Resumen

La mayoría de las primeras investigaciones sobre el análisis del comportamiento de elección de ruta se basaban en los datos recogidos en la encuesta de preferencias declaradas o en experimentos a pequeña escala. Este manuscrito se centra en la comprensión del comportamiento de elección de ruta de los viajeros basándose en la enorme cantidad de datos de trayectorias recogidos de taxis ocupados. El supuesto subyacente era que el comportamiento de viaje de los taxistas ocupados no puede considerarse diferente del de los viajeros con experiencia. Para ello, se utilizó en primer lugar el algoritmo DBSCAN y el criterio de información de Akaike (AIC) para clasificar los viajes en distintas categorías en función de la duración del trayecto. A continuación, se definieron un total de 9 variables explicativas para describir el comportamiento de elección de ruta y se construyó el modelo logit de tamaño de trayecto (PS), que evitaba el supuesto inválido de independencia de alternativas irrelevantes (IIA) en el modelo logit multinomial (MNL) comúnmente visto. Para el estudio se utilizaron los datos de trayectos de más de 11.000 taxis de Xi'an (China), con 40 millones de registros de trayectos diarios. Los resultados confirmaron que el comportamiento de elección de ruta de los viajeros es heterogéneo para viajes con distancias variables y que la consideración de dicha heterogeneidad en el proceso de modelización explicaría mejor los comportamientos de elección de ruta de los viajeros, en comparación con el modelo MNL tradicional.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:comportamiento de elección de ruta, viajeros, análisis del comportamiento de elección de ruta, criterio de información de akaike, comportamientos de elección de ruta, datos de trayectoria de taxis, modelo mnl tradicional, viajes, algoritmo dbscan, estudio de caso
• Keywords:route choice behavior, commuters, route choice behavior analysis, akaike information criterion, route choice behaviors, taxi trajectory data, traditional mnl model, trips, dbscan algorithm, case study