is the exception of travelling thre

is the exception of travelling three zones ($4.9) and four zones
($5.8). The non-captive model shows that there was less than a 50%
chance for chosen stations to be the nearest station if travel
distance was 10 km. No travel over
five zones ($7.10) was identified
for the transit trip involving in non-captive stations. This result
could be interpreted that expect for a distance minimisation
strategy, others such as cost and travel time minimisation
strategies and multi-trip purpose utility maximisation could play
important roles to the decision maker of this type trips. In addition,
more travel uncertainty, such as availability of parking, could be
involved in non-captive station choice than captive station choice.
A sensitivity test was also conducted using the logistic
regression model shown in Table 5 to identify the influence on
the nearest station choice for travel distance (from an origin to a
chosen station) and whether the station is further away from
origins and destinations. The resulting sensitivity plot for captive
stations, shown in Fig. 5, indicates that the predicted probabilities
of choosing the nearest station decrease as travel distance
increases, whether the station is further-away or not. Generally
speaking, the predicted probability of choosing the nearest station
is the higher for non-further-away stations than further-away
stations. According to Fig. 5, at 10 km travel distance, the predicted
probability of the nearest station choice is over 85% for nonfurther-away stations. In comparison, it is less than 60% for further-
away stations.
6. Discussions and conclusions
This paper applied Logistic regression models to understand the
nearest station choice behaviours of transit users. The study
revealed that the nearest station choice depended on the location
of station, and characteristics of stations and transit users. When
the chosen station was located at the end or near the end of a train
line (captive stations), this left transit users with much less station
choice than a station located along the line (non-captive stations).
This also means that less variables influence the nearest station
choice. For example, only two variables—distance and station
location in terms of destination direction (further-away or nonfurther
away)—were relevant for the captive model. Based on our
survey, the reasons why users choose a station further away from
their origin and destination are seat- and parking-availability,
particularly the former. This suggested that crowding on trains was
becoming an issue in Western Australia, which can be managed by
increasing train capacity and frequency (Li and Hensher, 2012),
providing better service and design, such as improving air quality
and circulation (Thompson et al., 2012)
If the chosen station was located further along the train line,
more variables would affect the nearest station choice of transit
users. Based on our model, except distance, travel cost and waiting
time were found to significantly influence the choice. Interestingly,
transit users were willing to drive or take a bus to travel a little bit
further towards their destination in order to decrease transit
waiting time and travel cost. Two more variables—traffic congestion
and travel comfort—although not captured by the model, were
found to be applicable to this situation from our survey interviews.
Many of the respondents preferred driving rather than using public
transport due to convenience and comfort. However, when there is
a trade-off between convenience and travel time, they optimised
their trips by choosing a transit station along their trip (Debrezion,
G., et al., 2009). In addition, land use diversity could affect station
choice (Badoe and Miller, 2000; Cervero, 1996). For example, a
large shopping center, Westfield Carousel, was indicated by our
respondents as one of reasons they chose Cannington station. The
nearest station choice rate for Cannington station is only 26.9%.
Some limitations of this study are that limited variable data
were collected (12 variables considered). In addition, due to
correlation between variables, some variables such as travel time
(correlated with distance), inbound and out bound trip (correlated
with distance), train frequency (correlated with waiting time)
were manually removed from model. More variables such as traffic
congestion and land use diversity should be considered in the
future study.
Another limitation of the study is that some of respondents had
a misunderstanding of the survey question of “Where and when
did you start that trip” which was used to collect the location of the
respondents’ origin, especially those who were interviewed in the
afternoon. They thought the place they departed in the morning
was their origin, while some of them
filled in the location of the
activity immediately before they left for a station. Although we
have removed some unreasonable results manually, there was still
some ambiguity in the data. The other aspect is related to
geocoding. Due to missing data of the landmark and street data
from the survey, we have used the centroid location streets or
suburbs as a substitution, which could reduce the accuracy of
geocoding. In next survey, we will improve the questionnaire
design to cater for this.
From a public transport policy point view, the result of the
paper indicates that attention should be paid to the transit users
who chose non-captive stations because more uncertainty was
involved in non-captive station choice than captive station choice.
This randomness could due to reasons such as, late departure, less
likelihood to get parking in the nearest station and multi-trip
purpose. Our future work will further investigate how much
randomness could be involved in the station choice behaviour.
This study provides evidence as to why some transit users do
not choose the nearest station from their origin. The results of this
study will be of importance to public transit policy makers, urban
planners and researchers, particularly the Public Transport
Authority, to understand transit choice behaviours. Therefore
public transport policies such as adjustments of travel fees and
improving station service and facilities, could be developed. The
major contribution of this study is the development of a systematic
approach for identifying variables affecting the nearest station
choice. The method is reproducible and generalisable internationally
to other studies.

ผลลัพธ์ (ไทย) 1:

มีข้อยกเว้นของการเดินทางทั้งสามโซน ($4.9) และเขต 4($5.8) รุ่นไม่ใช่จำเลยแสดงว่า มีน้อยกว่า 50%สำหรับการเลือกสถานีเป็น สถานีที่ใกล้ที่สุดหากการเดินทางระยะทาง 10 กิโลเมตรได้ ไม่เดินผ่านระบุโซน 5 ($7.10)การขนส่งเดินทางเกี่ยวข้องกับสถานีของจำเลยไม่ ผลลัพธ์นี้สามารถแปลความหมายที่คาดหวังสำหรับ minimisation ระยะทางกลยุทธ์ อื่น ๆ เช่น minimisation เวลาต้นทุนและการท่องเที่ยวสามารถเล่น maximisation ยูทิลิตี้เดินหลายวัตถุประสงค์และกลยุทธ์บทบาทสำคัญเพื่อการตัดสินใจของปลาชนิดนี้ นอกจากนี้เพิ่มเติมการเดินทางความไม่แน่นอน เช่นว่าอาจจะเป็นความพร้อมที่จอดรถเกี่ยวข้องกับทางสถานีไม่ใช่เชลยกว่าสถานีภายในกิจการและเลือกการทดสอบความไวยังวิธีการใช้ที่โลจิสติกแบบจำลองถดถอยที่แสดงในตาราง 5 ระบุอิทธิพลในเลือกสถานีที่ใกล้ที่สุดสำหรับการเดินทาง (จากแหล่งกำเนิดไปยังเลือกสถานี) และสถานีเป็นเพิ่มเติมจากจุดเริ่มต้นและจุดหมายปลายทาง แปลงไวผลลัพธ์สำหรับจำเลยสถานี แสดงใน Fig. 5 หมายถึงกิจกรรมที่คาดการณ์เลือกลดลงสถานีที่ใกล้ที่สุดเป็นระยะทางการเดินทางเพิ่มขึ้น ไม่ว่าสถานีจะไปเก็บ หรือไม่ โดยทั่วไปการพูด การคาดการณ์ความเป็นไปได้เลือกสถานีที่ใกล้ที่สุดมากกว่าสำหรับสถานีที่ไม่เพิ่มเติมเก็บไปเก็บสถานี ตาม Fig. 5, 10 กิโลเมตรเดินทางไกล การคาดการณ์ความน่าเป็นของทางสถานีที่ใกล้ที่สุดคือมากกว่า 85% สำหรับสถานี nonfurther เก็บ เปรียบเทียบ เป็นน้อยกว่า 60% สำหรับเพิ่มเติม-สถานีเก็บ6. อภิปรายและบทสรุปเอกสารนี้ใช้โมเดลถดถอยโลจิสติกเพื่อให้เข้าใจการใกล้สถานีทางวิญญาณของผู้ขนส่ง การศึกษาเปิดเผยว่า ทางสถานีที่ใกล้ที่สุดขึ้นอยู่กับสถานที่ของสถานี สถานีและส่งต่อผู้ใช้ เมื่อสถานีท่านมาตั้งท้าย หรือ ใกล้ที่สุดของรถไฟ(ภายในกิจการและสถานี), บรรทัดนี้จากผู้ใช้ส่งต่อสถานีน้อยมากเลือกกว่าสถานีตั้งอยู่ตามแนว (ไม่ใช่จำเลยสถานี)นอกจากนี้ยังหมายความ ว่า ตัวแปรน้อยลงมีผลกระทบต่อสถานีที่ใกล้ที่สุดเลือก ตัวอย่าง ตัวแปรเพียงสองคือระยะทางและสถานีสถานที่ตั้งในทิศทางของปลายทาง (ไปเก็บหรือ nonfurtherเก็บ) — เกี่ยวข้องกับแบบจำลองภายในกิจการและการ ตามของเราสำรวจ เหตุผลที่ทำไมผู้ใช้เลือกสถานีต่อไปจุดเริ่มต้นและปลายทางของพวกเขาได้ที่นั่ง - และที่จอดรถมีโดยเฉพาะอย่างยิ่งในอดีต นี้แนะนำว่า กครั้งบนรถไฟได้กลายเป็น ประเด็นในเวสเทิร์นออสเตรเลีย ซึ่งสามารถจัดการได้โดยเพิ่มกำลังการผลิตรถและความถี่ (Li และ Hensher, 2012),ให้บริการและออกแบบ เช่นปรับปรุงคุณภาพอากาศดีขึ้นและการไหลเวียน (ทอมป์สันและ al., 2012)ถ้าสถานีท่านอยู่ต่อไปตามแนวรถไฟตัวแปรที่เพิ่มมากขึ้นจะส่งผลต่อการเลือกสถานีขนส่งผู้ใช้ ขึ้นอยู่กับรุ่นของเรา ยกเว้น ระยะเดินทางต้นทุนและรอคอยเวลาพบอย่างมีนัยสำคัญมีผลต่อการเลือก เป็นเรื่องน่าสนใจส่งต่อทุกคนก็ยินดีที่จะขับ หรือรถเพื่อการเดินทางหน่อยเพิ่มเติมไปยังปลายทางเพื่อลดการขนส่งรอเวลา และต้นทุนการเดินทาง สองตัวแปรเพิ่มเติม — จราจรแออัดและความสะดวกสบายในการเดินทาง — แม้ว่าจะไม่จับรุ่น ถูกพบจะใช้สถานการณ์นี้จากการสัมภาษณ์แบบสำรวจของเราผู้ตอบต้องขับรถ แทนที่ใช้สาธารณะมากมายการขนส่งเนื่องจากความสะดวกสบาย อย่างไรก็ตาม เมื่อมีtrade-off ระหว่างความสะดวกเวลาเดินทาง จะเหมาะงานกราฟฟิกตัวเดิน โดยการเลือกสถานีขนส่งตลอดการเดินทาง (Debrezionกรัม et al., 2009) ความหลากหลายของการใช้ที่ดินอาจส่งผลกระทบต่อสถานีทางเลือก (Badoe และมิลเลอร์ 2000 Cervero, 1996) ตัวอย่าง การห้างขนาดใหญ่ สายพานคเวสท์ ถูกตามของเราเป็นหนึ่งในเหตุผลที่ผู้ตอบจะเลือกสถานี Cannington ที่ใกล้สถานี อัตราทางเลือกสำหรับสถานี Cannington ถูกเพียง 26.9%ข้อจำกัดบางประการของการศึกษานี้มีข้อมูลตัวแปรจำกัดได้รวบรวม (12 ตัวแปรพิจารณา) นอกจากนี้ ครบกำหนดไปความสัมพันธ์ระหว่างตัวแปร ตัวแปรบางอย่างเช่นเวลาเดินทาง(correlated กับระยะทาง), เที่ยวขาเข้า และออกเขต (correlatedมีระยะ), รถไฟ (correlated กับเวลารอ) ความถี่ด้วยตนเองถูกเอาออกจากแบบจำลอง ตัวแปรอื่น ๆ เช่นการจราจรแออัดและที่ดินหลากหลายใช้ควรพิจารณาในการการศึกษาในอนาคตเป็นอีกข้อจำกัดของการศึกษาของผู้ตอบได้ความเข้าใจผิดของคำถามแบบสำรวจ น่า"ซึ่งเมื่อเริ่มเดินทางนั้น"ซึ่งถูกใช้เพื่อรวบรวมสถานที่ผู้ตอบกำเนิด โดยเฉพาะอย่างยิ่งผู้ที่ถูกสัมภาษณ์ในการตอนบ่าย พวกเขาคิดจะออกเดินทางในตอนเช้ามีจุดเริ่มต้นของพวกเขา ในขณะที่บางส่วนของพวกเขากรอกสถานที่กิจกรรมทันทีก่อนจะเหลือสำหรับสถานี ถึงแม้ว่าเราเอาผลลัพธ์บาง unreasonable เอง ยังบางย่อข้อมูล ด้านอื่น ๆ ที่เกี่ยวข้องกับรหัสทางภูมิศาสตร์ เนื่องจากข้อมูลขาดหายไปของแลนด์มาร์คและข้อมูลถนนจากการสำรวจ เราใช้ถนนตำแหน่งเซนทรอยด์ หรือชานเมืองเป็นการทดแทน ซึ่งสามารถลดความแม่นยำของรหัสทางภูมิศาสตร์ จากการสำรวจต่อไป เราจะปรับปรุงแบบสอบถามออกแบบเพื่อตอบสนองนี้จากนโยบายการขนส่งสาธารณะชี้ดู ผลของการกระดาษบ่งชี้ว่า ควรจ่ายความสนใจผู้ส่งต่อที่เลือกไม่ใช่เชลยสถานีเนื่องจากความไม่แน่นอนเพิ่มเติมเกี่ยวข้องกับทางสถานีไม่ใช่เชลยกว่าสถานีภายในกิจการและเลือกRandomness นี้อาจเนื่องจากสาเหตุเช่น สายออก น้อยโอกาสที่ได้จอดในสถานีที่ใกล้ที่สุดและเดินทางหลายวัตถุประสงค์ ทำงานในอนาคตของเราจะตรวจสอบเพิ่มเติมว่าrandomness อาจจะเกี่ยวข้องในพฤติกรรมทางสถานีThis study provides evidence as to why some transit users donot choose the nearest station from their origin. The results of thisstudy will be of importance to public transit policy makers, urbanplanners and researchers, particularly the Public TransportAuthority, to understand transit choice behaviours. Thereforepublic transport policies such as adjustments of travel fees andimproving station service and facilities, could be developed. Themajor contribution of this study is the development of a systematicapproach for identifying variables affecting the nearest stationchoice. The method is reproducible and generalisable internationallyto other studies.

ผลลัพธ์ (ไทย) 2:

เป็นข้อยกเว้นของการเดินทางสามโซน ($ 4.9) และสี่โซน
($ 5.8) รูปแบบที่ไม่เป็นเชลยแสดงให้เห็นว่ามีน้อยกว่า 50%
โอกาสสำหรับสถานีรับเลือกให้เป็นสถานีที่ใกล้ที่สุดหากเดินทางระยะทาง 10 กิโลเมตรเป็น
ไม่มีการเดินทางในช่วงห้าโซน ($ 7.10) ถูกระบุว่าสำหรับการเดินทางการขนส่งที่เกี่ยวข้องกับสถานีที่ไม่ได้เป็นเชลย ผลที่ได้นี้อาจตีความได้ว่าคาดหวังสำหรับการลดระยะทางกลยุทธ์อื่นๆ เช่นค่าใช้จ่ายและเวลาในการเดินทางลดกลยุทธ์และวัตถุประสงค์หลายเดินทางสูงสุดยูทิลิตี้จะได้เล่นบทบาทที่สำคัญในการตัดสินใจของการเดินทางประเภทนี้ นอกจากนี้ความไม่แน่นอนของการเดินทางมากขึ้นเช่นความพร้อมของที่จอดรถอาจจะมีส่วนร่วมในสถานีที่ไม่ใช่นักโทษทางเลือกที่มากกว่าทางเลือกที่สถานีเชลย. การทดสอบความไวของถูกยังดำเนินการโดยใช้โลจิสติกแบบการถดถอยแสดงในตารางที่ 5 การระบุอิทธิพลในสถานีที่ใกล้ที่สุดทางเลือกสำหรับระยะการเดินทาง (จากต้นทางไปยังหนึ่งสถานีที่เลือก) และไม่ว่าจะเป็นสถานีห่างไกลจากต้นกำเนิดและสถานที่ท่องเที่ยว พล็อตไวผลสำหรับเชลยสถานีที่แสดงในรูป 5 แสดงให้เห็นว่าน่าจะเป็นที่คาดการณ์ของการเลือกสถานีที่ใกล้ที่สุดลดลงเป็นระยะการเดินทางที่เพิ่มขึ้นไม่ว่าจะเป็นสถานีต่อไปออกไปหรือไม่ โดยทั่วไปการพูดที่คาดการณ์ความน่าจะเป็นของการเลือกสถานีที่ใกล้ที่สุดคือที่สูงขึ้นสำหรับสถานีที่ไม่ได้ต่ออยู่ห่างออกไปกว่าที่อยู่ห่างออกไปอีกสถานี ตามรูป 5, 10 กม. ระยะทางในการเดินทางที่คาดการณ์ความน่าจะเป็นของทางเลือกสถานีที่ใกล้ที่สุดคือมากกว่า85% สำหรับสถานี nonfurther อยู่ห่างออกไป ในการเปรียบเทียบมันมีค่าน้อยกว่า 60% สำหรับ further- ไปสถานี. 6 การอภิปรายและข้อสรุปบทความนี้นำไปใช้รูปแบบการถดถอยโลจิสติกที่จะเข้าใจพฤติกรรมที่ใกล้ที่สุดทางเลือกของผู้ใช้สถานีขนส่ง ผลการศึกษาแสดงให้เห็นว่าทางเลือกสถานีที่ใกล้ที่สุดขึ้นอยู่กับสถานที่ตั้งของสถานีและลักษณะของสถานีขนส่งและผู้ใช้ เมื่อสถานีรับเลือกตั้งอยู่ที่สิ้นสุดหรือใกล้ถึงจุดสิ้นสุดของรถไฟสาย(สถานีเชลย) นี้เหลือผู้ใช้การขนส่งกับสถานีมากน้อยทางเลือกกว่าสถานีที่ตั้งอยู่ตามแนว(สถานีที่ไม่ได้เป็นเชลย). นอกจากนี้ยังหมายความว่าน้อย ตัวแปรที่มีอิทธิพลต่อการสถานีที่ใกล้ที่สุดทางเลือก ตัวอย่างเช่นเพียงสองตัวแปรระยะทางและสถานีที่ตั้งในแง่ของทิศทางปลายทาง (ต่อออกไปหรือ nonfurther ไป) -were ที่เกี่ยวข้องกับรูปแบบการเป็นเชลย ขึ้นอยู่กับเราสำรวจเหตุผลที่ผู้ใช้เลือกสถานีห่างไกลจากต้นทางและปลายทางของพวกเขาseat- และที่จอดรถว่างโดยเฉพาะอย่างยิ่งในอดีต นี้ชี้ให้เห็นว่าเบียดเสียดบนรถไฟได้กลายเป็นปัญหาในออสเตรเลียตะวันตกซึ่งสามารถจัดการได้โดยกำลังการผลิตที่เพิ่มขึ้นรถไฟและความถี่(Li และ Hensher 2012), การให้บริการที่ดีกว่าและการออกแบบเช่นการปรับปรุงคุณภาพอากาศและการไหลเวียน (ธ อมป์สันและอัล 2012) ถ้าเลือกสถานีที่ตั้งอยู่ไกลออกไปตามแนวรถไฟตัวแปรมากขึ้นจะส่งผลกระทบทางเลือกสถานีที่ใกล้ที่สุดของการขนส่งผู้ใช้ ขึ้นอยู่กับรูปแบบของเรายกเว้นระยะทาง, ค่าใช้จ่ายในการเดินทางและรอเวลาที่พบว่ามีอิทธิพลอย่างมีนัยสำคัญทางเลือก ที่น่าสนใจผู้ใช้การขนส่งก็เต็มใจที่จะขับรถหรือขึ้นรถบัสที่จะเดินทางไปนิด ๆ หน่อย ๆ อีกต่อปลายทางของพวกเขาเพื่อลดการขนส่งรอเวลาและค่าใช้จ่ายในการเดินทาง สองตัวแปรความแออัดการจราจรมากขึ้นและการเดินทางสะดวกสบายแม้จะไม่ได้ถูกจับกุมโดยรูปแบบที่ถูกพบว่ามีผลบังคับใช้กับสถานการณ์เช่นนี้จากการสัมภาษณ์การสำรวจของเรา. หลายคนของผู้ตอบแบบสอบถามที่ต้องการขับรถมากกว่าการใช้ที่สาธารณะการขนส่งเนื่องจากความสะดวกสบายและความสะดวกสบาย แต่เมื่อมีการออกระหว่างความสะดวกและเวลาในการเดินทางของพวกเขาที่ดีที่สุดการเดินทางของพวกเขาโดยการเลือกสถานีขนส่งพร้อมเดินทางของพวกเขา(Debrezion, กรัม, et al., 2009) นอกจากนี้ยังมีความหลากหลายของการใช้ประโยชน์ที่ดินอาจมีผลต่อสถานีทางเลือก (Badoe และมิลเลอร์, 2000; Cervero, 1996) ยกตัวอย่างเช่นศูนย์การค้าขนาดใหญ่เวสต์ฟิลด์ม้าหมุนถูกระบุโดยเราตอบแบบสอบถามเป็นหนึ่งในเหตุผลที่พวกเขาเลือกที่สถานีCannington สถานีอัตราทางเลือกที่ใกล้ที่สุดสำหรับสถานี Cannington เป็นเพียง 26.9%. ข้อ จำกัด บางประการของการศึกษานี้คือข้อมูลตัวแปร จำกัดที่ถูกเก็บรวบรวม (12 ตัวแปรการพิจารณา) นอกจากนี้เนื่องจากความสัมพันธ์ระหว่างตัวแปรตัวแปรเช่นเวลาในการเดินทางบางส่วน(ความสัมพันธ์กับระยะทาง), ขาเข้าและออกเดินทางผูกพัน (ความสัมพันธ์กับระยะทาง) ความถี่รถไฟ (ความสัมพันธ์กับเวลาที่รอคอย) ถูกถอดออกด้วยตนเองจากรูปแบบ ตัวแปรอื่น ๆ เช่นการจราจรแออัดและความหลากหลายของการใช้ประโยชน์ที่ดินที่ควรพิจารณาในการศึกษาในอนาคต. ข้อ จำกัด ของการศึกษาก็คือว่าบางส่วนของผู้ตอบแบบสอบถามมีความเข้าใจผิดของคำถามของการสำรวจ"ที่ไหนและเมื่อไหร่ที่คุณเริ่มต้นการเดินทาง" ซึ่งถูกใช้ในการ เก็บรวบรวมสถานที่ตั้งของแหล่งกำเนิดผู้ตอบแบบสอบถามโดยเฉพาะผู้ที่ถูกสัมภาษณ์ในช่วงบ่าย พวกเขาคิดว่าสถานที่ที่พวกเขาออกไปในตอนเช้าคือจุดเริ่มต้นของพวกเขาในขณะที่บางส่วนของพวกเขาเต็มไปอยู่ในตำแหน่งของกิจกรรมในทันทีก่อนที่พวกเขาทิ้งไว้ให้สถานี ถึงแม้ว่าเราจะได้ลบผลการค้นหาที่ไม่มีเหตุผลด้วยตนเองยังคงมีความคลุมเครือในข้อมูลบางส่วน ด้านอื่น ๆ ที่เกี่ยวข้องกับการgeocoding เนื่องจากไม่มีข้อมูลข้อมูลสถานที่สำคัญและสถานที่จากการสำรวจเราได้ใช้ถนนที่ตั้งของเซนทรอยด์หรือชานเมืองเป็นทดแทนซึ่งสามารถลดความถูกต้องของgeocoding ในการสำรวจต่อไปเราจะปรับปรุงแบบสอบถามการออกแบบเพื่อรองรับการนี้. จากนโยบายการขนส่งสาธารณะมุมมองจุดผลของกระดาษที่แสดงให้เห็นว่าให้ความสนใจควรจะจ่ายให้กับผู้ใช้การขนส่งที่เลือกสถานีที่ไม่ได้เป็นเชลยเพราะความไม่แน่นอนมากขึ้นได้รับการมีส่วนร่วมในทางเลือกสถานีที่ไม่ได้เป็นเชลยกว่าทางเลือกที่สถานีเชลย. สุ่มซึ่งอาจเกิดจากเหตุผลเช่นการเดินทางในช่วงปลายน้อยโอกาสที่จะได้รับการจอดรถในสถานีที่ใกล้ที่สุดและหลายเดินทางวัตถุประสงค์ การทำงานในอนาคตของเราต่อไปจะตรวจสอบเท่าใดสุ่มสามารถมีส่วนร่วมในพฤติกรรมทางเลือกที่สถานี. การศึกษาครั้งนี้มีหลักฐานว่าทำไมผู้ใช้การขนส่งบางคนไม่ได้เลือกสถานีที่ใกล้ที่สุดจากการกำเนิดของพวกเขา ผลจากการนี้การศึกษาจะมีความสำคัญในการกำหนดนโยบายการขนส่งสาธารณะในเมืองนักวางแผนและนักวิจัยโดยเฉพาะอย่างยิ่งระบบขนส่งสาธารณะผู้มีอำนาจเพื่อให้เข้าใจพฤติกรรมทางเลือกการขนส่ง ดังนั้นนโยบายการขนส่งสาธารณะเช่นการปรับค่าการเดินทางและการปรับปรุงการบริการและสิ่งอำนวยความสะดวกที่สถานีจะได้รับการพัฒนา ผลงานที่สำคัญของการศึกษานี้คือการพัฒนาของระบบวิธีการสำหรับการระบุตัวแปรที่ส่งผลต่อสถานีที่ใกล้ที่สุดทางเลือก วิธีการที่สามารถทำซ้ำและ generalisable ต่างประเทศเพื่อการศึกษาอื่นๆ

ผลลัพธ์ (ไทย) 3:

เป็นข้อยกเว้นของการเดินทาง 3 โซน ( $ 4.9 ) และสี่โซน
( $ 8 ) ไม่ใช่เชลยแบบจำลองพบว่ามีไม่ถึง 50 %
โอกาสเลือกสถานี เป็นสถานีที่ใกล้ที่สุด ถ้าระยะการเดินทาง
10 กิโลเมตร เดินทางไม่เกิน
5 โซน ( $ 7.10 ) ถูกระบุสำหรับการเดินทางที่เกี่ยวข้องกับการขนส่ง
ไม่ไปสถานี นี้อาจจะตีความว่า คาดหวังผล

สำหรับระยะทางลดกลยุทธ์อื่น ๆ เช่น ต้นทุน และเวลาในการเดินทางลด
กลยุทธ์และทำให้มีสูงสุดยูทิลิตี้อเนกประสงค์เที่ยวเล่น
บทบาทสำคัญตัดสินใจชนิดนี้เดินทาง นอกจากนี้
เดินทางมากขึ้น ความไม่แน่นอน เช่น ความพร้อมของรถ อาจเกี่ยวข้องกับเชลยสถานีไม่
เลือกมากกว่าการเลือกสถานีที่เป็นเชลย
ไวทำการดำเนินการโดยใช้ Logistic
แบบจำลองการถดถอยในตารางที่ 5 แสดงถึงอิทธิพล
ทางเลือกสำหรับการเดินทางระยะทางที่ใกล้ที่สุดสถานี ( จากที่มากับ
เลือกสถานี ) และไม่ว่าสถานีห่างจาก
กำเนิดและจุดหมายปลายทาง ผลความไวลงสถานีเชลย
, แสดงในรูปที่ 5 พบว่าการทำนายความน่าจะเป็น
เลือกสถานีที่ใกล้ที่สุดเท่าที่
ระยะการเดินทางลดลงเพิ่ม ไม่ว่าสถานีไกลออกไปหรือไม่ โดยทั่วไป
พูดทำนายความน่าจะเป็นของการเลือก
สถานีที่ใกล้ที่สุดคือ สูงกว่าไม่ใช่ห่างสถานีกว่าห่าง
สถานี ตามภาพที่ 5 ในการเดินทางระยะทาง 10 กม. คาดการณ์
ความน่าจะเป็นของทางเลือกที่สถานีที่ใกล้ที่สุดคือ กว่า 85% สำหรับ nonfurther ห่างสถานี ในการเปรียบเทียบ มันน้อยกว่า 60% -
ต่อไป