基于風險模型的城市居民購物出發(fā)時間分布規(guī)律分析.pdf

1、隨著社會經(jīng)濟的發(fā)展，消費需求的增加，購物出行占城市居民日常出行的比例不斷增大。出行時間是智能交通系統(tǒng)中交通預測的重要參數(shù)之一，出行時間受到個人屬性、家庭屬性和出行方式等諸多因素的影響。與通勤出行相比，購物出行在時間上有著很大的靈活性，購物出行的時間分布更為復雜。因此，研究城市居民購物出行時間的分布規(guī)律及其影響因素有著重要的實際意義。本文以S省省會城市居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，運用生存分析中的風險模型，建立購物出發(fā)時間的選擇模型，識別出影響

2、居民購物出發(fā)時間的關(guān)鍵因素，進而預測當這些因素發(fā)生變化時對出發(fā)時間選擇的影響。研究結(jié)果可以給智能交通系統(tǒng)提供更加直觀、精確的預測信息，為智能系統(tǒng)的交通誘導和管理控制提供科學依據(jù)。論文的主要工作如下:
　　(1)購物出發(fā)時間的整體分布規(guī)律?；诰用癯鲂姓{(diào)查數(shù)據(jù)，建立購物出發(fā)時間的風險模型，對購物出發(fā)時間進行估計。結(jié)果表明在上午7:00之前，生存率變化緩慢，出發(fā)去購物的人很少。從早上7:00持續(xù)到10:00，生存率急劇下降，為購物出行

3、的高峰，出行集中且持續(xù)時間較長，出行量約占全日出行量的65.4％。16:00之后，隨著時間的增加，風險率函數(shù)的趨勢是上升的，說明在16:00前仍未去購物的人群，在這之后出去購物的風險率越來越大。
　　(2)購物出發(fā)時間的Cox風險模型及其影響因素分析。構(gòu)建購物出發(fā)時間的Cox風險模型，對模型參數(shù)進行估計，分析各因素對購物出發(fā)時間的影響。結(jié)果表明性別、年齡、是否有6周歲以下兒童、中等月收入、出行方式這5個因素對購物出發(fā)時間均有顯著的

4、影響。總體來說，男性購物出發(fā)時間早于女性，年齡為60歲以上的老年人購物出發(fā)的時間最早，中等收入水平的人群購物出發(fā)時間早于其他收入水平的人群，家庭中有6周歲以下成員的要比沒有6周歲以下成員的家庭出發(fā)時間更早，出行方式中步行的出發(fā)時間最早。Cox-Shell殘差圖的檢驗結(jié)果表明Cox模型的擬合效果良好。并預測當出行方式和年齡的比例發(fā)生變化時，對出發(fā)時間的影響。
　　(3)基于參數(shù)模型的活動出發(fā)時間分析?；趯嵶C數(shù)據(jù)，運用加速失效時間模