工程论文哪里有？本文介绍四季气候特点，分析每个季节居民出行方式选择的特征，结合B市的季节特性，进行问卷设计，运用行为调查法发放问卷，通过梳理调查数据，选择多项Logit模型对B市居民季节性出行方式选择的影响因素分析，并对模型的弹性值进行计算。
1绪论
1.2国内外研究综述
1.2.1研究出行方式选择的模型
对于出行方式选择因素研究，是属于交通方式划分的研究。目前研究出行交通方式选择大致可以分为两种，即集计模型和非集计模型，两种模型都可以应用于交通方面的规划和设计。前者是将对象选择在若干个小区或者将群体进行划分成特定集合体，然后以这些小区或者群体为基本单位，展开问题的讨论；而非集计模型（即离散选择模型）是相对集计模型不同命名的，主要表现在选择样本范围非特定的个人，最常见的选用模型为多项Logit模型、多元Probit模型。
（1）国外研究现状
在十九世纪中叶，国外的一些学者就开始运用分类预测分析模型对交通调查和分类进行研究。但是此方法对于规模较大的城市不适用。过了十年之后，美国、日本等一些国家开始使用“转移曲线法（shiftcursemethod）”研究公共交通和私人交通。一些西欧国家也使用该方法制定交通预测建议，而这类方式被称作“多阶段预测分析法”。在世界一体化进程中，经济迅速推进的时代下，运输方式、交通工具不断创新，使得出行方式变得多样化，学者们为了能够更好的分析出行方式选择变化，在交通出行预测分析和整体规划方式方面进行了改善。
非集计模型的经典代表是由Luce（1959）最早推导出来的Logit模型[1]。McF adden（1974）将“效用理论”在交通出行研究中的运用，说明了Logit模型具备方式效应[2]。Domencich（1974）明确提到了非集计模型的定义，即：根据选择的组合分析模型，可分成Logit模型和Probit模型[3]。Daganzo（1977）研究出了提出了多项式Probit模型，简称MNP；该模型比传统的非集计模型更具有广泛性[4]。随着研究不断地深入，一些改进的、升级的、应用性的非集计模型相继问世，如MixedL ogit模型、PCL模型CNL模型等[5-7]，但以上模型构成相对繁杂，求解难度高，应用于国际上的次数相对较少。进入到新世纪后，在交通预测和整体道路规化等方面Logit模型得到广泛的推广和应用。
3 B市居民季节性出行方式特征及调查
3.1 B市四季气候特点及出行特征
3.1.1 B市气候特征
B市位于我国北方，内蒙古中部，阴山山脉下、黄河几字湾北，具有温带大陆性气候和季风性气候，属于干旱地区。春季平均最高气温18°C，平均最低气温3°C，平均降水量40mm；夏季平均最高气温29°C，平均最低气温16°C，平均降水量163mm；秋季平均最高气温14°C，平均最低气温2°C，平均降水量88mm；冬季平均最高气温-1°C，平均最低气温-14°C，平均降水量7mm；全年平均温差12°C。B市四季天气如图3.1、3.2所示。
4居民季节性出行方式模型的选择及应用
4.1非集计模型
非集计模型是基于经济学基础理论提出的一种交通需求预测模型。在研究人们选择行为建立模型方面，它具有高效率、成本低、建模简单、操作方便、可移植性强等优点，在社会各个方面可以应用。在交通工程领域的开发研究所使用的非集计模型起源于交通方式选择，其在交通工程领域最基本的应用还是交通方式选择[53]。因此，非集计模型可以应用在B市居民季节性出行方式选择的影响因素研究中。
4.1.1非集计模型的基础理论
非集计模型是基于在效用最大和随机效用两个概念建立起来的。其中，效用最大化为非集计模型的理论基础[54]。
（1）效用最大化
效用最大化是指作为决策单元的个人、家庭或某种组合在一个可以选择的且选择分肢相互独立的集合中，会选择对自己效用最大的选择肢，具体而言，如果使得Uin为个人n的选择分肢i时效用，Cn是与个人n对应的选择肢集合[55]。
4.1.2 MNL模型
MNL（Multinomial Logit model）模型，又称为多项Logit模型，非集计模型中最为常见和常用的一种模型，其优点表现为数学公式简单明了，物理意义比较容易理解，被广泛应用于交通出行方式的研究上。
MNL模型是一个基础公式，它不仅仅可以演化为简单的二项Logit模型，还可以变化为NL（NestedL ogit）模型、CNL（Cross-Neset）模型和BCL（Box-CoxL ogit）模型。
4.2模型影响因素变量的定义与选取
4.2.1模型变量的量化方式
出行方式选择调查因子的变量包括出行者个人属性、气候特点、出行方式特性。在这些因素变量中，有一些变量需要进行进一步量化处理，这样才可以更好地表达。相关数据整理的原则具体一下两点：
（1）离散量的数量化
通常学者在整理离散数据的时候，基于离散量与连续量中，作为分散开、不连续的为离散量，在非集计模型（MNL）中需要进行转化，最常见的方式转化为0和1。例如，在出行者个人属性中是否拥有私家车就可以当做一个离散量，这样就可以将其设置为拥有私家车的为1，未拥有的为0。
（2）连续量的离散化
在调查数据中，有一些数据存在连续性，例如个人属性中的月收入、年龄等属于连续量，需要进一步将其离散化，才可以对其进行作为理想的影响因素。因此，我们可以将其按照不同的年龄段划分，将其属于一个年龄段的当做一个，从0开始设置，继而将年龄连续量转化为离散量，以此类推，对不同收入人群进行划分，将3000元以下设置为0，依次设置为1，2，3。
5结论与展望
5.1结论和建议
（1）论文结论
本文介绍四季气候特点，分析每个季节居民出行方式选择的特征，结合B市的季节特性，进行问卷设计，运用行为调查法发放问卷，通过梳理调查数据，选择多项Logit模型对B市居民季节性出行方式选择的影响因素分析，并对模型的弹性值进行计算，得出如下结论：
①选择共享单车出行的影响因素
B市居民选择共享单车出行的影响因素主要有年龄、是否有小汽车、气温、风力、降雨、降雪、出行目的、是否属于高峰期、出行距离。根据模型影响因素敏感性分析结果显示，随着季节气温、风力、降雨、降雪的变化，选择共享单车出行方式概率也发生明显改变。
②选择公交出行的影响因素
B市居民选择公交出行的影响因素相对较少，主要气温、降雨、降雪、是否属于高峰期、出行费用等影响因素。根据模型参数评估分析结果显示，降雨、降雪比例每增加1个单位值，选择公交出行概率将增加3.411个百分比，说明恶劣的天气选择公交出行影响较为明显。
③选择出租车出行的影响因素
B市居民选择公交出行的影响因素主要包括：性别、年龄、降雨、降雪、是否属于高峰期、出行费用等影响因素。根据模型参数评估分析结果显示，男女比例每增加1个单位值，选择出租车出行概率将增加2.140个百分比，降雨、降雪比例每增加1个单位值，选择出租车出行概率将增加2.283个百分比，说明男女比例和恶劣天气选择出租车出行的影响较为明显。
参考文献（略）
