清华大学学报(自然科学版)

作者：王静, 刘锴, 王江波, 宫磊

单位：1. 大连理工大学 交通运输学院, 大连 116024;<br>2. 深圳技术大学 城市交通与物流学院, 深圳 518118

关键词：城市交通,留乘识别,面板logit模型,智能卡数据

基金：国家自然科学基金资助项目(71871043);中央高校基本科研业务费资助项目(DUT20RC(3)094);深圳技术大学新引进高端人才财政补助科研启动经费项目(20200218);教育部人文社会科学研究一般项目(21YJC630029);广东省哲学社会科学规划项目(GD20CGL30)

近年来地铁系统客流量急剧增加,时空上的过度拥挤造成留乘问题日益严峻。留乘严重影响了地铁运行效率,但目前缺少相关的行为学机理研究。该文使用深圳通刷卡数据,从乘客个体层面细化地铁出行过程,以乘客理性出行时间为基础识别留乘,并观测其时空分布特征。统计结果表明：深圳地铁1号线平均留乘率为12.0%,平均留乘时间为4.20 min。该文从个人、车站和线路3个层面挖掘城市地铁留乘的影响因素,提取乘客多日出行的留乘决策数据构建面板logit模型(panel logistic regression model,PLM),进一步以留乘乘客为研究对象,构建考虑个体特定效应的面板数据随机效应回归模型,探究留乘时间影响因素作用机理。结果表明：长距离出行、起始站上车和高峰时段的乘客留乘概率高,频繁出行的乘客留乘概率低;起始站上车的乘客虽有更高留乘概率,但留乘时间未显著增加,晚高峰下行方向和早高峰上行方向留乘时间分别增加0.61和0.88 min,相对运行方向留乘时间不增反降。该文挖掘了留乘行为决策机理,提高了个体留乘行为决策及留乘持续时间的预测精度,能为列车精细化调度和发布面向乘客的定制化引导策略提供依据。

来源：2023年第11期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2023年第11期