自行车出行路径决策行为研究综述

黄 玥，干宏程

自行车出行路径决策行为研究综述

黄 玥，干宏程

（上海理工大学，管理学院，上海 200093）

在绿色发展的背景下, 自行车出行愈发受到社会各界的关注。如何从出行者角度出发, 制定满足用户出行需求的交通管理政策，这就需要对出行者的出行偏好进行深入的研究。国外对自行车路径选择的研究已经相当成熟, 而我国对自行车出行路径选择行为的作用机理研究尚不充分。本文从自行车出行路径选择行为影响因素、模型方法、实验调查方法以及应用场景等方面系统梳理了自行车出行路径选择偏好的研究成果。最后对自行车出行路径选择领域的研究方向进行了展望, 以期为我国的慢行交通体系建设以及城市规划提供参考。

交通管理；自行车；出行路径决策；研究进展

0 引 言

机动车规模快速增长所造成的环境污染、能源安全以及交通拥堵等问题越来越成为制约城市发展的瓶颈。与此同时，可持续的、绿色环保的理念正在逐渐改变人们的观念和生活习惯。在这样的背景下，自行车出行逐渐受到各方的关注，特别是在一些大城市自行车出行甚至成为部分家庭的首选[1]。

我国曾是世界闻名的自行车王国，人们对于自行车出行有较长的历史和感情基础，因此在我国推广自行车出行相对比较容易。但近年来自行车出行比例却在不断减少，有研究表明出行者不选择自行车出行的主要原因之一是没有营造一个良好的非机动车出行环境[2]，因此对自行车用户的出行偏好进行研究显得十分必要。

自行车出行路径选择和出行方式选择同属于自行车出行行为的研究范畴。有关非机动车出行方式的研究已经积累了丰富的成果，而自行车出行路线选择行为的研究相对较少，且路线选择行为与交通系统结构、土地利用情况等直接相关。因此大量学者通过捕捉出行者对不同出行环境的偏好规律，以期发现影响自行车出行者出行路线选择的关键因素，从而为改善城市非机动车出行环境，提高自行车的出行分担率，优化城市交通系统结构提供理论依据。本文希望通过综述国内外的研究成果，为我国尚处于起步阶段的自行车出行路径决策行为研究提供一些参考。

1 国内外研究现状

20世纪80年代，欧洲率先展开对自行车出行路径选择行为的研究，而我国有关自行车出行路径的研究相对较晚，从2000年后才开始出现，其研究的内容主要包括以下几个方面：

1.1 自行车路径选择影响因素分析

自行车出行者路径决策行为是一个受多种因素综合作用的、关联性强的决策行为过程。目前对影响因素的分类还没有统一标准，大致可以分为：（1）社会经济与人口特征变量；（2）道路环境因素；（3）潜变量因素，包括情境性潜变量、主观感知等，潜变量越来越被证明对出行路径选择有重要影响，但目前仍缺乏对自行车出行者主观感知维度的测度。图1所示为自行车出行路径选择影响因素。

图1 自行车出行路径选择影响因素

社会人口特征变量是开展出行行为研究不可或缺的类别。性别可能在影响个人参与骑行选择方面发挥着重要作用。Fu[3]的研究发现，65%的男性通勤者即使意识到了路段骑行风险，但仍会继续选择该路线，而只有50%的女性会继续选择该路径出行，这一结果与路径选择行为中性别对风险规避态度的选择一致[4]。自行车出行路径选择与收入的关系目前还不明确。有人发现拥有汽车的人更愿意接受行程时间稍长的自行车出行路线[5]，但由于样本的局限性，目前还不能确定是否是一种普遍现象。社会经济因素对自行车出行路径选择的作用有待进一步验证。

政府希望通过政策与环境干预人们的出行，因此对自行车出行者路径选择行为研究重点关注道路环境因素。行程距离[6-8]、自行车道设施、机动车交通量以及景观环境等都与自行车出行路径选择行为有着显著关系。具体来说：（1）时间是重要的影响因素。在研究个体出行路径选择行为时，几乎都会考虑时间因素，行程时间的增加意味着体力的消耗、便利性的降低，Aultman[9]发现出行者的实际出行路径只偏离OD间最短路径大约0.4km，反映出骑行者对于时间的重视。（2）骑行者展现出对独立骑行空间的诉求[10-12]。自行车基础设施包括自行车专用路、自行车道以及普通城市道路（护栏或标线隔离）三种形式。Tilahun[10]研究了不同的道路类型，发现自行车专用路受到多数人的偏爱[13,14]，这是因为非机动车专用路拥有开阔的骑行空间和专属路权，可提升骑行安全性，这类设施在欧美国家得到了广泛的应用[1,12]。（3）出行者逐渐将美学感知融入到交通出行中。人们愈发重视骑行过程中的体验，景观环境成为人们选择出行路线时的重要考虑因素[1,12,15]。研究同时表明，良好的环境只能提升选择该路线出行的意愿，但不起决定性作用。

目前研究多从外部的客观因素出发，忽略了现实情况下，难以观测的潜变量可能与出行路线的选择行为有着更为强烈的关系。Ben-Akiva最先将潜变量引入交通行为领域，在后续研究中，也都验证了潜变量的科学性和有效性。（1）个体态度变量与自行车的路径选择高度相关。由于出行者对安全的主观感知，Sneral发现连续的自行车道设施是非常重要的，并且骑行人在物理隔离（如绿化隔离带、护栏等）自行车道的舒适度更高[13]；石剑桥[16]在校园范围内研究了个人偏好、心理特征等非建成环境因素对路径选择的影响，结果发现个体的偏好意识对路线选择行为有影响。（2）骑行经验可以部分抵消出行者对安全性的在意程度[17]，同时由于经验的存在，意味着即使其合理评估了各出行路径的效用值，可能仍不会改变其出行路线。这些研究结果表明潜变量的作用不容忽视，但仍需要更多不同的实证研究来证实潜变量的作用是否存在一致性。

在目前的研究成果中，虽然不同实证对象结论有所差别，但都表明出行距离、非机动车道类型、隔离设施和景观环境等因素普遍有显著影响，特别是自行车专用路受到多数人的偏爱[18]。

1.2 路径选择行为模型

1.2.1 离散选择模型

定量的考察多因素综合影响下的自行车出行路径选择行为大多借助离散选择模型[19]。王灿[20]对离散选择模型做了系统的介绍，并提出了面向RP/SP等数据的适宜模型。而在离散选择模型中最常用的就是多项Logit模型（Multinomial Logit Model，简称MNL）以及混合Logit模型（Mixed Logit Model，简称ML）等。

离散选择模型的具体形式取决于随机效应分布的不同，其中最为基础的模型形式就是多项Logit模型，它假定随机项服从Gumbel分布，且所有变量之间相互独立。虽然多项Logit模型存在固有的理论缺陷，如随机效用相互独立假设和线性效用函数假设，但作为经典的离散选择模型，由于其具有稳健、估计简便、准入门槛低等特点，仍得到广泛应用[21-24]。

在多项Logit模型的基础上，进而衍生出更为精细化的混合Logit模型。它放宽了多项Logit模型的限制[25]，能更加清晰地表达个人的偏好信息，解决重复观测结果相关性等问题，多被用来解释出行路径选择行为[1,10,26,27]。实证研究表明，混合Logit模型比多项Logit模型具有更佳的拟合优度[5]。

PSL（Path-Size Logit）模型同样是对MNL模型的改进。国内外学者进一步考虑到交通出行路径可能存在重叠情况，而MNL模型无法进行合理的解释，此时引入校正因子对效用进行调整以克服重叠路径问题。目前在自行车出行路径选择的研究中针对建模方法的创新主要在于对离散选择模型效用函数进行改造，以便更适用于复杂问题。

1.2.2 有限理性理论

离散选择模型虽有所改进，但始终是基于效用最大化这一理性假设。实际出行环境是一个存在大量不确定性因素的复杂系统，出行者受制于自身有限的认知能力，可能对出行环境产生错误认知，从而不能选择最能满足其偏好的出行路线，这违背了离散选择模型的前提假设。因此美国经济学家Simon在1955年最先提出了有限理性的概念，即人们在决策过程中更多的是介于完全理性和非理性之间的“有限理性”状态[28]。有限理性的提出为松弛传统的理性假设提供了可能。在此基础上，后来又有学者发展出了前景理论、后悔理论等。

目前国内外还比较缺乏基于有限理性理论的非机动车出行路线决策行为研究。邓自闯[29]基于前景理论建立了公共自行车出行路径选择模型，并利用意向调查法结果与之比对，验证了模型的可靠性。由此可见，前景理论对自行车出行路径选择行为具有较好的描述性。但前景理论在实际应用中存在一些难点，如参照点不易设置、参数难以估计等，而后悔理论则不存在上述问题，一定程度上更适用于复杂的自行车出行行为研究[30]。在有限理性框架下研究自行车出行路径选择行为，能较好地描述出行者在不确定性交通出行中的决策行为，使研究结果更符合实际[31]。

1.3 行为数据调查方法

1.3.1 基于SP和RP的调查

利用离散选择模型对自行车出行路径选择行为分析，须获取RP和SP两类基本数据，其数据的可靠性、真实性与最终研究结论有很大相关性，进而对交通需求预测产生影响。

当采集的路径选择行为数据是用户真实发生的，称这种调查方法为行为调查法（Revealed Preference Survey，简称RP）；如果有关自行车路径选择行为是在假想情境下做出的，则被称之为意向调查法（Stated Preference Survey，简称SP）。一个共识性的观点是两者各有优劣。

用RP数据建立的路径选择行为模型的参数是经过实际数据标定的，因而具有较高的可靠性。对于RP调查而言，数据收集主要依赖于问卷调查[32]，但对受访者通过回忆来填写问卷时的完整性及可靠性不可控；且受制于受访者配合程度、调查成本等问题，一般样本量不会很大。

SP调查与RP调查相比，数据的收集往往更容易，获取成本更低。它的其他优点还包括允许创造一个更加虚拟、广泛的选择场景，可以通过实验设计手段拉开变量水平之间差距等，因此得到了广泛应用[5,21,33,34]。但SP调查同样存在不足，首先，当SP调查所考虑的因素及其水平数过多，且在没有选择合适的实验设计方法的情况下，会产生大量的假设情景，从而使问卷调查难以开展；其次，受访者所做的选择都是基于虚拟路线，因此，仅利用SP数据的建模分析将不可避免地产生与现实情况不符的预测偏差。

为了解决上述调查方法的缺陷，研究人员从多角度进行尝试：

（1）从调查方法出发。采用高效的数据收集手段解决RP调查中数据的客观性及样本量问题。为了克服SP假设情景脱离实际的问题，在SP调查中采用图片、视频[35]以及VR技术等可视化手段，尽可能使虚拟路线贴近真实，以便提高受访者对于路径决策问题的感知和理解，其有效性已在部分研究中得到验证[26]。

（2）从数据处理出发。充分利用RP，SP数据特点，两者能够相互补充、相互结合，因此使用RP和SP融合数据进行模型标定成为一种较好的选择，从而可以达到修正偏差，增大统计有效性等目的[36]。

1.3.2 基于信息手段的调查

真实的个人出行路径活动数据具有较高的理论及应用价值。传统的RP调查无法追踪用户出行的全过程，且样本数据较少，难以保证模型的准确度。2010年后的文献开始大量运用全球定位系统（GPS）以及应用地理信息系统（GIS）所产生的与出行有关的数据进行路径选择行为的建模与分析[37，38]。

GPS获取数据的局限性小，通常可以长时间连续不间断作业，通过雇佣志愿者在自行车上安装GPS设备即可方便地获取真实的行驶路径数据，提高了时空信息收集的精度与效率。而获得的GPS数据与GIS相结合，可以进行GIS空间数据组织、可视化开发等。Menghini[23]，Broach[37]利用GPS观测数据集，通过与街道网络进行匹配，进而识别出真实的出行路径，估计了影响出行者的路线选择偏好的因素。但GPS设备也存在一定的局限，如无法收集观测样本的社会经济属性、心理变化等主观特征。因此Papinski[39]整合了GPS、GIS以及网络日志三种方法，设计了一套居民路径选择调查系统，前者获取真实的空间数据，后者记录骑行者的主观感知数据，这种结合有利于深入地了解出行者路径决策过程[40]。

GPS数据的采集环境复杂多变，如何产生合适的路径选择集，如何对原始数据进行降噪处理成为研究的关键。除了GPS和GIS设备，IC卡数据、手机信令数据以及社交平台数据的大规模应用也为自行车出行路径选择行为的研究提供了新的思路。同时，利用无人机与计算机视觉技术对出行路径识别的小范围实验也正在进行。

2 应用场景

自行车出行行为和决策研究的应用价值主要体现在两方面：

（1）城市规划设计方面。朱玮课题组[12,26]利用骑行路径偏好数据建立离散选择模型，并将其应用到上海中心城区整体层面的骑行环境评价中，根据定量模型以出行环境效用最大化为目标，量化了各要素对路径评价的影响程度。优先考虑对效用提升大的环境要素进行改造，针对性地提出优化措施，从而更好地指导街道设计、绿色交通出行环境建设等。

（2）交通组织优化方面。在现有的城市空间条件下从交通供给侧进行大规模的空间调整和道路交通设施建设并不现实。通过研究自行车出行者的路径选择偏好，运用适当的交通诱导、行为教育等策略，制定自行车出行路径方案，从而达到引导交通量从拥堵路段向非拥堵路段转移，提高道路资源利用率等目的。研究结果还可用于改进自行车出行需求预测模型，Su[41]将自行车出行路径选择结果与出行需求模型中的交通分布、交通方式划分等过程相结合，使其结果更能满足出行需求预测要求。

3 关键问题与研究展望

综上可知，相比而言，国外对于自行车出行路径选择行为研究中在行为分析建模改进及创新，数据收集手段现代化等方面具有一定优势。而国内有关非机动车出行路径选择行为的研究还较少。目前对于该领域的研究仍有以下几个关键问题，值得继续关注和深入研究：

（1）以往文献对于影响因素的考虑相对比较片面。影响自行车路径选择行为的因素十分复杂，目前还没有统一的定论，且在研究中想要完全包含上述所提三个维度的变量难度较大。根据研究目的，有些重要的影响因素只能被忽略，而这些影响因素的忽略可能会导致模型参数估计的偏差。同时，以往研究多从客观因素着手，缺少对于潜变量的考虑。将心理特征等潜变量纳入行为建模中，可以有效解决出行者决策过程中的“黑盒”问题，从而进一步提高模型精度和行为解释能力[42-44]。

（2）自行车出行路径选择研究需要有完善的数据支撑。现阶段我国居民出行路径选择行为研究采用的主要是问卷填表的方式，这种调查方式存在数据精度低、样本量有限等问题，所建模型无法进行有效的实际应用，研究有待从数据获取方法这个基础层面做出改变。由于汽车GPS数据精度高且较易获取，因此很多研究利用车载GPS数据分析汽车的择路行为[45]。而受制于调查成本等原因，目前国内针对自行车出行路径的GPS数据建模的研究鲜少见到。

（3）以往研究很少考虑信息条件下的出行路径选择行为。干宏程[46]率先研究了先进的出行者信息系统如何通过VMS（可变电子信息板）发布交通诱导信息，从而影响机动车驾驶员的路径决策行为。但目前针对非机动车出行者在不同交通信息下的路径决策响应规则的研究几乎属于空白。通过制定不同的交通信息发布策略与方法，可以引导出行者在出行方式、出行路径甚至出行目的等方面进行科学、合理选择，有利于实现系统最优的交通管理目标。

（4）以往文献忽略了研究对象的异质性。不同出行需求[8]或出行特征的自行车用户会引起较大的使用偏好差异。如通勤者与非通勤者相比在行程时间敏感性[27]、出行环境偏好以及出行成本支付意愿上存在明显差异[5]。一般对出行人群的划分多基于社会经济属性，如Chen[21]、Wuerzer[22]分别针对专业骑行者、学生等不同类型的出行主体进行了出行特征和影响因素分析。但这种划分方法较为粗略，因此在建模时需细化各类出行人群。

与此同时，不同国家之间存在的差异使得研究结论不完全具有可移植性，增加了研究难度。由于发达国家和发展中国家在城市结构、交通环境、基础设施以及社会经济等方面的差异，有关研究成果并不能直接移植。典型的例子是国外通常将自行车道分为自行车专用路（bicycle path）和自行车道（bicycle lane）[47]，而我国则很少设置单独的非机动车专用路，且出行者也不熟悉自行车专用路这种设施类型。因此，研究自行车出行路径选择行为需结合国情，调整研究变量，以免导致调查结果的失真[48]。

[1] VEDEL S E, JACOBSEN J B, PETERSEN H S. Bicyclists’ preferences for route characteristics and crowding in copenhagen – a choice experiment study of commuters[J]. Transportation Research Part A: Policy and Practice, 2017, 100: 53-64.

[2] RAY P. Revealed preference methods for studying bicycle route choice — a systematic review[J]. International Journal of Environmental Research and Public Health, 2018, 15 (3): 470.

[3] FU L, FARBER S. Bicycling frequency: a study of preferences and travel behavior in Salt Lake City, Utah[J]. Transportation Research Part A Policy & Practice, 2017, 101: 30-50.

[4] AKAR G, FISCHER N, MI N. Bicycling choice and gender case study: the ohio state university[J]. International Journal of Sustainable Transportation, 2013, 7 (5): 347-365.

[5] MAJUMDAR B B, MITRA S. Analysis of bicycle route-related improvement strategies for two Indian cities using a stated preference survey[J]. Transport Policy, 2018, 63: 176-188.

[6] STINSON M A, BHAT C R. A comparison of the route preference of experienced and inexperienced bicycle commuters[C]// Transportation Research Board. TRB 84th Annual Meeting Compendium of Papers DVD. Washington DC: Transportation Research Board, 2005.

[7] BHAT C R, DUBEY S K, NAGEL K. Introducing non-normality of latent psychological constructs in choice modeling with an application to bicyclist route choice[J]. Transportation Research Part B: Methodological, 2015, 78: 341-363.

[8] 何凡, 边扬, 马俊来. 不同需求影响下的自行车出行路径规划方法[J]. 交通信息与安全, 2017, 35 (5): 106-114.

[9] AULTMANHALL L, HALL F, BAETZ B. Analysis of bicycle commuter routes using geographic information systems: implications for bicycle planning[J]. Transportation Research Record Journal of the Transportation Research Board, 1997, 1578 (1578): 102-110.

[10] TILAHUN N Y, LEVINSON D M, KRIZEK K J. Trails, lanes, or traffic: valuing bicycle facilities with an adaptive stated preference survey[J]. Transportation Research Part A: Policy and Practice, 2007, 41 (4): 287-301.

[11] WINTERS M, TESCHKE K. Route preferences among adults in the near market for bicycling: findings of the cycling in cities study[J]. The Science of Health Promotion, 2010, 25 (1): 40-47.

[12] 潘晖婧, 朱玮, 王德. 基于路径选择行为的自行车出行环境评价和改善[J]. 上海城市规划, 2014, 2: 12-18.

[13] LI Z, WANG W, LIU P, et al. Physical environments influencing bicyclists’ perception of comfort on separated and on-street bicycle facilities[J]. Transportation Research Part D: Transport and Environment, 2012, 17 (3): 256-261.

[14] 朱彤, 杨晨煊, 郭春琳，等. 城市道路环境自行车出行者满意度模型研究[J]. 重庆交通大学学报: 自然科学版, 2018, 37 (2): 102-106.

[15] ALVARO C, MIGUEL F. Modeling the impact of traffic conditions and bicycle facilities on cyclists’ on-road stress levels[J]. Transportation Research Part F: Traffic Psychology and Behavior, 2018, 58: 488-499.

[16] 石剑桥, 张梦竹, 赵鹏军. 心理因素对校园步行和自行车出行路径选择的影响研究——以北京大学燕园为例[J]. 西北师范大学学报: 自然科学版, 2017, 53 (6): 97-104.

[17] PRATO, GIACOMO C. Route choice modeling: past, present and future research directions[J]. Journal of Choice Modelling, 2009, 2 (1): 65-100.

[18] HOOD J, SALL E, CHARLTON B. A GPS-based bicycle route model for San Francisco, California[J]. Transportation Letters, 2011, 3 (1): 63-75.

[19] MCFADDEN D. The measurement of urban travel demand[J]. Journal of Public Economics, 1974, 3 (4): 303-328.

[20] 王灿, 王德, 朱玮, 等. 离散选择模型研究进展[J]. 地理科学进展, 2015, 34 (10): 1275-1287.

[21] CHEN C F, CHEN P C. Estimating recreational cyclists’ preferences for bicycle routes – evidence from Taiwan[J]. Transport Policy, 2013, 26: 23-30.

[22] WUERZER T, MASON S G. Cycling willingness: investigating distance as a dependent variable in cycling behavior among college students[J]. Applied Geography, 2015, 60: 95-106.

[23] MENGHINI G, CARRASCO N, AXHAUSEN K W. Route choice of cyclists in Zurich[J]. Transportation Research Part A: Policy and Practice, 2010, 44 (9): 754-765.

[24] CAULFIELD B, BRICK E, MCCARTHY O T. Determining bicycle infrastructure preferences — a case study of Dublin[J]. Transportation Research Part D: Transport and Environment, 2012, 17 (5): 413-417.

[25] 李华民, 黄海军, 刘剑锋. 混合Logit模型的参数估计与应用研究[J]. 交通运输系统工程与信息, 2010, 10 (5): 73-78.

[26] 朱玮, 翟宝昕, 简单. 基于可视化SP法的城市道路自行车出行环境评价及优化——模型构建及上海中心城区的应用[J]. 城市规划学刊, 2016, 3: 85-92.

[27] SENER I N, ELURU N, BHAT C R. An analysis of bicycle route choice preferences in Texas, US[J]. Transportation, 2009, 36 (5): 511-539.

[28] 徐红利. 城市交通流系统分析与优化[M]. 南京: 南京大学出版社, 2013.

[29] 邓自闯, 周红梅, 魏志强. 固定租赁点的公共自行车出行路径分析[J]. 华东交通大学学报, 2017 (5): 93-98.

[30] 王晓玉, 王立晓, 左志. 后悔理论及其在出行中的应用研究综述[J]. 武汉理工大学学报: 交通科学与工程版, 2018, 42 (2): 231-237, 242.

[31] 李梦, 黄海军. 基于后悔理论的出行路径选择行为研究[J]. 管理科学学报, 2017 (11): 6-14.

[32] SONG R, NI Y, LI K P. Understanding cyclists’ risky route choice behavior on urban road sections[J]. Transportation Research Procedia, 2017, 25: 4157-4170.

[33] CAMPOREALE R, CAGGIANI L, OTTOMANELLI M. Modeling horizontal and vertical equity in the public transport design problem: a case study[J]. Transportation Research Part A: Policy and Practice, 2018, 1-23.

[34] CARLSSON F, KATARIA M, LAMPI E. Demand effects in stated preference surveys[J]. Journal of Environmental Economics and Management, 2018, 90: 294-302.

[35] 王维凤, 叶建红, 方雪丽, 等. 基于骑行感受的自行车出行品质评价应用研究[J]. 城市交通, 2016, 14 (5): 44-49.

[36] 张天然, 杨东援, 赵娅丽，等. RP/SP融合数据的Mixed Logit和Nested Logit模型估计对比[J]. 同济大学学报: 自然科学版, 2008 (8): 1073-1078, 1084.

[37] BROACH J, DILL J, GLIEBE J. Where do cyclists ride? a route choice model developed with revealed preference GPS data[J]. Transportation Research Part A: Policy and Practice, 2012, 46 (10): 1730-1740.

[38] ZIMMERMANN M, MAI T, FREJINGER E. Bike route choice modeling using GPS data without choice sets of paths[J]. Transportation Research Part C: Emerging Technologies, 2017, 75: 183-196.

[39] PAPINSKI D, SCOTT D M, DOHERTY S T. Exploring the route choice decision-making process: a comparison of planned and observed routes obtained using person- based GPS[J]. Transportation Research Part F: Traffic Psychology and Behavior, 2009, 12 (4): 347-358.

[40] MCGINN A P, EVENSON K R, HERRING A H, et al. The relationship between leisure, walking, and transportation activity with the natural environment[J]. Health & Place, 2007, 13 (3): 588-602.

[41] SU J G, WINTERS M, NUNES M, et al. Designing a route planner to facilitate and promote cycling in metro Vancouver, Canada[J]. Transportation Research Part A: Policy and Practice, 2010, 44 (7): 0-505.

[42] 朱玮, 庞宇琦, 王德. 自行车出行行为和决策研究进展[J]. 国际城市规划, 2013, 28（1）：50-55.

[43] SEGADILHA A B P, SANCHES S D P. Identification of factors that influence cyclist? route choice[J]. Procedia - Social and Behavioral Sciences, 2014, 160: 372-380.

[44] 吴麟麟, 卢海琴, 汪洋, 等. 引入忠诚度变量的城际出行方式动态选择行为研究[J]. 公路交通科技, 2014, 31 (11): 123-129.

[45] 杨扬, 姚恩建, 潘龙, 等. 基于GPS数据的出租车路径选择行为研究[J]. 交通运输系统工程与信息, 2016, 15 (1): 81-86.

[46] 干宏程. VMS诱导信息影响下的路径选择行为分析[J]. 系统工程, 2008 (3): 11-16.

[47] HARVEY F, KRIZEK K J, COLLINS R. Using GPS data to assess bicycle commuter route choice[C]//TRB 87th Annual Meeting Compendium of Papers DVD. Washington DC: Transportation Research Board, 2008.

[48] 《中国公路学报》编辑部. 中国交通工程学术研究综述·2016[J]. 中国公路学报, 2016, 29 (6): 1-161.

Literature Review of Bicycle Travel Routes Decision

HUANG Yue，GAN Hong-cheng

（Business School, University of Shanghai for Science & Technology, Shanghai 200093, China）

In the context of green development, bicycle travel has attracted increasing attention from communities. However, the method to formulate suitable policies to meet travel requirements of users from the perspective of travelers remains unknown. An intensive study of the preferences of travelers is thus required. Domestic research on the mechanism of bicycle path choice behaviors is in early stages. However, extensive research on bicycle route decisions has been conducted abroad. This paper reviews the literatures of various studies on bicycle travel route choices by systematically summarizing influence factors, choice models, survey methods, and application scenarios. Finally, the paper describes the future perspectives of research on bicycle route choices in order to provide a reference for the construction of non-motorized transportation systems and aid urban planning in China.

transportation management; bicycle; travel routes decision; research progress

U491

A

10.3969/j.issn.1672-4747.2020.01.019

1672-4747（2020）01-0146-08

2019-02-20

国家自然科学基金资助项目（71871143）；上海市曙光学者人才项目（15SG41）

黄玥（1995—），男，硕士研究生，研究方向为交通规划、交通行为，E-mail：huangyue616418@163.com

干宏程（1978—），男，浙江宁波人，教授，博士生导师，研究方向：交通规划、交通管理、智能交通，E-mail：hongchenggan @126.com

黄玥，干宏程. 自行车出行路径决策行为研究综述[J]. 交通运输工程与信息学报，2020，18（1）：146-152, 167.

（责任编辑：李愈）