为揭示地铁运营突发中断下滞留乘客出行方式选择机制,明确关键情境因素的影响,基于情境模拟与陈述性偏好调查(Stated Preference,SP)构建考虑方式自身属性的基准多项Logit模型,采用逐步效用修正方法,量化预计恢复时间、天气、出行时间...为揭示地铁运营突发中断下滞留乘客出行方式选择机制,明确关键情境因素的影响,基于情境模拟与陈述性偏好调查(Stated Preference,SP)构建考虑方式自身属性的基准多项Logit模型,采用逐步效用修正方法,量化预计恢复时间、天气、出行时间与目的、剩余行程距离、人群条件及绕行线路可用性对乘客决策影响强度与作用模式,并结合似然比检验(Likelihood Ratio Test,LRT)、赤池信息准则(Akaike Information Criterion,AIC)、贝叶斯信息准则(Bayesian Information Criterion,BIC)与预测误差率评估模型改进效果.研究结果表明:乘客决策表现出强烈的情境依赖与风险厌恶特征;各情境因素作用强度显著不同,其中预计恢复时间影响最大(LR=183.98,预测误差下降1.94%),天气条件次之(LR=102.63,误差下降1.16%),出行目的与剩余行程距离也存在一定影响,周围人群行为与绕行线路可用性则未表现出显著影响;对各公共交通方式的偏好变化具有相似性;而原地等待作为被动选项虽有相当选取率,但在系统风险与情境风险叠加时显著降低;不同交通方式对情境因素敏感度差异明显,确定性高、风险低的方式在突发情境中更具吸引力.展开更多
文摘为揭示地铁运营突发中断下滞留乘客出行方式选择机制,明确关键情境因素的影响,基于情境模拟与陈述性偏好调查(Stated Preference,SP)构建考虑方式自身属性的基准多项Logit模型,采用逐步效用修正方法,量化预计恢复时间、天气、出行时间与目的、剩余行程距离、人群条件及绕行线路可用性对乘客决策影响强度与作用模式,并结合似然比检验(Likelihood Ratio Test,LRT)、赤池信息准则(Akaike Information Criterion,AIC)、贝叶斯信息准则(Bayesian Information Criterion,BIC)与预测误差率评估模型改进效果.研究结果表明:乘客决策表现出强烈的情境依赖与风险厌恶特征;各情境因素作用强度显著不同,其中预计恢复时间影响最大(LR=183.98,预测误差下降1.94%),天气条件次之(LR=102.63,误差下降1.16%),出行目的与剩余行程距离也存在一定影响,周围人群行为与绕行线路可用性则未表现出显著影响;对各公共交通方式的偏好变化具有相似性;而原地等待作为被动选项虽有相当选取率,但在系统风险与情境风险叠加时显著降低;不同交通方式对情境因素敏感度差异明显,确定性高、风险低的方式在突发情境中更具吸引力.
