份问卷提出n 个s p 场景，就能从一个调查者中得到n 的s p 选 择。这种样本的可扩充性是存在一定风险额，在样本分布设置均匀合理的情况下，可以认为从一份调查问 卷中提取了n 份s p 数据。但是一旦样本分布不均，或者单个问卷的填写出现错误，将会造成大量样本有 偏、错误被放大的情况，严重影响模型精度。 正式调查中，5 0 0 份问卷，每份问卷设置了7 个出行选择s p 情景和5 个换乘选择s p 情景，也就是说 总共能提取的出行选择为5 0 0 * 7 = 3 5 0 0 个，提取的换乘选择为5 0 0 * 5 = 2 5 0 0 个。 2 4 3 专项调查的抽样方法 常用的抽样方法有以下几种 ( 1 ) 单纯随机抽样( s i m p l er a n d o ms a m p l i n g ) ：将调查总体全部观察单位编号，再用抽签法或随机数 字表随机抽取部分观察单位组成样本。 ( 2 ) 系统抽样( s y s t e m a t i cs a m p l i n g ) 又称机械抽样、等距抽样，即先将总体的观察单位按某一顺序 号分成n 个部分，再从第一部分随机抽取第k 号观察单位，依次用相等间距，从每一部分各抽取一个观察 单位组成样本。 ( 3 ) 整群抽样( c l u s t e rs a m p l i n g ) ：总体分群，再随机抽取几个群组成样本，群内全部调查。 ( 4 ) 分层抽样( s t r a t i f i e ds a m p l i n g ) ：先按对观察指标影响较大的某种特征，将总体分为若干个类别， 再从每一层内随机抽取一定数量的观察单位，合起来组成样本。有按比例分配和最优分配两种方案。 各方法优缺点如下 表格2 _ 4 抽样方法比较 单纯随机抽样系统抽样整群抽样分层抽样 优操作简单，均数、率及相应的标准样本代表性好抽样误 易于理解、简便易行便于组织、节省经费 点误计算简单差减少 1 5 东南大学硕士学位论文 缺总体有周期或增减趋势时，易抽样误差大于单纯随 需要事先确定良好的 总体较大时，难以一一编号 点 产生偏性机抽样分层 以上四种基本抽样方法都属单阶段抽样，实际应用中常根据实际情况将整个抽样过程分为若干阶段来 进行，称为多阶段抽样。 各种抽样方法的抽样误差一般是：整群抽样之单纯随机抽样之系统抽样- 2 _ 分层抽样。 因此选择的样本抽样方式与交通结构构成关联，本文主要针对日常通勤客流，而且侧重考察轨道交通 的潜在客流的交通特性。我们首先观察一下已经开通地铁城市的客流抽样。 根据上海地铁的经验，6 年来上海地铁对乘客的随即抽样调查分析得知，乘坐轨道交通的乘客主要构 成为青壮年。年龄段在2 1 4 0 岁的乘客约占到总客流的7 0 以上，4 1 5 0 岁的乘客约占到l o p a 上，余下 的由2 0 岁以下和5 0 岁以上的构成，约占1 5 左右。乘坐地铁的主要目的：上下班的占3 7 ，因公办事的 占31 ，上学的占1 1 ，余下的2 0 左右主要是私人购物、访亲观光和其他。上下班和上学的这两部分乘 客占总客流量的近5 0 。历年所作的抽样调查虽然不能涵盖所有的乘客，与实际客流构成存在一定的偏差， 但多次随即抽样表明上述