基于计划行为理论的区域出行方式选择行为研究

《基于计划行为理论的区域出行方式选择行为研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、申请上海交通大学博士学位论文基于计划行为理论的区域出行方式选择行为研究专业：管理科学与工程博士生：景鹏导师：隽志才教授上海交通大学安泰经济与管理学院2013年7月万方数据Ph.D.DissertationSubmittedtoShanghaiJiaoTongUniversityRESEARCHOFTRAVELMODECHOICEBEHAVIORBASEDONTPBINMETROPOLITANAREAAuthor:JingPengAdvisor:Prof.JuanZhicaiSpecialty:ManagementScienceandEngineeringAntaiCollegeof

2、Economics&ManagementShanghaiJiaoTongUniversityJuly13,2013万方数据上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在_____年解密后适用本授权书。本学位论文属于不保密。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：2013年7月13日日期：201

3、3年7月13日万方数据上海交通大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：2013年7月13日万方数据摘要基于计划行为理论的区域出行方式选择行为研究摘要随着区域经济和社会的迅速发展，区域范围内城际和城内的出行方式构成都发生了较大的变化，这种变化会促使人们的出行需求在不同出行方式上的分布趋向于新的平衡。本文提出

4、了能够较为全面概括出行者人口统计特征、出行方式属性和心理影响因素的出行方式决策过程理论框架。在这一理论框架的指导下，证明了原始计划行为理论(TheTheoryofPlannedBehavior,TPB)能够较好的解释区域城际出行方式选择行为，并进一步提出了适用于该行为研究领域的扩展计划行为理论，将以扩展计划行为理论为框架的潜变量模型和以条件Logit（ConditionalLogistic,CLogit）模型为核心的离散选择模型相结合，构成混合选择模型，较大提高了传统离散选择模型的拟合精度，并能通过敏感性分析直接观察心理因素对出行方式选择行为的定量影响。首先在分析现有出行行为影响因

5、素的基础上，提出了统领本文的出行方式决策过程理论框架，选取部分关于方式选择的交通需求管理策略，将其分解为理论框架中各种因素综合的作用结果。还对选择过程的每一个阶段进行了详细的分析与说明，并将其分解为出行方式属性、出行者经济人口统计特征和出行者心理影响变量三大类因素。初步就传统的前两类因素对区域城内出行方式的影响进行了实证分析和敏感性分析。然后将计划行为理论引入区域城际出行行为研究中，运用方差分析、层次回归、因子分析和多群组结构方程模型等多种分析方法，系统探讨了计划行为理论心理变量对于城际出行方式选择行为意向的影响。发现“行为态度”、“主观规范”、“感知行为控制”和“行为意向”在不同

6、出行方式之间都有显著性差异。研究还发现不是所有的人口统计特征对各种方式的心理变量都有显著影响，每个特征对一种或几种特定的出行方式具有一定的敏感性。第I页万方数据摘要其次通过引入“描述性规范”和“行为习惯”对计划行为理论进行了扩展，发现扩展计划行为理论能够进一步提高对区域城际出行方式选择行为的解释力，特别是“行为习惯”的引入使模型对“行为意向”方差的解释提升的最高。经过分析和研究，对这两个变量在城际出行方式选择行为中所起的作用有了更深层次的理解。为了进一步探索心理变量之间以及心理变量和人口统计特征之间的内在联系，构造了多指标多因果模型（MultipleIndicatorsandMul

7、tipleCauses,MIMIC）并进行了估计，结果发现出行者的人口统计特征对于普通列车、高铁和长途汽车这三种出行方式的潜在心理影响变量有不同程度的显著影响。本文还将以扩展计划行为理论为框架的潜变量模型和以CLogit模型为核心的离散选择模型结合起来，对区域城内出行方式选择行为进行了研究。混合选择模型比传统不带潜变量的选择模型对实证数据具有更高的拟合度，其预测值也更为稳健。通过对混合选择模型显著自变量参数估计值的分析，能够同时从出行者的人口统计特征和心理影响因素两个