科研之友
微信
新浪微博
Facebook
分享链接
摘要
通过开展问卷调查和断面交通流参数调查，分析了电动自行车出行特性和交通流量、速度特征。针对电动自行车正常骑行、占用机动车道骑行、在机动车之间穿插骑行和逆向骑行4种电动自行车骑行决策行为，建立了基于Elman神经网络和多元logistic回归的电动自行车骑行决策行为模型。以深圳市福田区为例，进行了实证研究，结果表明：基于Elman神经网络的电动自行骑行决策行为模型的预测效果明显优于基于多元logistic回归的电动自行车骑行决策行为模型，平均预测精度为91.62%，相比多元logistic回归模型提高了9.93%；构建的多元logistic回归模型能揭示影响因素和骑行决策行为之间的关联关系，可为制定减少电动自行车不安全骑行决策行为的策略和政策提供理论支撑。
-
单位浙江省交通运输科学研究院; 北京交通大学
