城市交通出行行为研究方法前沿

中国科技论文在线 SCIENCEPAPER ONLINE

第5卷 第5期 2010年5月

城市交通出行行为研究方法前沿

柴彦威1，沈 洁2，赵 莹1

（1. 北京大学城市与环境学院，北京 100871；2. 卡迪夫大学城市与区域规划学院，英国）

摘 要：梳理城市交通工程及规划、城市地理学和城市规划学以及行为地理学和时间地理学等学科关于城市交通出行行为的研究方法及趋势，阐述活动分析法成为城市交通出行行为研究方法之前沿的原因。从相关理论方法和实证研究这两方面，对活动分析法进行全面介绍与评述，提出基于活动分析法的城市交通出行行为研究框架。 关键词：交通；出行行为；活动分析法

中图分类号：K901 文献标识码：A 文章编号：1673－7180(2010)05－0402－8

Activity-based approach for urban travel behavior research

Chai Yanwei1，Shen Jie2，Zhao Ying1

(1. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China;

2. Cardiff School of City and Regional Planning, Wales, UK)

Abstract: Related theories and trends about the topic of travel behavior in different disciplines, such as urban transportation engineering and planning, urban geography and urban planning are first reviewed. In particular, it introduces the development of behavior geography and time geography, and summarizes their contribution to make activity-based approach as the front edge of theories to analyze travel behavior. Then, related theory and empirical research of western countries are both introduced here, and it is apparent that all studies should be brought into a more comprehensive and micro activity analysis to achieve their study aims. A research framework for travel behavior associated activity-based approach is also provided, along with suggestions for future research, which means that multi-discipline system construction and forecast application are two main trends of future development.

Key words: transportation；travel behavior；activity-based approach

城市功能空间的高效率发挥，在很大程度上依赖于管理措施（城市政策）等的综合领域。 有序、通畅和快捷的城市交通。可以说城市交通是一个相比之下，在过去的20年里，我国城市机动性的城市的活力所在。西方城市交通研究和交通问题的解改善主要是通过超常规和高强度的投入，侧重于物质环决，经历了从仅仅关注城市交通网络设施布局优化，到境的建设[1]，而对于交通产生的根本问题——出行行为以交通流作为出发点，再到深入探讨产生交通流现象的的研究则刚刚起步。随着交通问题的日益突出以及大城出行行为机制的发展等过程，已经摆脱了工程观念的束市出行调查的开展，交通出行行为的研究受到不同学科缚，成为包含技术条件的支持（交通运输）、城市社会和领域的关注。除了对出行行为的产生机制进行初步探活动的组织（布局结构）、城市居民的日常活动（城市讨外[2-3]，也有学者对交通出行行为与城市土地利用的关社会活动）、空间质量（城市景观）以及城市决策者的系进行了研究[4-6]。值得注意的是，相关领域开始出现了

收稿日期：2010-03-30

基金项目：高等学校博士学科点专项科研基金资助项目(20090001110054)；2009年IBM共享大学研究项目；科技部创新方法工

作资助项目(2007FY140800)；国家自然科学基金资助项目(40801046)

作者简介：柴彦威(1964－ )，男，教授，主要研究方向：城市地理学、行为地理学及城市与区域规划，chyw@pku.edu.cn

第5卷 第5期 2010年5月

城市交通出行行为研究方法前沿

403

与活动相关的出行行为研究。虽然这些研究并没有明确把活动分析法作为其主要理论和方法，但却把出行行为与活动联系了起来。这些研究涉及通勤[7-8]、购物[9-11]和休闲等活动[10-11]中的出行行为及其与城市空间结构的关系。柴彦威等[10]基于活动日志调查，利用时间地理学方法把城市交通出行整合在移动－活动系统中，分析城市居民时间利用、活动与出行的时空间特征；周素红等[8]利用GIS技术对通勤行为进行了空间模拟。

尽管上述研究仅集中于活动出行行为本身的考虑，但与其他方面如土地利用结构、城市空间结构和相关政策变化等方面的互动研究很少涉及，同时也缺乏对出行行为决策机制的深入探讨。在此背景下，本文通过梳理不同学科对居民出行行为的研究，阐明将基于活动分析法的研究视角纳入到交通出行研究中的必要性及重要性，并从理论方法和实证研究两方面全面介绍与评述活动分析法的研究进展，提出基于活动分析法的城市交通出行行为研究框架，为我国城市规划及城市交通规划等提供相关的理论支撑和实践基础。

1 不同学科的交通出行行为研究

1.1 城市交通工程学和交通规划

城市交通工程学和交通规划出于实际的需要，是最早关注交通出行行为的领域。1962年美国制订的联邦公路法规定凡5万人口以上城市，必须制订以城市综合交通调查为基础的都市圈交通规划，方可得到联邦政府的公路建设财政补贴[12]。该项法律直接促成交通规划理论和方法的形成和发展，即经典出行产生、出行分布、方式划分和交通分配的四阶段推算法。这种方法使得交通出行研究从一开始就以设施建设为服务对象，以预测为最终的目标。但该方法一直受到广泛的批评，其中最多的批评是，它没有考虑到出行行为的内容，只是关注流的大小和方向，而不是流形成的机制[13]；因此，预测的结果往往不尽准确，而且当城市发展到一定的阶段，交通问题的解决不再依靠长期的交通供给建设而转向短期的交通管理的时候，该方法的作用便大为减弱。20世纪70、80年代出现了从微观层面上关注个体决策和选择过程的非汇总方法，开始从微观机制上研究出行方式、出发时间以及交通工具类型的选择[14-15]，但这种方法仍然基于效用最大化原理，局限在就出行看出行之中，并没有建立起一个相应的概念性框架来说明人们究竟为何出行，以及究竟怎样决策和怎样安排出行。 1.2 城市规划和城市地理学

在更宏观的城市研究领域，城市规划和城市地理学是把交通出行行为作为一个研究城市的重要视角，通过

交通出行探讨城市形成发展、组合分布和空间结构变化

的规律，从而为城市功能空间的合理布局以及城市发展与建设提供依据。其中，城市规划更侧重于探讨城市建成环境与出行行为之间的关系，这里的建成环境包括密度和强度、土地利用混合度、道路连接性、街道的三维空间、地方的吸引力以及空间结构[16]；而城市地理学中的研究则侧重于城市的经济性、社会人口学以及活动的空间结构与出行行为之间的关系。

由于早期城市大多处于不断发展扩张时期，交通系统也处于不断兴建和完善的阶段，因此，许多研究从宏观的空间尺度和长期的时间尺度上开展，较为侧重交通及交通设施建设对于城市空间形态和土地利用变化等方面的影响，而并不包含行为本身的内容[17-19]。从二十世纪80年代末期开始，由于土地利用模式过度使用和依赖机动车而带来种种城市问题，新城市主义运动把如何通过合理规划建成环境以减少机动车使用作为其重要的内容，研究者开始关注土地利用、城市空间结构等与出行行为的关系，从更为微观和短期的尺度来看待城市空间对于交通出行行为的影响，以便寻找解决问题的根本途径。很多讨论关注土地利用密度和土地混合程度等方面特征对于出行的次数究竟是否产生影响[20-22]；对于城市空间与出行的关系多局限于特定的活动空间分布对于出行的影响[23-24]。可见，这一层面上的研究虽然跳出了宏观交通出行的概念，但是对于个人行为的关注仍然主要停留在汇总层面，并且把居民日常活动割裂开来也很难在实质上把握出行行为的机制。 1.3 行为地理学和时间地理学

行为地理学是在考虑环境（包括自然地理环境与社会地理环境）条件下强调人的行为的研究方法[25]。行为地理学对于出行行为的关注更多的是出行行为本身的再现和规律探讨，并且借助空间行为模式研究行为决策，探讨人的行为特点及其对城市环境和规划决策的影响。行为地理学在对于出行行为的早期研究中，往往把出行看作是人们为了顺利进行各项活动而用时间交换空间的位移过程，从行为决策的角度进行研究，通过构建离散选择模型对于出行行为进行描述和预测。其中，多项分对数模型、马尔可夫过程模型和门槛模型等是其重要的方法。

由于涉及到行为机制本身，该领域的研究产生了对出行行为深入研究的重要理论和方法基础。但是，Burnett等[26]认为选择行为的模型在本质上存在若干问题，包括没有考虑出行是派生需求、大多数仅考虑两点之间的单目的出行，基于静态的假设（对于特定人群只有一种安排）、缺乏长远出行需求的考虑，以及由于经

404

中国科技论文在线 SCIENCEPAPER ONLINE

第5卷 第5期 2010年5月

济学和心理学的最大效用化假设而没有真正解释个人的行为等方面。除此之外，早期的研究太过于强调个人的选择行为而忽视了宏观背景对于出行产生的影响，忽视了人的行为既是对环境感知的一种主动反应也是在各种制约下的必然结果。

时间地理学的产生给行为地理学中出行行为的研究带来了新的突破。该理论认为人的活动是由一定时空间环境条件下的一系列连续并且相关的事件所构成的，在此基础上，通过三维的时空路径，研究各种物质及社会环境中限制人的行为的制约条件，阐明路径形成的时空间机制，以此来说明人的空间行为[27]。Gollege等[28]指出时间地理方法是研究时间、空间和人类活动的一个“革命性”的方法。对于出行行为来说，这种方法在研究中引入个人活动的考虑，同时把时间分配和空间选择的概念相联系，同时提供了通过运用动态的地图来描述个人在时间和空间运动的路径的新的研究方法。 1.4 基于活动分析法的出行行为研究

如前述，城市交通工程学和交通规划中往往由于缺乏探讨出行行为的根本规律而无法将出行行为模型有效地应用到实践中；城市规划和城市地理学则太过于强调物质空间的作用只能在汇总层面上研究出行行为；行为地理学的早期研究则走向了与之相反的一面，基于效用最大化的假设，完全从人的主观决策来决定出行行为。随着时间地理学的出现和活动概念的引入，使得各个领域的交通出行行为的研究都发生了重要的变化。传统研究中的缺陷得以避免，出行行为与活动联系在一起，从而可以描述和解释日常的出行安排，能够搞清单目的或者多目的的出行；既考虑影响短期出行需求变化的个人认知因素，也考虑与长时间范围变化有关的其他社会需求变化、时空约束变化、主体社会经济地位变化、技术和物质环境的变化有关的因素。正是在这种综合框架下的出行研究才可能逼近复杂行为的本质，交通出行行为的研究最终被纳入到活动分析法(activity-based approach)的框架之下。

同时这种活动和出行又是受到包括活动发生的特定时间、特定地点以及活动的其他参与者三个因素的显著影响；3) 活动和出行及其影响因素都必须纳入到特定的时空制约的背景中考虑[30]。

活动分析法有2个主要的发展方向：一是通过实证研究探讨活动安排与出行行为的相互关系；二是如何发展相关的理论和方法，应用这种规律来预测活动和出行，尤其强调对于日常移动－活动模式的研究和模拟。其中，单一内容下的出行行为实证研究往往是综合框架下日常移动－活动模式研究的基础，而后者却是整个活动分析法的核心，不仅为单一现象的实证研究提供理论和方法支撑，同时也是活动分析法最终希望实现的研究目标——系统研究移动－活动行为的复杂规律，并最终应用到城市交通相关问题的解决中。 2.2 理论方法研究进展 2.2.1 制约模型

这一类研究多以Hägerstand的时间地理学为理论和方法基础，强调各种时空制约的重要性，强调制约下活动的计划、组织和执行。Lenntorp[31]指出在这种情况下出行行为的研究所要回答的核心问题是“为了实现一个活动计划有哪些可能的路径？”因此这类研究中的执行过程往往包括模式输入、序列产生和序列检查，如图1所示。

图1 制约模型的一般过程 Fig. 1 General process of constraint models

2 活动分析法

2.1 相关概念

活动分析法的明确定义是：在一系列活动结构的背景中考虑个人或者家庭的移动模式，同时强调时间和空间制约的重要性[29]。在活动分析法的概念框架下，出行与传统的研究有着明显的区别：1) 人们为了完成相应的生产和生活，产生了进行各类活动的需求。由于活动在空间的分布是不均的，为了完成特定的活动，从而产生了出行的需求。也就是说出行是活动的派生行为；2)

隆德大学的Lenntorp[32]最早通过PESASP(program evaluating the set of alternative sample paths)的模型，以时间和空间中个人路径的集束等时间地理学的基本概念为基础，对现实环境或假想环境下日常活动日程的各种可能性进行模拟和评价。其中，土地利用、交通系统、营业时间以及工作时间变化对最后出行选择结果产生影响。与此相似的研究还有Jones等[33]的CARLA(combinatorial algorithm for rescheduling lists of activities)模型，除了时间地理学中所提到的制约以外，同样还考虑了逻辑上的规则、个人的出行习惯方式和路线等约束。1987年通过该系统对荷兰减少公共汽车服务的结果进行了研究。

第5卷 第5期 2010年5月

城市交通出行行为研究方法前沿

405

这类方法是把活动分析纳入到出行研究中的最早尝试。由于这类方法往往忽略了人的主观能动性，很难探讨出行行为的过程和选择，从而很难反映个人在时空环境发生变化时的反应。但是，在判断相关政策对出行的影响和后果时这种方法具有非常好的应用前景，特别是近年一些学者通过与GIS技术的结合研究表明，该方法的优势能够更好地应用到出行行为的预测中[34-37]。 2.2.2 最大效用模型

Chapin[38-39]关于城市活动的相关研究，强调个人的偏好和选择，因此，结合经济学和心理学中的最大效用假设，发展出一类相应的方法。在活动分析法研究的早期，更多的还是基于传统的MNL(multinominal logit)选择模型预测一个活动的选择概率。Adler等[40]以出行链为基础，根据最大效用的原则模拟家庭活动模式的选择。这里，活动模式通过目的地的数量、特征和交通方式等变量来描述，并受目的地属性、移动时间和家庭的社会经济属性等因素影响。另一个早期的模型为STARCHILD [41-42]，将活动决策分为出行前阶段和出行后阶段：前阶段中个人根据其活动需求，建立活动日程；在移动阶段，根据日程中没有预见到的一些情况以及不断出现的新的活动需求来对原日程进行修改。其中，活动日程的效用等于活动效用与等待和移动时间的负效用之和。Kitamura[43-44]假设目的地选择的概率不只与它自身的吸引力和可达性有关，也与目的地所在地区其他目的地的吸引力和可达性有关，并建立了结合出行链效应的目的地选择模型，用于预测某一特定目的地被选择的概率。

逻辑嵌套模型针对MNL模型不能同时考虑变量的不同重要性而进行改进，二十世纪90年代以来逐渐成为最主流的方法。在第一个使用逻辑嵌套模型的研究中[45]包括了一系列目的地选择和活动选择的非汇总模型，目的地的选择与上一活动的目的地以及将要进行的活动有关；活动的选择与上一活动的目的地等有关。Ben-Akiva等[46]建立了基于活动的非汇总交通需求模型系统。活动和移动选择根据活动的优先级进行，一个活动日程被分为一个首要的出行链以及一些次要的出行链，其中包含优先级不同的活动，而对于活动的选择是一个综合多因素权衡的过程。这种方法最早利用美国波士顿地区的数据进行原型研究，然后在波兰应用到了出行预测当中，是这类方法中最成功的典型。

由于该方法往往过于强调个人选择的过程，而忽略了这种选择背后的宏观条件。为了突破这种情况，研究者也把制约的条件纳入到进行最大效用为基础的选择行为的前提中。Kitamura等[47]的PCATS(prism-

constrained activity-travel simulator)系统，把时空棱柱、交通方式的可得性以及活动位置的认知作为3个制约条件来研究，而在选择的过程中所需要考虑的因素包括4个方面（活动类型、活动持续时间、活动目的地和移动方式）。

2.2.3 规则模型

规则模型，也称为计算过程模型(computational process models)，更多源于心理学的相关理论。该类方法认为，由于人们获得信息和处理信息的能力有限，不可能对所有可能选择进行权衡后作出最优判断。相反，人们根据与环境的互动过程和个人的经历等来形成并不断更新他们对于环境的信息，然后通过信息的处理形成并不是最优、但却是在一定规则下最为满足的结果。这些特定的规则又是与个人所掌握的信息和解决办法的能力有关。通常这种规则的使用是通过“If (condition=X) Then (perform action Y)”的基本形式执行的。这种方法能够反映清晰的决策过程，以及在有限的信息条件下和不同的情境下的不同决策。

Heyes-Roth等[48]最早尝试用生产系统模拟个人活动和出行行为中的认知过程。另一个早期的模型SCHEDULER提供了一个从长期日历和认知地图到短期日历和日程安排的概念框架[49]。在这两个早期模型的基础上，也发展出其他的关于活动安排的方法[50-52]。值得一提的是，作为SAMS(sequenced activity mobility simulation)的核心部分，AMOS(activity-mobility simulator)模型已经在华盛顿得到应用[53-54]，以此来评价包括停车价格、增加自行车设施和步行道设施、通勤许可证以及征收堵塞税等的相关政策。 2.2.4 微观模拟器

除了以上的几种主要方法以外，考虑活动和出行行为过程多方面选择和制约的微观模拟器方法值得一提。该方法并不是基于某一特定的理论和假设，而是针对不同活动模式的不同方面使用不同边际和条件概率分布来模拟个人的行为，从而可以发挥不同理论的优势所在。当然，这类方法的发展也是得益于近年计算机技术的不断发展。其中以SMART(simulation model for activities, resources and travel)模型[55]为代表，该系统尝试将行为学方法、土地利用、交通系统、家庭活动和资源分配等在交通出行研究中整合于一个区域的背景之中，为城市增长所产生的影响以及交通系统的变化构建科学模型。

2.3 实证研究进展

活动分析法自产生以来，伴随着各种理论方法和技术手段的发展，所涉及到的出行行为研究不断扩展。最

406

中国科技论文在线 SCIENCEPAPER ONLINE

第5卷 第5期 2010年5月

早的研究主要涉及参与各类活动的需求以及由活动派生出来的交通出行需求、活动在时间和空间上如何安排、时间－空间以及其他人对个人活动和出行选择的制约、某人某天（或者更长时间段）各活动和出行选择之间以及不同人的选择之间的相互作用和关系、家庭结构和个人所承担的家庭角色与活动、出行的关系。后来，如何在物质环境和政策环境的变化中发展掌握和预测出行行为的动态性和适应性变化、时间利用以及社会网络的影响都成为研究新的关注焦点[56-57]。

活动持续时间和时间利用是最早开始受到关注的方面。Kitamura等[58]研究了通勤的时间和距离与其他活动持续时间的关系，认为超过20 km的通勤距离活动的持续时间会随着距离而缩短，而且这个时间也与通勤时间和工作时间是负相关的。这类研究中最为复杂的是Ettema等对活动选择和活动持续时间的模拟，认为时间和空间上的制约对人们的活动持续时间有着显著的影响，包括活动发生的时点、商店开门时间和出行花费的时间等等，同时也与活动出行模式和个人的社会经济属

[51]

性相关。在活动参与需求和频率方面，Ma等[59]基于泊松模型研究了不同类型的活动——生存必需活动、维持必需活动和休闲活动——的参与频率。Lu 等[60-61]的研究表明，活动参与需求同个人社会经济特征的相关性很强。

出行链和停留模式的研究是活动分析法中研究最多的内容。很多研究分析了出行链的次数和结构，Kitamura等[62]的研究表明，从工作回家途中往往有更多

[63]

的出行链停留点，Bhat专门分析了夜间通勤，表明工作地所在地区零售业密度越高其停留次数越多，并且女性停留的次数多于男性。另外，很多研究分析了出行链的相关影响因素，包括性别、出行方式、活动位置[64]和家庭结构[65]等方面。Kitamura在研究中引入了预期效用的概念，假设一个目的地选择效用不仅仅与其自身的属性和距离有关，而且同从该目的地出发的整条出行链产生的效用有关[43]。这个概念对传统马尔可夫过程方法有很大的突破，可以解决出行链研究中连续选择相关性的问题。

此外，还存在一些独特的研究视角。Mannering等[66]分析了人们对活动出发时间的决策，发现出行时间越长越容易使人们的出发时间发生改变，而女性往往倾向于在购物和参加社交活动时延迟出发时间。Kitamura等研究了人们如何处理家庭内活动和家庭外活动的关系[47]。很多研究认为，在家庭内部任务分配和角色承担方面，承担家庭任务较多的女性使用机动交通的比例很高，通勤时间较短[67-68]。

最近的研究焦点又转向了社会网络关系如何在活动和出行行为选择方面产生影响。2005年7月在荷兰召开的交通研究国际会议即以“交通前沿：社会与空间的交互”作为会议主题。尽管早在1987年Townsend[69]就提出过一个研究人与人之间相互影响的活动出行研究框架，但是由于这种相互依赖性很难量化研究，因此直到最近才开始重新受到重视。比如，Golob等[70]分析了家庭中夫妻之间如何影响各自的活动，Wen[71]也试图将这种人与人之间的相互影响纳入到其关于出行链的研究中。

2.4 研究框架

基于以上相关研究的梳理及发展方向，本文尝试构建活动分析法的研究框架，如图2所示。在活动分析法的框架下，城市交通出行行为是在时间、空间以及社会经济因素等3个不同却相互联系的维度中发生的，其中，空间强调活动进行的位置以及与出行相关的交通因素，时间则强调外在的制约因素对于活动的时间安排产生的影响，个人在社会中承担的角色及在社会网络中的位置与其时间和空间的选择与制约同样重要。研究由浅到深、由单一到综合分为3个层次：一是对移动－活动模式特定方面的实证研究；其次是在移动－活动的时空连续背景下对个人日常活动安排的模拟；最后，考虑各类影响行为偏好和制约的因素，在计算机中实现综合微观行为和宏观背景等方面的微观模拟器，从而向着预测和决策支持方向发展。

图2 基于活动分析法的城市交通出行行为研究框架 Fig. 2 Research framework of activity-based approach to urban

travel behavior

3 结论与展望

综上，基于活动分析法的交通出行行为的研究强调

第5卷 第5期 2010年5月

城市交通出行行为研究方法前沿

407

理论技术方法和实证研究相互推动，理论方法深化出行行为规律的探讨，而实证研究反过来为理论建模提供重要的依据，从而有助于交通需求预测和相关规划的制定。在这两方面的发展过程中，研究经历了从简单到复杂、从单一到综合的过程，正在向着更为综合的领域发展。如何将这些不同内容的现象和各有所长的方法整合为一个完整的理论方法体系将是活动分析法所面临的关键问题。另一方面，随着计算机技术的不断发展，活动分析法也开始从描述走向预测[57]。

与西方的研究相比，我国与交通出行行为尚处于起步阶段。面对我国目前快速的城市化和大城市突出的交通问题，相关研究亟待展开；一方面需要在研究的广度、深度以及研究的技术方法上进行提高，同时也需要有包括数据、技术和政策等相关方面的支持，实现我国城市交通出行行为理论研究和实践应用上的突破与发展。

[参考文献](References)

[1] 潘海啸. 中国城市机动性20年发展的回顾[J]. 国外城市规划,

2005, 20(3): 41-45.

Pan Haixiao. Review of China’s urban mobility and development in the last 20 years [J]. Urban Planning Overseas, 2005, 20(3): 41-45. (in Chinese)

[2] 林震, 杨浩. 交通信息诱导系统对出行选择的影响分析[J]. 交通

运输系统工程与信息, 2002, 2(4): 21-24.

Lin Zhen, Yang Hao. Impact analysis of advanced traffic information system on travel choice [J]. Journal of Transportation Systems Engineering and Information Technology, 2002, 2(4): 21-24. (in Chinese)

[3] 石小法, 王炜, 杨东援. 信息对出行者出行行为的影响研究[J].

中国公路学报, 2002, 15(1): 89-92.

Shi Xiaofa, Wang Wei, Yang Dongyuan. Study of the effect of information on the travelers’ behavior [J]. China Journal of Highway and Trnsport, 2002, 15(1): 89-92. (in Chinese)

[4] 李文翎, 谢轶. 广州地铁沿线的居民出行与城市空间结构分析[J].

现代城市研究, 2004, 4: 61-64.

Li Wenling, Xie Tie. The characteristics of the trips of inhabitants and the urban space structure along the subway in Guangzhou City [J]. Urban Research, 2004, 4:61-64. (in Chinese)

[5] 曲大义, 王炜, 王殿海, 等. 城市向郊区发展对中心区交通影响

研究[J]. 城市规划, 2001, 25(4): 37-39.

Qu Dayi, Wang Wei, Wang Dianhai, et al. Research on the traffic effect in the central district of urban expansion [J]. City Planning Review, 2001, 25(4): 37-39. (in Chinese)

[6] 周素红, 闫小培. 广州城市空间结构与交通需求关系[J]. 地理学

报, 2005, 60(1): 131-142.

Zhou Suhong, Yan Xiaopei. The relationship between urban structure and traffic demand in Guangzhou [J]. Acta Geographica Sinica, 2005, 60(1): 131-142. (in Chinese)

[7] 李峥嵘, 柴彦威. 大连市民通勤特征研究[J]. 人文地理, 2000,

15(6): 67-72.

Li Zhenrong, Chai Yanwei. Study on the commuting features of

Dalian citizens [J]. Human Geography, 2000, 15(6): 67-72. (in Chinese)

[8] 周素红, 杨利军. 广州城市居民通勤空间特征研究[J]. 城市交通,

2005, 13(1): 62-67.

Zhou Suhong, Yang Lijun. Study on the spatial characteristics of commuting in Guangzhou [J]. Urban Transport of China, 2005, 13(1): 62-67. (in Chinese)

[9] 王德, 张晋庆. 上海市消费者出行特征与商业空间结构分析[J].

规划研究, 2001, 25(10): 6-14.

Wang De, Zhang Jinqing. The analysis of consumer trip characteristics and spatial structure of commercial facilities in Shanghai [J]. City Planning Review, 2001, 25(10): 6-14. (in Chinese) [10] 柴彦威, 刘志林,李峥嵘, 等. 中国城市的时空间结构[M]. 北京:

北京大学出版社, 2002.

Chai Yanwei, Liu Zhilin, Li Zhengrong, et al. Time-space structure of Chinese cities [M]. Beijing: Peking University Press, 2002. (in Chinese)

[11] 陆建, 王炜. 城市居民出行时耗特征分析研究. 公路交通科技,

2004, 21(10): 102-104.

Lu Jian, Wang Wei. Study of resident trip time consumption characteristic [J]. Journal of Highway and Transportation Research and Development, 2004, 21(10): 102-104. (in Chinese)

[12] 周鹤龙. 美国大都市区交通规划及其启示[J]. 国外城市规划,

2005, 20(5): 50-52.

Zhou Helong. Metropolitan transportation planning issues in the USA [J]. Urban Planning Overseas, 2005, 20(5): 50-52. (in Chinese) [13] Ben-Akiva M, Lerman S R. Discrete choice analysis: theory and

application Analysis [M]. Cambridge, Massachusetts：MIT Press, 1985.

[14] Bunch D S, Bradley M, Golob T G., et al. Demand for clean-fuel

vehicles in California-A discrete-choice stated preference pilot project [J]. Transportation Research A: Policy and Practice, 1993, 27: 237-253.

[15] Handy S, Boarnet M, Ewing R, et al. How the built environment

affects physical activity: views from urban planning [J]. American Journal of Preventive Medicine, 2002, 23: 64-73.

[16] Adams J S. Residential structure of midwestern cities [J]. Annals of

Association of American Geographers, 1970, 60(1): 37-62.

[17] Newman P, Kenworthy J. The land use-transport connection: an

overview [J]. Land Use Policy, 1996, 13(1): 1-22.

[18] Knight R L. Land use impacts of rapid transit systems: implications of

recent experience [R]. Final report prepared for the US Department of transportation, 1977.

[19] Pushkarev B M, Zuppan J M. Public transportation and Land Use

Policy [M]. Bloomington: Indiana University Press, 1977.

[20] Messenger T, Ewing R. Transit oriented development in the Sun Belt

[J]. Transportation Research Record. 1996, 1552: 145-153.

[21] Cervero R, Kockelman K. Travel demand and the 3Ds: density,

diversity and design [J]. Transportation Research Pard D: Transport and Environment, 1997, 2(3): 199-219.

[22] Cervero R. Congestion relief: the land use alternative [J]. Journal of

planning education and research, 1989, 10(2): 119-129.

[23] Gottlieb P D, Lentnek B. Spatial mismatch is not always a central-city

problem: an analysis of commuting behaveiour in Cleveland, Ohio, and its suburbs [J]. Urban Studies, 2001, 38(7): 1161-1186.

408

中国科技论文在线 SCIENCEPAPER ONLINE

Part A: General, 1986, 20(4): 307-318.

第5卷 第5期 2010年5月

[24] Handy S, Clifton K J. Local shopping as a strategy for reducing

automobile travel [J]. Transportation, 2001, 28(4): 317-346. [25] 柴彦威. 行为地理学研究的方法论问题[J]. 地域研究与开发,

2005, 24(2): 1-4.

Chai Yanwei. Methodological problems in behavioral geography study [J]. Areal Research and Development, 2005, 24(2): 1-4. (in Chinese)

[26] Burnett P, Thrift N J. New approaches to travel behavior [C]// In

Hensher D. and Stopher P. (eds.) Behavioral Travel Demand Modeling. London: Croom Helm, 1979: 116-136.

[27] 柴彦威, 王恩宙. 时间地理学的基本概念与表示方法[J]. 经济地

理, 1997, 17(3): 55-61.

Chai Yanwei, Wang Enzhou. Basic concepts and notation of time-geography [J]. Economic Geography, 1997, 17(3): 55-61. (in Chinese)

[28] Golledge R G, Stimson R J. Spatial behavior: a geographic

perspective [M]. New York: The Guilford Press, 1997.

[29] Goodwin P. Some problems in activity approaches to travel demand

[C]// In Carpenter S. and Jones P. (eds.) Recent advances in travel demand analysis. Gower: Aldershot, 1983: 470-474.

[30] Wang D. Conjoint Approaches to Developing Activity-based Models

[D]. Netherlands: Eindhoven University of Technology, 1998. [31] Lenntorp B. Paths in space-time environments: a timegeographic

study of movement possibilities of individuals [J]. Lund Studies in Geography, Series B, 1976(44): 147-150.

[32] Lenntorp B. A time-geographic simulation model of individual

activity programmes [C]// In Carlstein T. Parks D. and Thrift N.(eds.) Human activity and time geography(Volume 2). London: Edward Arnold, 1978: 162-180.

[33] Jones, P M. The practical application of activity-based approach in

transport planning: an assessment [C]// In Carpenter S. and Jones P. (eds.) Recent advances in travel demand analysis. Gower: Aldershot, 1983: 56-63.

[34] Miller H J. Modeling accessibility using space-time prism concepts

within geographical information system [J]. International journal of Geographical information systems, 1991, 5(3): 287-301.

[35] Miller H J. Measuring space-time accessibility benefits within

transportation networks: basic theory and computational methods [J]. Geographical Analysis, 1999, 31: 187-212.

[36] Golledge R G, Kwan M P, Gärling T. Computational process

modeling of household travel decisions using a geographical information system [J]. Papers in Regional Science, 2005, 73(2): 99-117.

[37] Kwan M P, Hong X D. Network-based constraints-oriented choice set

formation using GIS [J]. Geographical System, 1998, 5: 139-162. [38] Chapin F S. Human activity patterns in the city [M]. New York: John

Wiley and Sons, 1974.

[39] Chapin F S. Human time allocation in the city [C]// In Carlstein T.

Parks D. and Thrift N.(eds.) Human activity and time geography (Volume 2). London: Edward Arnold, 1978: 13-26.

[40] Adler T, Ben-Akiva M. A theoretical and empirical model of trip

chaining behavior [J]. Transportation Research Part B: Methodological, 1979, 13(3): 243-257.

[41] Recker W W, McNally M G, Root G S. A model of complex travel

behavior: part I: theoretical development [J]. Transportation Research

[42] Recker W W, McNally M G, Root G S. A model of complex travel

behavior: part II: an operational model [J]. Transportation Research Part A: General, 1986, 20(4): 319-330.

[43] Kitamura R. A model of daily time allocation to discretionary

out-of-home activities and trips [J]. Transportation Research Part B: Methodological, 1984, 18(3): 255-266.

[44] Kitamura R. Incorporating trip chaining into the analysis of

destination choice [J]. Transportation Research Part B: Methodological, 1984, 18(1): 67-81.

[45] Hoorn A I J M. An empirical model of travel and activity choice: a

case study for the Netherlands [D]. Netherlands: University of Amsterdam, 1983.

[46] Bowman J L, Ben-Akiva M E. Activity-based disaggregate travel

demand model system with activity schedules [J]. Transportation Research Part A: Policy and Practice, 2001, 35(1): 1-28.

[47] Kitamura R, Fuji S. Two computational process models of

activity-travel behavior[C]// In Garling T. Laitila T. and Westin K. (eds.) Theoretical Foundations of Travel Choice Modeling. Oxford: Pergamon, 1998. 251-279.

[48] Hayes-Roth B, Hayers-Roth F. A cognitive model of planning [J].

Cognitive Science, 1979, 3: 275-310.

[49] Gärling T, Brannas K, Garvill J, et al. Household activity

scheduling[C]// the Fifth World conference on Transport Research. Yokohoma, Japan. 1989.

[50] Vause M. A rule-based model of activity scheduling behavior [C]// In

Ettema D, Timmermans H. (eds.) Activity-Based approaches to travel analysis. Oxford: Pergamon, 1997: 73-88.

[51] Ettema D F, Borgers A, Timmermans H. A competing risk hazard

model of activity choice, timing, sequencing, and duration [C]// the 74th Annual Meeting of the Transportation Research Board. Washington, D.C., 1996.

[52] Arentze T A, Timmermans H J P. A learning-based transportation

oriented simulation system [J]. Transportation Research Part B: Methodological. 2004, 38(7): 613-633.

[53] Kitamura R, Lula C V, Pas E I. AMOS: an activity-based, flexible and

truly behavioral tool for evaluation of TDM measures [C]// Proceedings of the 21st Summer Annual Meeting: Transportation Planning Methods. PTRC Education and Research Services, Ltd. London. 1993: 283-294.

[54] Kitamura R, Pas E I, Lula C V, et al. The sequenced activity mobility

simulation (SAMS): an integrated approach to modeling transportation, land use and air quality [J]. Transportation, 1996, 23(3): 267-291.

[55] Stopher P R, Hartgen D T, Li Y. SMART: simulation model for

activities, resources and travel [J]. Transportation, 1996, 23(3): 293-312.

[56] Pas E I. State of the art and research opportunities in travel demand:

another perspective [J]. Transportation Research, 1985, 19: 460-464. [57] Pas E I. Recent advances in activity-based travel demand modeling

[R]. Activity-based travel forecasting conference proceedings. Washington, D.C.: U.S. Department of Transportation. 1996. [58] Kitamura R, Nishii K, Goulias K. Trip chaining behavior by central

city commuters: a causal analysis of time-space constraints [C]// In Jones P. (eds.) Developments in Dynamic and Activity-Based

第5卷 第5期 2010年5月

城市交通出行行为研究方法前沿

409

Approaches to Travel Analysis. Aldershot: Avebury, 1988: 145-170. [59] Ma J, Goulias K G. Application of Poisson regression models to

activity frequency analysis and prediction [J]. Transportation research record. 1999, 1676: 86-94.

[60] Lu X, Pas E I. A structural equation model of the relationships among

socio-demographics, activity participation and travel behavior [C]// The 76th annual meeting of the transportation research board. Washington, D.C., 1997.

[61] Lu X, Pas E I. Socio-demographics, activity participation and travel

behavior [J]. Transportation Research Part A: Policy and Practice, 1999, 33(1): 1-18.

[62] Kitamura R, Hoorn T V D. Regularity and irreversibility of weekly

travel behavior [J]. Transportation, 1987, 14(3): 227-251.

[63] Bhat C. An analysis of evening commute stop-making behavior using

repeated choice observations from a multi-day survey [J]. Transportation Research Part B: Methodological, 1999, 33(7): 495-510.

[64] Kumar A, Levinson D M. Chained trips in Montgomery County [J].

ITE Journal. 1995, 65(5): 27-32.

[65] Strathman J G., Dueker K J, Davis J S. Effects of household structure

and selected travel characteristics on trip chaining [J]. Transportation, 1994, 21(1): 23-45.

[66] Mannering F L, Hamed M M. Occurrence, frequency and duration of

commuter’s work-to-home departure delay [J]. Transportation Research Part B: Methodological, 1990, 24(2): 99-109.

[67] Hanson S, Johnston I. Gender differences in work-trip length:

Explanations and implications [J]. Urban Geography, 1985, 6(4): 193-219.

[68] Niemeier D, Turner T. Journey to work travel patterns of men and

women: New evidence [J]. Transportation, 1997, 27: 397-414. [69] Townsend T A. The effects of household characteristics on multiday

time allocation and travel activity patterns of household and their members [D]. Evanston: Northwestern University, 1987.

[70] Golob T F, McNally M G. A model of activity participation and

travel interactions between household heads [J]. Transportation Research B. 1997, 31(3): 177-194.

[71] Wen C H. Development of stop generation and tour formation models

for the analysis of travel/activity behavior [D]. Evanston: Northwestern University, 1996.

—————————————————————————————————————————————————

(上接401页)

[34] Kim S H, Han S K, Shin H S. Feasibility of biohydrogen production

by anaerobic co-digestion of food waste and sewage sludge [J]. International Journal of Hydrogen Energy, 2004, 29(15): 1607-1616. [35] 宋庆彬. 厨余与污泥联合厌氧发酵制氢研究[D]. 大连: 大连理工

大学, 2008.

Song Qingbin. Research on hydrogen production of food waste and sewage sludge by anaerobic fermentation [D]. Dalian: Dalian University, 2008. (in Chinese)

[36] 宋庆彬, 李爱民, 鞠茂伟, 等. 厨余与污泥联合发酵不同预处理

产氢特性研究[J]. 可再生能源, 2008, 26(6): 62-65.

Song Qingbin, Li Aiming, Ju Maowei. The impact of different pretreatment on hydrogen production from kitchen residue and sewage sludge fermentation [J]. Renewable Energy Resources, 2008, 26(6): 62-65. (in Chinese)

[37] 焦刚珍, 李明, 赵由才. 不同来源污泥接种餐厨垃圾厌氧发酵产

氢效果研究[J]. 环境污染与防治, 2009, 31(2): 19-22.

Jiao Gangzhen, Li Ming, Zhao Youcai. Effects of seeding sludge on

hydrogen production from anaerobic fermentation of food wastes with and without the buffering additives [J]. Environmental Pollution & Control, 2009, 31(2): 19-22. (in Chinese)

[38] Li Ming, Zhao Youcai, Guo Qiang, et al. Bio-hydrogen production

from food waste and sewage sludge in the presence of aged refuse excavated from refuse landfill [J]. Renewable Energy, 2008, 33(12): 2573-2579.

[39] 李宇亮, 李小明, 郭亮, 等. 污泥发酵制氢技术的现状和展望[J].

中国沼气, 2008, 26(1): 3-11.

Li Yuliang, Li Xiaoming, Guo Liang, et al. Current status and prospects in production of hydrogen from sludge through anaerobic fermentation [J]. China Biogas, 2008, 26(1): 3-11. (in Chinese) [40] Guo Liang, Li Xiaoming, Bo Xie, et al. Impacts of sterilization,

microwave and ultrasonication pretreatment on hydrogen producing using waste sludge [J]. Bioresource Technology, 2008, 99(9): 3651-3658.