基于出行链理论的UE模型构建
基于活动链的出行需求预测模型解构与设计
基于活动链的出行需求预测模型解构与设计摘要：论文首先对交通需求预测模型的研究现状进行了概述，并以此为基础对基于活动链的出行需求预测模型进行了建模过程的数学解构，设计了模型的应用模块关系逻辑图，提出了分方式、分时段交通需求OD 的计算步骤。
关键词：交通需求、离散选择、活动链1、前言二十世纪五、六十年代出行需求预测模型开始广泛应用于对城市交通基础设施建设项目的评估，四阶段模型是典型代表。
但随着交通设施的固化和交通需求管理的强化，四阶段模型的缺陷被逐渐认知。
基于活动链的出行需求预测模型成为研究热点之一。
但综合来看，目前仅就一个或几个独立的模块进行了研究，在应用过程中也主要与四阶段模型相结合为主，对活动链各环节之间关系的研究不够，建模过程中活动链的链体特征、活动链各环节之间的关联约束没有完整的体现，其根本优势也没有发挥出来。
本文从整体的角度来解构活动链，对活动链各部分构成、各环节之间的关系进行研究，并探讨各环节的数学关系及模型应用的计算逻辑。
2、活动链模型的数学解构基于活动链的出行需求预测模型的研究对象是出行者一天的活动，由于活动的复杂性，要用数学方式来进行描述，需要对模型的进行简化。
考虑到人的活动是一系列思维决策的结果，可以将一天的活动分解为系列决策的过程：（1）首先是如何安排一天的活动，即活动模式，如上班、下班回家、外出购物、回家；（2）其次是对每一次活动而言，选择什么样的时间进行，如购物是在17：30 出发，18：30回到家中；（3）再者是到什么地方进行活动，采用怎样的交通方式。
据此，一天的活动可简化为如下决策过程：活动模式决策、出行时间的决策、交通方式/目的地的决策。
其中活动模式决策为最上层的决策，而时间的决策、方式/目的地决策为下层决策。
考虑到一天的活动由多次往返行程构成，对一天活动的决策可以理解为：首先对活动模式进行选择，然后在既定的活动模式下对每次往返行程的方式/目的地、时间段进行选择。
在数学上可对应分解为如下两个步骤：3、活动链模型的应用流程设计基于活动链的出行需求分析模型的主要特点是模型的各个部分之间存在约束或反馈的关系，构成一种链体，模型应用于预测时应根据逻辑上的先后顺序依次计算各选择概率。
用户均衡模型（UE）与随机用户均衡模型（SUE）在交通流分配阶段的适用性分析
科技与创新┃Science and Technology&Innovation ·40·2019年第03期文章编号：2095－6835（2019）03－0040－02用户均衡模型（UE）与随机用户均衡模型（SUE）在交通流分配阶段的适用性分析王晓璠（中铁第四勘察设计院集团有限公司，湖北武汉430063）摘要：“交通流分配”作为交通规划“四阶段法”的最后一个阶段，对公路项目交通量分析与预测的准确性起到至关重要的作用。
针对交通流分配的不同模型与实际交通量观测数据存在精度不高的问题，结合具体实例，在交通补充调查的基础上，比较了用户均衡模型（UE）与随机用户均衡模型（SUE）的分配精度。
从TransCAD软件的交通规划建模结果来看，应用后者的模型在基础路网上进行交通流分配较前者的模型在不同路段的分配精度上均有不同程度的上升。
这说明了随机用户均衡模型（SUE）更加具有适用性，也为今后相关报告的编制提供了实例验证和数据支撑。
关键词：交通规划建模；交通流分配；用户均衡模型；随机用户均衡模型中图分类号：U491文献标识码：A DOI：10.15913/ki.kjycx.2019.03.040作为国内外道路工程交通预测通行的方法，“四阶段法”已被国内公路项目“工程可行性研究”及“交通影响评价”等报告的编制广泛应用。
而“交通流分配”作为交通规划“四阶段法”的最后一个阶段，对公路项目交通量分析与预测的准确性起到至关重要的作用。
目前，国内大多公路项目工程可行性研究报告将用户均衡模型（UE）和随机用户均衡模型（SUE）作为“交通流分配”阶段的主要应用模型，将各交通小区间的OD数据分配到已知的道路网模型上。
而现有文献缺乏对上述两个模型对于路网真实交通流量情况模拟的准确性以及对未来年道路网交通量分析和预测的适用性分析。
本报告在对大量公路项目交通量观测和OD调查和数据分析的基础上，利用宏观交通规划和需求预测软件TransCAD建立路网模型，并分别利用上述两个模型进行交通流分配，将分配结果与道路网真实交通量数据进行对比分析，为公路项目交通量分析和预测所利用的模型比选提供参考。
基于出行链的铁路车站开通初期客流预测研究
基于出行链的铁路车站开通初期客流预测研究叶玉玲;朱资岳;汪龙洋;宋唯维;周文涛【期刊名称】《华东交通大学学报》【年(卷),期】2024(41)1【摘要】【目的】为解决铁路车站开通初期客流预测缺乏数据支撑,以及估计不同交通方式成本来计算客流转移量结果与实际偏差较大的问题。
【方法】以新开通南沿江城际铁路江阴站为例,考虑该线与既有高速及城际铁路的线位关系,基于城际出行链,依托旅客出行行为调查对区域内可选择的不同交通方式的城际出行效用进行定量计算,采用Multinominal Logit(MNL)模型,区分工作日与非工作日,结合客流分配现状对效用变量系数进行标定,据此预测南沿江城际铁路江阴站开通后发往南京、上海枢纽的客流量,同时结合城市经济和社会发展推演计算发往沿线其他站点的客流。
【结果】结果表明,南沿江城际铁路江阴站的开通可以有效吸引江阴地区原本选择既有铁路、公路去往南京、上海的客流以及选择公路去往南沿江城际铁路沿线其他城市的客流。
【结论】因此,南沿江城际铁路的开通能有效缓解辐射范围内既有铁路、公路的运输压力,客流预测结果还将支撑站点运力资源配置优化研究。
【总页数】9页(P78-86)【作者】叶玉玲;朱资岳;汪龙洋;宋唯维;周文涛【作者单位】同济大学道路与交通工程教育部重点实验室;同济大学交通运输工程学院;中国铁路上海局集团有限公司无锡站【正文语种】中文【中图分类】U293.1【相关文献】1.长沙市地铁1号线开通初期客流预测研究2.基于VMD-BP神经网络模型的铁路车站月度客流发送量预测研究3.贯穿型城市轨道交通新线开通初期线网客流预测方法研究4.基于出行链特征的地铁换乘公交客流概率区间预测因版权原因，仅展示原文概要，查看原文内容请购买。
ue建模课程体系
ue建模课程体系
以下是一个关于 UE 建模课程体系的概述：
UE 建模课程体系是一个专注于教授 Unreal Engine（虚幻引擎）建模技术的课程系列。
这个课程体系旨在帮助学生掌握使用 UE 进行建模的技能，从而能够创建出高质量的虚拟环境、角色和游戏资产。
1. 基础知识：本模块将介绍 UE 引擎的基本界面和工具，以及 3D 建模的基础概念，如多边形建模、UV 映射等。
2. 模型创建：学生将学习如何使用各种建模工具在 UE 中创建 3D 模型，包括几何形状的构建、细节添加和修改等。
3. 纹理和材质：本模块将教授学生如何为模型创建和应用纹理，以及如何调整材质属性以实现所需的外观效果。
4. 动画与骨骼：学生将学习如何创建角色动画和设置骨骼系统，使模型能够进行动态运动。
5. 场景搭建：本模块将专注于构建完整的虚拟场景，包括环境建模、道具放置和灯光设置。
6. 优化与导出：学生将了解如何优化模型以提高性能，并学习将模型导出到其他应用程序或游戏引擎中。
7. 项目实践：学生将参与实际项目，将所学知识应用于实践中，提升实际操作能力和解决问题的能力。
通过这个课程体系，学生将逐渐掌握 UE 建模的核心技能，并能够运用这些技能创建出高质量的 3D 内容。
无论是游戏开发、虚拟现实还是建筑可视化等领域，这些技能都将为学生的职业发展打下坚实的基础。
以上内容仅供参考，你可以根据实际需求进行调整。
交通运输网络优化模型的构建
交通运输网络优化模型的构建交通运输网络是现代城市化建设的重要组成部分，是城市与周边地区联系的纽带，同时也承载着人口、物资等重要需求的移动。
然而，由于人口、交通工具数量的增加、城市规划、道路建设等因素的影响，交通运输网络的瓶颈问题逐渐凸显，应对这个问题，建立交通运输网络优化模型成为了必然之选。
一、交通运输网络优化模型的概念和意义交通运输网络优化模型是指通过数学方法、模拟仿真等技术手段，对交通运输网络的各项因素进行建模和分析，进而设计出一套最优的交通运输方案，这个方案通常具有较好的公共资源利用效率，并能够减少交通拥堵、缓解环境压力、提升交通运输的安全性等多种优势。
建立交通运输网络优化模型的意义是多方面的，一方面可以减少交通拥堵和污染，通过最优的路线设定、优质的服务设施等，可以让交通运输更加顺畅和高效。
另一方面，可以提升城市形象，为城市推广和发展创造更好的环境。
二、交通运输网络优化模型的构建内容交通运输网络优化模型的构建内容包括：对交通运输网络的信息搜集、网络拓扑建模、交通需求模型、交通运输设施模型、交通组织调度模型等多方面，下面分别介绍一下：1. 信息搜集信息搜集主要是对交通运输网络各种因素的信息进行收集，包括交通运输网络的基本情况、城市的交通规划、交通拥堵状况、交通事故的发生情况等多个方面。
信息搜集是建立交通运输网络优化模型的重要基础，通过充分了解交通运输网络状况，才能为模型的建立提供更好的数据基础。
2. 网络拓扑建模网络拓扑建模主要是根据收集到的信息，对交通运输网络网络结构进行建模，通过建立节点与边的关系，构建起交通运输网络的图形结构。
通过网络拓扑图可以更加清晰地了解每个交通运输设施之间的联系，为后续对交通需求进行模拟调整提供依据和数据基础。
3. 交通需求模型交通需求模型是建立在网络拓扑基础上的模型，主要针对交通需求进行分析，包括交通出行方式、时间安排、交通量预测等多个方面。
通过对交通需求的多维度分析，可以更好地为交通运输模型指明方向，为交通优化提供定向策略。
智能交通系统中的交通模型建立与仿真
智能交通系统中的交通模型建立与仿真智能交通系统（Intelligent Transportation System，ITS）是指应用先进的信息、通信和传感技术，通过对交通运输系统的监测、控制和管理，提高交通运输效率、安全性和环境可持续性的一种综合技术系统。
在智能交通系统中，交通模型的建立和仿真是确保系统有效性和可靠性的重要环节。
交通模型是对现实交通系统的抽象和简化表示，通过模拟和仿真交通流动，预测和评估交通系统的性能指标。
智能交通系统的交通模型主要包括微观交通流模型和宏观交通流模型。
微观交通流模型用来描述交通系统中个体车辆的行驶行为和车辆之间的相互作用关系。
微观交通模型通常基于车辆行驶的物理特性和驾驶行为的基础上，研究车辆的加速度、减速度、转弯等行为，模拟车辆在道路上的运动轨迹。
根据车辆间的相互作用，可以使用蓝色牛顿运动定律、交通流力学模型或者机器学习方法等进行微观交通流仿真建模。
通过微观交通流模型，可以研究交通堵塞、拥堵解决方案、交通信号优化等交通系统的细节问题。
宏观交通流模型用来描述交通系统的整体行为和交通流的分布情况。
宏观交通模型通常以一定的时间间隔为单位，考虑整个交通网络中车辆的数量、速度和密度等宏观指标，研究交通流在路网中的分布和传播规律。
常用的宏观交通流模型有流量-密度模型、流量-速度模型和流量-等级模型等。
宏观交通流模型能够为交通规划、交通控制和交通管理等决策提供重要支持。
在智能交通系统中，交通模型的建立和仿真是优化和改进交通系统的重要手段。
通过交通模型建立和仿真，可以对交通系统中的瓶颈道路、交叉口、车辆行为等进行分析和模拟，更好地理解交通流的动态演变和交通规律的内在机制。
通过模拟不同的交通管理策略，可以评估和比较不同策略对交通系统性能的影响，为交通决策提供科学依据。
交通模型建立与仿真领域的技术不断发展和创新，主要包括以下几方面的内容：1. 数据采集和处理：交通模型建立的首要步骤是获取真实的交通数据。
基于活动链特征分析的出行方式选择模型研究的开题报告
基于活动链特征分析的出行方式选择模型研究的开题报告一、研究背景及意义目前，随着城市化的不断深入，人类出行方式也正在发生着日新月异的变化。
出行方式选择不仅与出行距离、时间、费用等成本因素有关，更受到出行者自身个性、文化背景、社会网络等因素的影响。
因此，如何建立科学的出行方式选择模型，对于合理规划出行方式具有非常重要的现实意义。
活动链作为解释人类出行行为的理论模型，在描述和预测出行行为时展现出较大的优越性。
活动链模型将日常出行活动视为一系列连续的活动链，可以对多个出行意愿进行综合考虑，更好地反映出行者真实的出行方式选择特征。
因此，本研究拟采用活动链作为出行方式选择的理论框架，利用机器学习技术建立出行方式选择模型，为出行者提供更加科学合理的出行决策。
二、研究内容及方法（一）研究内容1.分析活动链特征：评估活动链中各个活动节点的重要性，探究哪些节点对出行方式的选择起到关键作用；2.建立出行方式选择模型：采用机器学习算法，结合活动链特征和个体属性等因素，建立出行方式选择模型；3.模型评价和优化：通过对实际出行数据进行验证，评估模型的准确性和效果，并对模型进行优化改进。
（二）研究方法1.文献调研：综合国内外相关文献，研究活动链理论及其在出行方式选择中的应用；2.活动链特征分析：采用数据挖掘技术，通过对出行数据的处理和分析，评估活动链中各个节点的重要性，并筛选出对出行方式选择影响最大的因素；3.模型建立：采用机器学习算法（如支持向量机、逻辑回归等），将筛选出的因素和个体属性等信息输入模型中，建立出行方式选择模型；4.模型验证：利用实际出行数据对模型进行验证，评估模型的准确性和效果，并进行优化改进。
三、预期成果及应用价值（一）预期成果1.基于活动链特征分析的出行方式选择模型；2.相关论文若干。
（二）应用价值1.为个体提供出行方式选择参考，提高出行效率和舒适度；2.为市政交通部门提供科学决策支持，规划交通网络和优化公共交通服务；3.拓宽出行方式选择的研究思路和方法，促进出行行为研究领域的发展。
基于出行链的城市轨道交通衔接客流预测研究
基于出行链的城市轨道交通衔接客流预测研究基于出行链的城市轨道交通衔接客流预测研究近年来，随着城市人口的快速增长和交通拥堵问题的日益严重，城市轨道交通系统成为解决城市交通问题的重要手段。
然而，为了提高轨道交通系统的运行效率和乘客出行舒适度，准确预测轨道交通客流变化以及合理调度运输资源至关重要。
本文将探讨一种基于出行链的城市轨道交通衔接客流预测方法，以改善交通运输规划和管理。
首先，我们需要了解出行链的概念。
出行链是指由一个或多个环节组成的出行过程，包括起点选择、路径选择、交通方式选择和终点选择等。
出行链的构建是基于乘客的出行需求和个体行为特征，因此它可以更准确地描述乘客的出行行为，并在预测客流时提供更多的信息。
在基于出行链的客流预测中，我们首先需要收集大量的数据，包括乘客的出行起点、终点、出行时间等信息，以及轨道交通系统的运行数据，如车辆运行速度、站点进出站人数等。
通过分析这些数据，我们可以构建乘客的出行链，并了解乘客的出行行为和规律。
接下来，我们可以利用机器学习和数据挖掘的方法来预测客流。
首先，我们可以使用聚类算法对乘客进行分类，将相似的出行链归为一类，以便更好地理解和分析乘客的出行特征。
然后，我们可以利用回归模型和时间序列分析等方法，将历史客流数据与其他相关因素进行建模，并预测未来客流量。
同时，我们还可以结合交通状况、天气等外部因素，提高预测的准确性。
基于出行链的客流预测方法不仅可以预测整个路网的客流量，还可以预测各个站点和线路的客流量，为轨道交通系统的运输资源调度提供依据。
通过实时调整列车班次和运行速度，我们可以更好地满足乘客出行需求，减少拥堵和延误，提高运输效率。
此外，基于出行链的客流预测方法还具有一定的可视化和交互性。
我们可以将预测结果以地图和图表的形式展示，帮助交通规划者和管理者更直观地了解客流变化趋势，并及时做出相应的调整和决策。
同时，我们还可以通过移动应用等方式与乘客进行互动，提供实时乘车建议和交通信息，提升乘客的出行体验。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
法与有效集算法求解平衡配流问题，得出有效集算法更适于求解 Nhomakorabea建的模型。
关键词：交通网络；出行行为；出行链；ＵＥ模型；有
效集算法
中图分类号：Ｕ４９１
文献标识码：Ａ
ＣｏｎｓｔｒｕｃｔｉｏｎｏｆＵｓｅｒＥｑｕｉｌｉｂｒｉｕｍ ｍｏｄｅｌｂａｓｅｄｏｎｔｒｉｐ－ｃｈａｉｎｉｎｇ
ＰＡＮＤｏｎｇ，ＤＯＮＧＹｉｎｇ，ＺＨＡＮＧＸｕｎ
图 １ 非链结方式 图 ２ 链结方式
１２ 用户平衡状态与假设 在日常出行中，出行者选择路径的基本出发点是
引言
用户平衡配流理论为交通网络平衡分析奠定了
收稿日期：２０１８—０５—１０ 作者简介：潘冬（１９９１—），男，山东滨州人，助理工程师。 — ２０—
理论基础。Ｗａｒｄｒｏｐ早在 １９５２年就已经提出了 ＵＥ的 理论思想，但 ＵＥ等价的数学模型则是于 １９５６年由 Ｂｅｃｋｍａｎｎ最早提出［１］。在 ＵＥ模型的基础上衍生出 了多种多样的配流模型，丰富并发展了城市交通平衡 理论体系。出行者在做出行选择时会受到各种条件 的约束，尤其会受到时空的约束。为了参与更多活动 以达到自身感知的经济效益最大化，出行者倾向于以 链结方式将各个活动联系起来。传统的网络平衡配 流是在单一目的出行的基础上进行的，这与出行者的 实际选择行为是不相符的。因此，研究基于出行链的 配流方法势在必行。ＨｇｅｒｓｔｒａｎｄＴ于 １９７０年在欧洲 区域科学学会会议中提出了时空限制理论，指出了人 的行为受 到 能 力 限 制、连 接 限 制、权 限 限 制 三 大 限 制［２］；Ｋｉｔａｍｕｒａ以出行链为分析单元，研究结论得出， 出行者以效用最大化为出发点，优先选择能够链结其 他活动目的的出行［３］；Ｂｏｗｍａｎ和 Ｂｅｎ－Ａｋｉｖａ将家庭 活动作为分析单元，以日活动数目及弹性大小作为分 类 依 据，细 化 形 成 了 几 种 出 行 链 的 结 构 ； ［４－５］ ＧｏｌｏｂＴＦ在分析非 集 计 模 型 理 论 的 基 础 上 构 建 了 基 于往返行程 的 分 析 模 型 ［６］；ＩｐｅｋＮＳｅｎｅｒ，ＰｈｉｌｌｉｐＲ． Ｒｅｅｄｅｒ运用 ｃｏｐｕｌａ方法集成分析了影响工作者积极 活动出行行为的大量因素［７］；ＡｋｓｈａｙＶｉｊ，ＡｎｄｒéＣａｒｒｅｌ 等人研究了潜类模式偏好对出行方式选择行为的影 响，表明出行方式选择与居民长期的出行决定和生活 周期特征有很大联系［８］。国内的陈团生、毛保华等人 将出行链理论与 Ｆｉｓｋ的随机用户平衡模型结合在一 起，构造了一种基于出行链的网络随机用户平衡配流 模型［９］；张伟华、隽志才、倪安宁在出行链理论的基础 上，构建了一种能够反映出行者弹性需求的随机网络 平衡配流模型［１０］；杨励雅、邵春福、李霞在分析出行方 式选择与个人属性等因素相互影响的基础上，构造了 一种居民 出 行 方 式 选 择 的 结 构 方 程 模 型［１１］；诸 葛 承 祥，邵春福等在对通勤者出行时间与出行方式选择之 间关系进行分析的基础上，构造了一种出行时间与出 行方式选择的 ＮｅｓｔｅｄＬｏｇｉｔ模型［１２］；陈坚等将结构方 程模型与传统的 Ｌｏｇｉｔ模型进行有机融合，构造了一 种考虑潜变量的出行方式选择模型［１３］。目前，国内的
基于出行链理论的 ＵＥ模型构建
潘 冬，董 莹，张 逊 （山东省交通科学研究院，山东 济南 ２５００３１）
摘要：为使传统用户平衡配流模型所得结果更加
符合出行者实际出行行为，在分析出行链和传统
用户平衡配流两大理论的基础上，将传统 ＵＥ模
型中的路段流量转变为出行链的流量，构建了基
于出行链的 ＵＥ模型；通过分析比较运用传统算
（ＳｈａｎｄｏｎｇＴｒａｎｓｐｏｒｔａｔｉｏｎＩｎｓｔｉｔｕｔｅ，ＳｈａｎｄｏｎｇＪｉｎａｎ２５００３１Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｍａｋｅ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ Ｕｓｅｒ Ｅｑｕｉｌｉｂｒｉｕｍ ａｓｓｉｇｎｍｅｎｔｍｏｄｅｌｒｅｓｕｌｔｓｍｏｒｅｉｎｌｉｎｅｗｉｔｈ ｔｈｅｔｒａｖｅｌｅｒａｃｔｕａｌｔｒａｖｅｌｂｅｈａｖｉｏｒ，ｂａｓｅｄｏｎｔｈｅａｎａｌｙｓｉｓ ｏｆｔｒｉｐ－ｃｈａｉｎｉｎｇｔｈｅｏｒｙａｎｄｔｒａｄｉｔｉｏｎａｌｕｓｅｒｅｑｕｉｌｉｂｒｉｕｍ ａｓｓｉｇｎｍｅｎｔｔｈｅｏｒｙ，ｒｏａｄｔｒａｆｆｉｃｆｌｏｗｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌＵＥ ｍｏｄｅｌｗａｓｔｒａｎｓｆｏｒｍｅｄｉｎｔｏｔｈｅｔｒｉｐ－ｃｈａｉｎｉｎｇｆｌｏｗ．ＡＵＥ ｍｏｄｅｌｂａｓｅｄｏｎｔｒｉｐ－ｃｈａｉｎｉｎｇｗａｓｃｏｎｓｔｒｕｃｔｅｄ．Ｂａｓｅｄｏｎ ａｎａｌｙｓｉｓａｎｄ ｃｏｍｐａｒｉｓｏｎ ａｂｏｕｔｓｏｌｖｉｎｇｔｈｅａｓｓｉｇｎｍｅｎｔ ｐｒｏｂｌｅｍ ｗｉｔｈ ｔｒａｄｉｔｉｏｎａｌ ａｌｇｏｒｉｔｈｍ ａｎｄ ａｃｔｉｖｅ ｓｅｔ ａｌｇｏｒｉｔｈｍ，ｔｈｅａｃｔｉｖｅａｌｇｏｒｉｔｈｍ ｗａｓｐｕｔｆｏｒｗａｒｄｔｏｓｏｌｖｅ ｔｈｅｍｏｄｅｌ． Ｋｅｙｗｏｒｄｓ：ｔｒａｎｓｐｏｒｔｎｅｔｗｏｒｋ；ｔｒａｖｅｌｂｅｈａｖｉｏｒ；ｔｒｉｐ－ ｃｈａｉｎｉｎｇ；ＵｓｅｒＥｑｕｉｌｉｂｒｉｕｍ ｍｏｄｅｌ；ａｃｔｉｖｅｓｅｔａｌｇｏｒｉｔｈｍ
山东交通科技 ２０１８年第 ４期
大部分研究集中于将出行链与交通方式划分结合在 一起，很少有结合出行链与出行行为的网络平衡配流 研究。
１ 基于出行链的用户平衡配流分析方法
１１ 出行链概述 出行链是一种由若干个关联的出行活动相互链