年高速铁路系统对城市间出行行为的影响

691

收藏 2022-06-11

英文标题：
《Influence of High-Speed Railway System on Inter-city Travel Behavior in
Vietnam》
---
作者：
Tho V. Le, Junyi Zhang, Makoto Chikaraishi, Akimasa Fujiwara
---
最新提交年份：
2018
---
英文摘要：
To analyze the influence of introducing the High-Speed Railway (HSR) system on business and non-business travel behavior, this study develops an integrated inter-city travel demand model to represent trip generations, destination choice, and travel mode choice behavior. The accessibility calculated from the RP/SP (Revealed Preference/Stated Preference) combined nested logit model of destination and mode choices is used as an explanatory variable in the trip frequency models. One of the important findings is that additional travel would be induced by introducing HSR. Our simulation analyses also reveal that HSR and conventional airlines will be the main modes for middle distances and long distances, respectively. The development of zones may highly influence the destination choices for business purposes, while prices of HSR and Low-Cost Carriers affect choices for non-business purposes. Finally, the research reveals that people on non-business trips are more sensitive to changes in travel time, travel cost and regional attributes than people on business trips.
---
中文摘要：
为了分析引入高速铁路（HSR）系统对商务和非商务出行行为的影响，本研究开发了一个集成的城市间出行需求模型，以表示出行世代、目的地选择和出行模式选择行为。从目的地和模式选择的RP/SP（显示偏好/声明偏好）组合嵌套logit模型计算的可达性被用作出行频率模型中的解释变量。其中一个重要的发现是，引入高铁将导致额外的出行。我们的模拟分析还表明，高铁和常规航空公司将分别成为中距离和长距离的主要模式。开发区的发展可能会高度影响商业目的地的选择，而高铁和低成本航空公司的价格会影响非商业目的地的选择。最后，研究表明，非商务旅行的人比商务旅行的人对旅行时间、旅行成本和地区属性的变化更敏感。
---
分类信息：

一级分类：Economics 经济学
二级分类：General Economics 一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance 数量金融学
二级分类：Economics 经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
-->

Influence_of_High-Speed_Railway_System_on_Inter-city_Travel_Behavior_in_Vietnam.pdf
大小:(327.23 KB)

马上下载

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

kedemingshi

2022-6-11 06:17:43

越南交通大学交通与通信大学岩原县交通与经济系，高铁系统对城市内部出行行为的影响，Invetnatho V.LEa，Junyi ZHANGb，Makoto CHIKARAISHIc，Akimasa FUJ Iwarada；电子邮件：letho。utc@gmail.comb，c，日本广岛大学国际发展与合作研究生院，邮编：zjy@hiroshima-u、 ac.jpcE-mail：chikaraishim@hiroshima-u、 ac.jpdE-mail：afujiw@hiroshima-u、 ac.JP摘要：为了分析引入高速铁路（HSR）系统对商务和非商务出行行为的影响，本研究开发了一个集成的城市间出行需求模型，以表示出行生成、目的地选择和出行模式选择行为。从目的地和模式选择的RP/SP（显示偏好/声明偏好）组合嵌套logit模型计算出的可达性被用作TRIP频率模型中的解释变量。一个重要的发现是，引入高铁将导致额外的旅行。我们的模拟分析还表明，高铁和常规航线将分别是中距离和长距离的主要模式。开发区的发展可能会极大地影响商业目的地的选择，而高速铁路和低成本航空公司的价格会影响非商业目的地的选择。最后，研究表明，非商务旅行的人比商务旅行的人对旅行时间、旅行成本和地区属性的变化更敏感。关键词：城际旅行、高速铁路、低成本航空公司（LCC）、诱导旅行、综合行为模型、越南1。简介1964年，连接城市的高速铁路（HSR）系统的创新首次在日本实现，被称为新干线（或子弹头列车）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-11 06:17:46

从那时起，H SR系统在许多国家得到了广泛的应用，如法国、德国、西班牙、意大利、台湾和中国。最近，其他一些国家也对高铁表示了兴趣，包括美国和越南。据信，高铁将在短期效应（如路线切换、模式切换、目的地变化和新的出行生成）和长期效应（如家庭汽车所有权的变化和商业设施的空间重新分配）两方面引发旅行需求。根据现有旅行行为研究的见解，预计高铁的需求将受到其他旅行方式服务质量的高度影响，如汽车、公共汽车、常规火车和航空公司（Yao和Morikawa，2005）。一些研究人员评估了高铁对经济、地区、环境和旅游行为的潜在影响（Givoni和Dobruszkes 2013，Albate和Bel 2012；USCM2010；Givoni 2006）。城市间运输系统的另一个热门话题是低成本航空公司（LCC）的合并（Noran等人，2001；Burghouwt等人，2003；Dennis 2004；Fan 2006）。由于经济发展和人口增长，越南城市间交通需求逐年增加。然而，越来越严重的交通拥堵和事故已经对区域经济发展、国家生产力和竞争力以及环境质量产生了负面影响。为了解决普遍存在的问题并为满足未来的出行需求准备必要的基础设施，越南ZF最近一直在考虑在不久的将来修建一条高铁线路，以连接越南北部的两个最大城市河内和南部的胡志明市。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-11 06:17:49

预计这项建设将对越南南北走廊的经济、土地利用和交通水平产生巨大的潜在影响。此外，近十年来，一些公司一直在运营LCC，为越南的一些主要目的地提供服务。因此，低成本航空公司和高铁将相互竞争，这表明高铁服务，如价格、频率、旅行时间和准时性，应谨慎设计。然而，据作者所知，尽管有许多研究侧重于低成本航空公司与传统航空公司之间的竞争，但对低成本航空公司与高铁之间的竞争以及影响客户决策的因素几乎没有定量分析。高铁和低成本航空公司在服务水平方面的差异可以总结如下。首先，高铁车站可以很容易地位于市中心附近，取消和延误的情况很少，与低轨交通相比，服务准时。另一方面，尽管到达机场的时间通常比到达高铁车站的时间长，但由于机场通常位于布尔班地区，低成本航空公司的车内旅行时间比高铁要短得多。在越南，高铁系统计划修建双轨，从河内到胡志明市全长1570公里。一般来说，当距离超过1000公里时，航空旅行成为主导，我们将在后面详细讨论。因此，应对高铁系统的需求进行有效测试，以评估高铁项目的可行性。台湾在高铁系统规划和运营方面的经验教训可能对越南高铁项目的实施至关重要。有几个问题导致其高铁系统的实际乘客量低于预期。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-11 06:17:52

这些问题包括高铁车站的可达性和运输方式之间的整合（Yung Xiang Cheng 2009）。目前的解决方案是，由于高铁站位于周边地区，为乘客提供免费的往返于城市中心和高铁站的穿梭巴士。据此，台湾ZF提出了一个将高铁与公共汽车、航空公司和常规铁路相结合的系统（台湾高铁2016）。Albate和Bel（2012）研究了日本、法国、德国、西班牙和意大利五个国家的高铁，发现高铁对交通、环境、经济和区域发展等因素有积极影响。在决定修建高铁线路和决定开通或商业运营日期时，发现水平需求是核心因素。据作者所知，在越南这样的发展中国家，没有关于引入高铁对城市间出行需求影响的微观研究。本研究试图通过开发一个综合的城市间旅行需求模型来填补这一空白，该模型代表了出行生成、目的地选择和出行模式选择行为。设计并进行了全面的问卷调查。我们还确定了影响出行方式选择、目的地选择和出行生成决策的因素，如出行方式的服务水平、地区特征和社会人口特征。论文的其余部分组织如下。第2节进一步回顾了高铁对城市间出行需求影响的现有研究。第3节介绍了本研究开发的综合城际出行需求模型，然后是第4节中的数据。第5节根据模型估计结果，探讨了影响城市间出行需求的因素。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-11 06:17:55

我们还进行了模拟分析，以确定相关的政策影响。第6.2节总结了主要发现和一些未来任务。文献综述自1964年新干线首次在日本引入以来，世界上有许多国家已经建设和提出了高铁系统。高铁凭借其优势，可以影响高铁沿线的交通、环境、经济和区域发展。Albalat e和Bel（2012）研究了欧盟委员会（1996）提供的数据，并显示了欧洲多条线路引入高铁后，交通方式份额的变化。在巴黎-里昂（法国）线，1981年至1984年间，空中交通的模式份额从31%下降到7%，汽车和公共汽车交通的模式份额从29%略有下降8%，而空中交通的模式份额从40%上升到72%。1991年至1994年间，西班牙马德里-塞维利亚线也出现了类似的模式分裂趋势。在当时，空中交通的模式份额从40%增加到13%，汽车和公共汽车的模式份额从44%增加到36%，而火车旅行的模式份额则从35%增加到51%。数据证明，高铁线路的引入可以改变两个城市之间的交通方式分配，并且交通方式份额会发生巨大变化。据King（1996）报道，日本和法国的高铁系统产生的ASHIH占额外诱导行程的35%，约占模式转换的30%（如Yao和Morikawa 2005所述）。据认为，高铁的开通将引发出行需求，包括短期效应（如路线切换、模式切换、目的地变化和新三代）和长期效应（如家庭汽车拥有量的变化和活动的空间重新分配）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

可人4

2022-6-11 06:17:58

对于东京-名古屋-大阪走廊（约500km），诱导出行占以车辆行驶里程衡量的出行需求的16.5%，占以出行次数衡量的出行需求的14.5%。此外，如果LCC可行，高铁的需求可能会受到其他模式服务质量的影响。Cascetta和Coppola（2014）表明，服务水平（出行时间、出行成本和服务频率）对出行频率有积极影响。此外，本文还证实了非商务旅行的弹性高于商务旅行，尤其是在距离较短的情况下。Cascetta和Coppola（2012）的研究采用RP和SP数据，通过基于时间表的多式联运分配模型估计弹性需求。该研究引入了一个模型系统，用于预测宏观经济、运输供应和高铁市场等多种情景下的全国客运需求。已从开发的模型中捕获到模式/服务/运行备选方案的特定子集之间的更高替换度。通过对雅潘、法国、德国、西班牙和意大利的高铁系统进行投资，Alb alat eand Bel（2012）证实，除了商务旅行之外，旅游业是高铁线路开通后第一个显示中间效应的部门。非商务旅行中目的地选择的变化主要基于旅游活动，因为探亲访友的地点是固定的，而旅游目的地有多种多样。旅游活动受到一些因素的影响，如旅游资源和设施、旅游者的动机和特征以及对目的地的可接近性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-11 06:18:01

前两个因素很难管理，但后两个因素可以通过运输政策加以控制，因为它们可以建立或修改运输模式的服务水平。另一方面，莱文森（2012）研究的证据证实了高铁的两个相反影响：车站服务的地铁区域的积极无障碍效益，以及沿线本身的负面滋扰效应。位于线路附近但使用高铁频率较低的人员和企业可能没有什么好处，而高铁系统仍然为大都市地区带来广泛的优势。然而，高速线路比本地交通具有更高的差别效应。在包括高铁和低成本铁路在内的交通市场背景下，据作者所知，目前还没有研究旅游需求的综合模型。有一些研究涉及游客行为，直接或间接地涉及高铁的可用性。Masson和Petiot（2009）的研究表明，法国佩皮尼亚纳（Perpignana）和西班牙巴塞罗那（Barcelona）之间的高铁可能会通过核心-外围模型增强旅游吸引力。高铁可以加强巴塞罗那旅游业的集聚，巴塞罗那是一个比佩皮格纳更发达的地区。本研究关注的是旅游目的地的发展，而不是旅游需求的建模。此外，Albalate和Bel（2012）的研究回顾了日本和四个欧洲国家的高铁，发现旅游业和服务业从高铁建设中获益最大。一些研究人员证明，高铁是距离小于800公里的主导模式，而空中客车是距离超过1000公里的主导模式（MLIT，日本。2010，Albalate and Bel 2012，Shiomi，1999）。然而，在这些研究中，运输市场中没有LCC。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-11 06:18:04

此外，高铁还具有几个优点，例如易于进入和到达通常位于市中心的车站，很少有取消和延误，以及高准时性。尽管LCC票价比高铁便宜，但车票需要提前预订，而且取消和延误的费用也较高。当高铁与航空公司之间的出行时间差异不显著时，可以认为模式份额将在很大程度上取决于政府战略，例如确定服务水平的政策以及哪种模式的发展优先级。此外，Albalate和Bel（2012）对高铁的广泛研究发现，当高铁开始运营时，交通的模式分布受到影响，对航空业的影响最大。Park和Ha（2006）的研究表明，巴黎-里昂航线（450公里）的航空运输份额减少了一半，从30%降至15%。然而，由于距离较长，如巴黎-马赛航线（700公里），航空公司的份额从45–55%下降到35–45%，巴黎-尼斯航线（900公里）从55–65%下降到50–60%。这意味着航空运输和高铁的竞争力受到旅行距离的高度影响。短距离和中距离的航线模式份额减少比长距离的航线模式份额减少更为显著。Delaplace和Dobruszket（2015）研究了低成本高铁与传统高铁和L CC的竞争。他们发现票价是影响交通方式选择的主要因素。此外，Chantruthai等人（2014年）发现旅行时间、票价、用户职业、家庭收入、教育水平和旅行目的对高铁和低成本铁路模式选择行为有显著影响。在文献中，为了利用每个数据源的优势，通常会将RP/SP数据结合起来。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-11 06:18:07

RP/SP组合方法的优点是：（1）高效使用数据（使用多个数据源），（2）校正SP数据中可能存在的bi，以及（3）识别新服务的影响（Morikawa，1994）。在这项研究中，继Morikawa（1994）之后，开发了一个RP/SP组合出行需求模型，以探讨tripcharacteristics和le-vel of Service对模式选择、目的地选择行为和tripgeneration的影响，在越南，LCC是一种重要的城市间出行模式。3、综合城市间出行需求模型在对城市间出行进行建模的背景下，Koppelman（1989）、Zhuang et al.（2007）和Yao和Morikawa（2005）揭示了城市间出行行为的组成部分，如三代人、目的地选择、出行模式选择、路线选择是相互关联的，应该在综合框架中进行建模。与此相一致，本研究开发了一个嵌套的城际出行需求模型，如图1所示，其中出行生成和频率、目的地选择和模式选择以一种高层次的方式进行建模。反馈机制代表了出行选择的相互关系。我们的模式体系包括两部分：第一部分是基于嵌套RP/SP组合模型的出行模式和目的地选择的联合模式l。请注意，商务旅行和非商务旅行都是在9月4日进行调整的，因为这两个决定可能会发生根本性的变化，例如由于日程限制的不同。第二部分是tripgeneration模型，其中添加了基于模式和目的地选择模型估计结果计算的可达性指数作为解释变量。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-11 06:18:10

下面给出了详细的模型规范。3.1 RP/SP组合目的地和模式选择模型在RP/SP组合目的地和模式选择模型中，我们认为，数据偏好可以用随机效用模型建模。具体而言，RP和SP情况下的效用函数假设如下：= + (1)= + （2）在哪里和是分别用于选择目的地din RP和SP情况的实用程序的可观察组件，以及和是分别在RP和SP情况下选择目的地d的实用程序的错误组件。同样，模式选择模型的效用函数定义如下：= + （模式 )(3)= + （模式mε)（4）在哪里和是可观察的组件，和是RP和SP情况下的错误组件，以及和分别是RP和SP选择上下文中可用的选项。我们进一步指定了实用程序的可观察组件和具体如下：= + （5）出行生成模型目的地选择模型模式选择模型对数总和可访问性……。。OiDj OiDdMode 1模式2模式m……。。Oi OjLower levelHigher level图1城市间出行需求模型的嵌套结构（由Koppelman（1989）和Yao and Morikawa（2005）修订）= + （6）在哪里和是解释变量的向量，和是要估计的未知参数向量，和是与目的地d关联的logsum参数，以及和是基于从起点到终点的一组可用旅行模式服务水平定义的对数和变量（或包含值）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-11 06:18:13

我们进一步规定, , 和具体如下：=经验值()1+经验()(7)= 自然对数经验值(8)=经验值()1+经验()(9)= 自然对数经验值（10）在哪里和是解释变量的向量，以及是未知参数的向量。我们还假设和定义如下：= + (11)= (+ )（12）在哪里和是公共属性向量；和和分别是RP和SP数据的特定属性向量。是调整RP和SP模型之间误差分量标准偏差差异的比例参数。个人RP和SP选择的联合概率可以描述为：() = |(13)() = （14）在哪里和分别是在RP和SP ChoiceContext中选择目的地d的概率，以及|和|是在RP和SP choi ce cont ext s分别给定目的地和SP choi ce cont ext s的情况下选择travelmode m的条件概率，, |和|定义如下：=经验值()经验值()(15)|=经验值经验值(16)=经验值()经验值()(17)|=经验值()经验值()（18） RP和SP组合模型的对数似然函数为：ln()= ln公司()+ ln公司()（19）其中()andln公司()分别是RP和SP数据的l o g-似然函数，定义如下：ln= 自然对数(|)()（20） ln公司= 自然对数(|)()（21）其中()和()是单个n选择调制解调器在RP（SP）选择上下文中移动到目的地d的虚拟变量。3.2出行生成模型采用泊松回归模型对出行生成进行建模。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-11 06:18:16

解释变量为个性化特征和可达性指数，这是基于RP/SP组合预测和模式选择模型计算的。在泊松回归模型中，出行次数被建模为泊松随机变量，发生概率为()= !（22）其中是个人i的旅行次数，以及参数化如下：ln()= （23）其中是的参数哪个是-th解释变量。从文献和实践中都知道，通过使用可接受性度量，从原始区域i到目标区域j，个体的预期最大效用 = 自然对数经验值()（24）其中是否为原点i设置了目标备选方案，以及是选择目的地j（ijD）的实用函数∈).因此，所提出的嵌套结构允许我们通过测量可达性，即诱导行程，捕捉添加新出行模式和提高服务水平对出行生成的影响。请注意，该模型只能捕获短终点行程。为了捕捉增加新出行模式和提高服务水平的长期影响，需要对土地使用的变化（如住宅位置和设施位置）进行建模。4、数据为进行调查设计了一份综合问卷，其中包括显示偏好（RP）和陈述偏好（SP）问题。问卷包括两个主要部分：在RP部分，要求受访者填写过去一年所有城市间出行的出行日记；然而，当高铁可用时，SP部分是为收集旅行者的预期模式和目的地选择而精心定制的。该调查于2011年进行，涵盖了河内（越南）的所有地区，包括城市核心区、城市环线和副城市地区。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-11 06:18:19

受访者在设计的地点随机挑选，采访者进行面对面的调查。选择在南北走廊有城际旅行经历的人来回答一整套问卷，而其他人只被问及他们的社会人口特征。在RP部分，受访者被要求根据三个目的填写出行信息，包括始发地和目的地、出行成本、出行时间、进出时间等。对于非商务旅行，还要求提供旅行团的信息。在SP调查中，采访者首先向受访者介绍和描述HS R。然后给被调查者一组问卷，其中每个旅行模式的假设属性，如旅行成本、旅行时间和服务频率，都有系统的变化。由于其地理和旅游特点，拟建高铁路线沿线的目的地分为七个区域。解释变量包括区域特征以及模式选择嵌套的最大效用的对数和变量。当前情况下可用的模式有城际巴士、常规铁路、常规航空公司、L CCs和汽车。在SP设计中，汽车不包括在长途（LD）旅行的选择范围内。中长途商务旅行的SP调查选择集包括传统航空公司、LCC和高铁，因为旅行成本由旅行者组织支付。对于SP调查s的非商务旅行，HSR被添加到当前所有其他可用模式的选择集中。表1和表A（附录A）分别显示了调查数据汇总和数据特征汇总。5、模型估计和结果5.1模式选择和目的地选择模型稳定1。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-11 06:18:22

调查数据摘要business non businessMode choiceDestination choiceMode choice&Destination choiceNumber of tripRPSP2432（608）1216（608）Destination choiceNumber of Individual注：受访者人数见括号。出差和非出差模型的估计结果分别见表2和表3。我们可以确认，拟合优度（即ρ平方）非常高，大多数解释变量和对数和变量的参数在95%的水平上具有统计显著性，所有参数都具有预期符号。详细讨论如下。5.1.1商务旅行模型估算结果在本研究中，目的地被定义为一组相邻的省/市（见附录B）。由于缺乏辅助数据，仅将目的地的总GRP用作目的地变更的解释变量f。估算的商务旅客人数具有统计学意义，反映了GRP水平对商务旅客目的地选择的影响。RP数据模型的尺度参数小于1，这意味着SP数据比RP数据具有更多的噪声。关于出行方式的选择，结果表明，出行成本、车内出行时间、出入时间都有负面影响，即价格越便宜、出行时间越短，用户选择该出行方式的可能性越大。所有这些参数都具有统计学意义。所有的虚拟变量都代表了ORP对SP的影响是显著的，这与之前的研究一致。这意味着SP中模式的选择受到实际行为的高度影响。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-11 06:18:25

对于常数项，公共汽车和传统铁路的负参数表明，如果所有其他变量都相同，商人有权开车旅行。然而，相反的情况适用于航空公司和高铁，因为这些参数有积极的迹象。可以直观地理解，访问和访问时间的值比车辆行程时间的值大。职业（如果是ZF官员，则为1人；如果是办公室职员，则为0人）；教育程度（如果是大学或以上学历，则为1人；如果是有车的，则为1人；否则为0人）；以及汽车拥有情况（如果是有车的，则为1人）；作为θ的解释变量。对于具有大学或以上学历、收入较高的年轻ZF官员、官员和商务人士，商务旅行的目的地选择对他们的方式选择有很大影响。汽车拥有者对他们的出行模式更加独立，因此会产生负面影响。5.1.2非商务旅行模型估计结果从估计结果中可以看出，目的地吸引力参数是静态显著的，该参数由游客数量来衡量。可以肯定的是，游客很可能会带着更多的游客前往目的地，这可以用社会互动的效果来解释。受访者可能认为，游客人数较多的目的地比其他目的地更有吸引力。由于每个地区的游客吸引力的变化，夏季假期的夏季变量参数随着季节的影响而变化。研究发现，游客更有可能前往3区、4区和7区，那里有很多家庭海滩。也许，游客可能对温带地区更感兴趣，因为受访者所在地位于夏季非常炎热的河内。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-6-11 06:18:28

以传统旅游和历史旅游著称的Z ones 2和Z ones 5对旅游者在暑假期间的目的地选择有负面影响。在当前情况下，旅游景点的响应体验或感知对SP目的地选择有相当大的影响。换言之，旅行者对现有旅游资源的了解在统计上影响着未来旅游目的地的位置。此外，结果表明，访问6区和8区的游客很可能再次光临，这可以通过这些地区的各种游客吸引来区分。游客可以看到寺庙、城堡、历史遗迹、遗址、古墓和其他过去遗留下来的景点，以及一些年度节日，以及6区美丽的海滩和度假村。另一方面，除了数十处历史名胜、自然景点外，8区还以购物、餐饮和休闲中心而闻名。高收入家庭旅游者的目的地选择更多地受到旅游方式服务水平的影响，而劳动人口则表现出相反的趋势。对于出行方式选择模型，发现交通成本和车内出行时间对出行方式选择有负面影响。代表RPon SP模式选择影响的参数有积极的迹象，并且具有统计学意义，这意味着旅行者倾向于用他们经历过的模式重复他们的选择行为。这项实证研究提供了所述偏好对所示偏好影响的证据。收入对公共汽车和常规铁路用户的负面影响参数表明，如果其他变量相同，收入相同的游客有选择汽车的偏好。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-11 06:18:31

而收入较高的旅客可能会选择航空公司或高铁forTable 2商务模式选择和目的地选择的估计结果TripExplantive variablesParameter（显著水平）Destinat i on choice Log of Total GRP（1060万il VND）RP0。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

栏目导航

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群