基于面板数据的宁杭城际出行方式选择行为研究

交通运输系统工程与信息 ›› 2015, Vol. 15 ›› Issue (1): 226-231.

• 案例分析 • 上一篇

基于面板数据的宁杭城际出行方式选择行为研究

吴麟麟^a，张明岩^a，汪洋^*b

江苏大学a. 汽车与交通工程学院；b. 电气信息工程学院，江苏，镇江212013

收稿日期:2014-09-16 修回日期:2014-12-25 出版日期:2015-02-25 发布日期:2016-02-25
作者简介:吴麟麟( 1970- ) , 男, 江苏泰兴人, 副教授，博士.
基金资助:
国家统计局项目(2010LC53); 教育部人文社科基金项目(11YJA630152); 江苏省六大人才高峰项目(2011ZBZZ043).

Analysis of Ninghang Intercity Travel Mode Choice Behavior Based on Panel Data

WU Lin-lin^a，ZHANG Ming-yan^a，WANG Yang^b

a. School of Automotive and Traffic Engineering, b. School of Electrical and Information Engineering; Jiangsu University, Zhenjiang 212013, Jangsu，China

Received:2014-09-16 Revised:2014-12-25 Online:2015-02-25 Published:2016-02-25

摘要/Abstract

摘要：

随着中国城市群的快速发展，城际交通出行环境发生了巨大的变化，因此城际出行者也会不断地重建自己的出行习惯，这就要求建立动态模型研究城际出行者出行行为和预测城际交通需求.本文调查出行者在宁杭城际高铁开通前后两个时期的出行信息，并且引入状态依赖变量表征出行者之前选择结果对之后出行选择的影响，建立了基于面板数据的城际出行方式选择动态模型.模型结果表明，基于面板数据的动态模型比传统的基于出行者单次出行数据的模型拥有更高精度.同时本文根据宁杭城际出行背景设置三组政策变化方案预测出行分担率，结果表明，当选择环境发生变化时，传统模型会高估出行方式分担率的变化程度.以上结论能更好地服务于中国城际交通的规划.

关键词: 综合交通运输, 动态模型, 面板数据, 城际交通, 出行方式

Abstract:

With the rapid development of Chinese urban agglomeration, new modes of intercity transport constantly emerge and the old ones are also continuously improved, which leads the intercity travelers to restructure their travel habits constantly. Thus, there is a need to build a dynamic model to study the intercity travel behavior of travelers and forecast travel demands. In this context, travel information before and after the opening of Ninghang Intercity Railway was investigated. The state dependence variable is introduced to express the effect of previous intercity travel mode choice decision on latter travel mode choice, the dynamic model of intercity travel mode choice is established based on panel data of two waves. The results indicate that the dynamic model performs better than the traditional models which only concern one wave travel data. According to the background of Ninghang intercity travel, three predicted policy scenarios are set to predict the mode spilt, the results show that the traditional model would overstate the degree of the change of mode spilt. The above conclusions can better serve for the Chinese intercity transportation planning.

Key words: integrated transportation, dynamic model, panel data, intercity transportation, mode choice

中图分类号:

U125

吴麟麟，张明岩，汪洋. 基于面板数据的宁杭城际出行方式选择行为研究[J]. 交通运输系统工程与信息, 2015, 15(1): 226-231.

WU Lin-lin，ZHANG Ming-yan，WANG Yang. Analysis of Ninghang Intercity Travel Mode Choice Behavior Based on Panel Data[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(1): 226-231.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18949.shtml

http://www.tseit.org.cn/CN/Y2015/V15/I1/226

参考文献

[1] 王孝之, 赵胜川, 闫祯祯. 基于Rank Logit模型对城际交通分担率的计算方法研究[J]. 交通运输系统工程与信息, 2012, 12(2): 138-143.[WANG X Z, ZHAO S C, YAN Z Z. Intercity transport mode spilt calculation method based on rank logit model[J]. Journal of Transportation Systems Engineering and Information Technology.2012, 12(2): 137-143.]

[2] 陈颖雪, 董治, 吴兵, 等. 基于选择方案抽样调查的城市群低频率出行行为研究[J]. 中国公路学报, 2013, 26(3): 158-163. [CHEN Y X, DONG Z, WU B et al. Study on low-frequency intercity travel behavior of urban agglomeration based on choice- based sampling survey[J]. China Journal of Highway and Transport, 2013, 26(3): 158-163.]

[3] Kitamura R. Panel analysis in transport planning: an overview[J]. Transport Research, 1990, 24A(6): 401- 415

. [4] Thøgersen J. Understanding repetitive travel model choices in a stable context: a penel study approach[J]. Transportation Research Part A, 2006, 40: 621-638.

[5] Cantillo V, Ortúzar J de D, Williams L G. Modeling discrete choices in the presence of inertia and serial correlation[J]. Transportation Science, 2007, 41(2): 195- 205.

[6] Yáñez m F, Cherchi E, Hevdecker B G et al. On the treatment of repeated observations in panel data: efficiency of mixed logit parameter estimates[J]. Netw Spat Econ, 2011, 11: 393-418.

[7] Gärling T, Axhausen K W. Introduction: habitual travel choice[J]. Transportation, 2003, 30: 1-11.

[8] Garvill J, Marell A, Nordlund A. Effects of increased awareness on choice of travel mode[J]. Transportation, 2003, 30: 63-79.

[9] Srinivasan K K, Mahmassani H S. A dynamic kernel logit model for the analysis of longitudinal discrete choice data: properties and computational assessment[J]. Transportation Science, 2005, 39(2): 160- 181.

[10] Train K. Discrete choice methods with simulation(second edition) [M]. Cambridge: Cambridge University Press, 2009: 137-147.

[1]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[2]	王永, 谭克虎, 张娟. 基础设施公私合营模式融资影响因素及空间溢出效应研究[J]. 交通运输系统工程与信息, 2021, 21(4): 47-53.
[3]	戈艳艳，王姗姗. 考虑碳排放的港口全要素生产率及影响因素分析[J]. 交通运输系统工程与信息, 2021, 21(2): 22-29.
[4]	吴群琪，王佳彬，王睿，孙启鹏. 基于出行剩余理论的运输方式选择研究[J]. 交通运输系统工程与信息, 2021, 21(1): 2-7.
[5]	杨亚璪，李全森. 基于面板数据的乘用车购买偏好分析[J]. 交通运输系统工程与信息, 2021, 21(1): 227-232.
[6]	骆晨，董青，姚擎，张海荣，王倩茹. 突发公共卫生事件持续期居民中长距离出行方式选择行为研究[J]. 交通运输系统工程与信息, 2020, 20(6): 57-62.
[7]	左大杰，肖国胜，王孟云. 产业转移背景下西部运输需求的完全分解模型[J]. 交通运输系统工程与信息, 2020, 20(5): 15-20.
[8]	冯涛，彭其渊，陶思宇，陈昕梅. 站城融合模式下既有铁路车站城市功能开发体量预测研究[J]. 交通运输系统工程与信息, 2020, 20(5): 21-28.
[9]	叶菲菲，杨隆浩，王应明，蓝以信. 基于数据包络分析和扩展置信规则库的交通运输业环境治理成本预测[J]. 交通运输系统工程与信息, 2020, 20(3): 20-27.
[10]	周晓晔，崔瑶，何亮，马小云，王思聪. 基于地铁—货车联运的物流配送路径优化[J]. 交通运输系统工程与信息, 2020, 20(3): 111-117.
[11]	骆晨，李想，钟林峰，胡姗姗. 基于家庭属性差异的大学生出行方式选择行为研究[J]. 交通运输系统工程与信息, 2020, 20(3): 227-232.
[12]	诸立超，刘昭然. 托运人在不同时空下的选择行为差异揭示[J]. 交通运输系统工程与信息, 2020, 20(1): 27-32.
[13]	姚荣涵，梁亚林，刘锴，赵胜川，杨澜. 考虑合乘的共享自动驾驶汽车选择行为实证分析[J]. 交通运输系统工程与信息, 2020, 20(1): 228-233.
[14]	项昀，徐铖铖，于维杰，华雪东，王炜. 基于人口迁徙大数据的城市对外交通客运方式优势出行距离研究[J]. 交通运输系统工程与信息, 2020, 20(1): 241-246.
[15]	申婵，崔洪军. 基于可靠性最短路的实时定制公交线路优化研究[J]. 交通运输系统工程与信息, 2019, 19(6): 99-104.

基于面板数据的宁杭城际出行方式选择行为研究

Analysis of Ninghang Intercity Travel Mode Choice Behavior Based on Panel Data

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics