限行政策下傳統(tǒng)小汽車出行者出行方式選擇

　　摘要：許多城市通過(guò)實(shí)施小汽車限行政策來(lái)緩解交通擁堵和空氣污染，因此研究傳統(tǒng)小汽車出行者個(gè)體的異質(zhì)性對(duì)限行政策下出行方式選擇行為的影響是十分必要的。本文以西安市傳統(tǒng)小汽車出行者為調(diào)查對(duì)象，采用行為偏好和意向偏好融合調(diào)查方法設(shè)計(jì)調(diào)查問(wèn)卷，獲取特定情景下傳統(tǒng)小汽車出行者的出行方式選擇行為;采用CHAID決策樹(shù)方法劃分傳統(tǒng)小汽車出行者的類別，采用固定參數(shù)logit模型和隨機(jī)參數(shù)logit模型構(gòu)建不同群體限行后的出行方式選擇模型，并對(duì)比這個(gè)模型的優(yōu)劣。研究結(jié)果表明：傳統(tǒng)小汽車出行者分為僅有輛車的青年出行者、僅有輛車的壯年出行者、僅有輛車的中老年出行者和有多輛車的出行者類;隨機(jī)參數(shù)logit模型的擬合效果更好;僅有一輛車的低收入青年和壯年出行者在限行日更傾向于選擇公共交通出行;提高公共交通服務(wù)水平有助于吸引僅有一輛車的出行者在限行日選擇公共交通方式出行，道路暢通有助于吸引有多輛車的出行者在限行日選擇公共交通方式出行。研究結(jié)論可以為城市交通管理相關(guān)部門制定差異化的限行政策提供理論支撐。

　　關(guān)鍵詞：交通工程;限行政策;決策樹(shù);隨機(jī)參數(shù)ogit模型;出行方式選擇

　　0引言

　　中國(guó)民用汽車保有量從010年的0.78億輛猛增至020年的2.81億輛，年均增長(zhǎng)率為3.67%，其中2020年私人汽車保有量超過(guò)2.44億輛[1]。盡管汽車數(shù)量的增加方便了人們的出行，但是也帶來(lái)了諸如交通擁堵、空氣污染、能源消耗等負(fù)面影響，更為重要的是汽車數(shù)量的急劇增加嚴(yán)重威脅了人類的健康和生態(tài)的平衡，是制約城市可持續(xù)發(fā)展的瓶頸。

　　為了解決機(jī)動(dòng)化快速發(fā)展帶來(lái)的問(wèn)題、避免城市發(fā)展模式的不可持續(xù)性，各國(guó)政府和專家學(xué)者紛紛嘗試從規(guī)劃、經(jīng)濟(jì)和政策法規(guī)角度對(duì)交通需求進(jìn)行管控，使交通供需達(dá)到相對(duì)平衡，這些政策和措施統(tǒng)稱為交通需求管理(TrafficDemandManagement,TDM)。其中，小汽車限行政策作為TDM政策的重要組成部分，已經(jīng)被一些國(guó)家和地區(qū)證實(shí)是一項(xiàng)短期內(nèi)有效地減少道路交通需求、立竿見(jiàn)影的措施[3]。許多學(xué)者證明，限行政策能夠通過(guò)影響出行者的出行方式達(dá)到緩解交通擁堵、改善空氣污染7,8的效果，具體表現(xiàn)為彈性出行減少、早晚高峰車速提高、公共交通客流量增加10、汽車尾氣排放減少。

　　由于個(gè)體的異質(zhì)性和適應(yīng)性，限行政策實(shí)施后，不同出行者會(huì)根據(jù)自身的社會(huì)經(jīng)濟(jì)狀況、認(rèn)知程度和出行需求等實(shí)際情況做出不同的應(yīng)對(duì)行為。出行者可以采取減少?gòu)椥猿鲂谢蚴褂闷渌�替代交通工具出行等積極應(yīng)對(duì)行為2,4,910]，也可以選擇錯(cuò)峰出行等中立應(yīng)對(duì)行為[6]，甚至是購(gòu)買第二輛車、違規(guī)出行等規(guī)避限行的消極應(yīng)對(duì)行為[113。這些應(yīng)對(duì)措施不僅反映出限行政策存在一定的局限性，而且也反映出出行個(gè)體存在異質(zhì)性。因此，了解不同出行者限行后的出行行為變化，探尋限行政策下影響各類小汽車出行者出行方式的因素，并提出改善對(duì)策以緩解大城市的交通壓力顯得尤為迫切。

　　目前，許多關(guān)于出行方式選擇行為的研究都假設(shè)出行者是同質(zhì)的[14]，未能深入考慮出行者的異質(zhì)性問(wèn)題，這導(dǎo)致研究結(jié)果與實(shí)際情況差距較大，不具有較好的適用性。因此，部分學(xué)者開(kāi)始嘗試將出行個(gè)體的異質(zhì)性引入出行方式選擇研究。異質(zhì)性最早由Böckenholt等[15]提出，他們認(rèn)為異質(zhì)性是不同個(gè)體對(duì)同一產(chǎn)品會(huì)產(chǎn)生的不同偏好，同理不同出行個(gè)體對(duì)各種交通方式的偏好或交通政策的響應(yīng)也是不同的。異質(zhì)性的表現(xiàn)形式有偏好異質(zhì)性(PreferenceHeterogeneityPH)和響應(yīng)異質(zhì)性(TasteHeterogeneity,TH)種。

　　偏好異質(zhì)性指?jìng)�(gè)體之間在社會(huì)經(jīng)濟(jì)特征和心理特征等方面存在的差異性16]，即不同個(gè)體的性別、年齡、認(rèn)知是不同的;響應(yīng)異質(zhì)性指?jìng)�(gè)體之間對(duì)事物特征的評(píng)價(jià)差異或響應(yīng)差異17]，例如，實(shí)行限行政策對(duì)使用私家車出行有負(fù)效應(yīng)，但這種負(fù)效應(yīng)對(duì)不同出行個(gè)體的影響程度是不同的。由此可知，個(gè)體的偏好異質(zhì)性會(huì)進(jìn)一步產(chǎn)生響應(yīng)異質(zhì)性，研究者認(rèn)為有必要通過(guò)群體細(xì)分來(lái)確定并研究每個(gè)子群體的特性。

　　目前，國(guó)內(nèi)外對(duì)出行群體的劃分大多基于可觀測(cè)偏好異質(zhì)性進(jìn)行單一屬性分組或多屬性分組。將受訪者分為有車一族和無(wú)車一族探討了他們對(duì)限行政策態(tài)度和公共交通使用意愿的差異;戢曉峰等[1利用決策樹(shù)將公路旅客進(jìn)行群體細(xì)分，分析了需求強(qiáng)度對(duì)不同群體出行行為的異質(zhì)性影響，但該分組方法無(wú)法反映群體內(nèi)部的屬性結(jié)構(gòu)，僅能考慮可觀測(cè)異質(zhì)性的影響，對(duì)異質(zhì)性分析不夠充分。

　　一些研究者發(fā)現(xiàn)可以通過(guò)離散選擇模型(DiscreteChoiceModel,DCM)捕捉到出行個(gè)體選擇行為的異質(zhì)性，證明了考慮個(gè)體異質(zhì)性的logit模型(如隨機(jī)參數(shù)logit模型、潛在類別選擇模型)的擬合效果明顯比傳統(tǒng)的logit模型好，并且能夠衡量個(gè)體的不可觀測(cè)異質(zhì)性20。hao等21]分別建立了隨機(jī)參數(shù)logit模型和固定參數(shù)logit模型探究了影響駕駛?cè)寺窂竭x擇的相關(guān)因素，并證明考慮個(gè)體異質(zhì)性的隨機(jī)參數(shù)logit模型擬合性能較好;趙鵬等22建立高速鐵路乘客乘車選擇行為模型，證明了考慮個(gè)體完整異質(zhì)性的隨機(jī)參數(shù)ogit模型相比不考慮個(gè)體異質(zhì)性多項(xiàng)ogit模型擬合度較好，更能解釋的乘客實(shí)際行為。

　　綜上可知，隨機(jī)參數(shù)logit模型對(duì)個(gè)體異質(zhì)性行為有較好的解釋作用，而群體細(xì)分法作為一種解釋異質(zhì)性的傳統(tǒng)方法，盡管存在一定的局限性，但也能反映同類群體的共有特性。因此，本文以西安市傳統(tǒng)小汽車出行者為研究對(duì)象，采用CHAID決策樹(shù)對(duì)出行者進(jìn)行分類，選取了傳統(tǒng)小汽車出行者的社會(huì)經(jīng)濟(jì)特征、出行特征和情景因素作為自變量，構(gòu)建考慮出行個(gè)體異質(zhì)性的限行政策下出行方式選擇隨機(jī)參數(shù)logit模型，明晰傳統(tǒng)小汽車出行者限行政策下出行決策行為的影響機(jī)理，為完善限行政策實(shí)施、引導(dǎo)出行者綠色出行的提供理論依據(jù)。

　　1數(shù)據(jù)采集

　　1.1調(diào)查問(wèn)卷設(shè)計(jì)

　　本文以西安市傳統(tǒng)小汽車出行者為調(diào)查對(duì)象，采用行為偏好(RevealedPreference,RP)和意向偏好(StatedPreference,SP)融合調(diào)查方法獲取特定情景下傳統(tǒng)小汽車出行者的出行方式選擇行為。調(diào)查問(wèn)卷包括個(gè)部分，第部分為傳統(tǒng)小汽車出行者的社會(huì)經(jīng)濟(jì)屬性和限行后的出行行為，采用方法調(diào)查;第部分為假設(shè)情景，采用SP方法調(diào)查傳統(tǒng)小汽車出行者在不同組合情景下的出行方式選擇行為。

　　傳統(tǒng)小汽車出行者的社會(huì)經(jīng)濟(jì)屬性包括性別、年齡、月收入、家庭結(jié)構(gòu)、是否接送小孩和私家車擁有量個(gè)影響因素，限行后的出行行為包括出發(fā)時(shí)間、出行時(shí)間和出行距離個(gè)影響因素。在第部分，本文考慮了道路交通狀況、限行感知效果、公共交通服務(wù)水平個(gè)情景因素，每個(gè)情景因素都設(shè)置了種不同場(chǎng)景。

　　如果采用全面試驗(yàn)法考慮每個(gè)情景因素的所有假設(shè)場(chǎng)景來(lái)設(shè)計(jì)調(diào)查問(wèn)卷，不僅需要花費(fèi)大量的人力和物力，而且也會(huì)增加調(diào)查問(wèn)卷的復(fù)雜程度，進(jìn)而增加受訪者的回答難度。因此，本文采用正交試驗(yàn)法設(shè)計(jì)調(diào)查問(wèn)卷，以(34)正交表為基礎(chǔ)，形成種正交試驗(yàn)方案，隨機(jī)抽取種試驗(yàn)方案納入調(diào)查問(wèn)卷。

　　1.2調(diào)查實(shí)施

　　為了使研究樣本具有更廣泛的代表性，本文采用網(wǎng)絡(luò)調(diào)查和現(xiàn)場(chǎng)調(diào)查種方式獲取樣本數(shù)據(jù)。同時(shí)，為了使研究結(jié)論具有針對(duì)性，本文對(duì)調(diào)查對(duì)象提出個(gè)約束條件：

　　(1)受訪者必須是西安市城市居民;(2)受訪者有駕車出行過(guò)程中受到限行政策的影響;(3)受訪者的家庭至少擁有一輛小汽車。

　　網(wǎng)絡(luò)調(diào)查委托“問(wèn)卷星”平臺(tái)于019年月日至月日進(jìn)行，歷時(shí)一個(gè)月，共收集到00份有效樣本�，F(xiàn)場(chǎng)調(diào)查采用路邊訪談的形式，選取種不同用地類型(即大型住宅區(qū)、學(xué)校和商業(yè)綜合體)的周邊干道和停車場(chǎng)進(jìn)行調(diào)查，最終獲得00個(gè)樣本數(shù)據(jù)，剔除個(gè)不完整的樣本，得到85個(gè)樣本數(shù)據(jù)。最終，網(wǎng)絡(luò)調(diào)查和現(xiàn)場(chǎng)調(diào)查共獲得85個(gè)樣本。

　　1.3樣本特征分析

　　從年齡來(lái)看，35歲和45歲的受訪者較多，分別占和，是主要的受訪群體;從私家車擁有量來(lái)看，僅有一輛私家車的出行者是主要的受訪群體，占82%�；�于HAID決策樹(shù)的小汽車出行者分類CHAID決策樹(shù)全稱為卡方自動(dòng)交互檢測(cè)法(ChiquaredAutomaticInteractionDetector,CHAID)，是一種較為直觀可靠的細(xì)分方法，同時(shí)也是一種可用于預(yù)測(cè)的模型23]。

　　其核心思想是根據(jù)因變量和解釋變量之間的關(guān)系，通過(guò)比較內(nèi)部節(jié)點(diǎn)的屬性值，采用自上向下的遞歸方式對(duì)樣本數(shù)據(jù)集進(jìn)行最優(yōu)分割，并通過(guò)卡方檢驗(yàn)的顯著性進(jìn)行多元列聯(lián)表的自動(dòng)判斷分組24]。CHAID決策樹(shù)對(duì)因變量的類型沒(méi)有特殊要求，無(wú)論因變量為連續(xù)變量或離散變量的情況均適用，且數(shù)據(jù)不需要滿足正態(tài)分布;但是，CHAID決策樹(shù)要求解釋變量必須為分類變量。CHAID決策樹(shù)的輸出結(jié)果以樹(shù)狀圖展現(xiàn)，具有直觀、容易理解的優(yōu)點(diǎn)。

　　2基于CHAID決策樹(shù)的傳統(tǒng)小汽車出行者分類

　　步驟如下：步驟：選定限行后傳統(tǒng)小汽車出行者的日常出行方式為因變量，該變量為選擇私家車出行或選擇公共交通出行的二分類變量;選定傳統(tǒng)小汽車出行者的社會(huì)經(jīng)濟(jì)特征(性別、年齡、收入、私家車擁有量等)為自變量;對(duì)自變量與因變量進(jìn)行交叉分類，生成若干二維列聯(lián)表;步驟：分別計(jì)算各個(gè)二維列聯(lián)表的檢驗(yàn)值和值;本文的因變量為二分類變量，因此采用卡方檢驗(yàn)。

　　3限行政策下的傳統(tǒng)小汽車出行者出行方式選擇模型

　　3.1模型構(gòu)建

　　DCM是解決因變量為分類變量的問(wèn)題的一種模型，它利用隨機(jī)效用和效用最大化理論描述了決策者在各種決策集中的選擇行為。目前，DCM已廣泛應(yīng)用于交通領(lǐng)域，尤其是在出行方式選擇25]、出行路徑選擇21]等研究。常用的CM模型主要有l(wèi)ogit模型和probit模型兩種，logit模型因其計(jì)算方便、容易理解受到大多數(shù)研究者的青睞。

　　4實(shí)證性研究

　　4.1變量說(shuō)明

　　本文在設(shè)定情景中給予傳統(tǒng)小汽車出行者種出行方式選擇，一種是繼續(xù)使用私家車出行，另一種是使用公共交通出行，因此本研究的因變量為二分類變量。本研究的自變量包括社會(huì)經(jīng)濟(jì)屬性、出行特征(出發(fā)時(shí)間、出行時(shí)間和出行距離)、情景變量(道路交通狀況、限行感知效果、公共交通服務(wù)水平)部分。

　　其中，性別、職業(yè)、接送孩子情況和私家車擁有量為二分類變量，年齡、月收入、家庭結(jié)構(gòu)、出發(fā)時(shí)間、出行時(shí)間、出行距離、道路交通狀況、限行感知效果和公共交通服務(wù)水平為多分類變量。為了分析多分類變量中不同分類項(xiàng)產(chǎn)生的影響，提高研究的精確性，本文將各項(xiàng)多分類變量設(shè)置為虛擬變量進(jìn)行研究。

　　4.2傳統(tǒng)小汽車出行者分類結(jié)果

　　考慮到出行者的性別、年齡、月收入、家庭結(jié)構(gòu)、是否接送小孩和私家車擁有量的差異，本文采用CHAID決策樹(shù)對(duì)小汽車出行者進(jìn)行類別劃分，其中，拆分水平α值默認(rèn)為0.05。私家車擁有量為第一層父節(jié)點(diǎn)，分為僅有一輛私家車和擁有兩輛及以上私家車兩個(gè)子節(jié)點(diǎn);年齡為第二層父節(jié)點(diǎn)，分為35歲以下、3645歲、45歲以上三個(gè)子節(jié)點(diǎn)，本文將這個(gè)年齡段的受訪者分別稱為青年出行者、壯年出行者以及中老年出行者。因此，本文將小汽車出行者分為僅有輛車的青年出行者、僅有輛車的壯年出行者、僅有輛車的中老年出行者和有多輛車的出行者類。

　　4.3不同類別的出行者出行方式選擇行為

　　本研究選擇二項(xiàng)logit模型進(jìn)行分析，規(guī)定出行者繼續(xù)選擇私家車出行時(shí)取Y=0，選擇公共交通出行時(shí)取Y=1。利用軟件分別對(duì)RPL模型和FPL模型進(jìn)行參數(shù)估計(jì)，設(shè)定隨機(jī)參數(shù)服從正態(tài)分布，Halton抽樣200次。

　　低收入出行者(5000元)的估計(jì)參數(shù)為0.863，這表明與高收入出行者(15000元)相比，低收入出行者更傾向于選擇公共交通出行，選擇公共交通出行的概率是高收入出行者的2.37倍。較長(zhǎng)出行時(shí)間(6090min)的估計(jì)參數(shù)為1.114，這表明：與短出行時(shí)間(min)相比，較長(zhǎng)出行時(shí)間的出行者更傾向于選擇公共交通出行，選擇公共交通出行的概率是短出行時(shí)間出行者的3.05倍。

　　公共交通服務(wù)水平(較好)的估計(jì)參數(shù)為0.864，這表明與較差的公共交通服務(wù)水平相比，較好的公共交通服務(wù)水平下出行者更傾向于選擇公共交通出行，選擇概率是較差時(shí)的2.37倍。此外，公共交通服務(wù)水平(較好)為隨機(jī)變量，服從正態(tài)分布(均值：0.864，標(biāo)準(zhǔn)差：0.687)，表明該因素對(duì)壯年出行者限行后出行方式選擇的影響不同，當(dāng)公共交通服務(wù)水平較好時(shí)，該組有89.57%的出行者傾向于選擇公共交通出行。

　　誤差項(xiàng)參數(shù)為0.731，表明受訪者在種組合情景下的出行方式選擇之間存在相關(guān)性，且相關(guān)性在四組人群中最小，這證明了誤差項(xiàng)存在的必要性，如果刪除誤差項(xiàng)會(huì)降低模型精度。四類傳統(tǒng)小汽車出行者的出行方式選擇均受出行時(shí)間顯著影響;僅有一輛車的小汽車出行者的出行方式選擇受公共交通服務(wù)水平顯著影響，其中，青年出行者和壯年出行者的出行方式選擇還受月收入的顯著影響，中老年出行者還受出行距離和限行效果的顯著影響;擁有多輛車的傳統(tǒng)小汽車出行者的出行方式選擇受出發(fā)時(shí)間、出行距離、限行效果和交通擁堵?tīng)顩r影響顯著。

　　由此可知，不同出行者的出行方式影響因素存在差異，交通管理部門應(yīng)該針對(duì)不同類別的出行者采取有針對(duì)性的措施，引導(dǎo)人們?cè)谙扌泻鬁p少私家車出行是實(shí)現(xiàn)緩解交通擁堵、減少尾氣污染的可行之策�；�于研究結(jié)果，本文提出了以下建議。

　　(1)對(duì)于所有傳統(tǒng)小汽車出行者，建議從降低乘客出行時(shí)間感和提高乘客出行效率等方面引導(dǎo)人們減少私家車出行。因此，可以通過(guò)增加車內(nèi)可供休閑的電子設(shè)施、優(yōu)化車內(nèi)網(wǎng)絡(luò)環(huán)境來(lái)改善出行者長(zhǎng)時(shí)間乘坐公共交通的出行體驗(yàn)、降低乘客的出行時(shí)間感;同時(shí)，可以縮短公共交通發(fā)車間隔，減少乘客候車時(shí)間，提高公共交通的出行效率。

　　(2)對(duì)于僅有一輛車的傳統(tǒng)小汽車出行者，建議從實(shí)行公交優(yōu)惠政策、提高限行效果感知、優(yōu)化長(zhǎng)距離出行體驗(yàn)感、改善公共交通服務(wù)水平等方面引導(dǎo)人們減少私家車出行。

　　(3)對(duì)有多輛車的傳統(tǒng)小汽車出行者，建議從改善交通擁堵、提高限行效果、提高高峰期間公共交通服務(wù)水平、優(yōu)化長(zhǎng)距離出行體驗(yàn)感等方面引導(dǎo)人們減少私家車出行。

　　5結(jié)論

　　(1)根據(jù)傳統(tǒng)小汽車出行者的社會(huì)經(jīng)濟(jì)特征，利用CHAID決策樹(shù)將其分為僅有一輛車的青年出行者、僅有一輛車的壯年出行者、僅有一輛車的中老年出行者和有多輛車的出行者類。

　　(2)采用FPL模型和RPL模型分別對(duì)類出行者限行后的出行方式選擇進(jìn)行研究，對(duì)比分析兩種模型的擬合優(yōu)度指標(biāo)發(fā)現(xiàn)RPL模型優(yōu)于FPL模型，表明受訪者之間的個(gè)體差異和不同場(chǎng)景對(duì)受訪者的影響是不可忽略的。

　　(3)除出行時(shí)間外，不同類別的傳統(tǒng)小汽車出行者在限行政策下是否選擇公共交通方式出行考慮的影響因素不同。限行政策對(duì)僅有一輛車和有多輛車的出行者的出行方式選擇影響差異較大，僅有一輛車的低收入青年和壯年出行者在限行日更傾向于選擇公共交通出行，提高公共交通服務(wù)水平有助于吸引僅有一輛車的出行者在限行日選擇公共交通方式出行，道路暢通有助于吸引有多輛車的出行者在限行日選擇公共交通方式出行，出發(fā)時(shí)間在:00:00、出行距離遠(yuǎn)的有多輛車的出行者在限行日依然偏好選擇小汽車出行。

　　(4)從所有傳統(tǒng)小汽車出行者、僅有一輛車的出行者和擁有多輛車的出行者個(gè)角度，針對(duì)出行者屬性、出行特征和外部環(huán)境因素提出了優(yōu)化公交出行體驗(yàn)、改善公共交通服務(wù)水平、提高限行政策效果、利用經(jīng)濟(jì)手段管理交通需求等引導(dǎo)出行者綠色出行的建議措施。

　　(5)由于本文開(kāi)始研究時(shí)，西安市已經(jīng)實(shí)施常態(tài)化限行政策，因此無(wú)法獲取限行政策實(shí)施前西安市居民出行的數(shù)據(jù)，這是本文的先天不足;同時(shí)，本文構(gòu)建的PL模型僅研究限行政策實(shí)施后傳統(tǒng)小汽車出行者繼續(xù)選擇私家車出行或選擇公共交通出行，沒(méi)有考慮其它交通方式，這是本文的不足;此外，本文沒(méi)有將公共交通進(jìn)一步細(xì)分為軌道交通、公共汽電車和出租車。在后續(xù)的研究中，我們將對(duì)上述點(diǎn)不足繼續(xù)進(jìn)行深入探討。

　　參考文獻(xiàn)：

　　[1]國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒[M].北京:中國(guó)統(tǒng)計(jì)出版社,2020NationalBureauofStatisticsofChina.ChinaStatisticalYearbook[M].Beijing:ChinaStatisticsPress,2020.

　　[2]劉鳳喜,曹弋,周軍.城市機(jī)動(dòng)車保有量控制及合理使用策略[M].北京:北京交通大學(xué)出版社,2018.iuFengxi,CaoYi,ZhouJun.ThestrategyofUrban motorvehicleownershipcontrolandrationalusage[M].Beijing:BeijingJiaotongUniversityPress,2018.

　　[3]JiaN,ZhangY,HeZ,etal.Commuters’acceptanceofandbehaviorreactionstolicenseplaterestrictionpolicy:AcasestudyofTianjin,China[J].TransportationResearchPartD,2016,52:428440.

　　[4]ZhangLL,LongRY,ChenH.Docarrestrictionpolicieseffectivelypromotethedevelopmentofpublictransport?[J].WorldDevelopment,2019,119:100110.

　　[5]YangJ,LuF,QinP.Howdoesadrivingrestrictionaffecttransportationpatterns?ThemediumrunevidencefromBeijing[J].EnvironmentforDevelopment,2018,204:270281.

　　[6]YaoWB,DingYH,XuFM,etal.Analysisofcars’commutingbehaviorunderlicenseplaterestrictionpolicy:acasestudyinHangzhou,China[C].

　　21stInternationalConferenceonIntelligentTransportationSystems.USA:ITSC,2018.

　　作者：馬壯林，崔姍姍，胡大偉，王晉

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/29574.html