第45卷第6期
JOURNALOFBEIJINGUNIVERSITYOFTECHNOLOGY
北京工业大学学报
Vol.45No.6
Jun.2019
考虑停车换乘停车位不足的停车换乘行为
关宏志,刘瑞远,曾敏耀
(北京工业大学建筑工程学院北京市交通工程重点实验室,北京摇100124)
摘摇要:为解决停车换乘(park鄄and鄄ride,P&R)停车位不足的问题,通过对北京市亦庄开发区2处停车设施进行停车调查及对出行者的停车换乘行为进行RP&SP调查,对P&R停车位不足下P&R的需求特性进行分析,探寻了P&R停车位不足下的P&R规律;并通过建立MNL和巢式Logit模型(NL模型),进一步分析了出行者换乘失败后的出行行为.结果表明:北京一些P&R设施因容量受限无法满足P&R需求,部分出行者在换乘失败后会寻找社会停车场(A停车场)进行二次换乘.影响出行者换乘失败后出行行为的因素主要有出行时间、停车费率、是否限号等.距地铁站较近的A停车场可结合分时段收费策略吸引更多的换乘失败者进行二次换乘.关键词:停车换乘;NL模型;出行行为中图分类号:U491
文献标志码:A
文章编号:0254-0037(2019)06-0593-08
doi:10.11936/bjutxb2017120043
Park鄄and鄄RideTransferBehaviorsUndertheCircumstances
ofInsufficientPark鄄and鄄RideParkingSpace
(KeyLaboratoryofTrafficEngineering,CollegeofArchitectureandCivilEngineering,BeijingUniversityofTechnology,
Beijing100124,China)
GUANHongzhi,LIURuiyuan,ZENGMinyao
Abstract:Toinvestigatetravelers蒺choicebehaviorwhenfacingthefailureofpark鄄and鄄ride(P&R),thecorrespondingdemandcharacteristicunderthelimitoffacilitycapacitywasanalyzedbasedontheparkingsurveyassociatedwithtwoparkinglotsinBeijng.Themultinomiallogit(MNL)andnestedLogit(NL)modelswerefurtherdevelopedtodescribethetravelbehavioraftertravelerscannotaccomplishP&Ratatime.ResultsshowthatsomeP&RfacilitiesinBeijingarenotenoughtomeetthedemandforP&Rduetolimitedcapacities.ForthetravelersofP&Rfailure,someofthemtendtoseekthepublicparkinglotsforparkingfeeandtherestrictinglicenseplatepolicy.ThepublicparkinglotsnearerthesubwaystationcanadaptthemultiperiodchargestrategysuchthattheycanattractmoretravelersofP&Rfailure.Keywords:park鄄and鄄ride(P&R);nestedLogit(NL)model;travelbehavior摇摇停车换乘(park鄄and鄄ride,P&R)是引导人们将小汽车停放在城市外围,换乘公共交通前往目的地的交通模式,通过收费低廉,出行便捷,吸引了P&R需求.而由于设计容量有限,需求常超出P&R设施的
thesecondtransfer.Additionally,thetravelbehaviorafterP&Rfailureismainlyaffectedbytraveltime,
容量,导致部分P&R需求无法得到满足.这就是本文需要面对的问题.
许多学者研究了P&R的选择行为、需求预测等问题,刘燕等[1]发现天通苑北和巴沟处P&D设施利
收稿日期:2017鄄12鄄27
基金项目:国家自然科学基金资助项目(51338008);西宁市智慧交通关键技术集成与示范(2015鄄SF鄄A5)作者简介:关宏志(1959—),男,教授,主要从事交通规划、交通政策方面的研究,E鄄mail:hguan@bjut.edu.cn
594
北摇京摇工摇业摇大摇学摇学摇报2019年
用率较高,换乘者主要为通勤者.李媛等[2]针对天通苑北P&R停车场规模与需求不匹配的问题,建立了Logit选择模型进行P&D需求预测,提出可在瓶颈路段设置新的P&R停车场.熊萍等
[3]
1摇P&R行为的调查分析
1郾1摇停车行为调查概要
为分析P&R停车位不足下的停车换乘规律,以现场停车调查和问卷调查的方式,对文化园站P&R设施和附近某社会停车场(A停车场)进行了调查.
调查时间为2017年7月3日,星期一,天气晴;停车调查时段为6:30—19:30,停车调查的内容包括以下方面.
1)停车设施调查:现状停车场的形式、规模、收在P&D选
择行为的SP调查的基础上,利用Logit模型,建立了P&R选择行为模型,深入研究停车政策性因素、服务水平等对P&D选择行为的影响,探讨了影响P&D模式选择的费用、时间等服务水平阈值.Zhao等[4]建立了P&R出行者的MNL选择模型,发现P&R出行者最关心步行时间,等待时间和寻找车位时间.Tian等[5]运用累积前景理论和期望效用理论对P&R选择行为进行分析,发现减少P&R停车费和提高CBD停车费对促进小汽车出行者转向P&R出行有相同的影响.向红艳等[6]通过建立结构方程模型,发现P&R出行方式有较强的时间规律性,而且路况状态信息、事故信息、停车信息显著影响出行者的P&R出行行为.
现有研究主要是如何提高停车换乘设施对出行者的吸引力,吸引小汽车出行者,但缺乏考虑P&R停车位不足的情况下,出行者换乘失败后换乘行为的研究.由于P&R设施的运营特征与轨道站点周边用地开发情况及交通情况密切相关,出现需求溢出现象的P&R设施,其周边的用地开发较为成熟,多存在对外开放的社会停车设施,常有在P&R设施换乘失败的出行者选择前往周边的社会停车场进行二次换乘.
因此,本文在P&R停车位不足的情况下,且周边存在对外开放的社会停车设施下展开研究,希望利用P&R周边的社会停车场,采取联合经营的策略,为无法顺利P&D的出行者提供合法停车位.当社会停车场的日平均泊位利用率不高时,采用联合经营的策略吸引停车换乘者停车,可以提高停车场运营收入.以此为基础,通过采取联合经营的策略为P&D者提供停车位,解决换乘失败后出行者停车的问题.
根据上述思想,本文以北京市亦庄文化园P&R停车场和亦庄桥附近某社会停车场为调查对象,分析此区域在P&R停车位不足下P&D的需求特性,运用MNL和巢式Logit模型,构建出行者换乘失败后的选择行为模型,获得了影响出行者换乘失败后选择行为的影响因素,并对影响因素进行了敏感性分析,探讨了解决换乘失败后出行者停车问题,提升站点附近停车场效益的策略.
费管理情况,停车场附近的交通状况,停车场的服务对象及范围等2)停车特征调查.
调查初始时停车场内停车数量:采用人工计数法,每隔10min,记录停车
对进入和离去的车辆进行统计,同时统计停车者换乘地铁的数量.
文化园P&R设施为P&R专用地面停车场,位198于亦庄线亦庄文化园站西侧个,停车换乘收费方式为按次收费,共施画机动车停车位
,每次2元.动车停车位A停车场为建筑物配建地面停车场542个,停车场入口距亦庄桥地铁站,共施画机
入口约100m,距文化园P&R设施约600m,停车1收费方式为按小时收费元/h.
,小汽车白日2元/h,夜间
1郾2摇北京市亦庄开发区停车换乘现状分析停车需求分布如图A停车场机动车换乘地铁比例及1、2所示.
2个停车场的
图1摇A停车场机动车换乘地铁比例分布
Fig.1摇ProportionsubwayparkofA
vehicledriverstransferringto
摇
文化园P&R停车场为专用P&R停车场,调查时发现停车者全部为换乘地铁.由图1可知,A停车场出行者停车换乘的高峰时段为7:30—9:30,
摇第6期关宏志,等:考虑停车换乘停车位不足的停车换乘行为595
根据上文提出的停车换乘模式,部分出行者选择P&R出行后,会因P&R停车位不足,导致换乘失败.建模时考虑出行者在P&R换乘失败后,有自驾车、等待P&R车位后换乘、P&R附近停车场二次换乘3种出行方式可选,按照出行方式相似性大小,将交通方式作为水平2,换乘方式作为水平1,便确定图2摇停车场停车需求分布
Fig.2摇Parkingdemanddistributioninpark
11:30摇
辆比例曲线可知之后的P&R,在上午车辆较少9:30,由换乘车辆占驶入车之前,A停车场的停
车者主要为P&R人员.
由图2可知,A停车场的停车需求在亦庄文化园P&R停车场泊位占用率达到100%后开始增长,上午10:00后停车场停车数量趋于稳定,其承担一部分71郾6%.P&R亦庄文化园需求后,停车场的日平均泊位利用率达到场泊位占用率达到100%P&R,停车场在早上在7:00—16:307:00这一时停车
段停车场停车数量较稳定,泊位占用率在95%以上.
综上,目前部分P&R设施因停车位不足,无法满足服务区域内的P&R需求.这种现象在北京市其他P&R停车场也会出现.部分出行者在P&R停车场换乘失败后,会选择其周边的A停车场进行二次换乘,换乘时段集中在上午.
2摇考虑P&R停车位不足的换乘行为模型构建
2郾1摇P&R模式分析
在考虑P&R停车位不足的P&R模式中,出行者在出发前选择P&R出行,到达P&R后,若P&R3车位已满种出行方式,则出行者需考虑如何前往目的地:1)出行者放弃换乘,驾车前往目的,通常有3)地;2)选择继续换乘,等待P&R有车位后再换乘;
往目的地选择其他停车设施.P进行二次换乘,乘坐地铁前2郾2摇模型构建
针对本文上面提出的模式,应用nestedLogit(乘失败后出行行为的影响因素NL)模型构筑停车换乘模型,,以及其对出行者行分析出行者换为的影响程度.
了NL模型的层次结构,如图3所示.
图3摇NL模型选择肢
摇
Fig.3摇NLmodelalternatives
21首先可以用NL模型是基于1、2表示MNL2种交通方式模型改进的模型,用两位数.本模型
11、
案.表示交通方式中停车换乘方式下的因此,第n个出行者选择交通方式m2,种换乘方换乘方式选择r的概率PPn(rm)为
n(rm)=Pn(r|m)Pn(m),(r=1,2;m=1,2)
由(1)
Pn(m)为
NL模型的基础理论,推出Pn(r|m)和
P姿n(r|m)=移R1V(r|m)n
mn
ee姿V(2)r忆=1
1(r忆|m)nP+V*
mnn(m)=
)
移Mn
e姿2(Vmnm忆n+V*
mn)
m忆=1
e姿2
(V(3)
式中:
V*mn
U=1
ln移Rmn
姿1r=1
exp(姿1V(r|m)n)(4)rmn式中=V(r|m)n+Vmn+着(r|m)n+着mn
(5)
(选择了方案rm):时的效用Urmn是出(rm;行)V者n在换乘失败后选择了方案时(r|m,)效用由于n为当出行者n在换乘失败后(rm)和m的组合而变化部分的固定项;Vmn为在出行者n在换乘失败后选择了方案(rm)时,效用中与r无关,而紧随m变化部分的固定项;着rm)的效用的概率项(r|m)n为在出行者选择了m条件下的选择了(;着mn为出行者选择了m的效用的概率项.
同时,假设效用函数中的V(r|m)n和Vmn与特性变
596
北摇京摇工摇业摇大摇学摇学摇报2019年
量呈线性关系,则V(r|m)n和Vmn分别为
V(r|m)n=Vmn=
茁kX(r|m)nk移k=1
HK
换乘方式选择中第k个特性变量的待标定参数值;
(6)(7)
兹h为交通方式选择中第h个特性变量的待标定参数值.
2郾3摇选择特性变量
影响出行者换乘失败后出行行为的因素有很多,剔除不显著的因素,确定代入NL模型和MNL模型的相关变量及定义,如表1所示.
式中:X(r|m)nk是出行者n在选择交通方式m的条件下选择换乘方式r的第k个特性变量;Xmnh为出行者n选择交通方式m的第h个特性变量;茁k为
兹hXmnh移h=1
表1摇变量定义情况Table1摇Definethevariables
分类
个人社会经济属性
影响因素
年收入1/万元年收入2/万元车辆是否限号出行时间/min
出行方式特征变量
目的地停车费率/(元·h-1)出行时间充裕程度停车时长/h换乘距离/m
换乘设施服务水平变量
停车费优惠幅度等待P&R车位时间/min
变量定义
当年收入小于5万元时取1,否则取0当年收入大于20万元时取1,否则取0限号取0,不限号取1取实际值取实际值取实际值取实际值取实际值取实际值
不充裕、一般充裕、非常充裕分别取0、1、2
3摇实例分析
3郾1摇问卷调查说明
在问卷调查部分,采取RP调查和SP调查结合的方式,共发放问卷181份,回收有效问卷156份,问卷回收率为86%,对原始数据筛选后用于NL模型和MNL模型构建的有效样本量为956,符合建模要求[7].
RP调查的主要内容包括通勤者的个人社会经
元/h,针对停车换乘者有一定的费用折扣优惠.本次问卷设计中,考虑的选择肢分别为:等待P&R车位后换乘、P&R附近停车场二次换乘、自驾车.针对不同的选择肢考虑其特有属性:“等待P&R车位后换乘冶选择肢考虑有“P&R停车场等待车位时间冶;“P&R附近停车场二次换乘冶选择肢考虑有“A停车场费用优惠幅度、换乘步行距离、停车时长冶;“自驾车冶选择肢考虑有“自驾车出行时间冶,基于现状数据的基础上对应增加和减少一定比例完成属性水平的设定,形成如表2所示属性的水平.根据属性水平的设置,采用正交设计法,共设计8个SP场景,每位被调查者需在3种出行方式中做出选择,共8次.SP场景设计如表3所示.
济属性(性别、年龄、职业、收入等)以及出行方式特性(出行时间、费用、换乘频率等),SP调查假设出行者到达P&R停车场时已无车位,P&R附近有一处对外开放的A停车场,泊位充足,停车收费价格为2
表2摇选择肢属性水平设置Table2摇Levelofalternativeattributes
摇摇摇出行方式
属性
水平11505
水平2252012
水平350
等待P&R车位后换乘P&R附近停车场二次换乘自驾车
P&R停车场等待车位时间/minA停车场费用优惠幅度/%换乘步行距离*/m停车时长/h自驾车出行时间
300与地铁相等
700比地铁多30%
摇摇注:*换乘步行距离为A停车场步行至轨道站点的距离;后文同.
摇第6期关宏志,等:考虑停车换乘停车位不足的停车换乘行为
表3摇SP调查场景设计
Table3摇VariablesandleveldesignofSP
A停车场费用优惠幅度不优惠
P&R附近停车场二次换乘
换乘步行距离/m300300700700700700300300
停车时长/h
555121212125
等待P&R车位后换乘P&R停车场等待车位时间/min
2515152515252515
自驾车
597
情景12345678
自驾车出行时间比地铁相等相等多30%多30%多30%相等相等多30%
优惠20%优惠20%优惠50%不优惠优惠20%优惠20%优惠50%
3郾2摇模型标定结果及分析
本文运用Biogeme,采用分阶段估计法,对NL
模型和MNL模型的参数进行估计,剔除不显著的影响因素,最终结果如表4、5所示.
表4摇NL模型标定结果
Table4摇NLmodels爷calibrationresults
水平
选择肢
常数项
P&R附近停车场二次换乘
停车费优惠幅度换乘距离停车时长
水平1
等待P&R车位后换乘
常数项收入1
出行时间充裕程度等待P&R车位时间
样本量:459
变量
茁0郾00
*
1郾83***
-0郾535***
-0郾173***
-3郾10***
0郾879***
0郾713***
-0郾193*
标准差0郾8450郾1370郾8220郾2720郾1620郾02870郾6330郾2380郾4770郾009530郾02430郾03580郾009530郾1690郾0392
摇t摇2郾16-3郾90-4郾42-3郾773郾234郾41
-6郾73-6郾302郾839郾47
极大似然函数值:-318郾155摇摇常数项收入2
优度比:0郾410
**
-3郾99***
0郾673***
4郾51***
-0郾0563***
-0郾190***
-0郾160*
自驾车
水平2
是否限号出行时间目的地停车费率停车时长常数项
-5郾91-7郾81-4郾46-5郾913郾84
0郾00
**
-0郾0563***
0郾651*
停车换乘出行时间包容系数
样本量:956极大似然函数值:-664郾035摇摇优度比:0郾276
摇摇注:“**冶“***冶分别表示显著性指标小于0郾05,0郾01;后文同.
598
北摇京摇工摇业摇大摇学摇学摇报
表5摇MNL模型标定结果
Table5摇MNLmodels爷calibrationresults
变量
茁0郾00
标准差0郾6050郾4430郾2270郾2000郾1840郾1360郾008990郾02260郾03580郾03570郾4570郾07490郾0243
t-6郾12-3郾773郾162郾197郾92-5郾44-7郾17-4郾71-6郾09-5郾86-6郾093郾424郾31
2019年
P&R附近停车场二次换乘常数项等待P&R车位后换乘常数项自驾车常数项收入1收入2是否限号
出行时间充裕程度出行时间目的地停车费率
停车时长(P&R附近停车场二次换乘)停车时长(自驾车)停车费优惠幅度换乘距离
等待P&R车位时间样本量:956摇
**
-3郾71***
-1郾67***
0郾717**
0郾439***
1郾46***
0郾587***
-0郾0489***
-0郾162***
-0郾169***
-0郾217***
1郾56***
-0郾439***
-0郾148*
极大似然函数值:-1050郾273摇优度比:0郾257
摇摇根据模型参数估计结果,剔除不显著的影响因
不足以满足实际的停车换乘需求,周边的A停车场可结合收费策略、停车时长及自身距轨道交通站点的距离制定合理的停车换乘收费策略,引导出行者选择于P&R附近停车场二次换乘,解决P&R设施停车位不足的问题.
2)“等待P&R车位时间冶的参数估计值为负,
素后,剩余影响因素t检验的绝对值均大于1郾96,说明在5%的置信水平上,认为剩余的影响因素对选择概率产生显著影响.其次,NL模型水平1优度比为0郾410,水平2优度比为0郾276,MNL模型优度比为0郾257,可知在研究出行者换乘失败后的出行行为时,NL模型能更精确地拟合调查数据,精度较高,且出行者在换乘失败后,先确定交通方式(停车换乘或自驾车),若选择停车换乘,则考虑如何换乘前往目的地的行为决策过程较为合理.2个模型拟合的优度比值均在0~1,其优度比越接近于1,说明模0郾2~0郾4时,即可以认为模型精度可以接受.型的精度越高.不过在实践中,当优度比的值为
下面对NL模型水平1的系数进行分析,由参
“出行时间充裕程度冶的参数估计值为正,说明等出行者选择在P&R停车场等待有车位后换乘的概率越低.对出行者来说,时间因素是出行最关注的
待P&R车位时间越长,出行者的出行时间越紧张,
因素,即使P&R停车场收费低廉,若需花费大量时间等待车位,时间价值较高的出行者也是无法接受的.
下面对NL模型水平2的系数进行分析,由参数估计结果可知,该模型的结构合理,在停车换乘和自驾车中,车辆是否限号或出行时间,以及目的地的停车费率是出行者主要考虑的因素.
1)包容系数的参数估计值为0郾651(t=3郾84),2)是否限号的参数估计值为正,且参数估计值
数估计结果可知,在P&R附近停车场二次换乘和等待P&R车位后换乘中,对出行者有较大影响的因素有换乘距离、停车时长、出行时间充裕程度及等待P&R车位时间.
1)停车费优惠幅度的参数估计值为正,停车时
处于0~1的范围内,说明NL模型的层次结构的划分是合理的,上下层之间具有显著的阶层关系.
长、换乘距离的参数估计值为负,说明二次换乘过程
中,A停车场的停车费优惠幅度越大,出行者的停车时间越短、换乘距离越小,出行者选择P&R附近停车场二次换乘的概率越大.因此,若P&R设施容量
较大,为4郾510,说明该因素对换乘失败后出行者考虑是否自驾车前往目的地,具有非常重要的影响.
摇第6期关宏志,等:考虑停车换乘停车位不足的停车换乘行为599
的地停车费率越高,出行者选择自驾车前往目的地
3)目的地停车费率的参数估计值为负,说明目
当A停车场停车费优惠幅度为20%时,对应的停车40%时,对应的停车时长为13郾44h.故停车场可考10h以上停车费优惠40%的分时段收费策略,以吸引更多的出行者进行二次换乘.同样,假设条件发生变化,其分时段收费策略也相应发生变化.
通过研究停车费优惠幅度与换乘距离2个因素组合对出行者换乘失败后选择P&R附近停车场二次换乘的影响,可以探讨不同换乘距离的A停车场时长大约为10h;当A停车场停车费优惠幅度为虑0~6h停车费不优惠,6~10h停车费优惠20%,
的概率越低.因此,城市形成差别化的停车收费策略有助于引导小汽车出行者转向公共交通.若结合P&R周边停车场制定相应的换乘优惠政策,可有效的吸引换乘失败的出行者放弃自驾车,转向P&R附3郾3摇政策分析近停车场二次换乘.
为探讨解决出行者换乘失败后停车问题的策略,下面对影响出行者换乘失败后出行行为的影响因素进行灵敏度分析,以往的研究中对出行方式影响因素的灵敏度分析多是分析单个影响因素对出行方式选择的影响,本文希望探讨二个影响因素共同影响下出行方式选择概率的变化情况,故绘制等高线图,分析停车费优惠幅度和停车时长对P&R附近停车场二次换乘选择概率的影响,这样可以探讨A停车场制订分时段收费策略对出行者的影响.结果如图4所示.
图4摇停车费优惠幅度-停车时长对选择概率影响的等高线
Fig.4摇Effectontheofsecondparkingtransference
feeandparkingtime
摇
70%后由图,选择4可知P&R,出行者附近停车场二次换乘的概率基本在停车费优惠幅度达到
100%趋于稳定,也就是说,停车费优惠幅度为70%和
影响是基本一样的,对出行者选择.GrahamP&R附近停车场二次换乘的等
[8]
对剑桥P&R停车
23郾场的调查报告显示,当P&R停车场没有车位时,
假设某4%的出行者会考虑其他停车场继续换乘A停车场期望出行者选择P&R附近停车场.这里二次换乘的概率达到40%,由图4可知,当A停车
场停车费优惠幅度为0时,对应的停车时长为6h;
制订不同的收费策略对出行者的影响.绘制等高线图,如图5所示.
图5摇优惠幅度-换乘距离影响等高线
Fig.5摇Effectofparkingfeeand摇
onthesecondtransference
transferdistance
由图5可知,停车费优惠幅度和换乘距离两因
素结合对出行者是否选择于P&R附近停车场二次
换乘有一定影响,当换乘距离大于600m时,停车费优惠幅度在0~100%的变化区间内,出行者选择二次换乘的概率为0郾1~0郾2,说明换乘距离对出行者的选择有较大影响,由于选择停车换乘的出行者多为通勤出行,即便停车场有一定的费用优惠,在早高峰时段,出行者也普遍无法接受大于600m的二次换乘距离.
此外,由图5还可知,假设某A停车场期望出40%.行者选择于当A停车场停车费优惠幅度为P&R附近停车场二次换乘的概率达到
换乘距离为90m;当A停车场停车费优惠幅度为0时,对应的20%费优惠幅度为时,对应的换乘距离为160A离为停车场停车费优惠幅度为40%时,对应的换乘距离为m;当A停车场停车300m.故这样的假设条件下60%时230m;当,换乘轨道交通的,对应的换乘距600
北摇京摇工摇业摇大摇学摇学摇报2019年
距离在300m以内的A停车场可考虑采用一些停车收费策略吸引更多的出行者进行二次换乘.
analysisofBeijingpark&ridedemand[J].Journalof[2]李媛,张秀媛.北京市地铁5号线天通苑地区停车换
乘需求预测[J].城市交通,2010,8(5):57鄄64.LIY,ZHANGXY.Park&ridedemandforecastingatTiantongyuanareaalongBeijingSubwayLineFive[J].Chinese)
118鄄124.(inChinese)
TransportationEngineeringandInformation,2011,9(3):
4摇结论
本文通过北京市亦庄开发区2处停车设施的停车调查,对P&R停车位不足下停车换乘的需求特性进行了分析,同时,本文通过建立NL模型和MNL模型,对出行者换乘失败后的出行行为进行了进一步研究.得到以下结论:
UrbanTransportofChina,2010,8(5):57鄄64.(in[3]熊萍,杜龙,卢少平,等.基于非集计模型的停车换乘
为,先确定交通方式1)出行者在换乘失败后的行为决策过程一般
(停车换乘或自驾车),若选择停车换乘,则考虑如何换乘前往目的地.且NL模型相较MNL模型更为精确,能够更好地拟合调查数据.
主要影响因素2)分析了影响出行者换乘失败后出行行为的
,包括出行时间、收入、是否限号、出行时间充裕程度、停车时长、停车费率、停车费优惠幅度、换乘距离和等待P&R车位时间.
出行者换乘失败后的选择有较大影响3)对影响因素的敏感性分析发现,,故距离轨道
换乘距离对
交通站点较近的A停车场可通过设置分时段收费策略吸引更多的换乘失败者进行二次换乘,从而完善停车换乘服务,并且提升其经济效益.
在进一步的研究中,应该考虑出行者的态度、认知等潜变量属性,将出行者的潜变量融入模型中,更加精确地预测出行者换乘失败后的出行行为.参考文献:
[1]刘燕与分析,秦焕美[J].交通运输工程与信息学报,潘小松,等.北京市停车换乘需求调查
,2011,9(3):118鄄124.
LIUY,QINHM,PANXS,etal.Investigationand
行为[J].系統工程,2008,26(3):17鄄21.
XIONGpark&rideP,DUL,LUSP,etal.Adisaggregatedmodelof[4](3):ZHAO17鄄21.behaviorX,LI(inY,Chinese)
[J].SystemsEngineering,2008,26park鄄and鄄ridefacilitiesXIAH.utilizationBehavior[Jdecision].
modelfor
MechanicalEngineering,2017,9(7):1鄄9.
Advancesin
[5]behaviorTIANLJ,LYUCR,ZHAOLX.Thepark鄄and鄄ride
JournalofinathecumulativeOperationsprospectResearchtheory鄄basedSocietymodel[ofChina,
J].[6]2017,向红艳5(3):换乘行为建模分析,何素贞363鄄376
,徐韬[J]..基于结构方程的通勤廊道停车
重庆交通大学学报(自然科学版),2018,37(2):90鄄95.
XIANGbehaviorsHY,HESZ,XUT.ModelingofparkequationUniversitymodelofcommuting(Natural[JJournalcorridorsofbasedChongqingonstructural&rideScience),].Jiaotong
Chinese)
2018,37(2):90鄄95.(in[7]关宏志北京:人民交通出版社.非集计模型——,—2004:交通行为分析的工具79鄄84.
[M].[8]GRAHAMYork:ResearchreportP,Council,ofGORDONsurveys[S.ParkandrideinOxfordand
1994.
R].London:Eeonomic&Social(责任编辑摇杨开英)
因篇幅问题不能全部显示,请点此查看更多更全内容