城市交通出行行为研究方法前沿
柴彦威1，沈 洁2，赵 莹1
（1. 北京大学城市与环境学院，北京 100871；2. 卡迪夫大学城市与区域规划学院，英国）
摘 要：梳理城市交通工程及规划、城市地理学和城市规划学以及行为地理学和时间地理学等学科关于城市交通出行行为的研究方法及趋势，阐述活动分析法成为城市交通出行行为研究方法之前沿的原因。从相关理论方法和实证研究这两方面，对活动分析法进行全面介绍与评述，提出基于活动分析法的城市交通出行行为研究框架。
关键词：交通；出行行为；活动分析法
中图分类号：K901文献标识码：A 文章编号：1673－7180(2010)05－0402－8
Activity-based approach for urban travel behavior research
Chai Yanwei1，Shen Jie2，Zhao Ying1
(1. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China;
2. Cardiff School of City and Regional Planning, Wales, UK)
Abstract: Related theories and trends about the topic of travel behavior in different disciplines, such as urban transportation engineering and planning, urban geography and urban planning are first reviewed. In particular, it introduces the development of behavior geography and time geography, and summarizes their contribution to make activity-based approach as the front edge of theories to analyze travel behavior. Then, related theory and empirical research of western countries are both introduced here, and it is apparent that all studies should be brought into a more comprehensive and micro activity analysis to achieve their study aims. A research framework for travel behavior associated activity-based approach is also provided, along with suggestions for future research, which means that multi-discipline system construction and forecast application are two main trends of future development.
Key words: transportation；travel behavior；activity-based approach
城市功能空间的高效率发挥，在很大程度上依赖于有序、通畅和快捷的城市交通。可以说城市交通是一个城市的活力所在。西方城市交通研究和交通问题的解决，经历了从仅仅关注城市交通网络设施布局优化，到以交通流作为出发点，再到深入探讨产生交通流现象的出行行为机制的发展等过程，已经摆脱了工程观念的束缚，成为包含技术条件的支持（交通运输）、城市社会活动的组织（布局结构）、城市居民的日常活动（城市社会活动）、空间质量（城市景观）以及城市决策者的管理措施（城市政策）等的综合领域。
相比之下，在过去的20年里，我国城市机动性的改善主要是通过超常规和高强度的投入，侧重于物质环境的建设[1]，而对于交通产生的根本问题——出行行为的研究则刚刚起步。随着交通问题的日益突出以及大城市出行调查的开展，交通出行行为的研究受到不同学科和领域的关注。除了对出行行为的产生机制进行初步探讨外[2-3]，也有学者对交通出行行为与城市土地利用的关系进行了研究[4-6]。值得注意的是，相关领域开始出现了
收稿日期：2010-03-30
基金项目：高等学校博士学科点专项科研基金资助项目(20090001110054)；2009年IBM共享大学研究项目；科技部创新方法工作资助项目(2007FY140800)；国家自然科学基金资助项目(40801046)
作者简介：柴彦威(1964－)，男，教授，主要研究方向：城市地理学、行为地理学及城市与区域规划，chyw@https://www.doczj.com/doc/5119136248.html,
与活动相关的出行行为研究。虽然这些研究并没有明确把活动分析法作为其主要理论和方法，但却把出行行为与活动联系了起来。这些研究涉及通勤[7-8]、购物[9-11]和休闲等活动[10-11]中的出行行为及其与城市空间结构的关系。柴彦威等[10]基于活动日志调查，利用时间地理学方法把城市交通出行整合在移动－活动系统中，分析城市居民时间利用、活动与出行的时空间特征；周素红等[8]利用GIS技术对通勤行为进行了空间模拟。
尽管上述研究仅集中于活动出行行为本身的考虑，但与其他方面如土地利用结构、城市空间结构和相关政策变化等方面的互动研究很少涉及，同时也缺乏对出行行为决策机制的深入探讨。在此背景下，本文通过梳理不同学科对居民出行行为的研究，阐明将基于活动分析法的研究视角纳入到交通出行研究中的必要性及重要性，并从理论方法和实证研究两方面全面介绍与评述活动分析法的研究进展，提出基于活动分析法的城市交通出行行为研究框架，为我国城市规划及城市交通规划等提供相关的理论支撑和实践基础。
1不同学科的交通出行行为研究
1.1城市交通工程学和交通规划
城市交通工程学和交通规划出于实际的需要，是最早关注交通出行行为的领域。1962年美国制订的联邦公路法规定凡5万人口以上城市，必须制订以城市综合交通调查为基础的都市圈交通规划，方可得到联邦政府的公路建设财政补贴[12]。该项法律直接促成交通规划理论和方法的形成和发展，即经典出行产生、出行分布、方式划分和交通分配的四阶段推算法。这种方法使得交通出行研究从一开始就以设施建设为服务对象，以预测为最终的目标。但该方法一直受到广泛的批评，其中最多的批评是，它没有考虑到出行行为的内容，只是关注流的大小和方向，而不是流形成的机制[13]；因此，预测的结果往往不尽准确，而且当城市发展到一定的阶段，交通问题的解决不再依靠长期的交通供给建设而转向短期的交通管理的时候，该方法的作用便大为减弱。20世纪70、80年代出现了从微观层面上关注个体决策和选择过程的非汇总方法，开始从微观机制上研究出行方式、出发时间以及交通工具类型的选择[14-15]，但这种方法仍然基于效用最大化原理，局限在就出行看出行之中，并没有建立起一个相应的概念性框架来说明人们究竟为何出行，以及究竟怎样决策和怎样安排出行。
1.2城市规划和城市地理学
在更宏观的城市研究领域，城市规划和城市地理学是把交通出行行为作为一个研究城市的重要视角，通过交通出行探讨城市形成发展、组合分布和空间结构变化的规律，从而为城市功能空间的合理布局以及城市发展与建设提供依据。其中，城市规划更侧重于探讨城市建成环境与出行行为之间的关系，这里的建成环境包括密度和强度、土地利用混合度、道路连接性、街道的三维空间、地方的吸引力以及空间结构[16]；而城市地理学中的研究则侧重于城市的经济性、社会人口学以及活动的空间结构与出行行为之间的关系。
由于早期城市大多处于不断发展扩张时期，交通系统也处于不断兴建和完善的阶段，因此，许多研究从宏观的空间尺度和长期的时间尺度上开展，较为侧重交通及交通设施建设对于城市空间形态和土地利用变化等方面的影响，而并不包含行为本身的内容[17-19]。从二十世纪80年代末期开始，由于土地利用模式过度使用和依赖机动车而带来种种城市问题，新城市主义运动把如何通过合理规划建成环境以减少机动车使用作为其重要的内容，研究者开始关注土地利用、城市空间结构等与出行行为的关系，从更为微观和短期的尺度来看待城市空间对于交通出行行为的影响，以便寻找解决问题的根本途径。很多讨论关注土地利用密度和土地混合程度等方面特征对于出行的次数究竟是否产生影响[20-22]；对于城市空间与出行的关系多局限于特定的活动空间分布对于出行的影响[23-24]。可见，这一层面上的研究虽然跳出了宏观交通出行的概念，但是对于个人行为的关注仍然主要停留在汇总层面，并且把居民日常活动割裂开来也很难在实质上把握出行行为的机制。
1.3行为地理学和时间地理学
行为地理学是在考虑环境（包括自然地理环境与社会地理环境）条件下强调人的行为的研究方法[25]。行为地理学对于出行行为的关注更多的是出行行为本身的再现和规律探讨，并且借助空间行为模式研究行为决策，探讨人的行为特点及其对城市环境和规划决策的影响。行为地理学在对于出行行为的早期研究中，往往把出行看作是人们为了顺利进行各项活动而用时间交换空间的位移过程，从行为决策的角度进行研究，通过构建离散选择模型对于出行行为进行描述和预测。其中，多项分对数模型、马尔可夫过程模型和门槛模型等是其重要的方法。
由于涉及到行为机制本身，该领域的研究产生了对出行行为深入研究的重要理论和方法基础。但是，Burnett等[26]认为选择行为的模型在本质上存在若干问题，包括没有考虑出行是派生需求、大多数仅考虑两点之间的单目的出行，基于静态的假设（对于特定人群只有一种安排）、缺乏长远出行需求的考虑，以及由于经
济学和心理学的最大效用化假设而没有真正解释个人的行为等方面。除此之外，早期的研究太过于强调个人的选择行为而忽视了宏观背景对于出行产生的影响，忽视了人的行为既是对环境感知的一种主动反应也是在各种制约下的必然结果。
时间地理学的产生给行为地理学中出行行为的研究带来了新的突破。该理论认为人的活动是由一定时空间环境条件下的一系列连续并且相关的事件所构成的，在此基础上，通过三维的时空路径，研究各种物质及社会环境中限制人的行为的制约条件，阐明路径形成的时空间机制，以此来说明人的空间行为[27]。Gollege等[28]指出时间地理方法是研究时间、空间和人类活动的一个“革命性”的方法。对于出行行为来说，这种方法在研究中引入个人活动的考虑，同时把时间分配和空间选择的概念相联系，同时提供了通过运用动态的地图来描述个人在时间和空间运动的路径的新的研究方法。
1.4基于活动分析法的出行行为研究
如前述，城市交通工程学和交通规划中往往由于缺乏探讨出行行为的根本规律而无法将出行行为模型有效地应用到实践中；城市规划和城市地理学则太过于强调物质空间的作用只能在汇总层面上研究出行行为；行为地理学的早期研究则走向了与之相反的一面，基于效用最大化的假设，完全从人的主观决策来决定出行行为。随着时间地理学的出现和活动概念的引入，使得各个领域的交通出行行为的研究都发生了重要的变化。传统研究中的缺陷得以避免，出行行为与活动联系在一起，从而可以描述和解释日常的出行安排，能够搞清单目的或者多目的的出行；既考虑影响短期出行需求变化的个人认知因素，也考虑与长时间范围变化有关的其他社会需求变化、时空约束变化、主体社会经济地位变化、技术和物质环境的变化有关的因素。正是在这种综合框架下的出行研究才可能逼近复杂行为的本质，交通出行行为的研究最终被纳入到活动分析法(activity-based approach)的框架之下。
2活动分析法
2.1相关概念
活动分析法的明确定义是：在一系列活动结构的背景中考虑个人或者家庭的移动模式，同时强调时间和空间制约的重要性[29]。在活动分析法的概念框架下，出行与传统的研究有着明显的区别：1) 人们为了完成相应的生产和生活，产生了进行各类活动的需求。由于活动在空间的分布是不均的，为了完成特定的活动，从而产生了出行的需求。也就是说出行是活动的派生行为；2) 同时这种活动和出行又是受到包括活动发生的特定时间、特定地点以及活动的其他参与者三个因素的显著影响；3) 活动和出行及其影响因素都必须纳入到特定的时空制约的背景中考虑[30]。
活动分析法有2个主要的发展方向：一是通过实证研究探讨活动安排与出行行为的相互关系；二是如何发展相关的理论和方法，应用这种规律来预测活动和出行，尤其强调对于日常移动－活动模式的研究和模拟。其中，单一内容下的出行行为实证研究往往是综合框架下日常移动－活动模式研究的基础，而后者却是整个活动分析法的核心，不仅为单一现象的实证研究提供理论和方法支撑，同时也是活动分析法最终希望实现的研究目标——系统研究移动－活动行为的复杂规律，并最终应用到城市交通相关问题的解决中。
2.2理论方法研究进展
2.2.1制约模型
这一类研究多以H?gerstand的时间地理学为理论和方法基础，强调各种时空制约的重要性，强调制约下活动的计划、组织和执行。Lenntorp[31]指出在这种情况下出行行为的研究所要回答的核心问题是“为了实现一个活动计划有哪些可能的路径？”因此这类研究中的执行过程往往包括模式输入、序列产生和序列检查，如图1所示。
图1制约模型的一般过程
Fig. 1General process of constraint models
隆德大学的Lenntorp[32]最早通过PESASP(program evaluating the set of alternative sample paths)的模型，以时间和空间中个人路径的集束等时间地理学的基本概念为基础，对现实环境或假想环境下日常活动日程的各种可能性进行模拟和评价。其中，土地利用、交通系统、营业时间以及工作时间变化对最后出行选择结果产生影响。与此相似的研究还有Jones等[33]的CARLA(combinatorial algorithm for rescheduling lists of activities)模型，除了时间地理学中所提到的制约以外，同样还考虑了逻辑上的规则、个人的出行习惯方式和路线等约束。1987年通过该系统对荷兰减少公共汽车服务的结果进行了研究。
这类方法是把活动分析纳入到出行研究中的最早尝试。由于这类方法往往忽略了人的主观能动性，很难探讨出行行为的过程和选择，从而很难反映个人在时空环境发生变化时的反应。但是，在判断相关政策对出行的影响和后果时这种方法具有非常好的应用前景，特别是近年一些学者通过与GIS技术的结合研究表明，该方法的优势能够更好地应用到出行行为的预测中[34-37]。2.2.2最大效用模型
Chapin[38-39]关于城市活动的相关研究，强调个人的偏好和选择，因此，结合经济学和心理学中的最大效用假设，发展出一类相应的方法。在活动分析法研究的早期，更多的还是基于传统的MNL(multinominal logit)选择模型预测一个活动的选择概率。Adler等[40]以出行链为基础，根据最大效用的原则模拟家庭活动模式的选择。这里，活动模式通过目的地的数量、特征和交通方式等变量来描述，并受目的地属性、移动时间和家庭的社会经济属性等因素影响。另一个早期的模型为STARCHILD [41-42]，将活动决策分为出行前阶段和出行后阶段：前阶段中个人根据其活动需求，建立活动日程；在移动阶段，根据日程中没有预见到的一些情况以及不断出现的新的活动需求来对原日程进行修改。其中，活动日程的效用等于活动效用与等待和移动时间的负效用之和。Kitamura[43-44]假设目的地选择的概率不只与它自身的吸引力和可达性有关，也与目的地所在地区其他目的地的吸引力和可达性有关，并建立了结合出行链效应的目的地选择模型，用于预测某一特定目的地被选择的概率。
逻辑嵌套模型针对MNL模型不能同时考虑变量的不同重要性而进行改进，二十世纪90年代以来逐渐成为最主流的方法。在第一个使用逻辑嵌套模型的研究中[45]包括了一系列目的地选择和活动选择的非汇总模型，目的地的选择与上一活动的目的地以及将要进行的活动有关；活动的选择与上一活动的目的地等有关。Ben-Akiva等[46]建立了基于活动的非汇总交通需求模型系统。活动和移动选择根据活动的优先级进行，一个活动日程被分为一个首要的出行链以及一些次要的出行链，其中包含优先级不同的活动，而对于活动的选择是一个综合多因素权衡的过程。这种方法最早利用美国波士顿地区的数据进行原型研究，然后在波兰应用到了出行预测当中，是这类方法中最成功的典型。
由于该方法往往过于强调个人选择的过程，而忽略了这种选择背后的宏观条件。为了突破这种情况，研究者也把制约的条件纳入到进行最大效用为基础的选择行为的前提中。Kitamura等[47]的PCA TS(prism- constrained activity-travel simulator)系统，把时空棱柱、交通方式的可得性以及活动位置的认知作为3个制约条件来研究，而在选择的过程中所需要考虑的因素包括4个方面（活动类型、活动持续时间、活动目的地和移动方式）。
2.2.3规则模型
规则模型，也称为计算过程模型(computational process models)，更多源于心理学的相关理论。该类方法认为，由于人们获得信息和处理信息的能力有限，不可能对所有可能选择进行权衡后作出最优判断。相反，人们根据与环境的互动过程和个人的经历等来形成并不断更新他们对于环境的信息，然后通过信息的处理形成并不是最优、但却是在一定规则下最为满足的结果。这些特定的规则又是与个人所掌握的信息和解决办法的能力有关。通常这种规则的使用是通过“If (condition=X) Then (perform action Y)”的基本形式执行的。这种方法能够反映清晰的决策过程，以及在有限的信息条件下和不同的情境下的不同决策。
Heyes-Roth等[48]最早尝试用生产系统模拟个人活动和出行行为中的认知过程。另一个早期的模型SCHEDULER提供了一个从长期日历和认知地图到短期日历和日程安排的概念框架[49]。在这两个早期模型的基础上，也发展出其他的关于活动安排的方法[50-52]。值得一提的是，作为SAMS(sequenced activity mobility simulation)的核心部分，AMOS(activity-mobility simulator)模型已经在华盛顿得到应用[53-54]，以此来评价包括停车价格、增加自行车设施和步行道设施、通勤许可证以及征收堵塞税等的相关政策。
2.2.4微观模拟器
除了以上的几种主要方法以外，考虑活动和出行行为过程多方面选择和制约的微观模拟器方法值得一提。该方法并不是基于某一特定的理论和假设，而是针对不同活动模式的不同方面使用不同边际和条件概率分布来模拟个人的行为，从而可以发挥不同理论的优势所在。当然，这类方法的发展也是得益于近年计算机技术的不断发展。其中以SMART(simulation model for activities, resources and travel)模型[55]为代表，该系统尝试将行为学方法、土地利用、交通系统、家庭活动和资源分配等在交通出行研究中整合于一个区域的背景之中，为城市增长所产生的影响以及交通系统的变化构建科学模型。
2.3实证研究进展
活动分析法自产生以来，伴随着各种理论方法和技术手段的发展，所涉及到的出行行为研究不断扩展。最
早的研究主要涉及参与各类活动的需求以及由活动派生出来的交通出行需求、活动在时间和空间上如何安排、时间－空间以及其他人对个人活动和出行选择的制约、某人某天（或者更长时间段）各活动和出行选择之间以及不同人的选择之间的相互作用和关系、家庭结构和个人所承担的家庭角色与活动、出行的关系。后来，如何在物质环境和政策环境的变化中发展掌握和预测出行行为的动态性和适应性变化、时间利用以及社会网络的影响都成为研究新的关注焦点[56-57]。
活动持续时间和时间利用是最早开始受到关注的方面。Kitamura等[58]研究了通勤的时间和距离与其他活动持续时间的关系，认为超过20 km的通勤距离活动的持续时间会随着距离而缩短，而且这个时间也与通勤时间和工作时间是负相关的。这类研究中最为复杂的是Ettema等对活动选择和活动持续时间的模拟，认为时间和空间上的制约对人们的活动持续时间有着显著的影响，包括活动发生的时点、商店开门时间和出行花费的时间等等，同时也与活动出行模式和个人的社会经济属性相关[51]。在活动参与需求和频率方面，Ma等[59]基于泊松模型研究了不同类型的活动——生存必需活动、维持必需活动和休闲活动——的参与频率。Lu 等[60-61]的研究表明，活动参与需求同个人社会经济特征的相关性很强。
出行链和停留模式的研究是活动分析法中研究最多的内容。很多研究分析了出行链的次数和结构，Kitamura等[62]的研究表明，从工作回家途中往往有更多的出行链停留点，Bhat[63]专门分析了夜间通勤，表明工作地所在地区零售业密度越高其停留次数越多，并且女性停留的次数多于男性。另外，很多研究分析了出行链的相关影响因素，包括性别、出行方式、活动位置[64]和家庭结构[65]等方面。Kitamura在研究中引入了预期效用的概念，假设一个目的地选择效用不仅仅与其自身的属性和距离有关，而且同从该目的地出发的整条出行链产生的效用有关[43]。这个概念对传统马尔可夫过程方法有很大的突破，可以解决出行链研究中连续选择相关性的问题。
此外，还存在一些独特的研究视角。Mannering 等[66]分析了人们对活动出发时间的决策，发现出行时间越长越容易使人们的出发时间发生改变，而女性往往倾向于在购物和参加社交活动时延迟出发时间。Kitamura 等研究了人们如何处理家庭内活动和家庭外活动的关系[47]。很多研究认为，在家庭内部任务分配和角色承担方面，承担家庭任务较多的女性使用机动交通的比例很高，通勤时间较短[67-68]。
最近的研究焦点又转向了社会网络关系如何在活动和出行行为选择方面产生影响。2005年7月在荷兰召开的交通研究国际会议即以“交通前沿：社会与空间的交互”作为会议主题。尽管早在1987年Townsend[69]就提出过一个研究人与人之间相互影响的活动出行研究框架，但是由于这种相互依赖性很难量化研究，因此直到最近才开始重新受到重视。比如，Golob等[70]分析了家庭中夫妻之间如何影响各自的活动，Wen[71]也试图将这种人与人之间的相互影响纳入到其关于出行链的研究中。
2.4研究框架
基于以上相关研究的梳理及发展方向，本文尝试构建活动分析法的研究框架，如图2所示。在活动分析法的框架下，城市交通出行行为是在时间、空间以及社会经济因素等3个不同却相互联系的维度中发生的，其中，空间强调活动进行的位置以及与出行相关的交通因素，时间则强调外在的制约因素对于活动的时间安排产生的影响，个人在社会中承担的角色及在社会网络中的位置与其时间和空间的选择与制约同样重要。研究由浅到深、由单一到综合分为3个层次：一是对移动－活动模式特定方面的实证研究；其次是在移动－活动的时空连续背景下对个人日常活动安排的模拟；最后，考虑各类影响行为偏好和制约的因素，在计算机中实现综合微观行为和宏观背景等方面的微观模拟器，从而向着预测和决策支持方向发展。
图2 基于活动分析法的城市交通出行行为研究框架Fig. 2 Research framework of activity-based approach to urban
travel behavior
3结论与展望
综上，基于活动分析法的交通出行行为的研究强调
理论技术方法和实证研究相互推动，理论方法深化出行行为规律的探讨，而实证研究反过来为理论建模提供重要的依据，从而有助于交通需求预测和相关规划的制定。在这两方面的发展过程中，研究经历了从简单到复杂、从单一到综合的过程，正在向着更为综合的领域发展。如何将这些不同内容的现象和各有所长的方法整合为一个完整的理论方法体系将是活动分析法所面临的关键问题。另一方面，随着计算机技术的不断发展，活动分析法也开始从描述走向预测[57]。
与西方的研究相比，我国与交通出行行为尚处于起步阶段。面对我国目前快速的城市化和大城市突出的交通问题，相关研究亟待展开；一方面需要在研究的广度、深度以及研究的技术方法上进行提高，同时也需要有包括数据、技术和政策等相关方面的支持，实现我国城市交通出行行为理论研究和实践应用上的突破与发展。
[参考文献](References)
[1]潘海啸. 中国城市机动性20年发展的回顾[J]. 国外城市规划,
2005, 20(3): 41-45.
Pan Haixiao. Review of China’s urban mobility and development in
the last 20 years [J]. Urban Planning Overseas, 2005, 20(3): 41-45.
(in Chinese)
[2]林震, 杨浩. 交通信息诱导系统对出行选择的影响分析[J]. 交通
运输系统工程与信息, 2002, 2(4): 21-24.
Lin Zhen, Y ang Hao. Impact analysis of advanced traffic information
system on travel choice [J]. Journal of Transportation Systems Engineering and Information Technology, 2002, 2(4): 21-24. (in Chinese)
[3]石小法, 王炜, 杨东援. 信息对出行者出行行为的影响研究[J].
中国公路学报, 2002, 15(1): 89-92.
Shi Xiaofa, W ang W ei, Y ang Dongyuan. Study of the effect of information on the travelers’ behavior [J]. China Journal of Highway
and Trnsport, 2002, 15(1): 89-92. (in Chinese)
[4]李文翎, 谢轶. 广州地铁沿线的居民出行与城市空间结构分析[J].
现代城市研究, 2004, 4: 61-64.
Li W enling, Xie Tie. The characteristics of the trips of inhabitants and
the urban space structure along the subway in Guangzhou City [J].
Urban Research, 2004, 4:61-64. (in Chinese)
[5]曲大义, 王炜, 王殿海, 等. 城市向郊区发展对中心区交通影响
研究[J]. 城市规划, 2001, 25(4): 37-39.
Qu Dayi, Wang W ei, W ang Dianhai, et al. Research on the traffic
effect in the central district of urban expansion [J]. City Planning
Review, 2001, 25(4): 37-39. (in Chinese)
[6]周素红, 闫小培. 广州城市空间结构与交通需求关系[J]. 地理学
报, 2005, 60(1): 131-142.
Zhou Suhong, Y an Xiaopei. The relationship between urban structure
and traffic demand in Guangzhou [J]. Acta Geographica Sinica, 2005,
60(1): 131-142. (in Chinese)
[7]李峥嵘, 柴彦威. 大连市民通勤特征研究[J]. 人文地理, 2000,
15(6): 67-72.
Li Zhenrong, Chai Y anwei. Study on the commuting features of
Dalian citizens [J]. Human Geography, 2000, 15(6): 67-72. (in Chinese)
[8]周素红, 杨利军. 广州城市居民通勤空间特征研究[J]. 城市交通,
2005, 13(1): 62-67.
Zhou Suhong, Y ang Lijun. Study on the spatial characteristics of
commuting in Guangzhou [J]. Urban Transport of China, 2005, 13(1):
62-67. (in Chinese)
[9]王德, 张晋庆. 上海市消费者出行特征与商业空间结构分析[J].
规划研究, 2001, 25(10): 6-14.
W ang De, Zhang Jinqing. The analysis of consumer trip characteristics and spatial structure of commercial facilities in Shanghai [J]. City Planning Review, 2001, 25(10): 6-14. (in Chinese) [10]柴彦威, 刘志林,李峥嵘, 等. 中国城市的时空间结构[M]. 北京:
北京大学出版社, 2002.
Chai Y anwei, Liu Zhilin, Li Zhengrong, et al. Time-space structure of
Chinese cities [M]. Beijing: Peking University Press, 2002. (in Chinese)
[11]陆建, 王炜. 城市居民出行时耗特征分析研究. 公路交通科技,
2004, 21(10): 102-104.
Lu Jian, W ang Wei. Study of resident trip time consumption characteristic [J]. Journal of Highway and Transportation Research
and Development, 2004, 21(10): 102-104. (in Chinese)
[12]周鹤龙. 美国大都市区交通规划及其启示[J]. 国外城市规划,
2005, 20(5): 50-52.
Zhou Helong. Metropolitan transportation planning issues in the
USA [J]. Urban Planning Overseas, 2005, 20(5): 50-52. (in Chinese) [13]Ben-Akiva M, Lerman S R. Discrete choice analysis: theory and
application Analysis [M]. Cambridge, Massachusetts：MIT Press, 1985.
[14]Bunch D S, Bradley M, Golob T G., et al. Demand for clean-fuel
vehicles in California-A discrete-choice stated preference pilot project
[J]. Transportation Research A: Policy and Practice, 1993, 27: 237-253.
[15]Handy S, Boarnet M, Ewing R, et al. How the built environment
affects physical activity: views from urban planning [J]. American Journal of Preventive Medicine, 2002, 23: 64-73.
[16]Adams J S. Residential structure of midwestern cities [J]. Annals of
Association of American Geographers, 1970, 60(1): 37-62.
[17]Newman P, Kenworthy J. The land use-transport connection: an
overview [J]. Land Use Policy, 1996, 13(1): 1-22.
[18]Knight R L. Land use impacts of rapid transit systems: implications of
recent experience [R]. Final report prepared for the US Department of
transportation, 1977.
[19]Pushkarev B M, Zuppan J M. Public transportation and Land Use
Policy [M]. Bloomington: Indiana University Press, 1977.
[20]Messenger T, Ewing R. Transit oriented development in the Sun Belt
[J]. Transportation Research Record. 1996, 1552: 145-153.
[21]Cervero R, Kockelman K. Travel demand and the 3Ds: density,
diversity and design [J]. Transportation Research Pard D: Transport
and Environment, 1997, 2(3): 199-219.
[22]Cervero R. Congestion relief: the land use alternative [J]. Journal of
planning education and research, 1989, 10(2): 119-129.
[23]Gottlieb P D, Lentnek B. Spatial mismatch is not always a central-city
problem: an analysis of commuting behaveiour in Cleveland, Ohio,
and its suburbs [J]. Urban Studies, 2001, 38(7): 1161-1186.
[24]Handy S, Clifton K J. Local shopping as a strategy for reducing
automobile travel [J]. Transportation, 2001, 28(4): 317-346.
[25]柴彦威. 行为地理学研究的方法论问题[J]. 地域研究与开发,
2005, 24(2): 1-4.
Chai Y anwei. Methodological problems in behavioral geography
study [J]. Areal Research and Development, 2005, 24(2): 1-4. (in
Chinese)
[26]Burnett P, Thrift N J. New approaches to travel behavior [C]// In
Hensher D. and Stopher P. (eds.) Behavioral Travel Demand Modeling. London: Croom Helm, 1979: 116-136.
[27]柴彦威, 王恩宙. 时间地理学的基本概念与表示方法[J]. 经济地
理, 1997, 17(3): 55-61.
Chai Y anwei, Wang Enzhou. Basic concepts and notation of
time-geography [J]. Economic Geography, 1997, 17(3): 55-61. (in
Chinese)
[28]Golledge R G, Stimson R J. Spatial behavior: a geographic
perspective [M]. New Y ork: The Guilford Press, 1997.
[29]Goodwin P. Some problems in activity approaches to travel demand
[C]// In Carpenter S. and Jones P. (eds.) Recent advances in travel
demand analysis. Gower: Aldershot, 1983: 470-474.
[30]W ang D. Conjoint Approaches to Developing Activity-based Models
[D]. Netherlands: Eindhoven University of Technology, 1998.
[31]Lenntorp B. Paths in space-time environments: a timegeographic
study of movement possibilities of individuals [J]. Lund Studies in
Geography, Series B, 1976(44): 147-150.
[32]Lenntorp B. A time-geographic simulation model of individual
activity programmes [C]// In Carlstein T. Parks D. and Thrift N.(eds.)
Human activity and time geography(V olume 2). London: Edward
Arnold, 1978: 162-180.
[33]Jones, P M. The practical application of activity-based approach in
transport planning: an assessment [C]// In Carpenter S. and Jones P.
(eds.) Recent advances in travel demand analysis. Gower: Aldershot,
1983: 56-63.
[34]Miller H J. Modeling accessibility using space-time prism concepts
within geographical information system [J]. International journal of
Geographical information systems, 1991, 5(3): 287-301.
[35]Miller H J. Measuring space-time accessibility benefits within
transportation networks: basic theory and computational methods [J].
Geographical Analysis, 1999, 31: 187-212.
[36]Golledge R G, Kwan M P, G?rling T. Computational process
modeling of household travel decisions using a geographical information system [J]. Papers in Regional Science, 2005, 73(2):
99-117.
[37]Kwan M P, Hong X D. Network-based constraints-oriented choice set
formation using GIS [J]. Geographical System, 1998, 5: 139-162. [38]Chapin F S. Human activity patterns in the city [M]. New Y ork: John
Wiley and Sons, 1974.
[39]Chapin F S. Human time allocation in the city [C]// In Carlstein T.
Parks D. and Thrift N.(eds.) Human activity and time geography
(V olume 2). London: Edward Arnold, 1978: 13-26.
[40]Adler T, Ben-Akiva M. A theoretical and empirical model of trip
chaining behavior [J]. Transportation Research Part B: Methodological, 1979, 13(3): 243-257.
[41]Recker W W, McNally M G, Root G S. A model of complex travel
behavior: part I: theoretical development [J]. Transportation Research
Part A: General, 1986, 20(4): 307-318.
[42]Recker W W, McNally M G, Root G S. A model of complex travel
behavior: part II: an operational model [J]. Transportation Research
Part A: General, 1986, 20(4): 319-330.
[43]Kitamura R. A model of daily time allocation to discretionary
out-of-home activities and trips [J]. Transportation Research Part B:
Methodological, 1984, 18(3): 255-266.
[44]Kitamura R. Incorporating trip chaining into the analysis of
destination choice [J]. Transportation Research Part B: Methodological, 1984, 18(1): 67-81.
[45]Hoorn A I J M. An empirical model of travel and activity choice: a
case study for the Netherlands [D]. Netherlands: University of
Amsterdam, 1983.
[46]Bowman J L, Ben-Akiva M E. Activity-based disaggregate travel
demand model system with activity schedules [J]. Transportation
Research Part A: Policy and Practice, 2001, 35(1): 1-28.
[47]Kitamura R, Fuji S. Two computational process models of
activity-travel behavior[C]// In Garling T. Laitila T. and Westin K.
(eds.) Theoretical Foundations of Travel Choice Modeling. Oxford:
Pergamon, 1998. 251-279.
[48]Hayes-Roth B, Hayers-Roth F. A cognitive model of planning [J].
Cognitive Science, 1979, 3: 275-310.
[49]G?rling T, Brannas K, Garvill J, et al. Household activity
scheduling[C]// the Fifth W orld conference on Transport Research.
Y okohoma, Japan. 1989.
[50]V ause M. A rule-based model of activity scheduling behavior [C]// In
Ettema D, Timmermans H. (eds.) Activity-Based approaches to travel
analysis. Oxford: Pergamon, 1997: 73-88.
[51]Ettema D F, Borgers A, Timmermans H. A competing risk hazard
model of activity choice, timing, sequencing, and duration [C]// the
74th Annual Meeting of the Transportation Research Board.
W ashington, D.C., 1996.
[52]Arentze T A, Timmermans H J P. A learning-based transportation
oriented simulation system [J]. Transportation Research Part B:
Methodological. 2004, 38(7): 613-633.
[53]Kitamura R, Lula C V, Pas E I. AMOS: an activity-based, flexible and
truly behavioral tool for evaluation of TDM measures [C]// Proceedings of the 21st Summer Annual Meeting: Transportation
Planning Methods. PTRC Education and Research Services, Ltd.
London. 1993: 283-294.
[54]Kitamura R, Pas E I, Lula C V, et al. The sequenced activity mobility
simulation (SAMS): an integrated approach to modeling transportation, land use and air quality [J]. Transportation, 1996, 23(3):
267-291.
[55]Stopher P R, Hartgen D T, Li Y. SMART: simulation model for
activities, resources and travel [J]. Transportation, 1996, 23(3):
293-312.
[56]Pas E I. State of the art and research opportunities in travel demand:
another perspective [J]. Transportation Research, 1985, 19: 460-464. [57]Pas E I. Recent advances in activity-based travel demand modeling
[R]. Activity-based travel forecasting conference proceedings.
W ashington, D.C.: U.S. Department of Transportation. 1996.
[58]Kitamura R, Nishii K, Goulias K. Trip chaining behavior by central
city commuters: a causal analysis of time-space constraints [C]// In
Jones P. (eds.) Developments in Dynamic and Activity-Based
Approaches to Travel Analysis. Aldershot: Avebury, 1988: 145-170. [59]Ma J, Goulias K G. Application of Poisson regression models to
activity frequency analysis and prediction [J]. Transportation research
record. 1999, 1676: 86-94.
[60]Lu X, Pas E I. A structural equation model of the relationships among
socio-demographics, activity participation and travel behavior [C]// The 76th annual meeting of the transportation research board.
W ashington, D.C., 1997.
[61]Lu X, Pas E I. Socio-demographics, activity participation and travel
behavior [J]. Transportation Research Part A: Policy and Practice, 1999, 33(1): 1-18.
[62]Kitamura R, Hoorn T V D. Regularity and irreversibility of weekly
travel behavior [J]. Transportation, 1987, 14(3): 227-251.
[63]Bhat C. An analysis of evening commute stop-making behavior using
repeated choice observations from a multi-day survey [J].
Transportation Research Part B: Methodological, 1999, 33(7): 495-510.
[64]Kumar A, Levinson D M. Chained trips in Montgomery County [J].
ITE Journal. 1995, 65(5): 27-32.
[65]Strathman J G., Dueker K J, Davis J S. Effects of household structure
and selected travel characteristics on trip chaining [J]. Transportation,
1994, 21(1): 23-45.
[66]Mannering F L, Hamed M M. Occurrence, frequency and duration of
commuter’s work-to-home departure delay [J]. Transportation Research Part B: Methodological, 1990, 24(2): 99-109.
[67]Hanson S, Johnston I. Gender differences in work-trip length:
Explanations and implications [J]. Urban Geography, 1985, 6(4): 193-219.
[68]Niemeier D, Turner T. Journey to work travel patterns of men and
women: New evidence [J]. Transportation, 1997, 27: 397-414. [69]Townsend T A. The effects of household characteristics on multiday
time allocation and travel activity patterns of household and their members [D]. Evanston: Northwestern University, 1987.
[70]Golob T F, McNally M G. A model of activity participation and
travel interactions between household heads [J]. Transportation Research B. 1997, 31(3): 177-194.
[71]W en C H. Development of stop generation and tour formation models
for the analysis of travel/activity behavior [D]. Evanston: Northwestern University, 1996.
—————————————————————————————————————————————————(上接401页)
[34] Kim S H, Han S K, Shin H S. Feasibility of biohydrogen production
by anaerobic co-digestion of food waste and sewage sludge [J].
International Journal of Hydrogen Energy, 2004, 29(15): 1607-1616.
[35] 宋庆彬. 厨余与污泥联合厌氧发酵制氢研究[D]. 大连: 大连理工
大学, 2008.
Song Qingbin. Research on hydrogen production of food waste and
sewage sludge by anaerobic fermentation [D]. Dalian: Dalian University, 2008. (in Chinese)
[36] 宋庆彬, 李爱民, 鞠茂伟, 等. 厨余与污泥联合发酵不同预处理
产氢特性研究[J]. 可再生能源, 2008, 26(6): 62-65.
Song Qingbin, Li Aiming, Ju Maowei. The impact of different pretreatment on hydrogen production from kitchen residue and sewage sludge fermentation [J]. Renewable Energy Resources, 2008,
26(6): 62-65. (in Chinese)
[37] 焦刚珍, 李明, 赵由才. 不同来源污泥接种餐厨垃圾厌氧发酵产
氢效果研究[J]. 环境污染与防治, 2009, 31(2): 19-22.
Jiao Gangzhen, Li Ming, Zhao Y oucai. Effects of seeding sludge on
hydrogen production from anaerobic fermentation of food wastes with and without the buffering additives [J]. Environmental Pollution
& Control, 2009, 31(2): 19-22. (in Chinese)
[38] Li Ming, Zhao Y oucai, Guo Qiang, et al. Bio-hydrogen production
from food waste and sewage sludge in the presence of aged refuse excavated from refuse land?ll [J]. Renewable Energy, 2008, 33(12):
2573-2579.
[39] 李宇亮, 李小明, 郭亮, 等. 污泥发酵制氢技术的现状和展望[J].
中国沼气, 2008, 26(1): 3-11.
Li Y uliang, Li Xiaoming, Guo Liang, et al. Current status and prospects in production of hydrogen from sludge through anaerobic
fermentation [J]. China Biogas, 2008, 26(1): 3-11. (in Chinese) [40] Guo Liang, Li Xiaoming, Bo Xie, et al. Impacts of sterilization,
microwave and ultrasonication pretreatment on hydrogen producing using waste sludge [J]. Bioresource Technology, 2008, 99(9): 3651-3658.
第一章组织行为学发展历程概述 内容 ?一、组织行为学产生的历史背景 ?二、工业心理学兴起 ?三、人事心理学和工程心理学的出现 ?四、梅奥的“霍桑试验”及人群关系理论 ?五、勒温创建的群体动力理论 ?六、莫雷诺创建的社会测量学 ?七、马斯洛创建的需要层次理论 一、组织行为学产生的历史背景 ?19世纪末，资本主义得到发展：代表人物——泰勒：经济人 ?第一次世界大战：促进作用 ?第二次世界大战：工程心理学的发展，人——机关系，人——人关系，人——组织关系。?战后，：有必要建立一门研究人的行为的综合科学 一、组织行为学产生的历史背景 ?三个阶段： ?经典科学管理理论（1900-1927） ?人际关系理论等（1927-1965） ?权变思想（contingency approach）、系统理论（1965-now） 二、工业心理学兴起 ?工业心理学(industrial psychology)是应用于工业领域的心理学分支。它主要研究工作中人的行为规律及其心理学基础 ?工作环境是否适合于保证人的安全、健康和舒适，并保证生产的高效率，是工业心理学的中心问题之一。 ?第一次世界大战期间，军队装备的机械化，促进了工业心理学的发展。E.g.英国成立疲劳研究部、美国战后经验推广——人的重要性 ?重要贡献：人与机器设备之间的信息传递和互相适应 ?认知心理学的成果及客观分析人的心理过程的方法应用于解决自动化控制系统和大型国防工程 二、工业心理学兴起 ?科学管理之父－－弗雷德里克·温斯洛·泰勒（1856—1915） ?科学管理理论的核心： ?管理要科学化、标准化; ?要倡导精神革命，劳资双方利益一致。 ? ?实施科学管理的结果是提高了生产效率，而高效率是雇员和雇主实现共同富裕的基础。因
城市道路交通状态评价指标体系
第一章绪论 1.1 研究背景 1.1.1问题的提出 改革开放以来，随着中国现代化、城市化进程的加速，交通拥挤问题也逐渐产生并日益严重。近20年，内地民用汽车年平均增长率为13.3%，私人汽车年平均增长率高达23.7% 。其中，北京作为人口超过万人、机动车500万辆的特大城市，交通拥堵已成为制约城市发展的主要问题，10月的美国《外交政策》一书更是将北京列为世界五大拥堵城市之首。 城市交通拥挤已严重阻碍中国城市经济及空间布局结构的良性发展，在社会各个方面造成负面效应，具体表征为时间延误、能源浪费、大气污染及情绪影响等。这些负面效应使得社会外部成本增高，危害了人类的经济利益和健康安全，更不符合建设和谐交通的目的。 因此，从科学的角度对城市道路拥挤的根本原因进行深入分析显得格外重要。这不是单纯地统一增加道路基础设施建设、扩大路网规模来满足不断增长的交通需求量，而是经过拥挤识别确定城市不同道路的拥挤度来实施不同的解决措施。建立完善的、符合中国国情的交通拥挤识别体系并合理运用成为当务之急。
1.1.2 研究意义 中国是一个人口众多的发展中国家。自1991年以来，中国的经济发展速度持续超过10%，而持续的经济增长使得人民对交通的需求扩大。汽车产量增大，人民的购买力上升，人民的配车率提高，私人小汽车的数量快速增长,城市的交通需求与交通供给出现了不平衡状况,导致了城市特别是大城市严峻的交通拥挤问题。因此，此次研究的目的就是经过分析交通指挥中心的固定检测器采集和实地考察的交通数据，在交通拥挤识别体系下，计算出有效的道路实时动态交通信息，根据获取的数据信息实时、准确地为管理者制定合理有效的交通拥挤疏导策略。 1.2国内外研究现状 1.2.1拥挤识别研究现状 到当前为止，国内外对很多学者研究开发了许多的 ACI 算法。 加利福尼亚算法。经过比较邻近检测站之间的交通参数数据，对可能存在的突发交通事件进行判别，由此确定交通拥挤的发生。此算法于 1965-1970 年间，由加利福尼亚洲运输部开发。 McMaster 算法。该算法由Persaud et al(1990)根据突变理论开发出来。它使用大量的拥挤和非拥挤交通状态下的流量-占有率历史数据，开发一个流量-占有率分布关系模板，经过将观测数据之
组织行为学研究综述——对团队建设的研究 姓名：丁郡波 学号：09040501-30
组织行为学研究综述 ——对团队建设的研究一、对团队的认识 组织行为学是一门研究组织中人的行为的科学，而在组织行为学中最重要的部分就是组织中的个体这一部分，这里我主要研究其中有关团队建设的部分。 团队是一种群体，其成员具有互补的功能，致力于达成一个共同的目的或一组业绩目标，并共担责任。显然，这个定义有三个要素：成员具有互补功能、有完全共同的目标、能够相互分担责任，缺少人合体个因素都不能构成团队。 由于团队的广泛存在，其种类也就比较多。根据团队特征，科学家将团队分成以下几个类型： 1.目标或使命。这是团队的主要特征。有些团队被称为工作团队，它主要关心 的是组织所作的工作，关心产品或服务。另一类被称为工作改进团队，它主要关心的提高组织流程的效率及有效性。 2.存续时长。这个特征与时间有关。因而团队被分为临时团队（存在的时间有 限）与长期团队（只要组织存在就能存续下去）。 3.自治程度。这个特征关系到团队管理的自主程度。如果是领导为成员作出决 策，则成为工作组。如果成员可以自由作出关键决策，则成为自我管理团队。 4.权力结构。指团队与整个组织权力结构的联系。如果团队成员在自己的专业 领域工作，这种团队成为单一职能团队。如果团队中包括有不同特长的成员，则称为交叉职能团队。 5.存在状态：如成员亲自参与，则称为尸体团队，这是现在团队的主 要形式。随着网络技术的发展，成员通过电子手段会面，构成了虚拟团队。 通过建立团队，可以缓解竞争压力，有效处理复杂问题，更好地相应技术革新、紧跟节奏变化，做到少开销多做事等等，所以说组建团队的作用很大。 二、组建团队 （一）组建团队前要考虑些什么？ 如果想要组建一个成功的团队，组织层、管理层、团队成员需要考虑他们各自应该考虑的因素。 1.组织层考虑的因素 首先做整体规划斟酌的—这是组织层关注的方面，往往超出具体团队的负责重点，如： ?公司面临的挑战。 ?选择迎接挑战的最适合的团体框架，一般是工作组还是团队，为什么？ ?如果选择团队，哪种类型的团队最好。 ?团队成员及领导者需要具备的技能。 ?其他的补充角色，如发起人和管理层指导团队，可帮助创建团队并支持其长久发展。 ?借鉴本机构内部其他团队的经验和教训。 ?团队工作中需加强或改进的相关习惯规程、奖励体制、信息流通体制。
现代 交际 57金雪莲 张丽红 （吉林医药学院人文社科部 吉林 吉林 132013） ［摘要］儿童在社会交往中所表现出来的谦让、帮助、合作和共享等有利于他人和社会的行为即为 亲社会行为。儿童亲社会行为的养成受着外在因素的影响。本文分别对亲社会行为的国内外研究进行了综述。 ［关键词］儿童 亲社会行为 合作 ［中图分类号］Q98 ［文献标识码］A ［文章编号］1009-5349（2010）11－0057－02 儿童亲社会行为研究综述 一、对于亲社会行为涵义的理解 亲社会行为(prosocial behavior)是个体社会化过程中的重要行为，对个体的社会性发展及社会适应具有重要的作用。有关亲社会行为研究始于20世纪二三十年代，到70年代出现实证研究，主要围绕合作、分享、助人、捐献等亲社会行为展开。 1972年，美国学者威斯伯在其《社会积极形式考察》一文中首次提出“亲社会行为”这一概念，他用这一词来代表所有的与侵犯等否定性行为相对立的行为，如同情、慈善、分享、协助、捐款、救灾和自我牺牲等。 此后，对于亲社会行为理解，不同心理学家，从各自的角度，给出了不同的解释，例如：亲社会行为是由那些对行为者无明显利益，但对接受者有益的反应组成（美国《心理学百科全书》）；亲社会行为是那些任何以有益他人为目标的行为(Aronson，2004)；亲社会行为包括任何帮助他人或目的是帮助他人的行为，不论助人者的动机如何(Taylor,2004)。 我国对于亲社会行为的研究是在20世纪80年代中后期。虽然起步较晚，但发展速度较快，已经取得了大量的学术成果。我国心理学学者对于亲社会行为涵义的理解也有着各自的见解：周宗奎认为亲社会行为一般与援助行为、积极性社会行为和利他主义在同样意义上使用，指个体帮助或打算帮助其他个体或群体的行为或趋向(1987)；白利刚认为亲社会行为是指一切有益于他人的行为(1997)；俞国良认为亲社会行为是指对行为者本身并无明显好处，而给行为的受体带来利益的行为(1999)。 儿童亲社会行为是指儿童在社会交往中所表现出来的谦让、帮助、合作和共享等有利于他人和社会的行为。 二、国外关于亲社会行为研究的现状 （一）研究变量更多更广，为更加准确地解释和预测亲社会行为的发生、发展，提供了更为充分的依据 例如，Knight等人考察了影响6～9岁儿童捐助行为倾向的心理因素。他们发现一些变量，诸如移情(同情心)、情感推理和对金钱的认知等，单独的这些变量与捐助行为之间的相关很低，但同时考察这些变量发现，可以对亲社会行为进行预测。日本近几年对亲社会行为的研究，也多集中在情绪认知、移情、自我等个体内在因素对亲社会行为的影响。 （二）统计方法逐步发展，更关注自然情境中所表现出的亲社会行为 例如日本学者运用录像技术较系统的研究了从幼儿到初中学生班级内自发的亲社会行为，结果显示，幼儿为每小时2.85次、小学五年级学生每小时1.38次，小学五年级学生自发的亲社会出现率多于初中二年级，证实亲社会行为出现率 并不随年龄的增长而增加。 （三）关注亲社会行为过程中社会信息加工过程与模式的作用 例如，Nelson和Crick(1999)最早对儿童亲社会行为进行了SIP模型的实证研究，发现亲社会儿童的确存在独有的SIP模式：友善的归因倾向而非敌意的归因倾向；关系性目标定向而非工具性目标定向；对亲社会行为反应做积极评价而对攻击性反应做消极评价。 （四）跨文化研究逐步发展 比如美国跨文化的研究显示，来自于非工业化社会的儿童往往有更多的利他行为，过于强调竞争和个人目标而非群体目标的西方社会儿童的利他测验分数比较低；随着年龄的增长，越来越多的中国儿童对从亲社会行为中赢得表扬持冷淡态度，他们把否认自己所做的好事看作是更加积极的行为，这是中国文化强调谦逊和虚心的结果，而相比之下，加拿大的儿童认为爽快的承认自己做的好事是应该的。Stewart与Sunita等人(2000)通过对西方和亚洲小学2年级的儿童进行跨文化研究，发现父母教养方式可以训练和强化儿童对他人的关注，并且儿童的道德推理能力与捐献行为相关。Nirmala与Sunim等人通过对72对中国和印度儿童(4岁)进行跨文化研究，发现集体主义文化对儿童的行为以及分享者和受助者之间的互动产生影响。 三、我国亲社会行为研究的现状 在短短十几年的时间里，我国亲社会行为的研究从无到有，从有到精，已经有了长足的发展，但也存在着不足。 （一）亲社会行为与年龄、性别的关系研究 宗爱东、李丹在研究中发现2岁儿童亲社会行为的性别差异不大，分析原因这可能与2岁儿童性别角色尚未定型有关。马娥、丁继兰采用自然观察的方法，对103名3～6岁幼儿进行为期一周的观察记录，对各年龄阶段幼儿自由活动时间中亲社会行为类型的性别差异进行了探讨，研究结果表明：各年龄阶段幼儿亲社会行为之间存在显著差异，即幼儿亲社会行为随年龄增长而增多；幼儿亲社会行为总体上性别差异不显著，但就每个类型的亲社会行为来看，分享和安慰存在显著的性别差异，其他行为性别差异不显著。刘志军等人的研究表明，高中生的亲社会行为不存在性别差异。 （二）亲社会行为与移情的关系研究 主要强调移情的认知、情绪情感两方面以及与其他因素的交互。丁芳在《儿童的观点采择、移情与亲社会行为的关系研究》一文中，由移情的认知成分之一的角色采择能力人手，发现儿童的道德判断与移情对其亲社会行为的影响有明显的交互作用；女孩在移情及亲社会行为表现上优于男孩。 收稿日期：2010年10月16日 责任编辑：景泉金雪莲：任职于吉林医药学院人文社科部。 （转56页）
城市轨道交通乘客出行行为多样性研究 城市轨道交通作为城市公共交通的重要组成部分,其服务对象是乘客。因此,通过对乘客出行行为的复杂性进行研究,挖掘出行行为所蕴含的一般性规律,不 仅是城市轨道交通运营管理部门充分发挥自身优势、提高运输服务质量的参考依据,也是相关部门制定交通规划和交通管理政策的重要理论基础。 本文以城市轨道交通系统中的乘客出行行为为研究对象,在整合大量已有研究成果的基础上,基于大规模历史出行数据,利用信息熵相关理论及方法,对乘客出行行为的多样性进行了研究。主要包括以下三个方面的内容：首先从微观车站和宏观网络两个层面对乘客进站量时空分布的多样性进行分析,发现不同时段的进站量分布具有明显的差异。 进一步地利用数据包络分析方法,对进站量空间分布的差异性与所在街道人口经济发展水平的协调程度进行探讨。研究表明,不同街道的协调发展程度具有较大差别。 此外,除少数街道外,大部分街道现有的人口经济发展水平都比较适合当前 轨道交通的发展,且随着其经济水平的发展,进站量有不断增加的趋势。其次,在研究进站量分布多样性的基础上,进而对乘客出行OD的时空分布多样性进行研究,并得出了乘客的OD分布比进站量分布更加符合人类活动中普遍存在的齐普 夫定律的结论。 然后,通过建立基于相对熵的出行时间模型,研究出行OD时间分布的多样性。所得结果表明,与市中心距离越远的车站,其乘客的平均出行时间越长,且出行时间分布的多样性也越大。 最后,通过对乘客的移动轨迹多样性进行分析,研究了乘客出行OD的稳定性,
表明乘客出行OD分布的多样性是由群体性移动所导致。该结论为乘客出行行为的可预测性提供了理论依据。
1．原始视频的特征提取 (1)光流场 光流场是空间运动物体在观测成像面上像素运动的瞬时速度。它利用图像序列中的像素强度数据的时域变化和相关性来研究图像的灰度在时间上的变化与场景巾物体结构及其运动的关系。光流法通常假设相邻帧的图像差异非常小，从而获取对真实运动场的近似估计【31。它不用预知任何先验知识，即能提供有关运动速度及图像中运动区域的简洁描述，适用于摄像机运动的情形。但光流法易受噪声及光照变化的影响，且计算较为复杂，很难用于实时的视频监控系统。 (2)点轨迹 目标的运动轨迹也可以作为特征，从而大致推断出目标运动所属的行为类别。但图像平面上的轨迹对平移、旋转和缩放等变换比较敏感，因此在大多情形下，此特征显得不够可靠。常用的替代特征表达有轨迹速度、时空曲率等【4，51。运动轨迹的获取比较依赖于精确的跟踪算法。从原始视频中提取点轨迹特征同样容易受到噪声、遮挡及混乱背景等的影响。(3)人体形状表达 在摄像机固定的情形下，假设背景已知，通过背景剪除法可以很容易得到运动人体形状。基于全局、边界及骨架等的描绘子都可以用来表达人体形状。全局方法16,71如剪影、矩等是在整体形状区域内计算描绘子，而边界方法仅考虑形状轮廓【8l，骨架i方法则是用一组lD 骨架曲线代表一个复杂的人体形状，比如中轴变换[91等。 (4)滤波器响应 空时滤波器响应是一个广义上的分类。Zhang等【lo】存时间轴上计算高斯导数，将滤波器响应较高的区域作为运动区域。LaptevI¨1利用一组空时高斯导数滤波器将Harris角点检测扩展应用于三维的视频数据从而检测出空时兴趣点。这类方法大都基于简单的卷积操作，运算快速而简便。当视频分辨率较低的情形下，提取光流或剪影特征较为困难，利用滤波器响应特性可以从视频数据中提取有效的底层特征。 2．低层特征的描述与识别 我们将低层特征的描述与识别方法分为三类①：非参数方法、空时体方法和参数时序法，分别对现有方法进行归类，并作一个简短的综述。 2．1非参数方法 (1)模板匹配法 这类方法需要对每种行为的特征建立相应的模板，将获取的特征数据与模板相匹配，通过计算两者之间的相似度进行识别。Polana和Nelson[4刀将整个序列分解为多个周期行为，利用二维网格特征识别各种行为。Bobick和Davis[391将图像序列转换为运动能量图像(膨酣)和运动历史图像(朋m)模板，MEI反映运动覆盖的范围及强度，而MHI反映运动在时间上的变化情况。Weinland等【拍】提出运动历史体积(MHV)模板，从多个视角重建目标并将其投影到圆柱坐标系，提取Fourier变换特征以描述行为。Wang和Suter[451也将整个行为过程融合为基于轮廓的平均运动形状(MMS)和基于运动前景的平均运动能量(彳^扭)两个模板。模板匹配法计算复杂度低、实现简单，但它本身无法描述动态系统，也不能完全反映数据在空问上的分布属性，具有一定的局限性。而且不同行为之间执行速率的不同、噪声、光照等因素都会影响模板匹配的准确性。 (2)目标建模法 行为可以通过建立人体动态表观模型进行描述。常见的人体模型有棍图模型【109]、2D模型例及3D模型51。3D人体建模是最常用的人体结构表征方法，通过跟踪人体模型中主要
晕轮效应对亲社会行为动机归因的影响 ——亲社会行为动机归因的社会（身份）匹配效应 1.亲社会行为 1.1利他主义 研究者对亲社会行为、助人行为、利他行为等概念的界定莫衷一是，但总体上均从亲社会行为的行为表现、行为动机和行为效果三个方面进行阐释。 一般而言，亲社会行为在概念上要比利他主义广泛，而利他主义（altruism）是最高意义上的亲社会行为。沙莲香将利他行为定义为不期待任何回报的亲社会行为，并概括了利他行为的四个特征：①利其目的是有益于他人，而不是自己的私利；②一种自觉自愿的行为，不是迫于外面压力；③不求任何回报的； ④具有自我牺牲性，需要个人付出一定代价，但个人并不计较。 石里克从纯度、程度、广度三个维度来衡量利他行为1,从纯度上可将利他行为分为两种类型，其一，可称作“软”利他行为，即以寄希望于受惠者日后将施惠于己为动机的利他行为。其二，可称作“硬”利他行为，即行为者并不指望从受惠者的回报中取得满足，只是单纯从利他行为本身获取满足。从程度考虑，“硬”利他行为又可分为两种情况：有限的(或适度的)“硬”利他行为何无限的(或彻底的)“硬”利他行为。 1.2亲社会行为 由于对于利他行为，研究者时而从行为角度考，时而又结合当事者的行为动机考虑，难有定论，所以本研究将采用亲社会行为这一概念。 亲社会行为（pro-social behavior）泛指一切符合社会期望而对他人、群体或者社会有益的行为，其行为的后果是给行为的受体带来好处。关于亲社会行为的大部分文献都不考虑行为者的动机2,它是一个连续体，从最无私的利他行为，到完全被自己利益驱动的助人行为。 归结亲社会行为的研究，有如下特点：其一，在研究视角上，许多研究者从亲社会行为的起源、机制和发展过程出发，探讨其本质特征及其影响因素。其次，在研究被试上，为了避免被试受社会赞许性的影响，研究者大都选择婴幼儿、儿童为研究对象，对青年以及成人的亲社会行为研究甚少。最后，在研究方法上，以往的亲社会行为研究多采用观察法、访谈法、假设情境测验法、评定法、同伴提名法、问卷法和自我报告法，也有采用实验室实验；卡利罗斯基采用由一些小故事构成的“不完全投射测验”来编制“亲社会行为动机调查表”，这其实类似于假设故事情境，即在某些亲社会行为场景故事后，附有被选的动机及其他社会认知选项。 2.亲社会行为动机归因 任何一个行为，其行为主体本身具有某种动机，而处在“事外”、作为知觉者的人们对其动机也会形成某种知觉、判断——这正是社会行为和社会认知研究中归因理论的研究领域。所谓归因（attribution），就是指人们对自己或他人行为的原因知觉和判断。原先的归因研究主要集中在成就领域的自我归因和个人动机方面，Weiner将归因从总体上分为两种：其一是自我归因（intrapersonal attribution）或个人归因，即对自身行为结果的原因的知觉；其次是人际归因（interpersonal attribution）或他人归因，即对他人行为结果的原因的知觉。本研究的“动机归因”主要指第二种，即对他人亲社会行为的原因的知觉。 由于归因和动机紧密联系在一起，本研究在论述中，不将它们做出区分。研究者主要动机归因的理论、模型、偏差进行研究，也有对其类型进行的研究。目前有关亲社会行为的动机理论有两种研究取向:一是利他取向的亲社会动机理论, 包括基因决定论模型、移情利他主义假设、消极状态缓解模型、移情式快乐假设；二是利己取向的社会交换理论3此不具体展开。(附表一中有部分亲社会行为动机归因的罗列) 巴塔尔(Bartal)根据行为的目的不同，将亲社会行为分为利他行为和偿还行为。斯陶布（E?Staub，1984）用亲社会价值取向来表示人们帮助他人的动机和目标，认为亲社会价值取向体现了三种动机源:一是作为利他的无私行为的动机源，其目的在于帮助他人，是以他人为中心的；二是以规则为中心的道德取向为特征
总第３２２期 ２０１６年第８期 计算机与数字工程 Ｃｏｍｐｕｔｅｒ ＆Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏｌ．４４Ｎｏ．８ １５５７ 基于图像处理的人群行为识别方法综述＊ 高 玄１ 刘勇奎２ 汪大峰１ （１．北方民族大学计算机科学与工程学院 银川 ７５００２１）（２．大连民族学院计算机科学与工程学院 大连 １１６６００） 摘 要 基于图像处理的人体行为识别是计算机视觉中一个活跃的研究领域，目前大部分研究者主要针对个人行为识别展开研究。对人群的行为识别研究相对较少而人群行为识别在智能监控、虚拟现实、公共安全等方面有着广泛的应用前景。例如，恐怖活动、可疑事件、群体性暴力事件的实时监控等。人体行为识别对包含人的图像序列进行检测、跟踪、目标分类、异常检测以及对人的行为理解与识别。论文通过从一般的单人行为识别出发，介绍了人群识别方面近年来研究发展状况以及当前该研究方向亟待解决的问题，并展望了未来可能的发展方向。 关键词 图像处理；行为识别；智能监控；人群 中图分类号 ＴＰ３９３ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７２－９７２２．２０１６．０８．０３４ Ｓｕｒｖｅｙｏｎ ＧｒｏｕｐＢｅｈａｖｉｏｒ Ｒｅｃｏｇｎｉｔｉｏｎ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ＧＡＯ Ｘｕａｎ１ ＬＩＵ Ｙｏｎｇｋｕｉ ２ ＷＡＮＧ Ｄａｆｅｎｇ１ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｏｒｔｈｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ ｆｏｒ Ｎａｔｉｏｎａｌｉｔｉｅｓ，Ｙｉｎｃｈｕａｎ ７５００２１）（２．Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｄａｌｉａｎ Ｎａｔｉｏｎａｌｉｔｉｅｓ Ｕｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ １１６６００） Ａｂｓｔｒａｃｔ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｈｕｍａｎ ａｃｔｉｏｎ ｕｓｉｎｇ ｉｍａｇｅ－ｂａｓｅｄ ｐｒｏｃｅｓｓｉｎｇ ｉｓ ａｎ ａｃｔｉｖｅ ｒｅｓｅａｒｃｈ ａｒｅａ ｉｎ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ．Ａｔｐｒｅｓｅｎｔ ｍｏｓｔ ｏｆ ｔｈｅ ｒｅｓｅａｒｃｈｅｒｓ ｍａｉｎｌｙ ｓｔｕｄｙ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｉｎｄｉｖｉｄｕａｌ ｂｅｈａｖｉｏｒ．Ｆｏｒ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｇｒｏｕｐ ａｃｔｉｖｉｔｉｅｓ ｒｅ－ｓｅａｒｃｈ ｉｓ ｒｅｌａｔｉｖｅｌｙ ｌｅｓｓ ｗｈｉｌｅ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｇｒｏｕｐ ｂｅｈａｖｉｏｒ ｉｎ ｉｎｔｅｌｌｉｇｅｎｔ ｍｏｎｉｔｏｒｉｎｇ，ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ，ｐｕｂｌｉｃ ｓｅｃｕｒｉｔｙ，ｅｔｃｈａｓ ａ ｂｒｏａｄ ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｓｐｅｃｔ，ｓｕｃｈ ａｓ ＡＣＴＳ ｏｆ ｔｅｒｒｏｒｉｓｍ，ｓｕｓｐｉｃｉｏｕｓ ｅｖｅｎｔ，ｍａｓｓ ｖｉｏｌｅｎｃｅ ｉｎ ｒｅａｌ－ｔｉｍｅ ｍｏｎｉｔｏｒｉｎｇ．Ｈｕ－ｍａｎ ｂｅｈａｖｉｏｒ ｒｅｃｏｇｎｉｔｉｏｎ ｃｏｎｓｉｓｔｓ ｏｆ ｄｅｔｅｃｔｉｏｎ，ｔｒａｃｋｉｎｇ ａｎｄ ｏｂｊｅｃｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｉｍａｇｅ ｓｅｑｕｅｎｃｅ，ａｎｄ ｉｍａｇｅ ｕｎｄｅｒｓｔａｎｄｉｎｇａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｈｕｍａｎ ｂｅｈａｖｉｏｒ．Ｂｙ ｉｎｔｒｏｄｕｃｉｎｇ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｉｎｄｉｖｉｄｕａｌ ｂｅｈａｖｉｏｒ，ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｄｅｖｅｌｏｐ－ｍｅｎｔ ａｎｄ ｃｕｒｒｅｎｔ ｓｔａｔｕｓ ｏｆ ｇｒｏｕｐ ｂｅｈａｖｉｏｒ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ ａｎｄ ｔｈｅ ｒｅｓｅａｒｃｈ ｐｒｏｂｌｅｍｓ ｔｏ ｂｅ ｓｏｌｖｅｄ．Ａｎｄ ｐｏｓｓｉｂｌｅ ｄｉｒｅｃｔｉｏｎｓ ｏｆｆｕｔｕｒｅ ａｒｅ ｄｉｓｃｕｓｓｅｄ． Ｋｅｙ Ｗｏｒｄｓ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｂｅｈａｖｉｏｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｉｎｔｅｌｌｉｇｅｎｔ ｍｏｎｉｔｏｒｉｎｇ，ｔｈｅ ｃｒｏｗｄ Ｃｌａｓｓ Ｎｕｍｂｅｒ ＴＰ３９３ １ 引言 当前，基于图像处理的人体行为识别是一个非常活跃的研究领域，人体行为识别是对包含人的图像序列进行检测［１］、跟踪、目标分类［２］、异常检测［３］以及对人的行为理解与识别，而图像处理技术是通过提取运动物体的颜色和形状等特征信息，用于背景检测和跟踪［４］。就目前而言，绝大部分的监控系统只局限于简单的图像处理，而无法进行人体异常识别，对于人群行为的识别以及在人群发生异常行为时能够实时报警的研究相对较少［５］。由于在公共安全等领域有着广泛的应用前景，人群行为识别 ＊收稿日期：２０１６年２月１日，修回日期：２０１６年３月１９日 基金项目：辽宁省科技基金项目“图形图像处理中形状表示的压缩方法研究”（编号：２０１１０２０４２）；辽宁省自然科学基金项目“虚拟现实中三维图形的应用基础研究”（编号：２００８２１７５）；辽宁省教育厅科学基金项目（编号：Ｌ２０１４５４４）；中央高校基本科研业务费专项资金项目（编号：ＤＣ２０１５０２０３０２０１；ＤＣ２０１５０２０３０４０４）资助。 作者简介：高玄，男，硕士研究生，研究方向：计算机图像处理。刘勇奎，男，教授，研究方向：多媒体信息处理技术。 汪大峰，男，研究方向：计算机图像处理。
基于瓶颈模型的交通出行行为分析与管理策略研究大城市的交通拥堵问题日益严重,已经成为制约城市可持续发展的主要因素之一,先进的交通需求管理理论是缓解城市交通问题的重要方法。出行者作为出行的主体,其决策行为将直接影响整个交通系统的状态。 只有深入分析出行者的行为规律才能制定有效的交通管理策略。而交通拥堵常常发生在道路的瓶颈处,特别是在早晚高峰期。 因此研究瓶颈模型有助于人们认识城市出行者的通勤出行规律,对于缓解交通拥堵具有重要的意义。本文主要研究了在具有瓶颈的交通网络中,出行者的出发时刻选择行为。 具体的研究内容如下:(1)研究了基于个人感知的瓶颈模型。针对出行者持有早到或者晚到的态度,可以将出行者划分为两类:积极主动者和不积极主动者。 根据出行者的个人感知状况,本文考虑了出行者可能出现的三种情况。并详细分析了这三种情况中达到均衡状态时,出行者的出行选择行为。 相关数值算例表明,出行者的出发时刻选择不仅与每类出行者所占的比例有关,还与其出行感知系数的大小有关。(2)研究了基于瓶颈模型的异质出行者早高峰出行问题。 本文针对高速公路(含有高承载力车道)和普通道路存在瓶颈时,研究了时间价值不同的出行者在早高峰的出行选择行为。基于瓶颈模型的均衡条件,推导出不同收费标准下,出行者改变出行方式时个人早到时间的临界值。 研究发现,当收费较低时,时间价值较低的出行者使用高承载力车辆的数量会增加。当收费达到一定程度时,即使是时间价值较高的出行者也会选择高承载力车辆出行。
数值算例表明设置恰当的收费标准可以降低系统出行时间。(3)研究了双模式瓶颈网络中出行者的出行选择行为。 首先分析了基于边际成本定价和平均成本定价下,实施两种不同的阶段收费与补贴对于出行者选择出行方式的影响。其次通过分析地铁站内的拥堵现象,基于地铁出行者的特性,建立了地铁瓶颈模型。 由于票价作为一种直接有效的经济手段,可以直接影响出行者的出行行为,因此,研究发现在地铁瓶颈模型中实施票价打折策略能够有效地改变出行者的出行选择行为。最后分析了在双模式瓶颈网络中,同时实施道路收费与票价打折策略对于出行者的影响。 (4)建立了基于随机特性的早高峰通勤模型。在普通道路上,受各种随机因素的影响,出行者在道路上的出行时间具有随机性。 基于这种不确定的情况,本文构建了基于随机出行时间的瓶颈模型。根据出行者在同一时间出发,早到或者晚到的可能性,可以将出发时间区间分为三个子区间。 根据均衡条件,推导出了三个子区间的邻界点。另一方面,通过考虑地铁发车间隔的不确定性,得到了出行者的等待时间和发车间隔之间的关系。 同时考虑了车厢内的拥挤效应对于出行者的出发时刻选择行为的影响。在这两者的基础之上,提出了基于随机特性的早高峰通勤模型,并着重分析了随机因素对于出行者选择出发时间和出行方式的影响。
新型城市公共交通系统对居民出行行为的影响 【摘要】为应对交通拥堵，许多城市开始推行公交优先的发展策略。中国作为新的BRT成员国，只有少量学术研究与BRT相关，特别是BRT对居民出行行为的影响评估。本文以郑州BRT为例，采用回顾性对照调查方法，以快速公交走廊上的乘客和普通公交乘客为调查对象，根据居民出行行为调查数据，验证BRT对居民出行行为的影响。分析中选取换乘率、出行时耗、出行频率、BRT 对出行方式的影响四个方面进行分析，从而验证BRT的推行和相关政策的制定对居民出行行为的影响。 【关键词】郑州快速公交出行行为回顾对照调查 【Abstract】Now many cities are promoting new mode of public transport in order to release urban traffic jam. China as the new member of BRT system, the research study relevant to BRT is rare especially in the field of travel behavior assessment. This article takes Zhengzhou BRT as example, retrospective controlled/ experimental survey was used in this study to analyse the impact of the new BRT (Bus Rapid Transit) system on travel behaviour in Zhengzhou city. In data analysis, the transfer rate, travel time, travel frequency and mode spilt were compared between BRT users and conventional users. And the finding supports that Zhengzhou BRT system does influence resident’s travel behaviour in term of transfer rate, travel frequency and mode spilt. 【Keyword】Zhengzhou, Bus Rapid Transit, Travel behavior, Retrospective controlled/ experimental survey 1 引言 在中国城市居住人口密度普遍较高的背景下，路面交通似乎很难迎合8%的小汽车增长率，尽管传统公交车发挥着重要的角色，在城市中肩负着20%的全方位出行比例，但公交车使用者多为低收入人群比如学生和老年人，并且公交车在大部分城市普遍存在形象差、设备维护不及时、不可靠并且容易受到交通拥堵的影响。 小汽车的快速增长引发众多交通问题，为应对交通拥堵，许多城市开始推行公交优先的发展策略。从1990年快速公交系统（BRT）从巴西引入中国后，在国内城市发展迅速。现在约有10多个城市建立了BRT系统。郑州为其中之一，于2009年开通，主要运营线路长度约为30km，并另有8条支路。BRT作为一种成熟的交通工具，在南美尤其在巴西拥有较长的历史及相关研究。但是中国作为新的BRT成员国，只有少量学术研究与BRT相关，特别是BRT对居民出行行为的影响评估。本文以郑州BRT为例通过调查问卷，评估郑州BRT对居民出行行为的影响。 2 BRT在国外经验
对我国近二十年来幼儿亲社会行为的研究综述 亲社会行为是指有利于他人和社会的一切正向的积极行为，如合作、关心、帮助、分享等。对亲社会行为的研究一直是研究者关注的焦点。幼儿期是培养幼儿亲社会态度和行为的最佳阶段，从小培养幼儿形成良好的亲社会行为，对个体以后的社会性发展、人格发展都具有重要意义。幼儿不但通过可以从他们对别人的善意帮助中受益，更为重要的是学会帮助、分享、合作、安慰和援助的幼儿，对他们以后的社会性发展更是受益匪浅。正是基于幼儿亲社会行为对幼儿发展的重要性认识，我们从中国知网全文数据库中检索了从1990-2010年近二十年来学者对幼儿亲社会行为的研究概况。并对检索到的论文进行分析的基础上，指出了当前我国幼儿亲社会行为存在的问题，并根据对指出了未来对亲社会行为研究的发展趋势。 一、国内关于幼儿亲社会行为的研究概况 为了能够较全面准确地了解我国近二十年来对幼儿亲社会行为的研究状况，我们从中国知网上检索了从1990—2010二十年间幼儿亲社会行为研究的论文，共检索到117篇，其中核心期刊36篇，非核心期刊71篇，会议论文4篇，硕博论文6篇。为了便于对检索到的文献进行分析，我们把1990—2010二十年间分为两个阶段，即1990—2000年和2001—2010年。这种时间段的划分依据是有两个方面的理由：第一，这种划分便于资料的统计分析和对比前后两个阶段幼儿亲社会行为研究的变化；第二，这种划分有利于分析两个阶段幼儿亲社会行为研究的重点及预测未来幼儿亲社会行为研究的趋势。从1990—2010年间国内幼儿亲社会行为研究的文章数量及每个阶段分布状况如下表一所示： 发表时间期刊论文硕士论文会议论文合计比例1990--2000 33 33 28% 2001-2010 74 6 4 84 72% 合计107 6 4 117 （表一：1990—2010年间发表的幼儿亲社会行为论文统计表）
城市交通出行行为研究方法前沿 柴彦威1，沈 洁2，赵 莹1 （1. 北京大学城市与环境学院，北京 100871；2. 卡迪夫大学城市与区域规划学院，英国） 摘 要：梳理城市交通工程及规划、城市地理学和城市规划学以及行为地理学和时间地理学等学科关于城市交通出行行为的研究方法及趋势，阐述活动分析法成为城市交通出行行为研究方法之前沿的原因。从相关理论方法和实证研究这两方面，对活动分析法进行全面介绍与评述，提出基于活动分析法的城市交通出行行为研究框架。 关键词：交通；出行行为；活动分析法 中图分类号：K901文献标识码：A 文章编号：1673－7180(2010)05－0402－8 Activity-based approach for urban travel behavior research Chai Yanwei1，Shen Jie2，Zhao Ying1 (1. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China; 2. Cardiff School of City and Regional Planning, Wales, UK) Abstract: Related theories and trends about the topic of travel behavior in different disciplines, such as urban transportation engineering and planning, urban geography and urban planning are first reviewed. In particular, it introduces the development of behavior geography and time geography, and summarizes their contribution to make activity-based approach as the front edge of theories to analyze travel behavior. Then, related theory and empirical research of western countries are both introduced here, and it is apparent that all studies should be brought into a more comprehensive and micro activity analysis to achieve their study aims. A research framework for travel behavior associated activity-based approach is also provided, along with suggestions for future research, which means that multi-discipline system construction and forecast application are two main trends of future development. Key words: transportation；travel behavior；activity-based approach 城市功能空间的高效率发挥，在很大程度上依赖于有序、通畅和快捷的城市交通。可以说城市交通是一个城市的活力所在。西方城市交通研究和交通问题的解决，经历了从仅仅关注城市交通网络设施布局优化，到以交通流作为出发点，再到深入探讨产生交通流现象的出行行为机制的发展等过程，已经摆脱了工程观念的束缚，成为包含技术条件的支持（交通运输）、城市社会活动的组织（布局结构）、城市居民的日常活动（城市社会活动）、空间质量（城市景观）以及城市决策者的管理措施（城市政策）等的综合领域。 相比之下，在过去的20年里，我国城市机动性的改善主要是通过超常规和高强度的投入，侧重于物质环境的建设[1]，而对于交通产生的根本问题——出行行为的研究则刚刚起步。随着交通问题的日益突出以及大城市出行调查的开展，交通出行行为的研究受到不同学科和领域的关注。除了对出行行为的产生机制进行初步探讨外[2-3]，也有学者对交通出行行为与城市土地利用的关系进行了研究[4-6]。值得注意的是，相关领域开始出现了 收稿日期：2010-03-30 基金项目：高等学校博士学科点专项科研基金资助项目(20090001110054)；2009年IBM共享大学研究项目；科技部创新方法工作资助项目(2007FY140800)；国家自然科学基金资助项目(40801046) 作者简介：柴彦威(1964－)，男，教授，主要研究方向：城市地理学、行为地理学及城市与区域规划，chyw@https://www.doczj.com/doc/5119136248.html,
1．原始视频的特征提取 (1) 光流场光流场是空间运动物体在观测成像面上像素运动的瞬时速度。它利用图像序列中的像素强度数据的时域变化和相关性来研究图像的灰度在时间上的变化与场景巾物体结构及其运动的关系。光流法通常假设相邻帧的图像差异非常小，从而获取对真实运动场的近似估计【31。它不用预知任何先验知识，即能提供有关运动速度及图像中运动区域的简洁描述，适用于摄像机运动的情形。但光流法易受噪声及光照变化的影响，且计算较为复杂，很难用于实时的视频监控系统。 (2) 点轨迹目标的运动轨迹也可以作为特征，从而大致推断出目标运动所属的行为类别。但图像平面上的轨迹对平移、旋转和缩放等变换比较敏感，因此在大多情形下，此特征显得不够可靠。常用的替代特征表达有轨迹速度、时空曲率等【4，51。运动轨迹的获取比较依赖于精确的跟 踪算法。从原始视频中提取点轨迹特征同样容易受到噪声、遮挡及混乱背景等的影响。 (3) 人体形状表达在摄像机固定的情形下，假设背景已知，通过背景剪除法可以很容易得到运动人体形状。基于全局、边界及骨架等的描绘子都可以用来表达人体形状。全局方法16,71 如剪影、矩等是在整体形状区域内计算描绘子，而边界方法仅考虑形状轮廓【81,骨架i方法则是用一组ID 骨架曲线代表一个复杂的人体形状，比如中轴变换[91 等。 (4) 滤波器响应 空时滤波器响应是一个广义上的分类。Zhang等【Io】存时间轴上计算高斯导数，将滤波器 响应较高的区域作为运动区域。Laptevl " 1利用一组空时高斯导数滤波器将Harris角点检测 扩展应用于三维的视频数据从而检测出空时兴趣点。这类方法大都基于简单的卷积操作, 运算快速而简便。当视频分辨率较低的情形下, 提取光流或剪影特征较为困难, 利用滤波器响应特性可以从视频数据中提取有效的底层特征。 2．低层特征的描述与识别 我们将低层特征的描述与识别方法分为三类①：非参数方法、空时体方法和参数时序法, 分别对现有方法进行归类,并作一个简短的综述。 2．1 非参数方法 (1 )模板匹配法这类方法需要对每种行为的特征建立相应的模板, 将获取的特征数据与模板相匹配, 通过计算两者之间的相似度进行识别。PoIana 和NeIson[4 刀将整个序列分解为多个周期行为,利用二维网格特征识别各种行为。Bobick 和Davis[391 将图像序列转换为运动能量图像(膨酣)和运动历史图像(朋m)模板，MEI反映运动覆盖的范围及强度，而MHI反映运动在时间上的 变化情况。Weinland等【拍】提出运动历史体积(MHV)模板，从多个视角重建目标并将其投影到圆柱坐标系,提取Fourier 变换特征以描述行为。Wang 和Suter[451 也将整个行为过程融合为基于轮廓的平均运动形状(MMS)和基于运动前景的平均运动能量(彳A扭)两个模板。模 板匹配法计算复杂度低、实现简单, 但它本身无法描述动态系统, 也不能完全反映数据在空问上的分布属性,具有一定的局限性。而且不同行为之间执行速率的不同、噪声、光照等因 素都会影响模板匹配的准确性。 (2) 目标建模法行为可以通过建立人体动态表观模型进行描述。常见的人体模型有棍图模型【109] 、2D 模
表一：部分特大城市平均出行时耗（摘自：1980年代以来我国特大城市居民出行特征分析） 表二：部分城市居民出行方式构成的变化（摘自：1980年代以来我国特大城市居民出行特 资料来源：各城市公布的总体规划和交通调查数据。
据调查统计,北京市居民短距离出行次数占居民出行总量的68%。短距离出行中,居民大 多采用步行、自行车,共占70%以上,公共交通仅占9%,另外还有7%的居民会选择小汽车。有车家庭成员在短距离出行中,驾驶或乘坐小汽车出行占28%,乘坐公交车出行仅占6%;而家庭车辆主要使用者在短距离出行中,驾车出行比例则高达70%。 据统计,2005年北京全市居民出行总量是2920万人次,人均出行率为2.64人次/日,平均出行距离9.3公里,出行周转量为20180万人·公里/日,公交出行的平均时耗为63分钟,小汽车出行的平均时耗为40分钟。各种交通方式的分担率为:自行车占30.3%,公共交通占29.8%,小汽车占29.8%,出租车占7.6%,其它方式占2.5%。截至2006年底,北京市机动车保有量为287万辆,其中私人机动车为206万辆,小汽车日均出行3.16次/车,平均单次出行距离14公里,平均 单次出行时耗40分钟,平均载客1.26人/车。预计2010年机动车总量将达到380万辆。 表三：北京2005年城市居民出行方式构成 （城市居民短距离出行行为研究） 北京市2000年和2005年居民出行方式构成情况：从2000年和2005年北京市的出行调查可以发现,北京市出行的主要交通方式为自行车、步行、公交车和小汽车,这四种出行方式分担率之和分别占总出行的91.89%和90.52%。对比2000年和2005年交通结构的变化情况可以发现,2005年自行车出行比例大幅下降;公交出行比例增加,在各种机动化交通方式中位居第一;非机动化方式出行比例也由71.80%下降到58.25%。可见,北京正在逐步建立以公共交通为主导的现代化城市交通模式,但和国内其他城市相比还有一定的差距,以广州为例,其公交分担率在1995年为17.49%,2003年为26.85%。 表四：2000与2005年北京市居民出行方式构成 (城市居民公交出行特征研究)