【摘要】：從耐受感知的角度,分別針對步行過程和等待過程中的空間要素、時間要素和環(huán)境要素進行分析,并提出了空間耐受性、等待耐受性和基于這兩者相互疊加而形成的綜合耐受性的概念.同時,通過耐受閾值的確定,界定了換乘過程中的耐受極限與實際采取的換乘決策的關系.在進行建模分析時,通過引入?yún)^(qū)間模糊數(shù),實現(xiàn)了對耐受感知的模糊化處理,提高了參數(shù)的回歸精度.對模型進行回歸分析,得出了不同耐受性的參數(shù)估計,并繪制了耐受閾值關于要素疊加的等值面圖.研究表明,在常規(guī)環(huán)境下,人們所能接受的步行距離閾值為381 m,步行等待時間閾值為7.1 min,候車等待時間閾值為12.9 min.同時,該模型可得到換乘者在換乘過程中不同時空要素以及環(huán)境要素疊加所引發(fā)的耐受感知的變化.
【圖文】：

壤?．40綠化遮蔽比例0．30生活服務設施0．10路面整潔情況0．20場站服務設施遮擋及建筑物0．25通行輔助設施0．10信息提示0．40休息候車設施0．251．2耐受感知變量與閾值實際換乘過程中，換乘者很難直觀地判斷對各項換乘要素的耐受性．因此，需要設置一個過渡變量進行研究．本文通過定義一個耐受感知變量來衡量換乘者感知到的換乘體驗與耐受極限的接近程度．耐受感知值越高，說明換乘體驗越差．同理，當耐受感知值對于某個要素的變化敏感程度越高(正相關程度越高)，那么說明對該要素的耐受性也就越低(見圖1)．β={s，E1－s}limit{s，E1－s}，δ={t，E2－t}limit{s，E2－t}η={s，t，E1－s，E2－t}limit{s，t，E1－s，E2－t}(1)式中，β，δ，η分別表示空間耐受感知值、等待耐受感知值和綜合耐受感知值，取值范圍均為［0，1］;s為步行距離;E1為步行環(huán)境感知要素;t為等待時間;E2為等待環(huán)境感知要素．例如，{s，E1}limit{s，E1}表示某次換乘所經(jīng)歷的步行距離和步行環(huán)境感知要素的疊加組合與自身的耐受極限進行感知對比后所得比例，即為相應的耐受感知．圖1耐受性與閾值示意圖同時，在現(xiàn)實生活中，大多數(shù)換乘者一般不會采用換乘消耗非常高的換乘組合作為常用的換乘策略，這就產(chǎn)生了實際換乘閾值的問題．換乘閾值涉及2個層面:空間耐受閾值、等待耐受閾值(見圖1)．在數(shù)據(jù)預處理中，本文發(fā)現(xiàn)換乘者大多數(shù)交通換乘行為的空間耐受感知值和等待耐受感知值一般都位于低于極限值(β=1，δ=1)的某個區(qū)間范圍內(nèi)．在交通行為理論研究中，大多數(shù)交通行為閾值都設置在其行為樣本總量的70%～80%之間［12-16］．本文定義空間耐受閾值βc和等待耐受閾

http://journal．seu．edu．cn(a)換乘軌跡與速度分布(b)步行過程信息(c)換乘過程評價(d)GIS圖像還原圖2基于APP的數(shù)據(jù)收集與GIS街景還原軌跡非直系數(shù)．并按照同樣的標準對步行道水平和場站設施要素的分項指標進行評分，將由此得到的要素分項指標值與用戶提交的要素總評值進行協(xié)同分析．數(shù)據(jù)分類與來源如表2所示．表2數(shù)據(jù)變量列表名稱符號數(shù)據(jù)來源范圍空間耐受感知值β用戶提交0～100%等待耐受感知值δ用戶提交0～100%綜合耐受感知值η用戶提交0～100%空間距離sAPP記錄步行等待時間t1APP記錄候車等待時間t2APP記錄路徑復雜性評價e1用戶提交0，10，…，100對應的分項指標值圖像挖掘步行道評價e2用戶提交0，10，…，100對應的分項指標值圖像挖掘0，10，…，100場站設施評價e3用戶提交0，10，…，100對應的分項指標值圖像挖掘0，10，…，100通過APP提供的Web數(shù)據(jù)庫來存儲所有帳戶中的數(shù)據(jù)，以便進行數(shù)據(jù)挖掘和分析．其數(shù)據(jù)挖掘分析框架如圖3所示．為得到換乘耐受性相關數(shù)據(jù)，本文選取成都市公共交通網(wǎng)作為調(diào)查取樣空間，并設定數(shù)據(jù)收集的極限距離為800m．成都市共開行公交線路428條，地鐵線路4條．在統(tǒng)計數(shù)據(jù)中，，步行距離、等待時間等指標均可以得到相對準確的數(shù)值，而對于耐受感知值而言，為了降低感知誤差，換乘者只需給出一個范圍值即可，比如某次換乘的空間耐受感知值為70%～80%．2．2換乘行為分析在成都市進行的交通換乘感知和耐受性實驗中，共統(tǒng)計有效樣本807份．圖3換乘數(shù)據(jù)挖掘與處理框架1256東南大學學報(自然科學版)第47卷
【作者單位】： 西南交通大學交通運輸與物流學院;西南交通大學綜合運輸四川省重點實驗室;
【基金】：國家自然科學基金資助項目(51578465)
【分類號】：U491


本文編號：2540163