出行能耗動態反饋下出行方式選擇行為機理與模型

《出行能耗動態反饋下出行方式選擇行為機理與模型》是依託北京交通大學，由衛翀擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：出行能耗動態反饋下出行方式選擇行為機理與模型
• 項目類別：青年科學基金項目
• 項目負責人：衛翀
• 依託單位：北京交通大學

項目摘要

通過自動識別出行方式，安裝於智慧型手機等移動設備上的軟體能夠計算出行能耗，然後將其動態反饋給出行者，從而督促出行者實現節能目標,引導出行者選擇綠色的出行方式。本項目以闡明出行能耗動態反饋下出行方式選擇行為機理為重點展開研究。設計可自適應調節調查問題內容的動態SP調查，基於計算機輔助實施調查，採集在出行能耗反饋作用下連續多天次的出行方式選擇數據。提出行為模型以及參數估計方法，在綜合考慮節能目標、節能獎勵等外部條件的基礎上，揭示出行者在出行能耗動態反饋條件下動態權衡出行方式各項屬性並做出出行方式選擇的機理。發掘出行方式選擇行為的動態變化規律以及多天選擇結果間的關聯。在理解出行能耗動態反饋下出行方式選擇行為機理的基礎上，以提高綠色出行方式的分擔率為目的，探索節能目標最佳化設定策略，分析節能獎勵的節能邊際效益。成果將為運用出行能耗動態反饋引導綠色出行提供理論基礎。

結題摘要

出行能耗反饋下的出行方式選擇決策是一類逐日演進的出行行為。為了克服以往逐日交通行為調查所面臨的問題，本研究從魯棒性、易參與性、適配性等方面入手提出了一種新穎的出行方式選擇行為調查系統設計方法來有效降低出行行為調查過程中所產生的偏差，並開發了相應的手機APP以及雲端後台管理系統。出行能耗反饋下所收集到的出行行為數據是板面數據（panel data）而不是截面數據，因此有必要提出一種適用於分析板面數據的出行方式選擇模型。儘管帶有隨機參數的出行模型已經被成功的套用於分析板面數據來探索多天動態行為之間的聯繫，但是需要注意的是隨機參數模型一般來說無法解釋出行者在出行反饋信息下在屬性感知方面的誤差。本研究通過引入一種多層機率結構有效地在出行行為模型中考慮到了感知誤差，使得我們通過行為調查數據可以量化估計出人們在選擇出行方式時所產生的屬性感知誤差。Markov chain Monte Carlo（MCMC）算法是主流的估計隨機參數的方法。在設計基於MCMC的參數估計算法時我們為全體數據建立一個統一的似然函式。這樣帶來的直接好處是可以避免參數的樣本之間的相關性過高使得Markov鏈快速收斂。我們同時也儘量避免調用Metropolis–Hastings算法抽取樣本，而是基於條件機率採用Gibbs方法從可以寫出緊湊密度函式的機率分布中抽出隨機樣本。出行信息反饋下的出行方式選擇模型的線性補償結構會因人而異產生一定的異質性，我們也探討了設定隨機參數在處理異質性方面的作用。在進行數據採集與分析時，我們考慮到了累計能耗與累計出行費用之間的線性關係，為了避免多重共線問題我們引入了出行者剩餘預算作為反饋信息的屬性變數，驗證了剩餘預算在公共運輸方式以及私人交通出行方式的效用函式中的權重正負相反性。