time. This shows that waiting time

time. This shows that waiting time is more onerous for passengers than in-vehicle travel time, as reported in similar studies. Besides, the subjective value of the in-vehicle travel time is around 6.9 $/h. On the other hand, value of waiting time is equal to 26.4 $/h for all transit riders.


As for the effect of transit technology, it is clearly shown that transit users have negative perception for street transit (e.g.streetcar and bus) compared to the rapid transit option (e.g. subway). Moreover, the model also shows that females are more likely to take public transit and less likely to cycle than males. Further, it is found that younger commuters (18–35 years) have high propensity to walk. On the other hand, auto ownership has a positive sign associated with car use as expected. This might be considered an early indication of car use habit formation.
The presented RP data-based mode choice model explicitly models auto drive and auto passenger trips as separate modes of travel. This implies that this basic model structure is well suited to the analysis of car driver and auto passenger related policies (e.g. toll, HOV lane implementations, etc.). However, it must be noted that this model is very simple and may suffer from the major drawbacks of traditional mode choice models. Therefore, this model is not useful for detailed mode shift analysis.


The developed RP data-based mode choice model presents an important first step towards a policy sensitive model of
shifting to public transit, yet much work remains to actually achieve full policy sensitivity. In order to improve the capabilities of the developed model, behavioural factors are introduced to the model structure as latent variables in the following section

ผลลัพธ์ (ไทย) 1:

ครั้ง นี้แสดงให้เห็นว่า เวลารอสร้างสำหรับผู้โดยสารกว่าเวลาเดินทางในรถ เป็นรายงานในการศึกษาคล้ายกัน ใช้เวลาเดินทางในรถค่าเรื่องเป็นประมาณ 6.9 $ชั่วโมง บนมืออื่น ๆ ค่าเวลาในการรอไม่เท่า กับ/h $ 26.4 สำหรับผู้ขับขี่ขนส่งทั้งหมดสำหรับผลกระทบของเทคโนโลยีการขนส่ง มันเป็นอย่างชัดเจนแสดงว่า ผู้ขนส่งมีการรับรู้เชิงลบสำหรับถนนขนส่ง (รถและ e.g.streetcar) เทียบกับตัวเลือกการส่งต่ออย่างรวดเร็ว (เช่นรถไฟใต้ดิน) นอกจากนี้ แบบยังแสดงว่าหญิงน่าจะขนส่งสาธารณะ และโอกาสน้อยที่จะวนกว่าเพศผู้ เพิ่มเติม มันจะพบว่า คนอายุน้อย (18-35 ปี) มีนิสัยชอบสูงเดิน คง เจ้าของรถยนต์มีสัญญาณบวกที่เกี่ยวข้องกับรถยนต์ใช้ตามที่คาดไว้ นี้อาจเป็นการบ่งชี้เริ่มต้นของการสร้างนิสัยการใช้รถแบบเลือกใช้ข้อมูลโหมด RP นำเสนอแบบอัตโนมัติขับและรถยนต์โดยสารเดินทางเป็นโหมดแยกต่างหากของการเดินทางอย่างชัดเจน บ่งชี้ว่า โครงสร้างพื้นฐานแบบนี้จึงเหมาะกับการวิเคราะห์ของรถโดยสารอัตโนมัติและโปรแกรมควบคุมที่เกี่ยวข้องกับนโยบาย (เช่นโทร งานเลน HOV ฯลฯ) อย่างไรก็ตาม มันต้องสังเกตว่า รูปแบบนี้ง่ายมาก และอาจได้รับจากข้อด้อยสำคัญของรูปแบบเลือกโหมดดั้งเดิม ดังนั้น รุ่นนี้ไม่มีประโยชน์สำหรับการวิเคราะห์การเปลี่ยนโหมดรายละเอียดแบบเลือกใช้ข้อมูลโหมด RP พัฒนานำเสนอแบบจำลองนโยบายสำคัญของก้าวแรกที่สำคัญเปลี่ยนการขนส่งสาธารณะ แต่ทำงานมากยังคงจริง บรรลุนโยบายเต็มไว เพื่อปรับปรุงความสามารถของแบบจำลองพัฒนาขึ้น ปัจจัยพฤติกรรมนำมาใช้ในโครงสร้างแบบเป็นตัวแปรแฝงอยู่ในส่วนต่อไปนี้

ผลลัพธ์ (ไทย) 2:

เวลา. นี้แสดงให้เห็นว่าเวลาที่รอคอยเป็นภาระมากขึ้นสำหรับผู้โดยสารกว่าเวลาในการเดินทางในรถขณะที่รายงานในการศึกษาที่คล้ายกัน นอกจากนี้ค่าอัตนัยของเวลาในการเดินทางในรถจะอยู่ที่ประมาณ 6.9 $ / ชั่วโมง บนมืออื่น ๆ , ค่าของเวลาที่รอคอยจะมีค่าเท่ากับ 26.4 $ / ชั่วโมงสำหรับผู้ขับขี่ขนส่งทั้งหมด. ในฐานะที่เป็นผลกระทบของเทคโนโลยีการขนส่งมันก็แสดงให้เห็นอย่างชัดเจนว่าผู้ใช้ขนส่งมีทัศนคติในแง่ลบสำหรับการขนส่งสถานที่ (egstreetcar และรถบัส) เมื่อเทียบกับ ตัวเลือกการรถไฟฟ้าขนส่งมวลชน (เช่นสถานีรถไฟใต้ดิน) นอกจากนี้รูปแบบยังแสดงให้เห็นว่าผู้หญิงมีแนวโน้มที่จะใช้การขนส่งสาธารณะและโอกาสน้อยที่จะรอบกว่าเพศชาย ต่อไปก็พบว่าผู้โดยสารที่มีอายุน้อย (18-35 ปี) มีนิสัยชอบสูงที่จะเดิน บนมืออื่น ๆ ที่เป็นเจ้าของรถยนต์มีสัญญาณบวกที่เกี่ยวข้องกับการใช้รถตามที่คาดไว้ นี้อาจได้รับการพิจารณาเป็นข้อบ่งชี้ในช่วงต้นของการสร้างนิสัยการใช้รถ. ที่นำเสนอข้อมูล RP-based โหมดรูปแบบทางเลือกที่ชัดเจนรูปแบบไดรฟ์อัตโนมัติและผู้โดยสารรถยนต์การเดินทางเป็นโหมดที่แยกต่างหากจากการเดินทาง ซึ่งหมายความว่าโครงสร้างพื้นฐานรูปแบบนี้จะเหมาะกับการวิเคราะห์ของผู้ขับขี่รถยนต์และรถยนต์โดยสารนโยบายที่เกี่ยวข้อง (เช่นโทร HOV การใช้ช่องทางอื่น ๆ ) อย่างไรก็ตามจะต้องมีการตั้งข้อสังเกตว่ารูปแบบนี้เป็นเรื่องง่ายมากและอาจต้องทนทุกข์ทรมานจากข้อบกพร่องที่สำคัญของดั้งเดิมแบบจำลองทางเลือกโหมด ดังนั้นรูปแบบนี้ไม่เป็นประโยชน์สำหรับการวิเคราะห์การเปลี่ยนแปลงรายละเอียดของโหมด. พัฒนา RP ข้อมูลตามรูปแบบทางเลือกโหมดนำเสนอขั้นตอนแรกที่สำคัญต่อนโยบายรูปแบบที่มีความสำคัญของการขยับไปขนส่งสาธารณะยังทำงานมากยังคงที่จริงบรรลุความไวนโยบายฉบับเต็ม เพื่อเพิ่มขีดความสามารถของรูปแบบการพัฒนาปัจจัยพฤติกรรมที่มีการแนะนำให้รู้จักกับรูปแบบโครงสร้างเป็นตัวแปรแฝงอยู่ในส่วนต่อไปนี้

ผลลัพธ์ (ไทย) 3:

เวลา นี้แสดงให้เห็นว่าเวลาที่รอคอยจะหนักมากขึ้นสำหรับผู้โดยสารมากกว่าเวลาในการเดินทางยานพาหนะ ตามที่รายงานในการศึกษาที่คล้ายคลึงกัน นอกจากนี้ ค่าของเวลาในการเดินทางรถยนต์ส่วนตัวประมาณ 6.9 $ / ชั่วโมง บนมืออื่น ๆ , ค่าเวลารอเท่ากับ 26.4 $ / h สำหรับผู้ขับขี่ขนส่งทั้งหมดสำหรับผลกระทบของการขนส่งเทคโนโลยี มันเป็นอย่างชัดเจนแสดงให้เห็นว่าผู้ใช้ขนส่งมีการรับรู้เชิงลบสำหรับถนนขนส่ง ( e.g.streetcar และรถบัส ) เทียบกับขนส่งมวลชนทางเลือก ( เช่นรถไฟใต้ดิน ) นอกจากนี้ รูปแบบยังแสดงให้เห็นว่าผู้หญิงมีแนวโน้มที่จะใช้ขนส่งสาธารณะและน้อยแนวโน้มที่จะรอบกว่าตัวผู้ เพิ่มเติม พบว่า น้องผู้โดยสาร ( 18 – 35 ปี ) มีความโน้มเอียงสูงเดิน บนมืออื่น ๆที่เจ้าของรถยนต์ได้เป็นสัญลักษณ์ที่เกี่ยวข้องกับรถยนต์ใช้งานตามที่คาดไว้ นี้อาจจะมีการพิจารณาข้อบ่งชี้แรกของรถใช้ความเคยชินก่อตัวเสนอข้อมูล RP ใช้โหมดเลือกรูปแบบอย่างชัดเจนรูปแบบอัตโนมัติไดรฟ์และรถยนต์โดยสารเดินทางแยกโหมดของการเดินทาง แสดงว่าพื้นฐานโครงสร้างแบบจำลองที่เหมาะกับการวิเคราะห์ของคนขับและผู้โดยสารรถยนต์รถยนต์นโยบายที่เกี่ยวข้อง ( เช่นโทร HOV เลนงาน ฯลฯ ) อย่างไรก็ตาม จะต้องมีการตั้งข้อสังเกตว่ารูปแบบนี้เป็นเรื่องง่ายมากและอาจประสบจากข้อบกพร่องที่สำคัญของแบบจำลองการเลือกรูปแบบดั้งเดิม ดังนั้นแบบจำลองนี้ไม่ได้เป็นประโยชน์สำหรับการวิเคราะห์เปลี่ยนโหมดรายละเอียดพัฒนาข้อมูล RP ใช้โหมดเลือกรูปแบบนำเสนอที่สำคัญขั้นตอนแรกที่มีต่อนโยบายสำคัญรูปแบบเปลี่ยนการขนส่งสาธารณะ , ยังทำงานมากยังคงจริง บรรลุความนโยบายเต็ม เพื่อปรับปรุงความสามารถของแบบจำลองที่พัฒนาขึ้น ปัจจัยทางพฤติกรรมจะใช้โครงสร้างเป็นแบบมีตัวแปรแฝง ในส่วนต่อไปนี้