区域运输通道内客运方式分担率模型
- 格式:pdf
- 大小:316.89 KB
- 文档页数:5
基于Logit模型的京石通道客流分担率预测郭倩倩;林柏梁;段君淼;张文胜【摘要】在考虑经济性、快速性、便捷性、舒适性、安全性、准时性6个影响因素的基础上,构建效用函数,建立基于多项Logit的客流分担率模型,并对京石通道内旅客进行RP和SP问卷调查,通过问卷调查的数据确定模型参数,然后对影响因素效用值进行无量纲化处理,预测京石通道内不同月收入旅客的高速公路、普通铁路、城际铁路、高速铁路四种运输方式分担率.最后分析不同月收入旅客对影响因素的敏感性和四种运输方式的分担率的变化.【期刊名称】《物流技术》【年(卷),期】2018(037)007【总页数】4页(P69-72)【关键词】Logit模型;客流分担率;效用函数;京石通道【作者】郭倩倩;林柏梁;段君淼;张文胜【作者单位】石家庄铁道大学交通运输学院,河北石家庄 050043;北京交通大学交通运输学院,北京 100044;北京交通大学交通运输学院,北京 100044;石家庄铁道大学交通运输学院,河北石家庄 050043;石家庄铁道大学交通运输学院,河北石家庄050043【正文语种】中文【中图分类】U1161 引言为推进京津冀区域交通一体化的发展,到2020年京津冀将开通9条城际铁路,基本实现京津石中心城区与周边城镇0.5-1h通勤圈,京津保0.5-1h交通圈。
到2030年基本形成以“四纵四横一环”为骨架的城际铁路网络。
近年来,许多学者对运输通道的客流分担率进行了研究。
何宇强[1]以经济性、快速性、方便性、舒适度、安全性为5个衡量指标建立其广义费用函数,利用logit模型研究北京—太原间各种运输方式的分担率。
朱顺应[2]建立城市群交通方式划分的非集计模型,对长株潭城际轨道交通进行预测。
彭辉[3]分析了城际运输通道交通衔接和换乘关系,并对传统logit模型进行改进,预测了广州—清远城际运输通道内各运输方式分担率的变化。
叶玉玲[4]运用非集计的多项Logit模型,建立旅客出行方式选择模型,计算基于多种客运专线服务水平方案下的沪杭通道内各种运输方式的分担情况。
预测通道客运分担率的MNL模型特性变量选取王江涛;马驷【摘要】基于非集计离散选择模型理论,结合通道内各种运输方式特性,给出了在运用MNL模型预测通道客运分担率时特性变量的选取原则.分析了影响旅客出行方式选择的出行时间、安全性、舒适性、方便性、费用等因素间的关系以及各因素作为特性变量的适应性,认为在运用MNL模型预测通道客运分担率时应选取出行时间、费用收入比和发车频率作为特性变量,并给出了各特性变量的取值标定方法.结合旅客出行特征调查数据,进行了实证分析和各个特性变量灵敏度分析,得出制定客运专线运营策略时应主要考虑出行时间、费用和出行者收入变化影响的结论.【期刊名称】《重庆交通大学学报(自然科学版)》【年(卷),期】2010(029)006【总页数】4页(P947-950)【关键词】效用理论;MNL模型;特性变量;客运分担率【作者】王江涛;马驷【作者单位】西南交通大学,交通运输学院,四川,成都,610031;西南交通大学,交通运输学院,四川,成都,610031【正文语种】中文【中图分类】U293.1+3客运分担率是指某种运输方式或线路在同方向各种运输方式或线路中所承担的客运量比例,是旅客在各种运输方式之间选择的结果,它表明各种运输方式在通道客运市场所占有的份额。
在规划建设客运专线时,需分析客运专线与通道内高速公路、民航的竞争关系,估计不同运输方式的客运分担率。
MNL模型是比较成熟的分担率估计方法,但是运用MNL模型估计通道内各种运输方式的客运分担率时,特性变量的选取方法及其值标定不统一,如:文献[1]、[2]选取进出站时间、候车时间、车上时间、总费用作为特性变量;文献[3]选取旅行时间,费用和发车频率;文献[4]选取时间和费用作为特性变量;文献[5]选取运行速度,单位里程运价和发班频率作为特性变量;文献[6]中选取用人均花费成本表示的各种运输方式的经济性指标,用乘客利用该运输方式的旅行时间(不包括市内交通耗费的时间)表示的快速性指标和用市区内交通走行时间与候车时间之和表示的方便性指标作为特性变量。
运输通道客运量预测方法吴伟;符卓;王晓【摘要】Transport corridor is the corridor which is of dense passenger and freight flow, and is composed of a variety of transport modes with rational division. The passenger volume forecasting of it is an important basic work of transport resources allocation for the transport corridor. On the basis of qualitatively analyzing the influencing factors of passenger volume of transport corridor, grey relation grade was used to quantitatively calculate their relational degrees with the purpose of selecting the main influencing factors. A BP neural network model based on multiple influencing factors was constructed to forecast passenger volume of transport corridor. The passenger volume forecasting of Liuzhou - Nanning transport corridor, where the Liuzhou - Nanning passenger dedicated line is located, was taken as an example to test the proposed method and to forecast the passenger volume.%运输通道是指在一个运输带状地域内,由多种运输方式通过合理分工组成的客货流密集走廊.其客运量的预测是运输通道运力资源配置的一项重要基础工作.在对运输通道客运量影响因素进行定性分析的基础上,运用灰色关联度理论对各影响因素的关联度进行定量计算,筛选出主要影响因素.构建基于多影响因素的BP神经网络模型对运输通道客运量进行预测,并以柳南客运专线所处的柳南运输通道客运量预测为实例对所提出的预测方法进行检验和客运量预测.【期刊名称】《铁道科学与工程学报》【年(卷),期】2012(009)005【总页数】7页(P96-102)【关键词】客运量预测;运输通道;客运专线;灰色关联度;BP神经网络模型【作者】吴伟;符卓;王晓【作者单位】中南大学交通运输工程学院,湖南长沙,410075;柳南铁路有限责任公司,广西南宁,530000;中南大学交通运输工程学院,湖南长沙,410075;中铁第四勘察设计院线站处,湖北武汉,430063【正文语种】中文【中图分类】U293.13运输通道,又称运输走廊,是指在一个运输带状地域内,由多种运输方式通过合理分工组成的客货流密集走廊[1]。
物流配送车辆调度模型一般配送费用由车辆费用、工资费用、延迟费用和等待费用组成。
车辆费用由燃料费、折旧费和维修费等变动费用组成,中心根据经营情况可核算出每车公里应摊的车辆费用。
工资费用根据途中工作时间计算,若工作时间超过8小时,则超时部分应按加班补助计算。
客户通常要求货物在一定时间窗范围内送达,否则中心需支付惩罚费用。
若提前到达,支付等待费用;若延迟到达,支付延迟费用。
设单一配送中心向l 个客户送货,第i 个客户货运量g i 为,卸货时间为i ut ,时间窗为[i et ,i lt ],每小时延迟费用i r ,中心与客户、客户与客户两两间的最短运距、平均车速和车辆费用分别为ij ij ij r v d 和、(i,j=0,1,2…,l;0表示配送中心);可用m 类卡车送货,第p 型卡车有p n 辆,装载容量为p v (p=0,1,2,…,m);每小时等待费用为r ,行车补助和加班补助分别为每小时s 和es ;途中运行到中午12:00和下午6:00时安排30分钟吃饭时间,车辆当天返回配送中心,再设pg n 为第p 类车的第q 辆配送的需一求点数(pg n =0表示未使用第p 类车的第q 辆车),确定车辆调度方案。
4.2.2 物流配送车辆调度模型根据上述对问题的描述,可以构造数学模型,定义变量:⎩⎨⎧),(0),(1j i pq j i pq x ijpq 经过弧段表示车辆经过弧段表示车辆⎩⎨⎧=送货不给顾客表示车辆送货给顾客表示车辆i pq i pq y ipq 01 得到配送调度模型如下:目标函数:∑∑∑∑∑∑∑∑========+-•+•+•+=l i l i i i l i il l j m p m p n q pq pq n q ijpq ij ij t r lt t r es t e s t x r d MinZ p p 110i 01111)()0,max()(ωωω(4.3)约束条件:∑=≥li i t t f l 1%80)(1 (4.4) p l i ipq iv y g ≤∑=1(4.5) l i ym p n q ipq p,,,...21111==∑∑== (4.6)pq l j y xjpq l iijpq ∀==∑;,,,...10 (4.7)pq l i y xipq l j ijpq ∀==∑=;,,,...101 (4.8)式中:(4.3)为目标函数,即使车辆在完成配送任务时的最小配送费用; (4.4)为顾客满意度约束,即:每一顾客满意度的平均值必须到80%以上;(4.5)为车辆的能力约束,即:某一车辆所访问的全部客户的需求量不能超过车辆本身的载重量;(4.6)确保顾客i 仅由第p 类车的第q 辆车完成配送任务;(4.7) (4.8) 为到达某一顾客的车辆唯一性约束,即每一顾客仅由一辆车服务;其中,)(i i t ω表示当顾客i 的开始时间为i t 时,车辆在顾客i 处的等待时间:ij ij j j i v d ut t t /++=,j 为i 的前一个站点,当i t <12且j t ≧12,或j t <18且j t ≧18,有5.0+=j j t t ;)8,min(0'0t t t pq -=ω,)0,8max(0'0--=t t t e pq ω,0t 为发车时间,'0000/t v d et t i i i -=为收车时间。
综合运输体系下的货运方式分担率项昀;王炜;王昊;李烨;郑敦勇;刘兵【摘要】为优化货运交通结构并合理配置货运交通资源,研究了综合运输体系下基于运距的货运方式分担率。
通过对国内城市间不同货运量与运距的集计数据进行统计分析,确定货运量与运距的函数关系式。
随后,构建货运方式分担率运距模型,并获取货运方式分担率运距曲线。
研究结果表明,各货运方式分担率随运距变化呈现出特定的分布规律。
公路货运分担率运距曲线呈单调递减趋势,在50~500 km 运距范围内的分担率超过40%;铁路货运分担率运距曲线呈先增后减趋势,拐点出现在600~700 km 之间;水路货运分担率运距曲线呈单调递增趋势;航空货运分担率运距曲线在150~700 km 运距范围内呈缓慢递增趋势,700~1900 km运距范围内快速递增,运距超过1900 km 后趋于平缓。
%In order to optimize the structure of the freight mode and reasonably allocate transportation resource,the mode split rate of freight transportation based on the transport distance in the compre-hensive transportation system is studied.By statistically analyzing the aggregate data of different in-ter-city freight volumes and transport distances in China,the functional relationship between the freight volume and the transport distance is determined.Then,the mode split rate of the freight transportation-transport distance (MSRFT-TD)model is constructed,and the corresponding MSR-FT-TD curve is obtained.The results show that there is specific distribution of the mode split rate of freight transportation with the change of the transport distance.The highway MSRFT-TD curve de-creases monotonically and stays over 40% when the transport distance rangesfrom 50 to 500 km. The railway MSRFT-TD curve first increases and then decreases with a inflection point between 600 and 700 km.The waterway MSRFT-TD curve monotonically increases.The airway MSRFT-TD curve increases slowly with the transport distance from 150 to 700 km,and rises rapidly from 700 to 1 900 km;when the transport distance is over 1 900 km,the curve gradually levels off.【期刊名称】《东南大学学报(自然科学版)》【年(卷),期】2015(000)006【总页数】6页(P1197-1202)【关键词】货运方式;分担率;运距;综合运输体系;集计数据【作者】项昀;王炜;王昊;李烨;郑敦勇;刘兵【作者单位】东南大学城市智能交通江苏省重点实验室,南京 210096; 南昌航空大学土木建筑学院,南昌 330063;东南大学城市智能交通江苏省重点实验室,南京 210096;东南大学城市智能交通江苏省重点实验室,南京 210096;东南大学城市智能交通江苏省重点实验室,南京 210096;湖南科技大学地理空间信息技术国家地方联合工程实验室,湘潭411201;东南大学城市智能交通江苏省重点实验室,南京 210096【正文语种】中文【中图分类】U113面对我国货物运输需求持续快速增长的态势,优化交通运输结构,构建公、铁、水、航、管道协调发展、高效运作的多方式货运交通体系已成为我国重要的交通发展战略[1-2].货运分担率,即各交通方式所承担的货物运输比例,是优化货运交通结构及合理配置货运交通资源的重要依据.目前,货运方式分担率模型主要包括以下3类:①运输成本最小化模型.文献[3-5]量化或细化货物运输费用,以成本最小为目标建模,确定不同交通方式所承担的货运量.②基于效用理论的非集计模型.文献[6-8]通过分析不同运输方式的影响因素,构建效用函数,建立Logit模型以确定较优的货运方式.③基于决策论的目标优化模型.文献[9-11]通过建立多目标决策模型或目标规划模型,以确定货运方式分担率.这些模型的缺点在于定量研究不足且系统性与普适性较差,未进行参数标定,或仅采用某一特定运输通道的数据进行标定.鉴于此,本文在采集与分析了大量区域宏观货运数据的基础上,构建了货运分担率-运距模型并进行模型标定,获取货运方式分担率-运距曲线.研究内容包括公路、铁路、水路和航空四大货物运输方式.每种货运方式各自的特性集中体现在分担率随运输距离变化的分布规律上.因此,本文在统计分析城市间各货运方式运距、运量数据的基础上,构建了各货运方式分担率-运距模型.具体步骤如下:①收集并统计某区域范围内各城市间不同货运方式的货运量和运距数据,从而获取不同运距所对应的分方式货运量数据,即数据集{(xabi,vabi)}.其中,xabi,vabi分别表示城市a至城市b第i种货运方式的运输距离和承担的货运量,a=1,2,…,n;b=1,2,…,n;i=1,2,3,4,且 i=1 表示公路货运,i=2表示铁路货运,i=3表示水路货运,i=4表示航空货运.②将分方式的货运量、运距数据进行拟合,分别建立该区域范围内各货运方式的货运量-运距函数关系式gi(x),其中x为运输距离.③建立各货运方式的分担率-运距模型,即式中,fi(x)为第i种货运方式的分担率.以2008年全国货物运输数据为基础,对货运方式分担率-运距模型进行标定.2008年,我国货运总量为2.587×1010t,货运周转量为1.103×1012t·km.其中,公路、铁路、水运、航空、管道货运量分别占货运总量的74.122%,12.775%,11.389%,0.016%,1.698%;货运周转量分别占货运周转总量的29.799%,22.762%,45.569%,0.108%,1.762%.采集了不同城市间公路、铁路、水路、航空货运量-运距数据集{(xabi,vabi)},分别为 811,907,240,240个.数据包含了货物运输的起讫点和货运量.2.2.1 数据统计及预处理对所采集的货运量-运距数据进行分方式、分运距归类.考虑到我国各区域货运方式发展水平不均衡,对数据进行预处理以减少统计误差.具体步骤如下:① 分方式.将货运量-运距数据集{(xabi,vabi)}中的数据按照公路、铁路、水运、航空4种货运方式进行分类,分别获得4个数据集{(xab1,vab1)},{(xab2,vab2)},{(xab3,vab3)},{(xab4,vab4)}.②排序.分别将4个数据集的数据按照其运输距离的数值从小到大进行排序.③聚类.按照每一聚类中任意2个元素运输距离的差值不超过10 km的原则,分别将数据集的数据进行聚类.④合并.分别对每个聚类中全部元素进行合并,对全部元素的运输距离求平均值,对货运量求和,获取代表该聚类类别的关键运量-运距数据集.经合并后,公路、铁路、水运、航空的运量-运距数据集分别为 111,93,66,109 个.由于所收集的2008年货运量-运距数据主要集中在50~3 000 km运距范围内,故在数据预处理时只保留该区间以内的数据.2.2.2 数据拟合采用Matlab软件对关键运量-运距数据集进行拟合分析,经过比选后,在50~3 000 km范围内,公路货运量-运距函数关系式为铁路货运量-运距函数关系式为水路货运量-运距函数关系式为航空货运量-运距函数关系式为各货运方式货运量-运距拟合曲线如图1所示.将式(2)~(5)代入式(1),可获取50~3 000 km运距范围内货运方式分担率-运距模型,适用于该运距范围内公路、铁路、水路、航空四大货运方式分担率的计算.鉴于此模型为分段模型,绘制曲线时较为复杂,故在工程应用时,可对其进行简化,并获取相应的分担率-运距曲线.首先,根据货运量-运距函数关系式分别计算x=50,60,…,3 000 km 时的公路、铁路、水运、航空的货运量;然后,将不同运距下各货运方式货运量除以总货运量,获得各货运方式分担率,从而得出货运方式分担率-运距散点图.经拟合后便可获取简化后第i种货运方式分担率-运距模型.公路货运分担率-运距简化模型为铁路货运分担率-运距简化模型为水路货运分担率-运距简化模型为航空货运分担率-运距简化模型为据此便可绘制出货运方式分担率-运距拟合曲线(见图2).虽然简化模型(6)~(9)较原模型(1)~(5)精度略有下降,但由于其拟合度均大于0.98,故认为该简化模型有效.在工程实践中,可依据精度要求及实际情况,选择采用原模型或简化模型.由图2可知,公路货运分担率曲线呈单调递减趋势,在0~500 km运距范围分担率均超过40%,说明公路货运适合于中短途运距,尤其是短途运距;在600 km处出现拐点,随后分担率下降趋势变缓.铁路货运分担率曲线呈先增后减的趋势,拐点出现在600~700 km之间;当运距为500~1 200 km时,其分担率明显大于其他3种方式的分担率,表明其适合于中长途运距.水路货运分担率曲线呈单调递增趋势,且运距大于1 200 km时分担率超过40%.航空货运方式由于运价高昂,故相比其他3种货运方式,其分担率较低;实际上,由图2(d)可知,航空货运分担率曲线在150~700 km运距范围内缓慢递增,700~1 900 km运距范围内快速增加,然后呈平缓趋势,并伴有上下波动,这一方面是由于航空货运成本高昂,导致运价极低的水路货运优势更为明显,另一方面也可能是由于统计分析的数据来自全国不同区域,存在各种运输方式发展不平衡的情况,导致结果存在一定误差.以辽宁-山海关综合运输通道为例,开展公路、铁路、水运、航空多方式交通网络环境下货运方式分担率的实证研究.对该通道的规划年(2020年)货运方式分担率进行预测,作为未来新建和改扩建运输通道项目的依据.以现有行政区划为基础,共划分101个交通小区,其中直接影响区30个,间接影响区27个,外部影响区44个.通过调查获得研究区域的货运现状OD矩阵,其发生总量或吸引总量为1.640×1010t.采用Fratar模型预测2020年的货运OD矩阵,其发生总量或吸引总量为2.509 ×1010t[12].采用Visual C++编程,可获得计算结果.以3个交通小区为例,任选编号为1,51,73的交通小区进行计算,已知其货运OD矩阵如表1所示.计算步骤如下:①测算各小区之间的运输距离,结果见表2.②基于货运交通网络布设情况,明确小区之间4种货运方式的连通情况.若小区A至小区B缺少第i种货运方式时,则认为小区A,B之间的此种货运方式分担率为0.在实例中的3个交通小区之间,航空运输方式仅在交通小区51与小区73之间存在,其他运输方式在各交通小区间均连通.③将各小区间的运输距离代入模型(6)~(9)中,计算各小区间公路、铁路、水运、航空4种货运方式的分担率,结果见表3.需要指出的是,当运距小于50 km时,根据对当地货运方式选择的补充调研,取公路、铁路、水运、航空货运方式分担率分别为 0.95,0.025,0.025,0.④将2020年的货运OD矩阵分别乘以4种货运方式的分担率,计算出各小区间货运方式的分担量,结果见表4.1)在综合运输一体化的背景下,依据国内各城市间货运量、运输距离数据,构建了区域货运方式分担率-运距模型,并进行了标定.2)建立了货运方式分担率-运距模型,提出了该模型的简化形式,并获取了相应曲线,直观、形象地呈现各货运方式所承担货运量比例随运输距离变化的分布规律.3)货运方式分担率-运距模型的输入变量为货物运距,由此可确定50~3 500 km 运距范围内各货运方式的分担率,有效解决了在多方式交通网络中货运分担率在区域范围内的量化问题.4)货运方式分担率-运距模型可以为优化区域未来运输结构提供合理的决策依据,也有助于从总体上较为真实、客观地把握未来区域运输可能产生的交通运输负荷,从而实现运输资源的合理配置.【相关文献】[1]中华人民共和国交通运输部.交通运输“十二五”发展规划[R].北京:中华人民共和国交通运输部,2011.[2]罗俊.基于行为分析的货物运输方式选择模型研究[D].武汉:武汉理工大学交通学院,2012. [3]胡军红,李晶.各种运输方式协调发展模式探讨[J].重庆交通大学学报:自然科学版,2009,28(2):294-297.Hu Junhong,Li Jing.Discussion on patterns of transport modes'coordinated development [J].Journalof Chongqing Jiaotong University:Natural Science,2009,28(2):294-297.(in Chinese)[4]Sheffi Y,Eskandari B,Koutsopoulos H N.Transportation mode choice based on total logistics costs[J].Journal of Business Logistics,1988,9(2):137-154.[5]Beuthe M,Jourquin B,Geerts J F,et al.Freight transportation demand elasticities:a geographic multimodal transportation network analysis[J].Transportation Research Part E:Logistics and Transportation Review,2001,37(4):253-266.[6]宋睿,孙焰.基于多层Logit模型的货物运输链选择研究[J].武汉理工大学学报:交通科学与工程版,2014,38(4):792-800.Song Rui,Sun Yan.Research on freight transportation chain based on nested logit model [J].Journal of Wuhan University of Technology:Transportation Science&Engineering,2014,38(4):792-800.(in Chinese)[7]Greene W H,Hensher D A.Revealing additional dimensions of preference heterogeneity in a latent class mixed multinomial logit model[J].Applied Economics,2013,45(14):1897-1902.[8]Feng P,Li W.Research on the mode split of freight about the mountain resources city-an example of Qinshui city[C]//CICTP 2014:Safe,Smart,and Sustainable Multimodal Transportation Systems.Changsha,China,2014:3362-3371.[9]Dazhi J,Wei D,Xiaoli Z.Study on the application of multi-objective grey situation decision-making theory for transportation mode choice[C]//International conferenceon Measuring Technology and Mechatronics Automation.Changsha,China,2009:895-898.[10]白骅,朱彤.运输通道货运量分担率的目标规划模型[J].长安大学学报:自然科学版,2014,34(4):147-151.Bai Hua,Zhu Tong.Objective programming model for freight traffic-split rate in comprehensive transportation corridor[J].Journal of Chang'an University:Natural Science Edition,2014,34(4):147-151.(in Chinese)[11]Kiesmüller G P,de Kok A G,Fransoo J C.Transportation mode selection with positive manufacturing lead time[J].Transportation Research Part E:Logistics and Transportation Review,2005,41(6):511-530.[12]东南大学交通学院.基于综合运输体系的高速公路主通道交通量分析与预测研究[R].南京:东南大学交通学院,2015.。
运量预测方法和模型为了满足铁路发展规划、建设项目立项研究和工程设计,以及铁路营销的需要,都需要采取一定的预测方法对未来时期的客货运量作出科学和合理的预测。
铁路运量包括发送(到达)量、周转量以及流向和负荷强度,是铁路未来市场需求在数量上的反映。
运量预测是市场预测,属于经济预测的范畴,大多为中长期预测。
铁路运量预测的方法很多,按技术特性可分为经验推断法、产销平衡法和经济数学预测法等三大类。
经验推断预测法,主要依靠预测者根据主观经验和掌握的信息,对未来作出判断,虽然计算比较简单,但在铁路规划研究和设计中有广泛应用,预测者的经验、水平和拥有的信息量,对于测结果起决定性作用。
产销平衡预测法在铁路大宗运量预测中被视为一个基本的方法。
基于铁路运输的特点,大宗的长距离的粗杂货物和原材料运输,铁路是最经济合理的承担者。
据统计,煤炭、石油、钢铁、矿石、矿建材料和水泥等大宗品类货物占铁路总运量的80%以上。
大宗品类货物不但数量大,而且生产和消费的企业规模大、集约化程度高,物流比较稳定。
因此大宗品类运量采用产销平衡预测时需对未来发展情景作深入的研究分析,需要掌握大量的经济和技术信息,预测者的知识和掌握的信息对预测结果有重要的作用。
经济数学预测法,也称计量数学方法或数理统计统计方法,它跟据历史和现状的数据,建立模拟公式推导未来,模型的建立、运算和预测结果的判断主要靠数学手段,它更强调预测者的数学知识,现代计算机技术发展使很多复杂的模拟和运算过程简单化、快速化。
模型的适应性和参数的选择对预测结果至关重要。
第一节经验推断法一、调查法(一)用户调查法用户调查法是指向运输需求企业单位、建设主管单位、设计咨询部门发出问卷或登门咨询,籍以搜集现状、计划(规划)资料和运输量,通过研究分析确定未来年度运量。
在货运量预测中,用户调查是不可忽缺的方法。
特别是对于大中型工厂、矿山、港口以及重点仓储、物流企业,这些单位的运输需求量大,提供的资料可信度大,在总运量构成中所占比重也大,是各级调查中的重点,掌握这些部门的信息和资料,在铁路规划设计中是非常重要的,也是产销平衡预测中重要的基础资料。
第33卷,第3期中国铁道科学2012年5月C H I N A R A I L W A Y S C I EN C E V oL33N o.3 M ay,2012文章编号:1001—4632(2012J03—0123—09综合运输通道旅客出行方式选择行为研究张迦南,赵鹏(北京交通大学交通运输学院,北京100044)摘要:针对综合运输通道内旅客出行距离长、频率低的特点,基于非集计理论和纯选择行为抽样调查法建立综合运输通道内旅客选择行为的Logi t模型。
对京沪运输通道内旅客选择行为随出发时问和出行距离变化情况的模拟表明,中长距离的旅客对综合运输通道内存运产品的选择受出发时问影响较大,客运需求结构在不同时段存在显著差异,面短距离旅客的出行方式选择行为受出发时间影响较小,此外各种运输方式的典型客运产品均存在优势运输距离范围。
与京沪运输通道客运产晶结构现状对比的结果表明,由综合运输通道内旅客出行方式选择行为模趔得到的结果能够反映通道客运需求结构的现状,并且能够解释由客运供需矛盾引发的购票困难等现象,从而为综合运输通道客运摹础’豉施的科学规划和客运产品的合理设计提供理论依据。
关键词:综合运输;旅客选择行为;非集计模型;客流调查;运输规划中图分类号:U116.1文献标识码:A dei:10.3969/j.i ssr L l001—4632.2012.03.20目前,我国的城市间客运需求正在快速增长,2001--2010年的l o年间,京沪铁路客运量已经由9043万人增长到14307万人。
同时,旅客平均出行距离也在延长,1990年,中国铁路旅客平均运距为273km,到2010年,这一数字增长到532 km[¨,经过20年中国铁路的旅客平均运距翻了一番。
此外,新技术的应用使各种运输方式的速度、容量等特性也发生了巨大变化,甚至出现了新的运输方式。
城市间运输需求的快速增长、旅客出行距离的显著增加以及运输产品特征的不断变化,改变了以往综合运输通道(多种运输方式并存的中长距离运输通道)内的客运需求结构。