基于神经网络的城市轨道多交路乘客选择行为分析OA

城市轨道交通客流不均衡问题愈发突出,多交路运营成为主流运输组织方式。研究多交路运营条件下的乘客出行选择机理,能够精准分配客流、优化列车开行方案。考虑出行距离、出行时间、车厢拥挤度、路径熟悉度、换乘次数等要素,按路径偏好划分乘客类型,借助灰色关联法计算各因素敏感度,搭建多层感知机乘客乘车选择行为模型。研究结果表明:无直达偏好通勤与休闲类型乘客均对出行时间和距离敏感度较高,通勤乘客因注重高效准时性对出行时间和距离敏感度更高,休闲乘客因重体验而对列车的拥挤度更为敏感。起讫点类型为“非共线-共线”的通勤类和休闲类乘客选择正向换乘概率均为最高,分别为30.2%和32.5%。“非共线-非共线”的通勤类与休闲类乘客选择反向换乘的概率均为最高,分别为10.3%和11.6%,部分乘客愿意耗时通过反向换乘找到座位来提高长距离出行的舒适度。