居民出行方式调查报告范文第1篇
1. 模型介绍
多项Logit模型的适用范围是因变量为无序种类变量, 适合3种及3种以上因变量情况下建模, 能够得到自变量与因变量之间的关联和影响。
根据随机效用理论, 第n个个体选择第种出行模式的效用可以表示为:
式中:为第n个个体选择第种出行模式效用函数中的固定项;为第n个个体选择第种活动模式效用函数中的随机项。
当与其中包含的解释变量之间呈线性关系时, 可以表示为:
式中:K为解释变量个数;θ为参数矩阵;为第k个变量所对应的参数;为第n个个体选择第种活动模式的第k个特性变量。
假设效用函数中随机项服从二重指数分布, 可以得到第n个个体选择种活动模式的概率, 即
式中:是第n个个体选择第种出行模式效用函数中固定项;为第n个个体选择第种活动模式的第k个特性变量。将式 (3) 变形, 并运用极大似然估计法及牛顿—拉普松求解, 便可估计模型中的参数θ1, θ2, …, 。
城市居民出行对交通方式的选择问题实际上是一个概率问题, 即城市居民以多大的概率选择某种交通方式。城市居民面对多种交通方式的选择并不是轻易下决定, 为了模拟城市居民的心理活动, 可以为每种交通方式确定一个效用值, 某个交通方式的效用值反映了如果城市居民选择该方式将会获得的好处大小, 对于城市居民来说, 他 (她) 总是希望选择能够产生最大效用值的交通方式。针对本文而言即为城市居民选择私家车 (Car) 、出租车 (Tax) 和轻轨 (Skr) 出行时希望选择效用最大化的交通出行方式。
2. 模型结果分析
使用RStudio对调查来的数据代入模型进行计算分析, 以私家车 (Car) 为基准, 最终计算结果如下表1所示:
Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1
对模型代码运行出来的结果进行分析整理, 得出以私家车 (car) 为基准的计算结果表如下表2所示:
注:***为在0.001水平上显著相关;**为在0.01水平上显著相关;*为在0.05水平上显著相关。
计算的结果Rho小于0.4, 但是依据求得的系数来看, 有较强的显著相关性, 对此, 将轻轨 (Skr) 作为基准代入模型进行计算, 计算结果如下表3所示:
Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1
对模型代码运行出来的结果进行分析整理, 得出以轻轨 (Skr) 为基准的计算结果表如下表4所示:
同时, 将出租车 (Tax) 作为基准代入模型进行计算, 计算结果如下表5所示:
Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1
对模型代码运行出来的结果进行分析整理, 得出以出租车 (Tax) 为基准的计算结果表如下表6所示:
3. 结论
Logit模型能充分利用抽样调查的数据, 并将它们联系起来综合反映交通方式的效应, 从而更准确的解释客观实际, 用Logit模型分析现在交通结构和预测未来交通结构时需要较小成本, 节省人力、物力、费用和简化计算。
分析结果显示如果公共交通的收费标准提高或者城市居民出行等候公共交通的时间较长时, 选择公共交通出行的效用会减少, 城市居民更多的会选择自己驾车出行。现国家大力提倡选择公共交通出行, 对于出租车 (Tax) 而言适时返优惠券或者设置绿色通行车道停车使城市居民出行时间缩短;对于轻轨 (Skr) 而言提高服务水平, 推行使用一卡通 (刷卡打折) 等, 使城市居民选择公共交通出行的效用提升, 那么更多的人会选择放弃私家车 (Car) 出行, 达到抑制交通量的增长, 缓解交通压力的目的, 收费政策和提升服务水平措施是行之有效的交通需求管理手段。
摘要：依据对城市居民出行方式调查得来的transport.csv数据, 将城市居民出行选择出行方式的影响因素归结为出行的费用、出行的时间和随机因素。采用随机效用理论建立以私家车 (Car) 、出租车 (Tax) 、轻轨 (Skr) 为选择对象的多项Logit模型, 并通过软件RStudio对调查来的transport.csv数据利用模型进行分析, 预测城市居民出行选择这三种交通方式的概率, 制定相应的政策措施规划合理的交通结构。
关键词：城市居民出行,出行行为,影响因素,Logit模型
参考文献
[1] 田亮.浅析基于logit模型的旅客出行选择行为[J].城市建设理论研究:电子版, 2012 (18) .
[2] 滕素珍, 纪青君.交通方式选择的Logit模型[J].大连理工大学学报, 1990 (1) :9-14.
居民出行方式调查报告范文第2篇
随着人们生活质量的不断提高，几乎每家都拥有了私家车，这也就造成了每当节假日来临，高速公路就会出现拥堵情况的原因之一。但是随着中国现代“新四大发明”之一的高铁迅猛发展，给人们的出行带来了极大的便利，因此远途出行的人们也逐渐将高铁作为自己出行的首选交通工具，高铁的修建一方面能够缓解普通列车的运行压力，另一方面对高速公路的运行也起到了减压的作用。
一、问题提出
高铁的开通，一部分人们便会选择高铁出行，从而会使得高速公路的车辆有所减少，请你选取合适的指标，分析高铁的开通对该高速公路的车辆通行压力是否有所减缓，并分析是否显著。
二、问题分析
问题的核心是对收集到的近五年的高铁的数量以及近十年的高速公路的车辆的数据的分析。首先需要定义相关的指标，如相关的客运量、客流量、高铁密度来进行分析。然后通过数据分析对相关的数据进行整理归总，最后经过神经网络等模型进行集合构建。
三、模型假设与约定
(一)假设我们寻找的数据是真实可靠的。
(二)在我们所讨论的城市中，没有突发的自然灾害导致人口的减少。
(三)建模的过程中，别的特殊因素不会影响我们建模的结果。
(四)假设所选取的因素是有代表性的，对决策分析和确定必不可少。
(五)假期的特殊情况对建模的影响可以忽略。
四、模型建立与求解
（一）模型建立的准备
首先我们统计了公路客运的旅客运输量，以及车辆的数量，高铁的数量。接着我们对模型做了初步假设，分析模型的可行性。
（二）问题一模型的建立与求解
1、模型一：数据分析模型
首先，我们收集了公路客运和高铁的相关的数据，为了方便讨论我们分布进行叙述。
(1)第一部分：公路部分
从2010年到2018年的公路旅客运输量如下：
同时，我们根据国家交通局的数据整理了各类汽车的拥有量，并进行相关的统计。
(2)第二部分：高铁部分
高铁部分我们收集到了高铁的客运量和高铁旅客的周转量，并进行如下统计。
2、模型二：BP神经网络及回归残差判断模型[1]
用们使用改进后的BP神经网络，对精度比较高的权值进行残差的分析。
首先我们确定好输入层，我们设定的输入层是公路相关的数据和高铁相关的数据，经过相关的神经网络的计算[2]，最后输出层就是我们想要的数据。再对这些数据进行相关的分析。
输入层中X1, X2, X3……Xi为BP神经网络的输入值，Y1, Y2……Ym是BP神经网络的预测值，Wij和Wjk是BP神经网络权值，这里我们把这个看成为一个非线性函数，当输入节点数为n、输出节点数为m时，BP神经网络就表达了从n变量到m变量的关系。
(1)网络初始化
输入的序列确定了网络的输入层节点数n、隐含层节点数l，初始化输入层、隐含层和输出层神经元之间的权值Wij和Wjk初始化隐含层阈值a, 输出层阈值b.
(2)隐含层输出计算
根据输入向量X，输入层和隐含层间连接权值Wij以及隐含层阈值a计算隐含层输出H.
这里的f为隐含层激励函数
(3)输出层输入计算
根据隐含层输出H，连接权值Wjk和阈值b，计算BP神经网络预测输出Y.
(4)误差计算
根据网络预测输出Y和期望输出O，计算网络预测误差e
(5)权值更新
根据网络预测误差e，更新网络连接权值Wij和Wjk
η为学习效率为学习效率
(6)阀值更新
根据网络预测误差e更新网络结点阈值a, bㄢ
(7)进行判断迭代是否结束
由于数据的原因，我们对到2011年的人口数量、机动车数量进行了拟合运算，得出以下图表：
下一步进行标准化残差运算：
标准化残差公式：
为回归模型中的误差军方和的开平方，为普通残差，hii为墨子矩阵的对角线元素。
由此可以看出经过BP神经网络模型精度更高[3]，可以明显较为准确地得出开通高铁对高速公路通行的压力减缓十分显著。
摘要：本文主要针对高铁建设对旅客出行方式选择的影响分析, 具体研究了高铁建设对高速公路车辆通行压力减缓以及高铁建设对不同城市的旅客出行方式的选择的影响。高铁建设对高速公路车辆通行压力减缓这一方面, 本文采用了数据分析模型和BP神经网络及回归残差判断模型。数据分析中, 本文统计了近十年公路和铁路客运量、周转量、公路和铁路密度与里程数以等数据, 并对数据进行整理, 最终绘制出对应的统计图。在BP神经网络及回归残差判断模型中, 确定输入层为人口数、车辆数、客运量等公路和高铁相关的数据, 用残差计算式, 最后使用MATLAB画出残差图, 最后明显较为准确地得出开通高铁对高速公路通行的压力减缓十分显著这一结论。
关键词：数据分析模型,BP神经网络模型,高铁出行
参考文献
[1] 包勇, 陈燕璇.基于BP神经网络的公路客运量和货运量预测方法研究[J].软件导刊, 2016, 15 (04) :129-131.
[2] 华诗雨.不同认知条件下旅客出行方式选择行为研究[D].北京交通大学硕士学位论文, 2016, 03.
居民出行方式调查报告范文第3篇
就每个学年特点来说，暑假往往是一年之中比较长的假期，也没有重大节日需要在家同家人团聚，许多生也会选择这个黄金时段进行各自的活动来充实自己。
2011年暑假，我对身边可接触到得大学生暑假生活及心态进行了调查，在不同年龄，年级的大学生之中展开了有针对性的提问，调查对象包括在校本科生及即将进入大学的新生。
在这次的调查结果中，得出了一下颇有价值的研究结果：
一. 随年龄段不同大学生的未来危机感有所不同
在这次的调查问卷中，当问到有关自己大学毕业后的打算时，不同年龄的大学生现实出了很大的差别。70%以上的学生表示对未来强大的社会竞争感到有压力，而其余的30%表示不在意的都是年级比较低的大学生,而他们不在意的原因也主要是因为距离自己踏入社会的时间还早，未来尚为未知但充满信心。而在70%感到有压力的大学生中虽着年级的升高，这其中人数的比例也逐渐升高，对未来危机感的程度也逐渐升高。
二. 娱乐生活基本相同
在接受调查的大学生中，大家难得的暑假生活也有着惊人的相似之处，在娱乐方面几乎所有人的选择都十分相似，电视、网络、出游，
是娱乐生活的三大主力，除此之外聚会也占据了很大的比重。娱乐生活在暑假生活中所占的比例因年龄不同而有所差别，多数新生甚至将暑假的全部时间用在了娱乐上，而多数年级稍大的大学生则没有把娱乐放在自己暑假生活的第一位。这种现象多少也受到了前面所说的未来危机感影响。
三. 选择学习深造的人数增加
在社会竞争日益激烈的今天，掌握更多技能的人才更容易受到青睐，不仅身在社会中的人有这样的觉悟，众多的大学生准大学生们也是紧跟时代的潮流，在这次调查发现有相当一部分参与调查者热衷于增加自己专业以外的第二技能。在可供选择的众多第二技能中选择第二外语的人毫无疑问的成为了最大热门，其次是计算机技术，这两者几乎占据了所有选择项的90%，其余选项只有少数人。但需要提醒的是，第二技能只能是为自己加分的项目，前提是熟练甚至是精通自己专业的情况下第二技能的优势才能得到相应的发挥，如果搞不好自己的本行想靠第二技能得到欣赏是不切实际的，结果将导致门门涉猎但门门不通的悲惨境地。当然，也有不少即将是毕业班的学生选择了留校进行考研复习，准备深造。
四. 增加社会工作经验成为热门
近年来受金融危机影响,大学生就业情况不容乐观,许多应届毕业生不能在毕业后很快找到合适自己的工作，导致了目前“要就业先失业”的情况。现在大学毕业生就业难的主要原因就在于企业不愿冒风险选择只有理论却没有经验的人进入，这虽然可能错失一部分难得的
人才，但也会为企业运作带来很大的风险。对此，国家及各地方政府出台了一系列的政策帮助解决大学生就业问题，其中增加大学生实习机会，开设众多实习基地就是其中之一。这为刚出校门甚至是将要迈出校门的大学生提供了宝贵的工作经验。减少了因缺乏工作经验而被拒之门外的情况。大多数选择实习的大学生是大三大四的学生，他们是大学中比较接近社会生活，或是即将踏入社会生活将要亲身面对激烈竞争的一群，工作经验对于他们来说是十分重要的。但是对于数量巨大的大学生，刚刚进入起步阶段的政策所能解决的问题还是相当有限的。希望这个项目能在外来的日子得到迅速而有效的发展，这样才能真正的解决大学生的就业问题。
五. 普遍对暑假期望值高于实际
在这次调查中，自然也发现了一个很严重且普遍存在的问题：许多大学生承认，在暑假开始之前，自己会对即将到来的暑假生活做一个详细的计划，但当暑假真正开始或真个暑假已经结束后，这些计划往往没有被很好的实现甚至是完全没有实现。这种任务完成的低效现象据我分析应该有以下几个原因：
1. 暑假生活清闲造成了生活的懒惰性。暑假往往不想正式学期，没有课程安排，没有宿管限制，暑假刚刚开始，很多人抱着放假了要好好放松的心态往往一睡就到中午，之后无所事事直到一天结束，一旦从开始就养成这样的作息习惯，在剩下的暑假里就很容易形成惯性，白白浪费了一整天的大好时光而一事无成。
2. 父母家人的溺爱纵容。许多大学生求学地点远离家乡，有的甚
至只有假期才能回家见到家人，往往长达半年的分别让家人的思念累积的很多，“好不容易回来一次要好好休”往往是长辈们对我们说的话，这样每当有想法要工作或学习多多少少会受到长辈们心疼的劝阻“别在假期也把自己弄得这么累”。