- ข้อความ
- ประวัติศาสตร์
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.
($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.
0/5000
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 traveldistance was 10 km. No travel overfive zones ($7.10) was identifiedfor the transit trip involving in non-captive stations. This resultcould be interpreted that expect for a distance minimisationstrategy, others such as cost and travel time minimisationstrategies and multi-trip purpose utility maximisation could playimportant roles to the decision maker of this type trips. In addition,more travel uncertainty, such as availability of parking, could beinvolved in non-captive station choice than captive station choice.A sensitivity test was also conducted using the logisticregression model shown in Table 5 to identify the influence onthe nearest station choice for travel distance (from an origin to achosen station) and whether the station is further away fromorigins and destinations. The resulting sensitivity plot for captivestations, shown in Fig. 5, indicates that the predicted probabilitiesof choosing the nearest station decrease as travel distanceincreases, whether the station is further-away or not. Generallyspeaking, the predicted probability of choosing the nearest stationis the higher for non-further-away stations than further-awaystations. According to Fig. 5, at 10 km travel distance, the predictedprobability 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 conclusionsThis paper applied Logistic regression models to understand thenearest station choice behaviours of transit users. The studyrevealed that the nearest station choice depended on the locationof station, and characteristics of stations and transit users. Whenthe chosen station was located at the end or near the end of a trainline (captive stations), this left transit users with much less stationchoice than a station located along the line (non-captive stations).This also means that less variables influence the nearest stationchoice. For example, only two variables—distance and stationlocation in terms of destination direction (further-away or nonfurtheraway)—were relevant for the captive model. Based on oursurvey, the reasons why users choose a station further away fromtheir origin and destination are seat- and parking-availability,particularly the former. This suggested that crowding on trains wasbecoming an issue in Western Australia, which can be managed byincreasing train capacity and frequency (Li and Hensher, 2012),providing better service and design, such as improving air qualityand 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 transitusers. Based on our model, except distance, travel cost and waitingtime were found to significantly influence the choice. Interestingly,transit users were willing to drive or take a bus to travel a little bitfurther towards their destination in order to decrease transitwaiting time and travel cost. Two more variables—traffic congestionand travel comfort—although not captured by the model, werefound to be applicable to this situation from our survey interviews.Many of the respondents preferred driving rather than using publictransport due to convenience and comfort. However, when there isa trade-off between convenience and travel time, they optimisedtheir trips by choosing a transit station along their trip (Debrezion,G., et al., 2009). In addition, land use diversity could affect stationchoice (Badoe and Miller, 2000; Cervero, 1996). For example, alarge shopping center, Westfield Carousel, was indicated by ourrespondents as one of reasons they chose Cannington station. Thenearest station choice rate for Cannington station is only 26.9%.Some limitations of this study are that limited variable datawere collected (12 variables considered). In addition, due tocorrelation between variables, some variables such as travel time(correlated with distance), inbound and out bound trip (correlatedwith distance), train frequency (correlated with waiting time)were manually removed from model. More variables such as trafficcongestion and land use diversity should be considered in thefuture study.Another limitation of the study is that some of respondents hada misunderstanding of the survey question of “Where and whendid you start that trip” which was used to collect the location of therespondents’ origin, especially those who were interviewed in theafternoon. They thought the place they departed in the morningwas their origin, while some of themfilled in the location of theactivity immediately before they left for a station. Although wehave removed some unreasonable results manually, there was stillsome ambiguity in the data. The other aspect is related togeocoding. Due to missing data of the landmark and street datafrom the survey, we have used the centroid location streets orsuburbs as a substitution, which could reduce the accuracy ofgeocoding. In next survey, we will improve the questionnairedesign to cater for this.From a public transport policy point view, the result of thepaper indicates that attention should be paid to the transit userswho chose non-captive stations because more uncertainty wasinvolved in non-captive station choice than captive station choice.This randomness could due to reasons such as, late departure, lesslikelihood to get parking in the nearest station and multi-trippurpose. Our future work will further investigate how muchrandomness could be involved in the station choice behaviour.This 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.
การแปล กรุณารอสักครู่..
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
($ 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
การแปล กรุณารอสักครู่..
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
ระยะการเดินทางลดลง
( $ 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
ระยะการเดินทางลดลง
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- Materials and Preparation
- conclusion
- Yoona's donor is yuri waaaaah T.T for je
- It must be awesome
- acknowledgment
- ในปัจจุบัน ประเทศต่างๆ
- Based onthis observation
- วัสดุ
- Many people flying into Phuket will have
- เหนื่อยจากทำงานแล้วยังต้องมารับมือกับลูก
- a critical element indeveloping the sout
- and prepare teams to maintaineffective f
- The ubosoth is style Rattanakosin applie
- Records containing dose information from
- Based onthis observation
- and prepare teams to maintaineffective f
- วัตถุดิบกะทิ 250 กรัมน้ำตาล 50-80 กรัม (
- ฉันไม่เข้าใจ
- คุณคิดว่ารสชาติอาหารไทยแตกต่างจากอาหารเก
- This is a place where dairy farming and
- I will be waiting
- This waterfall is shaded and has a great
- CUT US SOME SLACK, OKAY~?
- พ.ศ. 2526 คุณก่อตั้งบริษัทอะไร
