引入相對擁堵費作為政策變量，表征擁堵收費政策對該群體出行方式選擇的影響，并基于Nested Logit模型，建立了擁堵收費影響下的出行者出行方式選擇模型。利用對南京新街口商圈區(qū)域彈性出行的小汽車使用者進行的RP和SP調查所獲得的數(shù)據(jù)，對模型參數(shù)進行了估計，結果顯示:女性、低收入者、IC卡持有者、短途和高頻出行者在面對擁堵收費政策時，更容易放棄小汽車而轉向公共交通出行。利用彈性理論，分析了不同擁堵費水平下出行者對出行時間和擁堵收費政策的彈性，結果發(fā)現(xiàn):①出行時間的彈性反映了出行方式的總體服務水平;②出行者在出行方式選擇時對擁堵收費變得“顯著”敏感的臨界值為13.25元/次。(任 剛，等:擁堵收費對彈性出行的小汽車使用者出行方式選擇影響研究)

提出1種基于蒙特卡羅的城市公交可達性的模擬方法，并研究道路擁堵狀態(tài)和公交發(fā)車間隔對公交可達性的影響。利用等時線模型提出公交可達性的度量方法。將公交出行時空過程劃分為候車、乘車、靠站、換乘4個階段，構建每個階段的時間模型，從而建立公交可達性的蒙特卡羅模擬模型。模型的參數(shù)值均由實際的公交GPS數(shù)據(jù)標定。建立理想的棋盤狀公交路網(wǎng)，并進行不同道路狀態(tài)下和不同公交發(fā)車間隔下的模擬，數(shù)值模擬結果表明，在弱作用力下時，可達性增長速度提高了近5倍。(胡繼華，等:基于蒙特卡羅的城市公交時空可達性模擬研究)

為了量化交通擁堵對駕駛人生理和心理特性的影響，選取駕駛人的心率均值為指標，在大量實測數(shù)據(jù)基礎上研究交通擁堵程度對駕駛人心率特性的影響，并構建心率均值和壓力系數(shù)間的關系模型。研究表明，交通擁堵對駕駛人的心率特性影響顯著，3種回歸模型擬合優(yōu)度的確定系數(shù)都達到了0.6以上，且二次多項式的回歸效果最好。(漆巍巍，等:城市道路擁堵狀態(tài)下駕駛人心率特性研究)

信息誘導是緩解交通擁擠的有效途徑，為了描述道路擁擠程度對出行者路徑選擇決策的影響機理，基于累積前景理論分析了出行者的出行決策過程，分析了出行者擁擠認知模式以及不同出行方式的擁擠信息需求。解析了擁擠閾值的概念，將行程時間作為累積前景理論決策指標建立了擁擠閾值的計算模型，以1個簡單路網(wǎng)進行算例分析，模擬駕駛員的擁擠認知及出行活動決策。算例結果揭示了擁擠閾值對路徑選擇決策行為的影響，同時驗證了擁擠閾值是出行者在決策過程中的決策變化分界點。出行時間在擁擠閾值內出行者不改變出行路徑;出行時間超過擁擠閾值，出行者將改變出行路徑。(馮川，等:基于累積前景理論的擁擠閾值計算模型)

針對基于單一數(shù)據(jù)源、利用卡爾曼濾波理論建立行程時間預測模型存在的不足，采用多源數(shù)據(jù)進行行程時間預測以提高精度。浮動車、固定檢測器是常用的交通信息采集方法，在信息種類、數(shù)據(jù)精度等方面存在一定的互補性。因此，選擇2種檢測器的實時交通數(shù)據(jù)作為模型輸入?yún)?shù)。利用卡爾曼濾波理論，以流量、占有率、行程時間作為輸入量構成參數(shù)矩陣，建立城市道路網(wǎng)絡行程時間預測模型。并通過Vissim仿真實驗驗證了模型的有效性。結果表明:基于多源數(shù)據(jù)的行程時間預測模型平均絕對相對誤差為5.45%，其精度比單獨采用固定檢測器檢測數(shù)據(jù)預測提高了14.4%，比單獨采用浮動車數(shù)據(jù)預測提高了7.5%。(江 周，等:基于多源數(shù)據(jù)的城市道路網(wǎng)絡行程時間預測模型)