英文專業(yè)文獻翻譯

1、英文專業(yè)文獻翻譯題目:基于層次樹狀回歸模型對中國大學生的出行頻率與出行方式選擇模式研究姓名:郝鵬程學院:工學院專業(yè):交通運輸班級:交運122學號:指導教師:劉楊職稱:副教授2016年1月18日南京農業(yè)大學教務處制基于層次樹狀回歸模型對中國大學生的出行頻率與出行方式選擇模式研究Guangjun Zhan a, XuedongYan a,*, ShanjiangZhu b, YunWang aaMOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology, Beijing Jiaotong Uni

2、versity ,Beijing ,PR ChinabGeorge Mason University, Sid and Reva Dewberry Department of Civil, Environmental, and Infrastructure Engineering, 4400 University Drive, MS6C1, Fairfax, VA 22030, USA文章信息：文章歷史：2014年10月17日公認2015年7月31日修訂格式2015年9月14日認證2015年9月25日可從網(wǎng)絡下載文章關鍵詞：大學生； 出行頻率； 選擇模式； 層次樹狀回歸摘要：本文采用了非參數(shù)統(tǒng)

3、計方法，樹狀層次回歸（HTBR）模型，利用一個基于網(wǎng)絡的出行調查收集的數(shù)據(jù)，來探究中國大學生的出行頻率和出行方式選擇模式。在此研究中，構建樹狀層次回歸（HTBR）模型來預測學生的出行頻率和出行選擇模式進行歸類。研究表明學生的年級班級，學校所在的城市，公交站點覆蓋率（PTSCR），和家庭收入對學生出行頻率的影響，并且出行的距離，自行車的所有權，學校所在的城市，公交站點覆蓋率（PTSCR），學生的性別與學生的出行選擇模式密切相關。研究結果揭示了在中國非計集水平的大學生的出行特征，并且提供了信息以更好地了解他們的出行行為。1 引言中國的高等教育正在不斷地成熟，變化與發(fā)展。根據(jù)中華人民共和國教育部的數(shù)

4、據(jù)統(tǒng)計，在2012年，中國已經(jīng)擁有超過2000所大學和學院，并且擁有超過2560萬的全日制本科生與研究生，學生總數(shù)幾乎中國總人口的2%。(/publicfiles/business/htmlfiles/moe/s7567/index.html)。然而，中國高等教育資源空間分布嚴重失衡(Xue 和 Xue,2002)。具體而言，很多的大學和學院都集中于大城市，典型的例如被稱為“中國主要三大教育中心”的北京，上海，南京。這些城市都具有蓬勃發(fā)展的經(jīng)濟，高度的人口密度和良好的交通服務，全部的這些因素都被證明對高等教育具有重要影響。(Taylor,2009; Mc

5、Cray and Brais,2007;Kenyon,2011)。中國的大城市能提供更好的教育資源和就業(yè)機會這一觀點是被廣泛接受的，這會鼓勵越來越多的學生涌入這些大城市來尋求更好地教育和就業(yè)機會。高等教育機構的集中度也都出現(xiàn)在特大城市。這一部分城市通常被稱為“高等教育地區(qū)”。這些地區(qū)包括北京市的海淀區(qū)，上海市的楊浦區(qū)，南京市的鼓樓區(qū)，在這些區(qū)域中，大學校園在城市土地利用和交通運輸發(fā)展中起到了重要的作用。在中國高等教育區(qū)域，大學校園是一個往往具有獨特交通需求的特殊社區(qū)。一般來說，大學校園是這樣一個獨特的社區(qū)，不同的背景，不同的家庭收入，不同的生活方式和態(tài)度的學生在一起生活，學習和娛樂（Balsa

6、s, 2003）。大學學生的上課日程表都是間歇的，以此可以讓學生們在幾乎一整天的時間來參加各種活動（Limanond 等 2011）。在中國，大多數(shù)的大學生都沒有固定收入，而是依靠他們的父母來支付教育費用和生活支出。為了減少中國大學生的住宿費用和便于校園管理，大學校園為住宿在學校的大學生提供了宿舍和食堂，并且政府來發(fā)放補貼來減少學生的生活費用。因此，大多數(shù)學生的學習，生活等日?；顒佣荚诖髮W校園內部發(fā)生。這種情況的結果是中國的大學校園具有很高的學生密度。具體而言，高密度集中的生活環(huán)境對不允許大學生使用私家車這一規(guī)定進行了嚴格的控制和管理，這一規(guī)定與一些國家和地區(qū)的情況完全不同，例如美國和歐洲等國

7、家，這些國家更加注重學生的停車問題(Poinsatte 和 Toor, 2001; Jessup 等, 1990)。對交通發(fā)展形勢與出行需求的探索和認識是制定交通運輸發(fā)展策略，政策和規(guī)劃的基本的要求。一般來說，國家范圍內或者城市范圍內的出行調查通常是在許多城市（奧克蘭，倫敦，悉尼，華盛頓等）或是許多國家（丹麥，德國，英國，美國等）內進行的來估量普通人群的出行行為。在中國具體來說，一些特大城市進行了城市范圍內的出行調查，例如2009年的上海市第四次綜合出行調查和2010年的北京市綜合出行調查，旨在調查一般人群的出行行為和改善城市交通模式。然而，這些調查作為家庭出行調查的其中一類，最具有代表性的是

8、中國大學生。首先，如上所述，學生的日?；顒樱▽W習，飲食和生活，都是主要在大學校園內進行的，這與像工作和購物的一般的家務活動是完全不同的。其次，大學代表的是一種更宜居，友好型可選擇出行方式的生活環(huán)境，并且比其他的生活環(huán)境具有更大的密度，此外大學還提供混合型出行模式（Khattak 等 2011)。因此，大學生出行行為的探究可以揭示出校園環(huán)境與學生出行需求之間關系的最基本的，有價值的信息，這對區(qū)域出行需求模型的校準和發(fā)展交通運輸政策是非常重要的。最近幾年，許多中國的大學正在進行建設，或是正在規(guī)劃建設新的校區(qū)以適應越來越多的學生。這些校園會成為附近巨大交通產生量/吸引量的中心。迫切需要更好地規(guī)劃

9、與協(xié)調，來減輕對當?shù)芈肪W(wǎng)的影響，并解決相關的安全問題。鑒于對這一領域缺乏相關文獻，憑借經(jīng)驗為依據(jù)來對校園出行行為進行研究應急需提供一個更有力的指導，有助于未來的一些實驗。為了填補這一方面有關的文獻上的空白，我們對中國大學生進行了基于網(wǎng)絡上的出行調查。值得注意的是，該研究所調查的重點是學生有校內到校外的出行的模式,而不是學生在校園內的各種活動(例如去上課,去食堂,回宿舍)或這是大學通勤的出行行為研究。前者對區(qū)域交通網(wǎng)絡有顯著的影響，并且在區(qū)域交通規(guī)劃中應慎重考慮。該研究的目的是通過基于網(wǎng)絡的交通調查，對中國三個典型的高等教育城市八所高校的校園出行需求特征進行考察。大學生的出行頻率可以在很大程度上

10、來反映校園交通的產生強度，這對于交通規(guī)劃者在精確預測校園交通的發(fā)生來說至關重要。大學校園為中國大學生在給定條件下選擇他們主導出行模式提供了三種可選擇的出行方式：步行，騎自行車與公共交通。以前中國大學生都依賴于傳統(tǒng)的綠色交通出行方式（非私家車），這會對提高校園地區(qū)的公共交通服務水平從而保留促進交通運輸?shù)目沙掷m(xù)發(fā)展是十分重要的。具體來說，采用層次樹狀回歸模型（HTBR）的理論，是以不同學生群體之間根據(jù)自己的年級，性別，家庭收入和是否擁有自行車的情況來研究出行頻率差異和方式選擇模式為特點的研究。鑒于以上內容，本實驗研究旨在對于研究中國大學生由校內到校外的出行的行為提供一個更加容易的理解，并且對中國高

11、校的交通規(guī)劃與管理提出初步建議，來提高大學校園的整體交通服務水平。2文獻綜述2.1大學生出行行為調查文獻綜述大學生的出行行為和社會人口學特征與一般人群大不相同(Khattak 等 2011)。并且一些相關的研究已經(jīng)對大學生出行行為與校園環(huán)境之間的關系進行了探究。在一些社區(qū)，大學校園往往是一個地區(qū)最大的交通發(fā)生源，在許多方面對鄰近的社區(qū)產生了一定的影響，例如在停車，交通，服務等方面。（Balsas, 2003)。日益增加的交通需求加劇了交通擁堵狀況，停車場上土地資源的缺乏，這些情況促使一些研究者更多地關注于在高校環(huán)境中鼓勵可持續(xù)發(fā)展的交通運輸工作(Balsas, 2003; Cole 和 Wri

12、ght, 2003; Toor 和 Havlick, 2004; Shannon 等 2006)。雖然在大學環(huán)境中發(fā)展可持續(xù)化的交通活動只對一個小的地區(qū)和一小部分學生產生影響，而他們會對可持續(xù)化發(fā)展的社區(qū)產生重大的影響（Limanond 等 2011)。具體在中國，大學校園相對于社會環(huán)境是封閉的，校園的邊界（圍墻）使學校交通與本地的交通網(wǎng)絡系統(tǒng)之間的聯(lián)系分隔開來（Sun 等 2011)。然而很高的學生密度產生了巨大的交通量，而且大學校園只有三個或四個門控入口允許社會車輛進出校園，這對校園周邊的鄰近道路造成了沉重的交通壓力，并對當?shù)氐慕煌ㄟ\營和管理產生了一定的影響。因此，研究出行行為與校園環(huán)境特

13、征/交通條件之間的關系是了解中國大學生交通需求的一個重要方向。最近幾年，高校學生的交通運輸狀況日益受到重視。有幾個來自不同國家的研究人員對大學生出行模式不同的方面進行了調查研究。在一個特殊設置的泰國鄉(xiāng)村地區(qū)Limanond 等 (2011)確定了私家車的所有權是學生決策模型的一個最大因素。在一個以205名澳大利亞大學生為實驗樣本的研究Collins 和 Chambers (2005)，研究表明社會公共政策應注重個體的相關運輸與注重環(huán)境理念的情況，以實現(xiàn)運輸方式向公共交通運輸?shù)霓D變。然而在另一篇研究關于澳大利亞大學生通勤模式的文章中，Shannon 等 (2006)，得到這樣的結論，出行時間是學

14、生從汽車出行向自行車或步行出行方式轉變的最大障礙。在波鴻魯爾大學學生網(wǎng)上調查的基礎上Klckner 和 Friedrichsmeier (2011)證明了學生的出行模式?jīng)Q策是由情景因素（基礎設施的有效性，交通情況的便利性，出行特征和出行成本）和心理因素（個人意圖，個人信理念，個人特點與行為規(guī)范）共同決定的。從美國的角度看，Ro- dr guez 和Joo(2004)從使用的來自北卡羅來那大學教堂山的通勤調查的學生和工作人員所得到的數(shù)據(jù)來看，當?shù)氐牡匦闻c人行道的有效性與非機動車模式的吸引力顯著相關。然而Delmelle 和 Delmelle (2012)的結果表明尤其在冬季，提供一個低成本的停車

15、許可證的是發(fā)展短距離汽車通勤的推動者。在弗吉尼亞大學Wang 等 (2012)研究了大學生的出行行為旨在改善區(qū)域性出行需求模型，使用一個基于網(wǎng)絡對老校區(qū)的學生進行調查，他們的結果表明，住在校內或在學校附近的學生更傾向于步行或自行車出行，而不太可能會選擇開車，此外，在另一篇類似的文章中，他們也認為在城市中的大學與在郊區(qū)的大學學生的出行行為也存在差異(Khattak 等 2011).。然而Whalen 等 (2013)得出大學生的出行方式選擇分析結果，以加拿大麥克馬斯特大學作為一個研究實例，他們以個人的觀點發(fā)現(xiàn)，交通成本和如街道和人行道密度的環(huán)境因素對學生的模式選擇上的會有影響。個體因素(通過社會

16、經(jīng)濟學,人口統(tǒng)計學,心理學)會對探究出行行為具有一定影響（Gatersleben 和 Appleton, 2007; Dickinson等2003; Kim 和 Ulfarsson, 2008)。而在最近研究大學生出行行為的文獻中，個體因素也受到越來越多的關注。Eom 等 (2009)認為，對于研究生與非住校學生，在校大學生和校內居民會發(fā)生更多的出行活動。從計劃行為理論的角度來看，Kerr 等 (2010)在三所不同的大學校園內進行了一項在大學生選擇汽車通勤的橫斷面調查的基礎之上對大學生的心理的影響進行了探究，研究結果表明，選擇汽車出行的行為意識是對汽車通勤行為最有力的預測。Delmelle

17、和 Delmelle (2012)認為，男性學生相對與女性學生更加傾向于選擇步行或自行車的出行方式，研究生相對本科生而言也更加傾向于步行或自行車出行。同樣，Zhou (2012)在性別方面與Delmelle 和 Delmelle (2012)的觀點一致。作為實現(xiàn)可持續(xù)發(fā)展交通同時可代替機動車的一種交通工具，自行車在大學校園內短距離出行往往被視為最有可能出行模式轉移方向(Tolley, 1996)。眾所周知，大學生自行車出行的頻率是遠高于一般人群的(Pucher 等 1999)，鼓勵自行車出行的好處也是有很多方面的，例如有助于身心健康，促進交通可持續(xù)發(fā)展，價格低廉(Cavill 和 Watkin

18、s, 2007)。認識到這些因素，Balsas (2003)在8個預選的自行車與行人和諧發(fā)展的校園內分析了自行車出行的水平，并探討了鼓勵大學生自行車出行的政策與實踐，目的是克服未來自行車出行的障礙，并創(chuàng)造一個高效自行車出行，環(huán)境友好型的出行方式。在詳細論述了大學與自行車文化之間的關系后，Bonham 和 Koth (2010)進一步強調解決道路安全及多模式交通出行的問題的重要性，同時也指出通過社會，環(huán)境，政策等方面來培養(yǎng)大學自行車文化是對加強大學生自行車通勤出行時至關重要的?；谏鲜鑫墨I的內容，我們得知，目前還沒有對中國大學生的出行行為的相關研究。顯然，中國大學生的出行行為選擇仍未進行過探究，

19、同時也沒有相關標準的出行需求模型被提出。因此，該研究通過發(fā)展理論旨在了解大學生的出行行為和優(yōu)化大學生的出行需求模型做出了新的嘗試與創(chuàng)新。2.2 層次樹狀回歸模型 由于出行行為與其影響因素之間的關系可以清楚地確認，因此參數(shù)回歸分析（例如線性回歸模型，泊松回歸或負二項式回歸模型和多元回歸模型）在出行行為分析中受到廣泛運用（Anas, 1983; Koppelman 和 Bhat, 2006; Zhou, 2012; Whalen 等 2013) 。然而，大多數(shù)的回歸模型都根據(jù)自變量和因變量的關系都有它們各自的模型假設和預先定義；并且如果違反了這些假設與定義，則會導致模型會出現(xiàn)錯誤的似然估計（Cha

20、ng 和 Chen, 2005)。層次樹狀回歸模型是對參數(shù)統(tǒng)計的一個過程，這一過程可以在具有共同價值特征的目標變量中確定各個單獨且詳盡的的子變量，同時它已被證明是一個不需要函數(shù)形式細化和可加性的預測和假設的一個強大的工具，特別是在用于預測和分類問題的處理方面(Lemon等 2006)。層次樹狀回歸模型首先被運用于20世紀60年代的醫(yī)學和社會科學(Morgan 和 Sonquist, 1963)，該理論被運用于預測樹狀回歸并且這些應用都是在被Breiman et al. (1984)多方面審查后建立的。HTBR的程序通過使用CART（分類與回歸樹），CHAID（卡方自動交互檢測）或QUEST（快

21、速，公正，高效和統(tǒng)計數(shù)）的驗算算法創(chuàng)建了一個基于樹狀的的分類模型。在這三種算法中，CART和CHAID兩種方法法都可以建立回歸型樹狀模型（連續(xù)的因變量），其中在每個（非終端）單獨條件下的得到最佳的預測。然而，CART法總會出現(xiàn)樹狀分叉情況，但這種二重樹有時不能對解釋或陳述進行有效的概述(Breiman et al., 1984)。近年來，基于樹形結構的算法的應用已被用來分析交通事故率和損傷的嚴重性問題(Karlaftis 和 Golias, 2002; Chang 和 Chen, 2005; Yan 等 2010)。同樣，樹形結構算法也逐漸應用于出行行為分析。通過荷蘭收集的日常數(shù)據(jù)基礎上，We

22、ts 等. (2000)應用C4算法導出了一個運輸模式選擇的決策樹模型，并且他們對同一數(shù)據(jù)組的邏輯模型將C4算法與CHAID算法進行了比較。他們發(fā)現(xiàn)，在正確預測的數(shù)據(jù)樣本比率的情況下，這三種理論方法幾乎相同。Yamamoto 等 (2002)應用決策樹的算法研究駕駛員對路徑選擇行為，同時他們還比較了決策樹分析，生產規(guī)則與二進制邏輯模型之間的關系，結果表明決策樹算法與生產規(guī)則比二進制邏輯模型具有更高的適配率。而在Xie等. (2003)研究的文獻中，出現(xiàn)決策樹模型與神經(jīng)網(wǎng)絡模型這兩個具有代表性的數(shù)據(jù)挖掘模型，進行探究并且與常用的MNL模型進行比較，其結果表明決策樹模型表現(xiàn)出了更高的效率與更加明確

23、的解釋性估計。 根據(jù)以上所述，HTBR理論是一種非參數(shù)的理論方法，它不需要具體的函數(shù)表達形式；因為使用的是步進法來確定最佳的分割規(guī)則，因此可以不需預先選定變量(Karlaftis 和 Golias, 2002)。此外，HTBR算法可以為自變量進行提前預測，并在“如果-則”的一系列陳述中與最優(yōu)分割原則相結合，這種方法已被確定在是探究獨立變量與自變量之間關系上一種高效且準確的解釋性估計的一種方法。特別的是，在這項研究中的因變量包括大學生的出行頻率（持續(xù)變量）和學生出行選擇的模式（類別變量）和一些獨立的變量都屬多種類型的名義變量。因此，CHAID算法被應用于這項研究，是因為該算法可允許多條路進行節(jié)點

24、分割，而且該方法以在適應分析較大的數(shù)據(jù)集是所運用的相對簡單的算法為基礎進行的。3理論方法3.1調查本研究采用了基于網(wǎng)絡的方式對中國大學生的出行頻率與出行方式選擇模式進行調查來獲得有關出行信息。與其他類型的調查方式相比，基于網(wǎng)絡的問卷調查具有很大優(yōu)勢，該方法可以使受訪者在任何時間都可便于完成，而且在地域限制情況下可以調查到更廣泛的受訪者(Evans 和 Mathur, 2005; Fricker 和 Schonlau, 2002)。在本研究論文中所采用的基于網(wǎng)絡的問卷發(fā)表在一個稱為“問卷之星”的專業(yè)在線調查平臺(/)，這個平臺為用戶提供了有效并且友好的設計

25、調查問卷并進行數(shù)據(jù)收集整理。受訪者主要是來自北京，上海，南京這三個典型高等教育城市中的8所高校的大學生，這三座城市都屬于中國的一線城市并且人均具有較高的收入水平，經(jīng)濟，社會活動水平，城市地形平坦，此外都具有例如公交地鐵等公共交通系統(tǒng)的道路網(wǎng)密度等優(yōu)勢。接受調查的該8所高校中，其中四所位于北京的海淀區(qū)，有北京交通大學（BJTU），北京航空航天大學（BUAA），清華大學（THU），中央民族大學（MUC）；兩所位于南京市的鼓樓區(qū)，有南京大學（NJU），東南大學(SEU)；另外兩所位于上海市的楊浦區(qū)，復旦大學（FDU）與同濟大學（TJU）。八所被選定的高校都具有綜合性學科的專業(yè)并且具有很高的學生密度，

26、而且這些高校都座落于城市地區(qū)。第一次進行網(wǎng)上問卷調查是從2012年5月中旬至2012年6月底經(jīng)歷大約一個半月的時間。調查對象是目前居住于該8所高校內的大學生。為了具有相對平衡的調查樣本數(shù)據(jù)，第二次調查是在2015年5月至2015年6月中旬期間對上海市的復旦大學與同濟大學進行調查，表一列出了受訪的8所高校中受訪者的總數(shù)與學校的學生密度。在本次調查中有，找出了兩個具有代表性的學生出行行為的相關變量。一個是大學生每周到校外出行的平均出行頻率，另一個變量是學生出行對步行，自行車出行，公共交通出行不同模式的選擇。本研究的主要目的是構建出一個可以預測學生的出行頻率和出行方式選擇模式的模型，其中的解釋變量主

27、要針對大學生的社會人口學特征，例如性別，受教育年齡（年級），家庭年收入，自行車的擁有情況等等。在大學生的模式選擇中最具體的應考慮的是出行距離，以及公共交通的覆蓋率，這些都是可以反映校園交通可達性的因素。3.2數(shù)據(jù)及相關變量表一:所調查8所高校的大學生密度與受調查的有效人數(shù)大學BUAABJTUTHUMUCNJUSEUFDUTJU受訪人數(shù)189209169178106101163228學生密度(每平方千米)18540323751098526993869684211305715031表二：研究中所使用的自變量自變量標量描述/等級 匯總統(tǒng)計N%學生年級基礎學習階段81360.5專業(yè)學習階段26920.

28、0實踐學習階段26119.4性別男性82361.3女性52038.7自行車擁有情況擁有自行車58843.8無自行車75556.2家庭收入狀況低收入家庭50037.2中等收入家庭72854.02高收入家庭1158.6高校所在城市北京74555.5南京20715.4上海39129.1公共交通站點覆蓋率（PTSCR）低公交車站覆蓋率73855.0中等公交車站覆蓋率29021.6較高的公交車站覆蓋率31523.5距離少于1km107420.0距離在1km至4km間107420.0出行距離距離在4km至7km間107420.0距離在7km至10km間107420.0距離超過10km107420.0最后，

29、一共回收了1523份問卷，并經(jīng)過對未完成，不準確，不精確問卷的過濾整理，得到了1343份有效的分析大學生出行行為的準確數(shù)據(jù)。表2顯示出收集到的有效的數(shù)據(jù)信息。根據(jù)大學的學年規(guī)定將學生的年級分為三個不同的階段。第一階段是大學的第一學年與第二學年，該期間學生利用大部分時間用來學習基礎知識。第二階段是專業(yè)學習階段，即專業(yè)初等大三年級階段，該階段學生的主要任務是學習專業(yè)知識與技能。最后一個階段是實踐階段，包括大四階段和研究生階段，該期間大學生應運用所學的專業(yè)知識與技能來參加各種社會活動。由于大學生主要是依靠于家庭的經(jīng)濟支持，所以為了反映大學生的經(jīng)濟水平，將學生的家庭收入分為三類。第一類是來自低收入家庭

30、的學生，這類學生的家庭年收入在5萬元（人民幣）之下。第二類是來自中等收入家庭的學生，這類學生的家庭年收入在5萬到20萬之間。最后一類是來自高薪階層家庭的學生，此類家庭年收入超過20萬元。表三：公共交通站點覆蓋率大學BAUUBJTUTHUMUCNJUSEUFDUTJU公交站點數(shù)量981241451010大學校園面積（10000m2）150783895812070230257PTSCR0.060.100.030.070.120.070.040.04公共交通站點覆蓋率（PTSCR）在本研究中是通過公共交通站點個數(shù)與被測的每10000平方米的校園面積之間的比率來計算的。在只考慮距校園進出口500米步行

31、距離范圍內的公交站點的情況下，根據(jù)表3的PTSCR的結果顯示，我們將PTSCR分為了三類：較低的公共交通站點覆蓋率（PTSCR=0.03,0.04）；中等公共交通站點覆蓋率（PTSCR=0.06,0.07）；較高的公共交通站點覆蓋率（PTSCR=0.10,0.12）。調查參與者被要求在不同的行程范圍內選擇出行模式，以探究出行距離對出行方式選擇所產生的影響。因此，出行距離在這項研究中可以視為一個重要的變量，這意味著調查參與者必須在不同的出行范圍內進行出行模式?jīng)Q策，然而與調查參與者相關的解釋變量應保持不變。在此研究中，出行距離共分為五個階段，10km，這意味著每一個參與者都必須做出5個重復的出行模

32、式?jīng)Q策。4描述性分析4.1大學生出行頻率 均值=2.04標準差=1.73方差=1.343學生數(shù)量學生出行頻率圖1.學生出行頻率統(tǒng)計直方圖圖1顯示了學生出行頻率的分布圖，在圖1中，學生的出行頻率分布是在每周0次至每次最多12次的范圍內。大學生的出行頻率范圍主要分布在每周0-5次，占學生總數(shù)的96.1%，而且學生出行頻率在每周出行1次所占比例對多，數(shù)量共538位，占學生總數(shù)的40.1%。學生出行頻率每周的平均值M=2.04，標準差SD=1.73。表四：學生出行頻率統(tǒng)計信息類別分類數(shù)量最小值最大值平均值標準差按年級分基礎學習階段8130121.731.445專業(yè)學習階段2690102.081.776

33、實踐學習階段2610102.982.136按性別分男性8230101.911.702女性5200122.251.764按自行車擁有情況分有7550122.101.781無5880101.961.670家庭收入（）分低收入家庭5000121.951.693中等收入家庭7280102.041.732高收入家庭1150102.431.878學校所在城市北京7450122.321.979南京207071.571.125上海391071.771.66按PTSCR劃分低公交站點覆蓋率5600101.811.602中等公交站點覆蓋率4180122.371.923高公交站點覆蓋率3150101.971.586

34、表4顯示出基于不同類型自變量的學生出行頻率的統(tǒng)計信息?；?表，我們可以得出以下中國大學生的一般出行頻率特性：l 在不同學習階段的學生的出行頻率有很大差異。在專業(yè)學習階段的大學生的出行頻率幾乎等同于全體受調查學生的出行頻率的平均值，然而在基礎學習階段的大學生的平均出行頻率為每周1.73次，低于全體受調查學生出行頻率的平均值，此外在基礎學習階段的大學生的平均出行頻率遠超全部學生出行頻率的平均值，為平均每周2.98次。這表明，大學生的出行頻率隨著學生年級的升高而增長。l 女大學生的平均出行頻率為每周2.25次，同時男性大學生的平均出行頻率為每周1.91次。同之前文獻中所提到的研究(Chen, 20

35、12)結果一致，女大學生的出行頻率較高于男性大學生。l 有自行車的大學生的平均出行頻率為每周2.10次，頻率略高于那些沒有自行車的大學生，沒有自行車的學生平均出行頻率為每周1.96次。這現(xiàn)象表明擁有自行車可能會對鼓勵大學生出行具有一定影響。l 從平均出行頻率為1.95的低收入家庭的學生至2.43的高收入家庭的學生來看，出行頻率在每周都顯示上升趨勢。表明學生的出行頻率與家庭收入之間存在明顯關系，并且出行頻率隨家庭收入的增加而增加。l 學校所在地的城市對學生的出行頻率有明顯影響，在北京大學生的平均出行頻率為每周2.32次的，遠高于南京（1.57/周）和上海（1.77/周）的學生出行頻率。l 學生在

36、中等公共交通站點覆蓋率的校園中的出行頻率最高（2.37次/周），結果是與高公共交通站點覆蓋率校園中平均出行頻率（1.97次/周）和低公交覆蓋率的平均出行頻率（1.81次/周）比較所得。4.2大學生出行模式選擇表五：基于各自變量的類型學生模式選擇自變量步行行車出行公共交通出行N%N%N%按年級分基礎學習階段51712.766416.3288470.9專業(yè)學習階段15311.424918.594370.1實踐學習階段16612.722015.393972.0性別分類男性50912.481919.9278767.7女性32712.629411.3197976.1按家庭收入分低收入家庭35414.23

37、9015.6175670.2中等收入家庭41611.461516.7260971.7高收入家庭6611.510818.840169.7自行車擁有情況否54217.61645.3237977.1是2948.194926.1238765.8學校所在城市北京53014.253914.5265671.3南京10710.320920.271969.5上海19910.236518.7139171.2按PTSCR劃分低公交站點覆蓋率25810.255619.91959699中等公交站點覆蓋率33014.130913.2170172.7高公交站點覆蓋率22114.024815.7110670.3出行距離劃分1

38、0km00110.8133299.2合計83612.4111316.6476671.0表5所顯示的是基于不同類別的自變量大學生出行模式選擇的統(tǒng)計信息，由表5得知中國大學生的主要出行模式的特點是他們過于依賴公共交通。具體而言，71.0%的大學生是通過公共交通出行，自行車出行的大學生占16.6%，此外步行出行比例占12.4%。由表5數(shù)據(jù)所得，一般大學生的出行模式選擇特征可概括為以下幾點：首先，正如所預期那樣，男性大學生更易傾向于選擇自行車出行，同時女大學生更傾向于選擇公共交通出行。19.9%的男性大學生選擇自行車作為出行模式，比11.3%女大學生選擇自行車的人數(shù)要高。相反66.7%的男性大學生將公

39、共交通作為出行模式，要比76.1%的女大學生的人數(shù)低很多。其次，自行車的擁有情況對學生的模式選擇有很大影響，同預期情況，擁有自行車的大學生更傾向于使用自行車出行。具體而言，26.1%的大學生擁有并使用自行車出行，遠遠高于那些沒有自行車學生數(shù)量的5.3%。相反地，擁有自行車的大學生選擇其他兩種出行模式所占比例遠低于那些沒有自行車的大學生，分別相對于步行人數(shù)17.6%是8.1%，對比與公共交通人數(shù)77.1%是65.8%。再次，不同城市高校的大學生出行模式也存在差異，北京的大學生選擇步行來作為出行方式，比例略高于在南京（10.3%）與上海市的學生（10.2%）。另一方面，在南京上學的大學生中，20.

40、2%的學生選擇自行車模式出行，遠高于北京市（14.5%）和上海市（18.7%）的學生比例。最后，出行距離是大學生出行模式選擇的決定性因素，學生選擇步行的出行方式的比例隨出行距離的增加而迅速減小，分別是7km占0%。選擇自行車出行的大學生比例隨著出行距離的增大，表現(xiàn)出先增加后減小的特點，正如10km占0.8%。大學生選擇公共交通模式出行的比例隨出行距離的增加而逐漸增大，正如10km占99.2%。5 HTBR建模結果建立兩種HTBR模型來預測大學生出行頻率（模型#1）和劃分大學生出行模式選擇（模型#2）。輸入數(shù)據(jù)，兩個樹狀模型都具有5個相同的預測/劃分變量（自變量），有學生的年級，性別，家庭年收入

41、，自行車擁有情況及學校所在地城市。此外，出行距離作為分類變量則放入模型#2中，HTBR分析法在本研究中通過運用IBM SPSS 20.0軟件進行的。樹狀模型的結構標準為：樹的最大深度設置為3級；分裂節(jié)點與合并類別的意義值設為0.05。在該模型中對父節(jié)點的最小實例數(shù)設置為100和對子節(jié)點的最小實例數(shù)設置為50。5.1HTBR的模型#1對學生出行頻率的預測模型#1的結果在圖2中顯示，構建該圖以分析學生的出行頻率與變量預測/類型之間的關系。學生出行頻率的最終樹結構涉及學生年級，學校所在城市，PTSCR和家庭收入這4個分變量。大學生出行頻率節(jié)點8平均值2.188標準差1.775數(shù)量366百分比27.3

42、%南京，上海北京實踐學習階段專業(yè)學習階段基礎學習階段中高家庭收入低收入家庭低PTSCR中高PTSCR上海北京；南京節(jié)點11平均值3.62標準差2.454數(shù)量95百分比7.1%節(jié)點10平均值2.873標準差1.923數(shù)量102百分比7.6%節(jié)點9平均值1.180標準差0.995數(shù)量89百分比6.6%家庭收入，P值=0.049，F(xiàn)=5.882PTSC,P值=0.000，F(xiàn)=26.545節(jié)點7平均值2.172標準差1.609數(shù)量64百分比4.7%節(jié)點6平均值3.239標準差2.222數(shù)量197百分比14.7%節(jié)點5平均值1.401標準差0.949數(shù)量358百分比26.6%節(jié)點4平均值1.989標準差

43、1.698數(shù)量455百分比33.9%學校所在城市P值0.001，F(xiàn)=12.588學校所在城市P值=0.000F=18.48節(jié)點3平均值2.977標準差2.136數(shù)量261百分比19.4%節(jié)點2平均值2.078標準差1.776數(shù)量269百分比20.1%節(jié)點1平均值1.731標準差1.445數(shù)量813百分比60.5%學生年級P值0.000，F(xiàn)=55.249節(jié)點0平均值2.042 標準差1.734數(shù)量1343 百分比100%圖2.HTBR模型#1學生出行頻率預測在節(jié)點0處最佳的分割點即為學生的年級，將學生的出行頻率分為三個亞組：如果學生在基礎學習階段，則學生的出行頻率為平均每周1.731次；若學生在

44、實踐學習階段，則出行頻率為每周2.977次；若學生處于專業(yè)學習階段，則出行頻率為每周2.078次。中國大學生的出行頻率，與學生在不同學習階段的進度呈線性相關。處于基礎學習階段的學生有著最繁忙的學習規(guī)劃，這就意味著他們只有極少的時間安排在校外出行的各種活動，而這與處于實踐學習階段的學生情況恰好相反。在分層數(shù)的第二階，學校所在城市這一因素對基礎學習階段和實踐學習階段的學生的出行頻率進行了進一步分割。對于在基礎學習階段的大學生，學校所在城市將學生出行頻率分為了兩個亞組：如果學生在北京上學，則學生的出行頻率為每周1.989次；如果學生在南京或上海學習，則學生的出行頻率為平均每周1.401次。對于處于實

45、踐學習階段的學生，學校所在城市同樣將出行頻率分為兩個亞組：如果學生在北京或上海學習，則出行頻率為平均每周3.239次；若學生在南京學習，則出行頻率為平均每周2.172次。在分層樹的第三階，PTSCR將節(jié)點4分割為兩個亞組，同時家庭收入情況將節(jié)點6分割為兩個亞組。終端節(jié)點的節(jié)點8和節(jié)點9表明，低公共交通覆蓋率的學生出行頻率為每周1.180次，相對于中等和高公共交通覆蓋率（2.188/周）的學生出行頻率低很多。終端節(jié)點10與11表明低收入家庭的學生出行頻率平均為每周2.873次，出行頻率遠低于中等收入家庭和高收入家庭的學生。5.2HTBR模型#2學生出行方式選擇分類性別自行車擁有情況自行車擁有情況

46、自行車擁有情況上海北京南京男女南京上海北京高中等低學校地理位置性別學校地理位置PTSCR出行距離女男是是否否是否圖3.HTBR模型#2學生出行模式選擇模型#2的結果如圖3所示，該圖對大學生的出行模式選擇進行分類。學生的出行方式選擇的最終樹取決于5個解釋變量，包括出行距離，自行車擁有情況，學校所在城市，PTSCR和學生的性別。分層樹的第一階顯示出大學生的出行方式選擇最主要的因素是出行距離。根據(jù)5個出行距離的間隔，將學生的出行模式選擇分割成了5個亞組。在出行距離1km的情況下，53.9%的大學生選擇步行出行；33.7%的大學生選擇自行車出行；12.4%的大學生選擇公共交通出行。出行距離在1至4km

47、之內的情況下，7.4%的大學生選擇步行出行；34.5%的大學生選擇自行車出行；58.2%的大學生選擇公共交通出行。在出行距離4至7km的情況下，只有1.0%的大學生選擇步行出行；10.8%的大學生會選擇自行車出行；而且88.2%的大學生會選擇公共交通出行。在出行距離大于7km的條件下，超過96%的大學生會選擇公共交通出行，該選擇模式的趨勢顯而易見。隨著出行距離的增加，選擇步行出行的大學生比例急劇降低，并且出行距離大于7km的情況，大學生都不會選擇步行出行。與之相反的是選擇公共交通的大學生比率隨著出行距離的增加而增加，而且超過97%的出行模式都由公共交通構成。在出行距離少于4km條件下，自行車出

48、行模式為主要出行模式，并且超過30%的學生會使用自信車出行。在分層樹的第二階，自行車擁有情況進一步分出為1，2，3三個節(jié)點；學生的性別將節(jié)點4分為兩個終端節(jié)點12和13。圖像數(shù)據(jù)顯示，一般趨勢是相對于沒有自行車的學生，擁有自行車的大學生更可能地會去選擇自行車出行。在出行距離少于1km情況下，擁有自行車的大學生主要選擇自行車出行（55.6%）和步行（36.2%）作為主要出行模式，然而沒有自行車的學生會選擇步行（74.7%）作為出行模式。在出行距離在1至4km內的情況下，如果學生有自行車，則自行車出行的大學生比例為52.1%，公交出行的學生占44.5%，而選擇步行出行的學生僅占3.4%；如果學生沒

49、有自行車，自行車出行的比例占13.8%，公交出行的學生比例占74.2%，而且12.0%的學生選擇步行出行。出行距離在4至7km的條件下，擁有自行車的學生選擇自行車出行人數(shù)占17.4%，同時沒有自行車的學生3.1%的人選擇自行車出行；又自行車的學生選擇公共交通出行人數(shù)占81.8%，比較于沒有自行車的大學生選擇公交出行人數(shù)占95.8%。在出行距離在7至10km內的情況下，男性大學生與女大學生都會選擇公共交通作為主要出行模式，然而男性大學生選擇自行車出行的比例（4.8%）明顯高于女生（0.8%）。在分層樹的第三階中，PTSCR對學生出行模式的6節(jié)點進一步分為了三個亞組，結果針對于出行距離小于1km和

50、沒有自行車的大學生進行了闡述：學生選擇步行出行的比例隨著校園附近公交站點覆蓋率的增加而增加（低PTSCR中學生占67.4%，中等PTSCR學生占75.5%，高等PTSCR學生占81.5%）；在低PTSCR的校園內的學生選擇自行車比例（19.3%）遠高于中等和高PTSCR校園的學生（中等PTSCR占1.5%，高PTSCR占5.6%）。學生的性別將出行模式選擇在節(jié)點7和節(jié)點11分別進一步分割3個亞組。在出行距離少于1km和擁有自行車學生的情況中，在南京學習的學生（69.0%）相比于北京（54.5%）上海（51.6%）更加傾向與選擇自行車出行；然而北京學生的比例（40.7%）和上海的學生（37.7%

51、）高于南京的學生（19.5%）。對于出行距離在4至7km和擁有自行車的學生來說，在上海學習的學生（36.3%）比北京（16.6%）和南京（10.7%）學習的學生更加傾向于選擇自行車出行；然而在上海的學生選擇公共交通出行（63.7%），低于在北京（81.9%）和南京（89.0%）的學生。學生的性別因素在出行模式選擇的節(jié)點9處進一步分出兩個亞組，分析結果對于出行距離在1至4km間和擁有自行車的學生的情況進行如下闡述：男性大學生選擇自行車出行的比例（59.1%）遠高于女大學生的自行車出行比例（37.9%）；然而女大學生選擇公共交通出行的比例（59.6%）遠高于男性大學生公共交通出行比例（37.0%）

52、。6論述本研究旨在基于在北京，上海，南京三大典型高等教育城市中8所高校的交通調查來探究大學校園的交通生成特征。這項研究探討了學生的出行模式，以及調查不同學生群體之間出行模式的差異。通過相關描述分析與HTBR理論，來獲得一些重要結論。在本研究論文中，中國大學生的平均出行頻率為每周2.04次，然而在相關研究文獻中，泰國和美國學生的平均出行頻率都超過4次/天(Limanond 等 2011; Chen, 2012)。這意味著泰國和美國的學生出行頻率是中國大學生的16倍。大學校園的獨特規(guī)劃和組織校園生活是中國大學生出行頻率較低的主要原因。中國的大學校園規(guī)劃繼承了中國的圍墻文化，是大學校園成為一個相對封

53、閉的社會活動區(qū)域，即一個孤立的“迷你城市”。在中國，大學校園是一個特殊的社會群體，學生不僅可以在校園內學習，還可以進行其他的社會活動。一般而言，中國大學校園可以分為幾個功能不同的區(qū)域，包括學生宿舍區(qū)，教學樓，體育設施區(qū)和物質支持區(qū)域（例如食堂和商店）等等(Jiao, 2010)。大學生可以在校園的不同區(qū)域來進行他們的各種社會活動。因此，中國高校學生除了在校園內不能實現(xiàn)一些特殊的需求外，也不總會進行校園外的出行活動，這就導致了中國大學生的出行相對較少。HTBR模型#1對大學生的出行頻率進行了重要預測并且反映了學生出行頻率模式。模型#1獨特的作用是顯示了每一類型的學生群體對出行總量的影響。這些結果使我們能夠更好地了解在不同學生群體的出行頻率特性，并盡可能準確地預測大學的出行生成量。此外HTRB模型#2反映了學生的出行模式選擇特性，結果表明出行距離，自行車擁有情況，學生性別，PTSCR和學校所在城市這5個元素對學生的出行選擇行為具有一定的影響。HTBR可以識別具有特定出行模式的同構群，同時還可以構建有關出行頻率與模型分離率的預測規(guī)則，并且能較為靈活地對學生屬性的出行需求進行估計。傳統(tǒng)意義上來說，如泊松分布和負二項