在暴风雨中通勤:适应交通运输乘客和措施的操作人员在上海

文摘

恶劣天气被确认为一个重要因素影响旅游者的活动计划起飞时间、运输方式、路线,或取消。在暴风雨中,道路涝降解能力的道路网络和公交系统的服务质量,进而可能会影响交通的供给和需求。基于一个典型的案例,上下班不容易获得在上海地铁服务,本文旨在探索在暴风雨中转机乘客如何适应不同的情况,并相应地应该采取的应急计划。来自所述显示偏好(RP)和偏好(SP)调查结果为经验丰富的交通通勤者,一个嵌套分对数(NL)模型被开发来描述旅游交通通勤者的行为。六个备选方案,直接总线,总线+公交,地铁,公交+地铁,出租车,并取消旅行,和三个风暴场景设置交通通勤者在这种情况下。估计参数表明,在暴风雨的天气,不考虑交通拥挤现象的通勤者们来说,传输时间,步行时间,车载时间和等待时间有负面影响的选择相应的替代,而出租车票价的影响是积极的因为更高的票价通常伴随着糟糕的天气和交通状况。敏感性分析表明,时间走到地铁站,车载时间,等待时间在公交车站是最关键因素导致交通客流量减少风暴。根据这三种可能的计划运输运营商,穿梭巴士到地铁站(P1)信息公告(P2),和路线调整(P3),模拟和比较。我们建议采用P2, P2 + P3, P1 + p + P3反过来与洪涝灾害的增加道路。这些发现具有重要实际意义发展交通应急管理计划和交通部门和运营商作为参考。

1。介绍

天气是公认的一个关键因素在交通系统操作。恶劣天气交通速度和道路容量可以显著减少,导致交通堵塞或中断,影响交通安全。公共交通,城市交通系统的重要组件提供通勤旅行,也可以在很大程度上受到恶劣天气的影响。已经证明,恶劣天气可能会降低公共汽车服务,影响乘客的出行选择,公共交通客流量减少(1]。报道在政府间气候变化专门委员会(IPCC) (2),显著增加极端天气和气候事件已经观察到自1950年代以来,在全球范围内。面临增加天恶劣天气、交通运营商和政府应该提供强大的应急管理计划保证通勤旅行。

非常重要的是理解传输系统性能的影响,在恶劣的天气和旅行者如何适应它。存在一些研究调查天气对旅客的出行行为的影响,包括旅游需求,模态转变,起飞时间和路线/目的地的选择(3- - - - - -6]。最常见的方法研究恶劣天气对旅游的影响涉及到收集和分析交通数据和客流量数据结合天气变量,如温度、降水和风速。最近,更多的时间与空间分解分析提出了增加结果的解释力7- - - - - -9]。除此之外,一些研究关注识别更多的问题在不利天气的影响,如设置的基础设施,旅客段,和旅行目的10- - - - - -13]。结果研究表明不利天气的异构影响旅游行为差异造成的整体设置研究。

根据我们的理解,不利天气对旅游行为的影响可以分解为两个部分:极端天气对运输服务的负面影响旅游者的旅游行为和相应的调整。从本质上讲,客流量是直接影响旅游服务的性能(如可访问性,可靠性,方便,舒适,和旅行时间),而不是天气。一些研究调查的影响天气对交通系统的性能,如道路容量,车辆移动速度、巴士停留时间,和公交服务可靠性14,15]。从我们的角度来看,除了基础设施和气象要素的设置,管理水平也是一个决定性因素的不利天气对运输服务的影响。我们相信好的措施可以减少负面影响,有效地提高性能。为交通运营商,知道应该采取什么样的措施,有必要了解旅游选择运输服务性能的影响在不同的情况。然而,有限的研究适应旅客运输服务质量的变化在恶劣天气可能不支持进行有效的应急措施。

为了填补这一空缺,本文旨在探索交通通勤者的适应不同的情况,相应地为交通运营商提供可行的措施。首先,揭示偏好(RP)和偏好(SP)进行了调查,然后交通方式选择和交通服务性能之间的关系在暴风雨中成立。来自统计和敏感性分析,三种可能的计划,穿梭巴士到地铁站,信息公告,和常规调整,模拟和比较。这些结果可能会对发展公交应急管理计划,为公共交通机构作为参考。

本文的其余部分组织如下。部分2回顾相关研究和为本研究提供了文学背景。部分3介绍了数据和研究区。分析方法也阐述了在这一节中。部分4提出并讨论了分析结果和研究成果。部分5提出,然后模拟一些紧急交通运营商的计划。部分6总结了研究成果,指出局限性和未来的工作。

2。文献综述

天气对交通的影响得到了大量研究的关注。研究可以确定为两个主要部分:对身体的影响和操作方面,对旅游需求的影响和旅行者的行为。在本节中,我们将回顾有关研究大纲的主要结果,并确定研究缺口。

2.1。对身体的影响和操作方面的问题

天气对交通基础设施的性能直接影响(6]。暴雨,风暴,雪,雾所有可能导致恶化的交通状况,如低能见度,潮湿的道路,和洪涝灾害。对于不同的旅游模式,先前的研究显示对旅游产生负面影响的速度(3,16- - - - - -19]。一些研究表明,湿的道路可以减少车辆平均速度6 - 7%在城市地区,甚至下雨时(8 - 12%20.]。和减少旅行速度甚至可以导致道路容量减少了20%的城市网络(21),导致交通堵塞或中断1),交通系统的不可靠性22),和更多的交通事故23]。对于公交服务,天气的影响是更复杂的比私人和nonmotorized运输。在一个方面,它的负面影响总线操作的服务频率,进展规律,和旅行时间的可变性1];在另一方面,它增加了难度和时间/于公交站点乘客的方式(7]。

2.2。对旅游需求的影响和旅行者的行为

除了它对身体的影响和交通系统的操作方面,恶劣天气可能会影响旅游者的决定。大量的研究强调了旅游行为变化由于天气原因,像模式转变4,6),目的地和路线的变化(3),和延迟或取消旅行24]。公共交通乘客往往直接受不利天气等待或走到/从车站,并间接影响车载运输服务的恶化(7]。直接和间接影响影响出行者的行为以及交通客流量。

在大多数以前的研究,恶劣天气,如下雨,已经发现公共交通客流量施加负面影响(1,25]。然而,一些实证研究报告不同的结果在rain-transit客流量的关系,这表明它是积极与公共交通份额(17,26]。进一步的研究表明,交通客流量在光降雨量略有下降,然后随雨变得更重,最后在大雨大幅下降(27]。异构影响显示的复杂性之间的关系恶劣天气和交通客流量。因此,一些研究关注识别特定的不利天气的影响更详细的问题。例如,高级乘客(28],低收入旅行者[29日),和偶尔的用户(10对不利天气更敏感。另外,恶劣天气对休闲旅游的影响比通勤旅行(12),公共汽车旅行比地铁旅行13比工作日,周末旅行旅行(7),和长时间的通勤旅行在冬天比夏天(11]。除了不利天气对交通的影响,客流量也不同类型、位置、设施和线路的车站(8和每天的时间9]。

简而言之,这些研究大多数研究恶劣天气对客流量的影响结合多变量、气象要素(如温度、降水和风速)、时间(天,星期,时间,和季节性),设备(如天气保护手掌,可访问性的车站,公交线路和连接),和个人归因(例如,年龄,性别,收入,经验,和旅行目的)。少关注探索转机乘客如何适应在风暴过境服务根据服务性能,如旅行时间变异性、服务频率,可靠性、可访问性、和安慰。我们认为,它有助于改善基础设施以及交通运输管理服务调整交通运营商和机构。

3所示。数据和分析方法

在本节中,我们将介绍一个案例研究,包括数据收集和分析方法,来描述在不良天气出行选择行为的动力。

3.1。数据收集

如图1,本研究中采用的数据来源于调查在很大程度上与超过15000居民住宅区中环线附近道路在上海,中国。这个小区覆盖近10公交车站,但是没有地铁站。一名乘客从这个区域的中心需要走过去1公里到最近的地铁站。存在大量通勤需求在居民区和中央商务区近6公里。然而,道路涝和循环中断发生在暴风雨的天气在这个区域,造成可怕的巴士服务。

一个代表性的案例是反映交通通勤者的困境没有方便的地铁服务。他们之间必须包含时间,舒适,经济损失由于没有方便、可靠的运输服务,在恶劣的天气。基于这种情况,以后我们会有一个详细的分析旅游行为在不同的条件下,并相应地提出一些可能的措施。

专为RP和SP调查,问卷调查是在工作日的早晨高峰时间2016年9月,针对公共交通乘客离开他们的家园。RP调查收集社会人口信息,例如性别、年龄、职业、月收入、以及旅游相关信息,例如,旅行目的,旅行模式,旅行时间和传输时间,上下班在暴风雨中体验。SP调查要求受访者选择旅游在假设的场景。

三个假设的道路洪涝灾害场景(S1-S3)被认为有不同的道路条件和交通影响操作在暴风雨的天气(见图2):S1:轻微的风暴(超过20毫米降雨),发生小规模的水洼,造成步行时间增加,车辆速度下降,和轻微的总线延迟S2:在风暴中(大约50毫米降雨),一些地区的道路是洪涝灾害,导致走路不方便,交通堵塞,严重的公共汽车延误S3:暴风雨(降雨量超过100毫米),道路在一些地区洪涝灾害严重,导致行走困难,部分道路关闭,和公交弯路

通过实地调查在暴风雨中,我们发现,在这种情况下,有六个合理的旅行选择交通通勤者,它指定五个可能的组合的旅游模式,另一个选项取消这次旅行。服务六个旅游选择定居的性能根据调查数据。细节如下(见图所示1和表1):A1:坐公共汽车没有转移(直接巴士服务,DB)A2:骑一辆公共汽车,然后转移到另一个公共汽车在不同的例程(总线+总线,B + B)A3:走到地铁站,然后在麦德龙(metro, M)A4:骑一辆公共汽车,然后转移到地铁(B总线+地铁+ M)A5:出租车(出租车,Tx)A6:取消旅行(取消旅行,CT)

在此基础上,我们设计了SP调查中,含有十二个不同条件下来自三个假想的道路洪涝灾害场景和四个拥挤的场景。对于每个案例,受访者提供上述六个旅游选择和他们的表演(见下表1)。假定的受访者有足够的知识与经验,可以相应地做出选择。

在我们设计场景,直接巴士,最方便的方式在正常天气,很大程度上是受风暴影响的步行时间,等待时间,和车载旅行时间。地铁不受风暴行动,而需要长时间走路去地铁站可以减少他们的意愿。坐公共汽车,然后转地铁或公共汽车,有可能选择保持短的步行时间和相对较低的延迟。乘出租车旅行可以避免长时间行走,大旅行延迟,和可能在交通拥挤现象有效服务,而出租车的票价,增加与道路涝由于拥堵和迂迴,远高于所有选择在公共交通场景。

确保样本代表一些陷阱的问题和逻辑判断被用于初步选择。185份问卷,有足够的知识的通勤交通选择在暴风雨的天气,和162年其中有过境乘客选择公交或地铁作为主要的交通方式。完全,1944个有效旅行选择从这些162年经验的过境乘客聚集在SP调查是用来校准的参数模型研究。表2介绍了这些参与者的描述性统计。参与这项研究的一些主要特点如下:(一)大多数的受访者年龄成年人正常意义上,从16岁到60岁不等。由于政府正试图创建激励人们工作更长时间,老年人也占很大一部分的通勤者。(b)超过80%的受访者的月收入范围从2000元(约300美元)至10000元(约1500美元)。高收入的人的比例超过10%,这是只有一半的20.6%上海统计年鉴》30.]。(c)超过90%的受访者在暴风雨过境交通的经验选择公共汽车或地铁作为主要的交通方式。(d)约有一半的被调查者的旅行在RP的调查中,这是在工作日的早晨高峰,是通勤旅行。(e)近80%的受访者预期的旅行时间是超过60分钟。(f)40%以上的受访者需要转移。

总之,数据显示,大部分受访者转机乘客长通勤时间、中等收入、工作年龄,确保他们是我们的目标群体。

3.2。分析方法

一般来说,研究人员采用离散选择模型(DCM) [31日- - - - - -35)或结构方程模型(SEM) (17)估计的交通方式选择使用RP和SP调查数据。RP和SP数据涵盖现有的绝对属性水平和更大范围的属性;因此,它有利于构建一个更健壮的模型。在这项研究中,RP数据可以帮助我们选择我们的目标受访者和决策变量。和SP数据被用来估计的关键因素与道路涝暴风雨天气。多项logit MNL模型已被证明是适合混合交通条件下离散选择模型的结果(31日]。MNL模型固有的假设之一是独立无关的替代品(花絮),这意味着替代是不相关的。考虑到A1∼A4的相似性,它可能导致这一事实花絮”假设不能持有;在这种情况下,嵌套logit (NL)模型采用链接的概率选择通勤旅客解释变量。

在这项研究中,我们的目标是探索替代的性能之间的关系和交通通勤者的选择概率不同的风暴场景。它不同于大多数以前的研究,将天气变量,如温度、降水、风速与旅游的选择。要实现这一目标,三个主要类型的影响被认为是在我们的模型中。第一个是天气的直接影响站点的可访问性,主要受步行时间/从站或转运站之间。第二个是天气的间接影响,主要影响服务性能的退化,如等待时间的变化,车载旅行时间和抚慰。第三个是旅游成本;旅行费用随不同的运输方式和路线的选择。除此之外,个人属性,例如,年龄,性别,收入,和旅行目的,可能不同灵敏度的三个效果。旅行的目的是设置为通勤。

总的来说,决策变量的详细信息如下:(一)抚慰(CD)指的是密集度过境旅客的感觉(4等级:0、0.3、0.6和0.9)(b)步行时间(WT)指的是时间的过境旅客步行从出发点到公交车站(c)传输时间(TT)指的是《纽约时报》的客运车辆从一个到另一个,这是在一个固定的选择(d)等待时间(OWT)是指车辆的到来的时间(e)车载旅行时间(IT)是指从登机到降落(f)旅游费用(TF)指的是费用支付选择(g)月收入(MI)是指缩放参数反映了支付能力(4水平,0、1、2和3)(h)性别(GE)指通勤的性别(0,男性;1、女性)(我)年龄(AG)是指年龄通勤属于(6个级别,0,1,2,3,4,5)

在这些变量在不同的场景中,MI是固定为一个特定的通勤,TT是固定为一个特定的选择。旅行时间,包括WT、OWT,随场景和选择。票价在A1 A4(公共交通替代)是固定的,而在A5(出租车替代)根据场景不同。CD是一个不确定的变量相关运输服务的供给和需求;对于出租车模式,它通常可视为0。A1 A4属于公共交通巢(巢1)票价成本低,A5是出租车窝巢(2)票价高的成本,和A6停止旅行取消巢(窝3)。假设包括设置的选择j选择(j= 1,2,…,6)属于巢我(我= 1,2,3)和个人的效用n(n= 1,2,…N)收益替代j是制定 在哪里个人的效用吗n选择替代j在场景k,是可观测的矢量属性的个人吗n在场景k,相关系数对替代j,拦截的效用函数的选择吗j,是随机误差项。

问的概率公式模型(两级问模型)可以表示如下: 在哪里个人的概率是n选择替代j在一个场景k,个人的概率是n选择鸟巢我在一个场景k,个人的概率是n选择替代j如果窝我是选择,所有选择的集合包含在巢吗我在一个场景k,巢的日志和变量吗j在场景k,不同参数对巢吗我。

4所示。结果分析

在本节中,为了更好地理解在恶劣天气交通通勤者的行为变化,我们进一步分析统计结果,估计参数,并根据选择敏感性模型和节中收集的数据3。

4.1。统计结果

根据表3,有三个选择:巢穴公共交通、出租车和取消。SP调查的场景设计,你可能希望公共交通模式的比例大幅减少从S1到S3在选择出租车和取消的概率显著增加。很明显,风暴天气有巨大影响乘客的出行选择,和整体,步行时间,等待时间,和车载时间增加,愿意选择公共交通将会减弱。具体来说,DB和B + B模式的概率S1-S3大幅下降,同时增加在M模式下从S1, S2 S2和S3在B + M模式发生。它表明,地铁服务的影响较小,认为是一个好的替代巴士服务的风暴,这与先前的研究一致(36]。即使出租车票价超过20倍的车费在S3中,数量选择公共交通工具上下班的人几乎是一样的人选择出租车,这表明,旅游费用是在暴风雨中交通通勤者不是决定性的因素。与此同时,超过三分之一的通勤者决定取消了旅行计划,缺席工作可能有一个伟大的对旅游需求的影响,给社会带来巨大的损失。

4.2。估计参数

嵌套logit模型被用来测试的影响步行时间,等待时间,车载旅行时间、拥挤、和收入在上下班选择转机乘客的风暴。步行时间(WT),等待时间(OWT),车载旅行时间(IT),票价(TF)和收入(MI)保存在最终的模型。虽然轻微的影响拥挤(CD)、性别(GE),和年龄(AG)存在于测试,他们不重要,95%的置信水平。添加这些变量将导致增加R广场但AIC的衰落、BIC和调整R广场。此外,此外,一些交互项,如心肌梗死WT、心肌梗死OWT,小姐,小姐特遣部队,也测试了,但没有一个是重要的甚至在90%置信水平。我们强调,时间和成本的价值被视为相同的某个人;时间和成本变量的系数设置为通用在我们的模型中。重量和意义的最终模型的决策变量和性能如表所示4。接下来,我们要有一个详细的分析。

4.2.1。准备拦截

最初,我们设定不同的拦截所有的替代品(取消巢作为一个固定的项目是0)。然而,我们发现,在公共交通替代巢(A1-A4)也有类似的估计价值的拦截。根据我们的测试,一个普遍的拦截在公共交通替代巢,这是采用在最终的模型中,可以提高AIC和BIC但不会显著降低r平方。公共交通通用拦截巢可以改善AIC和BIC但不减少R广场很明显。这表明交通通勤者没有明显的偏好差异选择公共交通巢。

4.2.2。转移

公共交通巢的转移系数是−1.88;这意味着转移很大程度上降低了替代品的选择概率。在出租车和取消巢,没有转让行为被认为是在旅行过程中。通常我们建议multitransfer旅行计划不是对乘客的吸引力,甚至在紧急情况下,公交公司应该避免提供乘客的计划不止一个转移。

4.2.3。收入

收入的系数A1、A3、A4是消极的,而对于A2, A5、A6是积极的。是合理的,高收入群体偏爱A5、A6。如果一个选择出租车(A5),他/她需要支付更多的旅行费用,如果你选择取消旅行(A6),他/她需要承担经济损失由于缺席工作。A2在我们的案例中,旅客步行距离最短。因此,上班族与高收入可能更关心步行时间的性能。总体看来,高收入个人不得关心安慰问题超过经济问题和旅行时间。

4.2.4。等待时间和车载时间

等待时间的系数和车载时间都是负的,这表明时间旅行时间将减少替代品的选择概率。从估计参数,在这种情况下,车载时间似乎比等待时间有更大的影响力,这可能有点不同于正常的天气。它可以解释说,在暴风雨的天气,湿旅行者的人群车辆可能比个人感觉更不舒服的在车站等着。

4.2.5。步行时间

而等待时间系数(−0.059)和车载时间(−0.042),的系数值步行时间(−0.174)3到4倍,显示了巨大的风暴在出行选择步行时间的影响。似乎行走困难由于雨水和涝大大降低了旅游的意愿。当步行时间超过个人宽容,乘客必须改变旅游选择。它是在暴风雨天气通勤的决定性因素。

4.2.6。票价

票价的系数是正的;似乎是不合理的,因为通常高成本意味着更少的对旅客的吸引力。然而,我们的设计方案是高度基于真实情况;运输费用在不同的场景中是恒定的,而出租车票价是根据旅行时间和距离风暴和道路条件高度相关。交通条件和天气变得更糟时,出租车的成本,并减少风暴的影响,出租车,反过来,有较高的吸引力。对于出租车模式,交通变得更糟,费用会更高。的负面影响超过公差时,通勤变得更加渴望保证通勤甚至以更高的成本。

4.2.7。抚慰

出乎意料的,没有明显的抚慰民众,对所有乘客的影响。一个可能的解释是,交通通勤者在一个大都市,像上海,用于环境拥挤现象在日常通勤公交或地铁。与平时相比,明显的变化,如暴雨、洪涝灾害,总线延迟,再走,和等待时间,更有可能在暴风雨中有关。因此,拥挤在风暴天气不影响上下班的关键因素。

4.3。敏感性分析

4.3.1。灵敏度的定义

问模型,估计系数的比值比特定的旅游模式参考电平,不能直接反映一个特定变量的总体影响,因为它也取决于其他所有变量的大小。因此,“严格的影响”对于一个给定的变量不能确定由于与其他变量组合的多样性。目标是预期的影响变量的值改变时对某些个人和随后的选择的选择。在这个案例研究中,灵敏度的定义是基于弹性与无穷小的变化,叫做点弹性。因为操作性能是连续的变量,我们假设一个变量的相对变化是相同的每一个人在人口和分解直接点弹性模型的变量被定义为 在哪里是旅行的聚合点弹性模型的模式j在选择集。个人估计的概率是多少n选择交通方式j与变量在一个场景k。一套是包含所有相关样本。概率质量函数来评估吗 ,从估计问模型获得。是问的估计系数。

4.3.2。单变量的灵敏度分析

表5报告根据估计问每个变量的敏感性模型。表中出现的数字百分比变化另一个关于概率的一个变量在一定情况下的变化。如表所示5值,红色表示概率的增加,而蓝色值表明相反。五个变量,例如,传输时间,步行时间,等待时间,车载时间,票价,表明运输操作的性能。在暴风雨的天气和道路涝,指标的量化值可以直接反映当时的公交服务质量和间接反映天气的严重程度的影响。灵敏度分析结果的解释模式分享应对单变量变化的转变。

4.3.3。步行时间

在我们的例子中,我们假设乘出租车乘客可以送往目的地没有走。因此,WT5设置为0,灵敏度也约为0。WT1 WT4,与某些替代的步行时间越来越长,这种替代的概率预计将减少而其他选择的概率增加。具体地说,在所有情况下,WT3影响最大(0.7 - 0.9)在A5、A6证明关键影响地铁车站的步行时间。此外,在S1, WT1增长了1%,A5、A6的选择概率增加了0.417%和0.410%,分别。它也表明,在轻微的风暴,步行时间汽车站是不容忽视的。总的来说,降低公共交通的客流量下降WT3所有场景和WT1在S1中具有十分重要的意义。

4.3.4。等待时间

类似于步行时间,另一个选择的概率下降随着其等待时间变得更长。然而,相比之下,步行时间,影响将更少。专门为等待时间增加了1%,(OWT)、A5、A6的概率预计最多增加0.197%和0.39%,而对于步行时间增加1% (WT),增加可达0.97%和0.95%,分别。OWT1 S1, OWT2 S1和S2, OWT5在S3中明显影响取消旅行应该关注的。

4.3.5。车载时间

类似于步行时间和等待时间,车载的崛起时间减少相应的替代和选择概率的增加CT。从结果表5变化,选择CT的概率是敏感的IT1和IT2 S1, IT2和IT5 S2, IT5 S3。这些结果表明,交通通勤者可以从减少车载时间中获益的A1和A2之前天气变得很棒。

4.3.6。票价

因为票价A1∼A4的场景设计是常数,灵敏度对他们来说没有任何意义。出租车的票价与时间旅行距离和车载道路反映道路洪涝灾害的严重程度,领导保证,交通堵塞。它可以被视为一个变量组合的环境和成本。票价是相反的其他变量的影响。具体来说,出租车费增加1%将增加出租车的选择概率1.5%,而其他替代品在S3中会减少近0.7%。

总的来说,当我们比较了绝对直接弹性措施的影响改变一个属性的选择我相同的选择概率选择,OWT和它有相同的顺序从高到低:A1, A2, A4、A5, A3,而对于WT,订单变得A3, A1, A2, A4,和A5。巴士服务A1和A2,等待时间的性能和车载时间是需要改进的。地铁服务A3,关键步行时间的变化。

自我们的目标之一是减少在风暴天气取消旅行的选择,比较绝对的十字架松紧带取消旅行(A6)。我们发现的关键因素(值> 0.15)随场景。在S1,顺序从高到低的主要因素是WT3, WT1、IT5, IT2, IT1, OWT5, OWT2, OWT1,而在S2,它变得WT3, IT2, IT5, IT1, IT4, WT2, WT1、OWT2, S3, WT3变化,IT5, BF5, OWT5, IT2 IT4, IT3。这表明在所有场景WT3是最关键的问题。WT,除此之外,它和OWT影响下平衡S1,但当条件恶化,影响公共汽车可能需要的主要部分,后来变成了可怕的风暴,属性的出租车IT5 BF5, OWT5取消旅行有很大的影响。

总之,增加属性的一个替代,如步行时间,等待时间,和车载时间,负面影响概率的选择但对其他方法的积极影响,而恰恰相反。步行时间是所有选择的关键因素。车载时间与等待时间在某种程度上,与更大的灵敏度值。当天气不是那么糟糕,减少在各个方面都可以影响。当它变得更糟的是,减少车载时间可能仍然工作。如果天气变得糟糕,地铁和出租车而不是巴士是对于大多数上班族首选的选择。减少地铁或步行时间保证high-equality出租车服务可能是可行的。

5。模拟

在本节中,基于信息的案例和数据分析,我们建议可能的交通运营商相应计划和模拟客流量分享动力学在不同的场景中。根据仿真结果,在这种情况下,我们推荐合适的措施在不同条件下交通运营商。

5.1。模拟方法

一旦选择模型估计的,我们希望用它来模拟交通通勤者的反应应急措施和评估方案的性能在促进交通客流量。模拟的方法如下。

考虑选择模型提供个人的概率n选择替代在选择集在场景k,由于解释变量 。计算客流量的人口份额大小N, Ns的样本个体。几乎是不可能的,从平等的人口抽样概率,假设分层抽样样本中已经使用,每个与重量有关抽样偏差的纠正。要实现这一目标,可以提供的样本和目标人群的比例比个人单独的属性吗n。在本例中,我们使用月收入分布在人口来自官方人口统计信息在上海统计年鉴来纠正偏差。如果 对个人n,可以被估计为 在哪里和分别是目标人群比例和样本。在这种情况下,来自官方人口统计信息上海统计年鉴》2016年。

权重归一化,这样

个人的归一化权重n, ,是制定

客流量的一个估计量的选择j在人群中是

5.2。模拟可能的计划

根据上面的分析,发现在地铁站步行时间,增加在公共汽车站等待时间,车载时间的主要障碍是交通通勤者在暴风雨天气。应对暴风雨过境服务的影响,提出了三种可行的紧急情况:P1:班车,连接公交车站和地铁站附近的居民区P2:公告信息,比如实时到来和巴士服务的传输信息P3:路线调整,稍微调整巴士常规避免与洪涝灾害和拥堵严重的部分

参数后出现计划不同于原计划。因此,合理设置的选择如表所示6并解释如下:P1。由于穿梭巴士公交车站和地铁站之间存在新的选择A7上班族穿梭巴士,然后把乘坐地铁,指出S + M。A3相比,旅客选择A7必须转移一次增加,OWT获得更短的WT。现有转移计划A4相比,由于航天飞机只服务连接附近的公交车站和地铁站,可以避免道路涝,选择A7可以有短OWT和类似的WT为通勤者。在P1出现计划中,乘客选择A1 A7。P2。如果巴士服务可供乘客实时信息,根据先前的研究,预期的等待时间可以减少到30%37]。因此,OWT A1、A2和A4结算值的70%后的信息公告。P3。临时改变路线的公交线路,避免道路部分严重的道路涝区,但稍微延长总线。在这种情况下,根据调查和数据分析,近50%的延迟发生在道路涝部分;我们可能认为调整公交线路可以减少50%的延迟。因此,A1和A2 P3大幅下降。

此外,我们结合这些变化因不同的计划在一起形成四个结合计划:P1和P2, P1 + P3, P2 + P3, P1 + p + P3。因此,在接下来的7计划在每个场景模拟和比较。

5.3。仿真结果分析

客流量的详细仿真结果与采用共享选择计划如表所示7。聚合的乘客选择的主要模式作为总线(DB, B + B)、地铁(M, B + M、S + M),公共交通,被列为公共汽车,地铁,分别和PT。公交/地铁的价值反映了公共汽车去地铁的客流量比在不同的情况下。此外,表8展品的客流量分享天气正常变化和战略的联合计划的好处。红色和绿色表示正价值和负价值,分别。

一般来说,应急计划将增加公共交通的客流量和减少出租车和取消。在单一计划战略(1 - p), P1提供S + M模式,减少步行时间比M和等待时间比B + M,而P2旨在降低汽车等待时间和P3试图减少车载时间。显然,P1可能增加地铁的吸引力,和P2和P3可以改善公交,导致低的公交/地铁P1。此外,我们注意到,与天气恶化,可以获得更多的优势,为一个特定的计划,但变化对计划的影响。考虑一个计划,P1, P2, P3执行最好的S3, S1和S2。分析表明,P2的影响一般在所有场景,P1和P3在暴风雨中更适合在更糟糕的情况下。

P2 + P3 2-Plan战略,集中在巴士服务执行比P1 + P2和P3平衡解决方案在所有场景。我们必须强调,P2 + P3可以大大提高公交的风暴天气,但减少地铁乘客的成本需要仔细考虑最终决定。当谈到multiplan策略,作为一个可能期望的那样,计划采用越多,性能就越好。3 p策略采用三个计划比2 p策略更有效,也比1 - p策略。然而,采用更多的计划,一个计划带来的边际效益,下降。以S3为例,1 - p策略能带来11.42%的客流量份额上升相比,没有计划;1 - p的边际效益是11.42%。如果一个计划了,2 p战略崛起可以达到19.44%,远远高于1 - p,但2 p的边际效益下降到8.02%。3 p的价值进一步下降到4.79%。因此,考虑应急计划的边际效益,我们建议1 - p策略P2或原计划P0场景S1, S2 2 p策略P2 + P3场景,和3 p策略在场景S3 P1 + p + P3。

总的来说,所有的应急计划是有效的在增加公共交通客流量和减少取消选择概率。在场景S1,光风暴的影响在公共交通工具上并不严重。因此,采取任何措施和发布公交到达信息可以接受这个条件。当天气变得更糟的是,P2 + P3能保证公交服务和维护在通勤公交的份额在S2。如果事情变得更糟糕的是,在S3中,一种方法是尽力保证地铁和巴士服务,采用三个计划代价巨大,在实践中难以执行。此外,因为地铁服务比在暴风雨中巴士服务的影响较小,放弃主总线服务和提供穿梭巴士连接居民区和地铁站保证地铁的可访问性可以在S3中另一个可能的选择。但是,它有一定的局限性,只适合地区高度发达的地铁网络。

6。讨论和结论

我们的论文旨在描述旅游行为动态交通的上班族在暴风雨中,为交通运营商提供可能的应急计划/机构来保证交通旅行的通勤者。首先,本研究进行了RP和SP调查风暴对旅游行为的影响,关注出行选择交通通勤者的变化之间的关系和运输服务的性能。要实现这一目标,我们建立了一个选择模型,考虑性别、年龄、收入、步行时间,等待时间,车载,拥挤、转移和票价。从结果分析,这表明,在暴风雨的天气,步行时间,等待时间,和车载时间有明显的负面影响的选择概率选择;高收入上班族喜欢总线+公交、出租车和取消旅行;年龄,性别,和拥挤现象对风暴天气的影响有限。通过灵敏度分析,我们进一步发现,在一个风暴,减少出行时间,包括步行时间、等待时间、车载时间,会有效果。当它变得更糟的是,车载的衰落时间可能更敏感,因此地铁成为最受欢迎的选择。当天气是可怕的,行走变得更加困难,因此大多数上班族放弃地铁和出租车选择或取消旅行。因此,三种可能的应急计划,信息公告,路线调整,穿梭巴士到地铁站,模拟在不同的场景中。 The simulation results can provide references for public transit agencies by suggesting important implications for future public transport development. A strategic proposal of transit agency is to work out detailed emergency plans in conjunction with meteorological departments, road management bureaus, telecommunications companies, and transit operators, including information release, operation adjustment, and traffic management. Specifically, real-time information should be provided, including weather condition, the emergency state and duration, temporary route plan and timetable, and estimated delay or arrival time at stops, to guide passengers to adjust their travel plans under all scenarios in the storm. Further, according to weather data from the meteorological department and risk analysis of road congestion by road management department, bus operators can adjust bus routes in time to avoid high-risk sections. When weather getting worse and maintenance of normal bus operation becomes difficult, metro system which is less affected by heavy storms can be a reliable substitute for bus service. Thus, it is necessary to put forward a temporary feeder bus scheme, including temporary route, bus stops, and schedule, to bridge the residential areas and metro stations.

尽管有这些有前途的影响,仍有一定的局限性,需要解决。首先,由于缺乏足够的数据来评估备选方案的可靠性在风暴,这项研究没有直接考虑的可靠性可能在旅游决策发挥着重要作用。其次,缩小了研究范围,休闲旅游比通勤旅行更容易受到影响的考虑在这个研究。第三,减少复杂性的方法和重点交通服务,私人汽车,从选择一些不同的出租车,不列为交通通勤者的选择。因此,应该考虑更多的问题提供一个完善的不利天气如何影响旅游的选择。最后,本研究展品适应交通通勤的风暴,为公交公司的案例研究提供了可能的对策在特定小区域。一个通用的应用程序将在更多的领域需要进一步验证。应进行进一步的研究,探讨时空异质性的恶劣天气的影响,模拟交通客流量动力学在不同地区随着时间的推移,和评估性能的可行的应急预案。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

腾,Bo和张导致研究概念和设计。腾和Bo导致数据收集。张,导致方法,分析和解释结果,草案手稿准备。所有作者回顾了结果,批准了最终版本的手稿。

确认

这项工作是由交通运输部支持中华人民共和国为运输(没有科学和技术研究的基础。2015318221020)。

引用

1. m·霍夫曼和m . O’mahony”不利天气条件的影响城市公共汽车性能的措施,”学报2005年IEEE智能交通系统,第89 - 84页,维也纳,奥地利,2005年。视图:谷歌学术搜索
2. c . b .字段、v r·巴罗斯和d . j . Dokken气候变化政府间气候变化专门委员会,2014:2014:影响,适应和脆弱性。出版第二工作组的贡献的政府间气候变化专门委员会第五次评估报告,2014年。
3. m .冷却后,e .卫星,l . Creemers, g .湿胎”旅游行为的变化,以应对天气状况,“交通研究记录:《交通研究委员会,卷2157,不。1、22 - 2010页。视图:出版商的网站|谷歌学术搜索
4. 大肠浸湿,b . van凌晨,k .真理正义之神“上下班骑自行车:文献的概述,“运输的评论,30卷,不。1,59 - 96年,2010页。视图:出版商的网站|谷歌学术搜索
5. a . j . Khattak和a . De Palma”不利天气条件的影响变化旅游决策倾向:布鲁塞尔通勤者的调查,“交通研究部分:政策和实践没有,卷。31日。3、181 - 203年,1997页。视图:出版商的网站|谷歌学术搜索
6. m . j . Koetse p·里特维德,“气候变化和天气对交通的影响:实证研究的概述,“交通研究D部分:交通和环境,14卷,不。3、205 - 221年,2009页。视图:出版商的网站|谷歌学术搜索
7. 郭z: h . m .威尔森,a . Rahbee”天气对交通的影响客流量在芝加哥,伊利诺斯州”交通研究记录:《交通研究委员会,卷2034,不。1,3 - 10,2007页。视图:出版商的网站|谷歌学术搜索
8. a . Singhal c Kamga, a . Yazici“天气对城市交通客流量的影响”交通研究部分:政策和实践卷,69年,第391 - 379页,2014年。视图:出版商的网站|谷歌学术搜索
9. 道,j·科克兰、f·罗和m . Hickman“旅行还是旅游:ʽ天气的问题。造型的影响当地天气条件对公交的,”交通研究部分C:新兴技术卷,86年,第167 - 147页,2018年。视图:出版商的网站|谷歌学术搜索
10. l .离任,m . Dijst j·法伯尔,“天气、交通模式选择和情感的旅行经历,”交通研究部分:政策和实践卷,94年,第373 - 360页,2016年。视图:出版商的网站|谷歌学术搜索
11. m .后于c·弗雷a·弗雷和h s Mahmassani”风暴骑士:探索气候和季节性影响通勤模式的选择在芝加哥,”旅游行为和社会卷。13日,44-60,2018页。视图:谷歌学术搜索
12. Datla和s·沙玛,”冷,雪对时间和空间变化的影响的公路交通卷,“j .交通地理杂志》上,16卷,不。5,358 - 372年,2008页。视图:出版商的网站|谷歌学术搜索
13. j .安踏j·b·Perez-Lopez a . Martinez-Pardo a .代和m . Orro”影响的天气模式的选择与时变拥挤在走廊:混合数据的一项研究中,“运输,43卷,不。2、337 - 355年,2016页。视图:谷歌学术搜索
14. m . Kyte z哈提卜,p·香农,厨师,“天气对隧洞的影响速度,”交通研究记录:《交通研究委员会,卷1776,不。1、60 - 68、2001页。视图:出版商的网站|谷歌学术搜索
15. b . l .厨师k·g·伯恩,r·b·普曼s m .轩尼诗和n . j .古德”调查降雨对高速公路交通流的影响,”美国交通运输研究委员会第83届会议美国,华盛顿特区,2004年1月。视图:谷歌学术搜索
16. r·b·陈和h . s . Mahmassani“让:下雨天气影响压力和活动安排的行为,”旅游行为和社会,卷2,不。1,55 - 64、2015页。视图:出版商的网站|谷歌学术搜索
17. y . o . c . Liu苏西洛,a . Karlstrom”调查的影响天气变化对个人的日常activity-travel模式:比较通勤者和non-commuters在瑞典,”交通研究部分:政策和实践卷,82年,页47 - 64,2015。视图:出版商的网站|谷歌学术搜索
18. y Motoaki和r . A . Daziano“hybrid-choice潜类别模型分析天气对自行车需求的影响,“交通研究部分:政策和实践卷,75年,第230 - 217页,2015年。视图:出版商的网站|谷歌学术搜索
19. s . Saneinejad m . j . Roorda和c·肯尼迪,“造型天气条件对活性的影响交通出行行为,”交通研究D部分:交通和环境,17卷,不。2、129 - 137年,2012页。视图:出版商的网站|谷歌学术搜索
20. d .类似v . p . Sisiopiku, a . Skabardonis”天气对城市高速公路交通流特性的影响在伊斯坦布尔,”Procedia-Social和行为科学》16卷,第99 - 89页,2011年。视图:出版商的网站|谷歌学术搜索
21. h .佩兰、p·t·马丁和b·g·汉森”修改信号定时在恶劣天气中,“交通研究记录:《交通研究委员会,卷1748,不。1,第71 - 66页,2001。视图:出版商的网站|谷歌学术搜索
22. 张x和m .陈”量化的影响天气事件旅游时间和可靠性,”《先进的交通工具,2019卷,2019年。视图:出版商的网站|谷歌学术搜索
23. 邹y、y . Zhang和k . Cheng”探索的影响气候和极端天气对致命的交通事故,”可持续性,13卷,不。1,p。390年,2021。视图:出版商的网站|谷歌学术搜索
24. J.-L。马德里,k . w . Axhausen w .曲柄手摇钻,“静止的旅行日记调查,”运输,34卷,不。1,第128 - 107页,2007。视图:出版商的网站|谷歌学术搜索
25. p . Arana、美国Cabezudo和m . Penalba“天气状况对交通客流量的影响:使用数据统计研究智能卡),“交通研究部分:政策和实践卷,59岁,1 - 12,2014页。视图:出版商的网站|谷歌学术搜索
26. m·萨比尔j . Van Ommeren m . Koetse p·里特维德,“恶劣天气和通勤速度,”网络和空间经济学,11卷,不。4、701 - 712年,2011页。视图:出版商的网站|谷歌学术搜索
27. 里特维德,j·科克兰和r·史汀生m·海克曼”的影响天气对当地地理总线模式的使用,“交通地理杂志54卷,第80 - 66页,2016年。视图:出版商的网站|谷歌学术搜索
28. 莫伦斯m·史汀生c, b . Agard e . Descoimps和j·s·马克特,“使用智能卡数据来评估天气对公共交通的影响用户的行为,”先进的会议系统公共Transit-CASPT12,页汽车智利的圣地亚哥,2012年7月。视图:谷歌学术搜索
29. n美国非政府组织”,城市公交的,收入,和极端天气事件,“交通研究D部分:交通和环境卷,77年,第475 - 464页,2019年。视图:出版商的网站|谷歌学术搜索
30. j . Wang和z朱上海统计年鉴》中国,中国统计出版社,北京,2016。
31. r . Ashalatha v . s . Manju, a . b .查利亚”模式选择行为的通勤者特里凡得琅市”交通运输工程学报,卷139,不。5,494 - 502年,2012页。视图:谷歌学术搜索
32. p c . Devarasetty m·伯和w·道格拉斯肖,”旅行时间的价值和reliability-evidence偏好调查和实际使用,“交通研究部分:政策和实践,46卷,不。8,1227 - 1240年,2012页。视图:出版商的网站|谷歌学术搜索
33. c . Thrane”检查游客的长途运输模式选择使用多项Logit回归模型,”旅游管理的角度15卷,第121 - 115页,2015年。视图:出版商的网站|谷歌学术搜索
34. a . m . Zanni m . Goulden, t . Ryley”提高场景方法在基础设施规划:一个案例研究英国的长途旅行和流动性在极端天气的不确定性和气候变化,”技术预测和社会变革卷,115年,第197 - 180页,2017年。视图:出版商的网站|谷歌学术搜索
35. 和t . j . a . m . Dingwall Ryley”,极端天气条件的影响,在长途旅行的行为,”交通研究部分:政策和实践卷,77年,第319 - 305页,2015年。视图:出版商的网站|谷歌学术搜索
36. 吴j . h .廖,“天气、交通方式的选择,和对北京地铁客流量的影响”交通研究部分:政策和实践卷,135年,第279 - 264页,2020年。视图:出版商的网站|谷歌学术搜索
37. h·卢·伯吉斯·c·海伍德et al .,“实时信息的影响乘客的公共汽车等待时间的价值,”交通研究Procedia31卷,18 - 34岁的2018页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021库恩薄熙来等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。