宋永朝，楊 培

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074)

0 引 言

居民出行方式選擇行為一直是出行行為研究領(lǐng)域的重要課題，在很大程度上決定了城市交通出行方式的結(jié)構(gòu)，并直接影響到TDM(travel demand management)和TCM(travel control measurement)的有效實(shí)施[1-2]。通勤高峰期指通勤交通的早高峰(7:00—9:00)和晚高峰(17:00—19:00)，相對(duì)其他出行在時(shí)間和空間上具有更大的恒定性和聚集性，使得早、晚高峰常態(tài)性擁堵，成為城市最為突出的問題之一。通勤高峰期出行在城市居民日常出行中占比較大，其交通結(jié)構(gòu)合理性直接影響城市交通結(jié)構(gòu)合理性，影響著城市交通的可持續(xù)發(fā)展。

國(guó)內(nèi)外學(xué)者在交通方式劃分預(yù)測(cè)方法上的研究成果主要分為兩大類：以統(tǒng)計(jì)學(xué)為基礎(chǔ)的集計(jì)模型和概率學(xué)為基礎(chǔ)的非集計(jì)模型[3]。集計(jì)模型在預(yù)測(cè)時(shí)，因忽略了出行個(gè)體特性，預(yù)測(cè)可靠性不高。相比，非集計(jì)模型具有所需樣本容量小、數(shù)據(jù)統(tǒng)計(jì)處理簡(jiǎn)單、數(shù)據(jù)可拓展和再利用、對(duì)個(gè)體行為分析充分等優(yōu)點(diǎn)，且預(yù)測(cè)精度較高，逐漸取代了集計(jì)模型[4]。非集計(jì)模型經(jīng)過30余年發(fā)展已經(jīng)形成完整理論體系，基于不同理論假設(shè)形成了多元logit模型、分層logit模型、混合logit模型、組隊(duì)logit模型等，在城市交通需求研究中得到廣泛應(yīng)用[5]。現(xiàn)有研究主要集中在居民全日出行，而對(duì)于通勤高峰期居民出行研究相對(duì)缺乏。由于SP和RP調(diào)查難度和數(shù)據(jù)誤差性較大，數(shù)據(jù)獲取成本高且樣本數(shù)量相對(duì)有限，往往預(yù)測(cè)結(jié)果可靠性低。

顯然，傳統(tǒng)預(yù)測(cè)模型已很難適應(yīng)目前預(yù)測(cè)需求。筆者提出了一種基于多源基礎(chǔ)數(shù)據(jù)的出行方式劃分預(yù)測(cè)方法，旨在高效獲取各交通方式在通勤高峰期出行分擔(dān)率，探討通勤高峰期出行分布規(guī)律，為城市交通結(jié)構(gòu)布局、交通發(fā)展規(guī)劃、交通政策等提供技術(shù)支持。

1 參數(shù)標(biāo)定

城市交通出行方式主要包括步行、私家車、公共交通(軌道交通和常規(guī)公交)和其他方式，如圖1，通過分析不同交通方式的服務(wù)范圍，尤其是公共交通站點(diǎn)的吸引范圍，為通勤高峰期出行方式的預(yù)測(cè)提供合理依據(jù)。

圖1 交通方式劃分Fig. 1 Division of traffic mode

1.1 不同交通方式服務(wù)范圍

交通方式服務(wù)范圍即為各種交通方式適宜的出行距離,是人們選擇交通方式一個(gè)重要影響因素。出行距離是影響人們選擇步行最主要的因素，步行出行比例隨出行距離變化的規(guī)律非常明顯，距離增加其出行比例會(huì)明顯減少，而機(jī)動(dòng)車出行比例逐漸增加[6]。文獻(xiàn)[7]通過對(duì)北京市居民出行方式選擇行為進(jìn)行研究得出：各種交通方式優(yōu)勢(shì)出行距離：步行為0.84 km，地面常規(guī)公交為8.42 km，小汽車為11.49 km，地鐵為13.15 km。山地城市與平原城市之間存在著一定差異性，但在影響交通選擇的要素相似情況下，其出行特征也具有相似性，孟思?jí)鬧8]在對(duì)山地大城市出行方式的有關(guān)研究得出：短距離出行中，步行更占優(yōu)勢(shì)，中遠(yuǎn)距離出行中，私家車更占優(yōu)勢(shì)，遠(yuǎn)距離出行中，公共交通更占優(yōu)勢(shì)。

筆者對(duì)主城區(qū)中的南岸區(qū)和九龍坡區(qū)發(fā)放了共948份調(diào)查問卷，問卷內(nèi)容包括通勤出行距離、出行方式、出行時(shí)間期望值等，收回556份有效問卷。通過對(duì)調(diào)查數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后得出：在2 km以內(nèi)的通勤高峰期出行中，步行分擔(dān)率最高，且隨著出行距離的增加而驟減；在2～5 km的出行中，私家車出行分擔(dān)率較常規(guī)公交和軌道交通上升幅度大；在6～15 km的出行中，私家車出行分擔(dān)率逐漸下降，公共交通分擔(dān)率繼續(xù)上升，但私家車分擔(dān)率仍然較高；在11～15 km的出行中，常規(guī)公交分擔(dān)率達(dá)到峰值，在15 km以上出行中，軌道交通逐漸占據(jù)優(yōu)勢(shì)。變化趨勢(shì)如圖2。

圖2 出行方式分擔(dān)率隨出行距離變化折線Fig. 2 Polygonal line of travel mode share rate changing with travel distance

重慶屬于山地城市，城市地形復(fù)雜、道路坡度大、非機(jī)動(dòng)車出行環(huán)境差，短距離出行時(shí)交通出行者選擇非機(jī)動(dòng)車出行方式較少，選擇步行出行方式較多，所以暫不考慮非機(jī)動(dòng)車(自行車、助力車)出行方式。依據(jù)相關(guān)文獻(xiàn)[6-8]并結(jié)合調(diào)查數(shù)據(jù)分析結(jié)果，給出不同交通方式出行距離閾值推薦值，如表1。

表1 不同交通方式出行距離閾值推薦值Table 1 Recommended value of travel distance thresholdwith different traffic modes

1.2 公共交通站點(diǎn)的吸引范圍

1.2.1 軌道交通站點(diǎn)的吸引范圍

站點(diǎn)步行吸引范圍是指乘客步行到達(dá)或離開站點(diǎn)可接受耗時(shí)或距離所構(gòu)成的區(qū)域圈。它決定了公共交通的可達(dá)性與滿意度水平，直接影響乘客對(duì)公共交通的使用程度。距離目的地和交通站點(diǎn)的距離不同，其選擇的交通出行方式也存在差異。軌道交通合理步行吸引范圍可劃分為中心區(qū)合理步行范圍和城市外圍區(qū)合理步行范圍，由于城市中心區(qū)其它交通方式出行較為方便，步行到達(dá)軌道交通車站的距離相對(duì)較短，最適合的步行距離為500～600 m，城市外圍區(qū)和郊區(qū)則相對(duì)較長(zhǎng)，最適合的步行距離為800～1 000 m[9]?？紤]多種接駁方式下，將軌道站點(diǎn)的吸引范圍分為合理吸引范圍與非合理吸引范圍，其中合理吸引范圍包括合理步行區(qū)與合理交通區(qū)，半徑分別為800 m和3 000 m[10]。

通過對(duì)重慶市主城區(qū)輕軌3號(hào)線二塘站發(fā)放200份調(diào)查問卷，內(nèi)容主要涉及從居住地到軌道交通站點(diǎn)的耗時(shí)，到達(dá)交通站點(diǎn)的方式等，收回有效問卷127份，其中步行到達(dá)站點(diǎn)的有106份，軌道交通的使用者主要是直接步行到站的站點(diǎn)周邊居民，對(duì)耗時(shí)進(jìn)行分類統(tǒng)計(jì)后如表2。

表2 步行到軌道交通站點(diǎn)的時(shí)間Table 2 Time of walking to the rail transit station

對(duì)步行到達(dá)軌道站點(diǎn)的樣本進(jìn)行分析，居民通過步行到達(dá)軌道站點(diǎn)的平均時(shí)耗為9.5 min，普遍時(shí)耗為10 min。國(guó)外TOD理論根據(jù)適宜的步行距離為標(biāo)準(zhǔn)，劃定的站點(diǎn)影響區(qū)范圍為:步行5～15 min的距離，約1/4英里(400～500 m)至1/2英里(600～800 m)的半徑范圍。根據(jù)對(duì)二塘輕軌站調(diào)查，可將重慶市主城區(qū)軌道站點(diǎn)的影響區(qū)范圍確定為步行10 min的距離，約650 m的半徑距離。

1.2.2 常規(guī)公交站點(diǎn)的吸引范圍

根據(jù)GB 50220—95《城市道路交通規(guī)劃設(shè)計(jì)規(guī)范》[11]，公共交通車站服務(wù)面積，以300 m半徑計(jì)算，不得小于城市用地而積的50%;以500 m半徑計(jì)算，不得小于90%。用類似于軌道交通站點(diǎn)吸引范圍的調(diào)查方式，對(duì)重慶市南岸區(qū)學(xué)府大道69號(hào)公交站發(fā)放200份調(diào)查問卷，收回有效問卷145份，其中步行到達(dá)站點(diǎn)的有122份，耗時(shí)分類統(tǒng)計(jì)后如表3。

表3 步行到常規(guī)公交站點(diǎn)的時(shí)間Table 3 Time of walking to the bus stop station

對(duì)步行到達(dá)常規(guī)公交站點(diǎn)的樣本進(jìn)行分析，可見居民通過步行到達(dá)常規(guī)公交站點(diǎn)的平均時(shí)耗為7.5 min，普遍時(shí)耗為8 min。根據(jù)以上對(duì)學(xué)府大道69號(hào)站的調(diào)查，可將重慶市主城區(qū)常規(guī)公交站點(diǎn)的影響區(qū)范圍確定為步行8 min的距離，約400 m的半徑距離。

2 預(yù)測(cè)方法介紹

交通方式分擔(dān)率(modal split)是出行者出行時(shí)所選交通工具的比例，以居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，研究人們出行時(shí)的交通方式選擇行為，建立模型從而預(yù)測(cè)基礎(chǔ)設(shè)施或服務(wù)等條件變化時(shí)，交通方式間交通需求的變化[12]。根據(jù)交通方式分擔(dān)率的計(jì)算公式，可以類推到通勤高峰期出行方式分擔(dān)率計(jì)算公式，如式(1)。

(1)

式中：F為通勤高峰期交通方式分擔(dān)率；M為通勤高峰期使用某交通方式出行的人數(shù)；N為通勤高峰期出行的總?cè)藬?shù)。

通勤高峰期使用某交通方式出行人數(shù)的準(zhǔn)確獲取,是預(yù)測(cè)分擔(dān)率的關(guān)鍵，通勤高峰期各種交通方式的出行人數(shù)分析流程如圖3。具體包括：加載多源數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行處理和關(guān)聯(lián)；采用最短路徑算法計(jì)算通勤距離，根據(jù)通勤出行距離和步行出行距離閾值，篩選出步行出行數(shù)據(jù)；根據(jù)戶籍?dāng)?shù)據(jù)中的私家車信息，結(jié)合通勤出行距離和私家車出行距離閾值，篩選出私家車出行數(shù)據(jù)；根據(jù)軌道交通站點(diǎn)和常規(guī)公交站點(diǎn)的吸引范圍，利用公共交通選擇算法篩選出公共交通出行的數(shù)據(jù)；剩下數(shù)據(jù)默認(rèn)為其他出行方式。根據(jù)以上預(yù)測(cè)結(jié)果，計(jì)算得出不同交通方式分擔(dān)率，總結(jié)出居民通勤高峰期出行規(guī)律。

圖3 交通出行人數(shù)分析流程Fig. 3 The analysis process of the number of travelers

3 算法介紹

3.1 最短路徑算法

最短路徑問題一直是地理信息科學(xué)、計(jì)算機(jī)科學(xué)、運(yùn)籌學(xué)、交通運(yùn)輸?shù)阮I(lǐng)域一個(gè)研究熱點(diǎn)，許多實(shí)際問題可抽象為網(wǎng)絡(luò)最短路徑計(jì)算問題，比如出行路徑規(guī)劃，管線優(yōu)化等[13]。通勤距離由最短路徑算法計(jì)算得到，最短路徑分析是GIS中最基本的功能，適用計(jì)算兩點(diǎn)之間的最短距離。針對(duì)大批量的多源數(shù)據(jù)，常用GIS軟件模塊提供的最短路徑分析功能無法有效批量處理大范圍數(shù)據(jù)，因此基于AE網(wǎng)絡(luò)分析2次開發(fā)模塊，設(shè)計(jì)了一種對(duì)大范圍數(shù)據(jù)的批量處理算法，將數(shù)據(jù)預(yù)處理得到的優(yōu)化關(guān)聯(lián)數(shù)據(jù)加載到該算法中計(jì)算居民的通勤距離，算法流程如圖4。

圖4 最短路徑算法示意Fig. 4 Shortest path algorithm

3.2 公共交通選擇算法

發(fā)展公共交通是城市交通建設(shè)最重要的1個(gè)工作，許多大城市很早就提出了“公交優(yōu)先”的原則，也一直在發(fā)展公交線路[14]。目前，公共交通出行模式以“起訖點(diǎn)+步行+公共交通+步行+起訖點(diǎn)”為主[15]。根據(jù)楊新苗[16]等人的調(diào)查，大部分公交乘客在選擇出行路徑時(shí)首要考慮的因素是“換乘次數(shù)”，且直達(dá)、1次換乘、2次換乘的比例分別是30.70%，31.40%，26.98%。

在此，筆者提出的公共交通選擇方法考慮居民乘坐公共交通直達(dá)、1次換乘、2次換乘多種情況。針對(duì)居住地和工作單位之間直達(dá)、1次換乘、2次換乘3種情況，分別采取直達(dá)搜索算法，1次換乘搜索算法，2次換乘搜索算法。算法流程如圖5。

圖5 公共交通選擇算法示意Fig. 5 Public transportation selection algorithm

假設(shè)常規(guī)公交站點(diǎn)合理步行吸引范圍是Db，軌道交通站點(diǎn)合理步行吸引范圍是Du，對(duì)常規(guī)公交站點(diǎn)和軌道交通站點(diǎn)的合理步行吸引范圍分別做緩沖區(qū)，半徑分別是Db，Du，遍歷每1條公交線路的每1個(gè)站點(diǎn)，查找記錄下居住地點(diǎn)A和工作地點(diǎn)B落在的具體緩沖區(qū)。

3.2.1 公共交通直達(dá)算法

比較A點(diǎn)和B點(diǎn)記錄，若A點(diǎn)和B點(diǎn)同時(shí)落在同公交線路不同站點(diǎn)緩沖區(qū)內(nèi)，表示經(jīng)過A點(diǎn)和B點(diǎn)的公交線路存在相同。針對(duì)某一區(qū)域的人口數(shù)量，也就可以遍歷每1個(gè)人的A點(diǎn)和B點(diǎn)，找出是否有相同公交線路即可。公共交通直達(dá)如圖6。

圖6 公共交通直達(dá)示意Fig. 6 Nonstop public transport

3.2.2 公共交通1次換乘算法

1次換乘搜索算法可分為純常規(guī)公交(或純軌道交通)1次換乘、常規(guī)公交和軌道交通之間的1次換乘。

純常規(guī)公交(或純軌道交通)1次換乘，以純常規(guī)公交1次換乘為例，比較A點(diǎn)和B點(diǎn)的記錄。若A點(diǎn)落在公交線路Lb1，B點(diǎn)落在公交線路Lb2，Lb1和Lb2有相同的常規(guī)公交站點(diǎn)Sb，表示可以1次換乘。這樣只要首先遍歷找出經(jīng)過A點(diǎn)和B點(diǎn)的公交線路，再分別遍歷經(jīng)過兩者的公交線路站點(diǎn)，判斷是否有相同即可。針對(duì)某一區(qū)域的人口數(shù)量，遍歷每個(gè)人的A點(diǎn)和B點(diǎn)，找出是否有相同公交站點(diǎn)即可。純常規(guī)公交1次換乘示意如圖7，純軌道交通1次換乘示意圖類似。

圖7 純常規(guī)公交1次換乘示意Fig. 7 One-transfer between the conventional buses

常規(guī)公交和軌道交通之間的1次換乘，比較A點(diǎn)和B點(diǎn)的記錄。假設(shè)居住地A點(diǎn)落入軌道交通某站點(diǎn)的緩沖區(qū)內(nèi)，工作單位B點(diǎn)落入常規(guī)公交某站點(diǎn)的緩沖區(qū)內(nèi)，對(duì)A點(diǎn)落入的某軌道線路Lu的所有站點(diǎn)做緩沖區(qū)，以距離最短為目標(biāo)，查找B點(diǎn)落入的某常規(guī)公交站點(diǎn)對(duì)應(yīng)的常規(guī)公交線路Lb的所有站點(diǎn)是否有落在Lu站點(diǎn)的緩沖區(qū)內(nèi)，若有某常規(guī)公交站點(diǎn)Sb落在Su軌道站點(diǎn)的緩沖區(qū)內(nèi)，表示A點(diǎn)可以先乘坐軌道交通Lu，再在Su軌道站點(diǎn)下車，步行到Sb常規(guī)公交站點(diǎn)，最后乘坐常規(guī)公交Lb到達(dá)B點(diǎn)。針對(duì)某一區(qū)域的人口數(shù)量，遍歷每個(gè)人的A點(diǎn)和B點(diǎn)，按照上述方法判斷即可。常規(guī)公交和軌道交通1次換乘如圖8。

圖8 常規(guī)公交和軌道交通1次換乘示意Fig. 8 One-transfer between the conventional bus and rail transit

3.2.3 公共交通2次換乘算法

2次換乘搜索算法主要分為兩大類：純常規(guī)公交(或純軌道交通)之間的2次換乘、常規(guī)公交和軌道交通之間的2次換乘。

純常規(guī)公交或純軌道交通之間的2次換乘，以純常規(guī)公交間2次換乘為例，比較A點(diǎn)和B點(diǎn)的記錄。若A點(diǎn)落在公交線路Lb1，B點(diǎn)落在公交線路Lb2，分別搜索與Lb1、Lb2相交的公交線路，判斷兩者相交線路是否相同，相同則表示可以2次換乘。遍歷找出經(jīng)過A點(diǎn)和B點(diǎn)的公交線路，再分別遍歷與經(jīng)過兩者的公交線路相交的公交線路，判斷是否有相同即可，針對(duì)某一區(qū)域的人口數(shù)量，遍歷每個(gè)人的A點(diǎn)和B點(diǎn)，找出是否有相同相交公交線路即可。純常規(guī)公交2次換乘如圖9，純軌道交通公交2次換乘亦類似。

圖9 純常規(guī)公交2次換乘Fig. 9 Two-transfer between the conventional buses

對(duì)于常規(guī)公交和軌道交通之間的2次換乘，2次換乘搜索算法是基于1次換乘搜索算法的再1次換乘，基本原理同上述1次換乘搜索算法，常規(guī)公交和軌道交通之間的2次換乘如圖10。

圖10 常規(guī)公交和軌道交通2次換乘示意Fig. 10 Two-transfer between the conventional bus and rail transit

4 實(shí)例分析

4.1 試驗(yàn)區(qū)域

以重慶主城九區(qū)作為試驗(yàn)區(qū)域，探討交通方式分擔(dān)率預(yù)測(cè)方法的準(zhǔn)確性。重慶市主城九區(qū)，具體包括渝中區(qū)、江北區(qū)、南岸區(qū)、九龍坡區(qū)、沙坪壩區(qū)、大渡口區(qū)、北碚區(qū)、渝北區(qū)、巴南區(qū)，據(jù)《2015年重慶市主城區(qū)交通發(fā)展報(bào)告》獲悉，重慶主城道路等級(jí)分布情況詳見表4。

表4 重慶市主城區(qū)道路分布情況(2015)Table 4 Road distribution of Chongqing urban area(2015)

重慶軌道交通包括地鐵與跨坐式單軌，遠(yuǎn)期規(guī)劃有18條軌道交通線路。目前，已開通1號(hào)線、2號(hào)線、3號(hào)線、6號(hào)線共4條線路，覆蓋主城九區(qū)，最高日客運(yùn)量約達(dá)240萬乘次。重慶主城區(qū)公共交通運(yùn)營(yíng)情況詳見表5、表6。

表5 重慶市主城區(qū)公共交通運(yùn)營(yíng)情況(2015)Table 5 Public transport operation condition of Chongqing urbanarea(2015)

表6 重慶市主城區(qū)軌道交通線路概況(2015)Table 6 Rail transit lines of Chongqing urban area(2015)

4.2 結(jié)果分析

根據(jù)筆者提出的預(yù)測(cè)方法，分別對(duì)相關(guān)的數(shù)據(jù)(路網(wǎng)數(shù)據(jù)、公交線網(wǎng)數(shù)據(jù)、公交站點(diǎn)數(shù)據(jù)、戶籍?dāng)?shù)據(jù)、工作地?cái)?shù)據(jù)等)進(jìn)行處理及分類統(tǒng)計(jì)。相關(guān)資料[17]研究得出通勤高峰期重慶市主城區(qū)交通方式分擔(dān)率分別為：步行47.5%，公共交通33.4%，私家車11.5%，出租車6.7%，其他0.9%。預(yù)測(cè)結(jié)果如表7。

表7 交通方式分擔(dān)率Table 7 Share rate of traffic mode %

重慶市主城區(qū)為典型的山城格局，出行受地形限制較明顯，道路彎多坡陡，道路非直線系數(shù)大，機(jī)動(dòng)車出行起訖點(diǎn)的距離增長(zhǎng)，繞行增加。道路坡陡不適合非機(jī)動(dòng)車交通出行，而有較為完善的步道、電動(dòng)扶梯，步行交通出行比例相對(duì)較高。對(duì)于時(shí)間較為敏感的通勤出行者，公共交通的快捷性、準(zhǔn)點(diǎn)性以及完善的公共交通設(shè)施，人們出行也更加愿意乘坐公共交通。沈穎潔等[18]分析了重慶市主城區(qū)私家車通勤比例遠(yuǎn)低于實(shí)際擁有私家車的比例。蔡樺菲等[19]對(duì)重慶渝中區(qū)、沙坪壩區(qū)及南岸區(qū)輕軌開通前后的居民出行方式進(jìn)行了調(diào)查，公共交通(尤其是軌道交通)在居民出行方式中占比較大。

綜上所述，本預(yù)測(cè)方法的預(yù)測(cè)結(jié)果與實(shí)際情況誤差較小，驗(yàn)證了本方法的可靠性及有效性。

5 結(jié) 語

結(jié)合重慶市主城區(qū)多源基礎(chǔ)數(shù)據(jù)，提出了一套快速有效的通勤高峰期出行方式分擔(dān)率預(yù)測(cè)方法。依據(jù)不同交通方式的服務(wù)范圍和公共交通站點(diǎn)的吸引范圍，提出了利用最短路徑算法和公共交通選擇算法，分別篩選出不同交通方式在通勤高峰期的客流量，從而得到不同交通方式的分擔(dān)率，提高了預(yù)測(cè)效率和預(yù)測(cè)結(jié)果的可靠性，為解決城市交通擁堵問題提供了技術(shù)支撐。

參考文獻(xiàn)(References)：

[1] UNCLES M D. Discrete choice analysis: theory and application to travel demand [J].JournaloftheOperationalResearchSociety,1987, 38(4):370-371.

[2] 欒琨,雋志才,宗芳.通勤者出行方式與出行鏈選擇行為研究[J].公路交通科技,2010,27(6):107-111.

LUAN Kun, JUAN Zhicai, ZONG Fang. Research on commuter’s choice behavior between travel mode and trip chain [J].JournalofHighwayandTransportationResearchandDevelopment, 2010,27(6):107-111.

[3] 周愛娣.交通方式劃分預(yù)測(cè)模型的研究[J].蘭州鐵道學(xué)院學(xué)報(bào)(自然科學(xué)版),2003,22(3):129-132.

ZHOU Aidi.Study on the method of model-split model [J].JournalofLanzhouRailwayUniversity(NaturalSciences),2003,22(3):129-132.

[4] 王江濤,馬駟.預(yù)測(cè)通道客運(yùn)分擔(dān)率的MNL模型特性變量選取[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,29(6):947-950.

WANG Jiangtao, MA Si. MNL model characteristic variables selection on forecasting corridor mode split [J].JournalofChongqingJiaotongUniversity(NaturalScience), 2010, 29(6): 947-950.

[5] 何明,過秀成,冉江宇,等.基于非集計(jì)MNL模型的軌道交通方式預(yù)測(cè)[J].交通運(yùn)輸系統(tǒng)工程與信息,2010,10(2):136-142.

HE Ming,GUO Xiucheng,RAN Jiangyu,et al.Forecasting rail transit split with disaggregated MNL model[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2010,10(2):136-142.

[6] 牛學(xué)勤,王煒,殷志偉.城市客運(yùn)交通方式分擔(dān)預(yù)測(cè)方法研究[J]. 公路交通科技,2004,21(3):75-77+96.

NIU Xueqin,WANG Wei,YIN Zhiwei.Research on method of urban passenger traffic mode split forecast[J].JournalofHighwayandTransportationResearchandDevelopment, 2004,21(3):75-77+96.

[7] 黃樹森,宋瑞,陶媛.大城市居民出行方式選擇行為及影響因素研究——以北京市為例[J].交通標(biāo)準(zhǔn)化,2008(9):124-128.

HUANG Shusen,SONG Rui,TAO Yuan.Behavior of urban residents influencing travel mode choosing and factors-Taking Beijing as an example [J].CommunicationsStandardization, 2008(9):124-128.

[8] 孟思?jí)?山地大城市居民出行方式選擇研究[D].重慶:重慶交通大學(xué),2015.

MENG Simeng.ResearchontheChoiceofResidentsTravelModeinBigMountainCity[D].Chongqing:Chongqing Jiaotong University,2015.

[9] 李向楠.城市軌道交通站點(diǎn)吸引范圍研究[D].成都:西南交通大學(xué),2013.

LI Xiangnan.ResearchonAttractingAreaofUrbanRailTransitStation[D].Chengdu: Southwest Jiaotong University, 2013.

[10] 王淑偉,孫立山,榮建.北京市軌道站點(diǎn)吸引范圍研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2013,13(3):183-188.

WANG Shuwei, SUN Lishan, RONG Jian. Attachment area analysis of Beijing transit stations[J].JournalofTransportationSystemsEngineeringandInformationTechnology, 2013,13(3):183-188.

[11] 中華人民共和國(guó)建設(shè)部.城市道路交通規(guī)劃設(shè)計(jì)規(guī)范:GB 50220—1995[S].北京:中國(guó)計(jì)劃出版社,1995.

Ministry of Construction of the People’s Republic of China.CodeforTransportPlanningonUrbanRoad:GB50220—1995[S].Beijing: China Planning Press,1995.

[12] 李亞軍,楊忠振.城市交通規(guī)劃中的交通方式結(jié)構(gòu)[J].大連海事大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2005,4(4):38-42.

LI Yajun,YANG Zhongzhen.Traffic model structure in city traffic planning [J].JournalofDalianMaritimeUniversity(SocialScienceEdition), 2005,4(4):38-42.

[13] 孫文彬,譚正龍,王江,等.最短路徑算法的并行化策略分析[J].地理與地理信息科學(xué),2013,4(4):17-20.

SUN Wenbin, TAN Zhenglong, WANG Jiang, et al. Parallelization strategy analysis of the shortest path algorithm[J].GeographyandGeo-informationScience, 2013,4(4):17-20.

[14] 趙敏.公交換乘系統(tǒng)的算法研究與應(yīng)用[D].太原:中北大學(xué),2009.

ZHAO Ming.AlgorithmicResearchandApplicationofBusTransferSystem[D].Taiyuan:North University of China,2009.

[15] 吳祥國(guó),姜洋,張汝華,等.快速公交站點(diǎn)步行吸引范圍研究[J]. 交通信息與安全,2011,29(3):36-39.

WU Xiangguo, JIANG Yang, ZHANG Ruhua, et al. Pedestrian catchment area of bus rapid transit stations [J].JournalofTransportInformationandSafety, 2011, 29(3):36-39.

[16] 楊新苗,王煒,馬文騰.基于GIS的公交乘客出行路徑選擇模型[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2000,30(6):87-91.

YANG Xinmiao,WANG Wei,MA Wenteng.GIS-based public transit passenger route choice model[J].JournalofSoutheastUniversity(NaturalScience), 2000,30(6):87-91.

[17] 苗壯.基于“公交都市”的山地城市交通方式結(jié)構(gòu)優(yōu)化研究[D].重慶:重慶交通大學(xué),2014.

MIAO Zhuang.Basedonthe“TransitCity”,StudyontheOptimizingoftheTransportationStructureofMountainCity[D].Chongqing: Chongqing Jiaotong Uniersity,2014.

[18] 沈穎潔,韓寶睿,馬健霄.大都市近郊通勤交通需求管理策略[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,33(6):118-121+141.

SHEN Yingjie,HAN Baorui.MA Jianxiao.Transportation demand management strategies of suburban commuting[J].JournalofChong-

qingJiaotongUniversity(NaturalScience),2014,33(6):118-121+141.

[19] 蔡樺菲,杜梅,銀士鵬,等.重慶輕軌時(shí)代市民出行方式改變研究[J].經(jīng)營(yíng)管理者,2014(32):151-152.

CAI Huafei,DU Mei,YIN Shipeng,et al.Research on citizens travelway change in Chongqing light rail era[J].Manager’sJournal, 2014(32): 151-152.