考虑出行群组异质性的有轨电车发展决策行为偏好研究

安萌; 陈学武; 杜江

doi:10.3963/j.jssn.1674-4861.2022.02.017

考虑出行群组异质性的有轨电车发展决策行为偏好研究

doi: 10.3963/j.jssn.1674-4861.2022.02.017

安萌^{1, 2,},
陈学武^{1, 2, ,},
杜江³

1.
东南大学交通学院南京 211189
2.
东南大学城市智能交通江苏省重点实验室南京 211189
3.
重庆市城市建设研究中心重庆 400020

基金项目:

国家自然科学基金重点项目 52172316

详细信息

作者简介:
安萌（1985—），博士研究生. 研究方向：交通运输规划与管理. E-mail: anmeng@seu.edu.cn

通讯作者:
陈学武（1968—），博士，教授. 研究方向：交通运输规划管理、交通运输工程等. E-mail: chenxuewu@seu.edu.cn

中图分类号: U491.1+7
计量
- 文章访问数: 1148
- HTML全文浏览量: 445
- PDF下载量: 37
- 被引次数: 0
出版历程
- 收稿日期: 2021-12-20
- 网络出版日期: 2022-05-18

Behavior Preference in the Decisions-making Process for Streetcar Development Considering Heterogeneity Within the Clusters of Urban Residents

AN Meng^{1, 2
,},
CHEN Xuewu^{1, 2
, ,},
DU Jiang³

1.
School of Transportation, Southeast University, Nanjing 211189, China
2.
Jiangsu Key Laboratory of Urban ITS, Southeast University, Nanjing 211189, China
3.
Chongqing Urban Construction Research Center, Chongqing 400020, China

摘要

摘要: 将有轨电车发展的研讨视为1项决策过程，按照基本属性、出行目的、出行模式等异质性特征，将出行群体划分为不同群组，开展基于不同异质性群组对发展有轨电车决策的偏好特性研究。通过融合行为偏好（RP）的意向偏好（SP）问卷调查，获取不同群组的基本属性及决策偏好特征数据。考虑有轨电车发展决策同时受环境要素、个体社会经济属性及出行需求特征等多层级因素的影响，对不同出行群组在不同情景下的决策偏好数据进行了多次测量，并引入多水平Logistic模型构建了考虑群组异质性的有轨电车发展决策偏好模型。选取了公共交通通勤出行、公共交通非通勤出行及非公共交通出行这3类异质性群组，对有轨电车发展决策偏好模型进行了参数估计。结果表明：①个体对有轨电车技术特性的感知并不会对有轨电车发展决策产生影响；②同一异质性群组，年龄的增长对有轨电车发展决策负向影响逐渐减小，说明年龄越大个体对有轨电车发展决策偏好逐渐增强，这种趋势在公共交通非通勤出行群组中更为显著；③可支配小汽车数对所有异质性群组的有轨电车发展决策偏好均呈显著负向影响，即家庭可支配小汽车数量越多，个体对有轨电车发展决策的支持度会越低；④出行时间及成本属性对有轨电车发展的决策偏好均有显著负向影响，即随着出行时间或出行成本的增加，对有轨电车发展决策的支持呈降低趋势，且该负向影响在骨架交通功能感知下较品质交通功能感知下更为敏感。
- 交通信息 /
- 有轨电车 /
- 群组异质性 /
- 多水平Logistic模型 /
- 决策偏好
Abstract: Considering the survey for streetcar development as a part of decision-making process, travelers are divided into different clusters according to their heterogeneous characteristics such as personal attributes, travel purposes, and travel modes. A study on decisions-making preference to streetcar development based on the cluster heterogeneity is then carried out. Based on a questionnaire survey with Stated Preference (SP) and Revealed Preference (RP), data of personal attributes and characteristics of decision-making preference of different clusters are collected. The data has been obtained with multiple measurements in different travel groups and scenarios, considering the influences of multi-level factors, i.e. environmental factors, personal socio-economic attributes, and travel demands, on behavioral preference in the decisions-making process for streetcar development. A multilevel logistic model is used to develop a model with cluster heterogeneity. Parameters of the model are estimated using three heterogeneous cluster samples, i.e. commuting scenario with public transportation, traveling other than commuting scenario with public transportation, and traveling with private transportation scenario. The results show that: ①Individual's perception of tram technology have no impact on the preference for its development.②Negative effect of increasing age on the preference for tram development gradually decreases in the same heterogeneous group, which indicates the preference for tram development gradually increases with age, and this trend is more significant in the traveling other than commuting scenario of public transportation.③The number of available cars has significant negative influence on the preference of tram development in all heterogeneous groups. Study results show that the higher the number of available cars in the household, the lower the support of individuals for tram development. ④Both travel time and cost have significant negative effects on preferences for tram development, as the support for tram development tends to decrease as travel time or travel cost increases, and it is also found that travel groups are more sensitive such a negative impact under the perception of the skeletal transportation function than that under the perception of quality transportation function.
- transport information /
- streetcar /
- heterogeneous clusters /
- multilevel logistic model /
- decision-making preferences

HTML全文

表 1 问卷样本类型细分表

Table 1. Table of the sample types

个人属性	类型	通勤情景		非通勤情景		样本量
个人属性	类型	首选公共交通	次选公共交通	首选公共交通	次选公共交通	样本量
通勤者	I型	√		√		162
	Ⅱ型	√			√	142
	Ⅲ型		√	√		56
	Ⅳ型		√		√	77
	Ⅴ型	✘	✘	√		48
	Ⅵ型	✘	✘		√	53
	Ⅶ型	√		✘	✘	248
	Ⅷ型		√	✘	✘	195
	Ⅸ型	✘	✘	✘	✘	392
非通勤者	Ⅹ型型			√		73
	Ⅺ型				√	54
	Ⅻ型			✘	✘	38

下载: 导出CSV

表 2 考虑群组异质性的样本统计

Table 2. Sample statistics considering cluster heterogeneity

类型	公共交通通勤出行	公共交通非通勤出行	非公共交通出行
样本量	880	665	430

下载: 导出CSV

表 3 样本描述性统计分析

Table 3. Descriptive statistical analysis of the sample

样本变量	总样本比例/%	样本细分类别			χ²检验
样本变量	总样本比例/%	公共交通通勤出行样本比例/%	公共交通非通勤出行样本比例/%	非公共交通出行样本比例/%	χ²检验
性别
男	51.3	50.4	50.7	53.6	p=0.016
女	48.7	49.6	49.3	46.4	p=0.016
年龄/岁
≥ 18~25	18.8	19.6	19.8	16.3	p < 0.01
> 25~30	42.0	41.5	41.7	43.2
> 30~40	23.5	23.0	21.4	26.8
> 40~60	12.7	12.5	13.2	12.5
> 60	3.0	3.4	3.9	1.2
教育程度
高中及以下	8.3	8.5	8.4	8.0	p < 0.01
大专或本科	64.2	64.8	63.5	63.8
硕士及以上	27.5	26.7	28.1	28.2
所在城市
县级市	6.2	6.2	6.5	5.9	p=0.146
直辖市	26.5	25.5	26.7	28.3
省会城市	59.5	60.9	58.2	58.3
地级市	7.8	7.4	8.6	7.5
城市人口规模
≤ 300万	7.1	7.3	7.1	6.6	p=0.306
> 300万~500万	11.6	11.5	12.3	10.8
> 500万~1 000万	49.7	47.8	48.6	54.4
> 1 000万	31.7	33.4	32.0	28.2
职业性质
政府机关	26.1	27.6	18.4	32.1	p=0.017
规划设计院所	22.9	22.2	23.4	23.7
其他企业公司	16.2	15.8	14.6	18.8
个体经营	8.3	6.1	7.3	13.5
学生	21.1	28.3	20.1	8.7
离退休或无业	5.4	0.0	16.2	3.2
平均收人/元
≤ 3 000	17.4	19.5	19.2	11.4	p < 0.01
> 3000~6 000	20.0	22.5	21.7	13.3
> 6000~8 000	27.7	25.2	25.6	34.8
> 8000~10 000	19.5	17.2	18.6	24.8
> 10 000	15.4	15.6	14.9	15.7
家庭组成/人
1	12.3	13.1	12.6	10.5	p=0.069
2	16.9	19.4	16.8	12.3
3	37.3	36.2	35.5	41.6
≥ 4	33.5	31.3	35.1	35.6

下载: 导出CSV

表 4 考虑群组异质性的模型变量定义及赋值

Table 4. Definition and assignment of variables in the preference model

变量	定义	赋值
结果变量
y	是否支持发展有轨电车	是=1，否=0
水平层1解释变量
x₁	性别	男=1，女=2
x₂	年龄/岁	≤ 25=1，> 25~30=2, > 30~ 40=3，> 40~60=4，> 60=5
x₃	学历	高中及以下=1，大专或本科=2，硕士及以上=3
x₄	所在城市类型	县级市=1，地级市=2, 省会城市=3, 直辖市=4
x₅	所在城市人口规模/万人	≤ 300=1，> 300~500=2，> 500~1 000=3, > 1 000=4
x₆	平均月收人/元	≤ 3 000=1，> 3 000~6 000= 2，> 6 000~8 000=3，> 8 000~ 10 000=4, > 10 000=5
x₇	出行灵活度	完全不自由=1，有一定自由度= 2, 完全自由=3
x₈	家庭成员人数	1=1，2=2, 3=3, ≥ 4=4
x₉	可支配小汽车数	0=1，1=2, ≥ 2=3
x₁₀	可支配电动车数	0=1，1=2, ≥ 2=3
x₁₁	可支配自行车数	0=1，1=2, ≥ 2=3
x₁₂	公交车周乘坐频率	0=1, 1~5=2, 6~10=3, >10=4
x₁₃	共享单车周使用频率	0=1, 1~5=2, 6~10=3, >10=4
x₁₄	出租车周使用频率	0=1, 1~5=2, 6~10=3, >10=4
x₁₅	出行时间	数值
x₁₆	出行成本	数值
水平层2解释变量
u₁	对功能定位的感知	骨架交通感知=-1，辅助交通感知=0, 品质交通感知=1
水平层3解释变量
g₁	对技术特性的感知	建设特性感知=1, 运营特性感知=2

下载: 导出CSV

表 5 有轨电车发展决策偏好空模型参数估计结果

Table 5. Estimation results of decision preference null model parameters

参数	异质性群组1		异质性群组2		异质性群组3
参数	估计值	P	估计值	P	估计值	P
		固定部分
截距	1.324	0.000	0.819	0.000	0.572	0.000
		随机部分
水平层3方差	0.023	0.618	0.042	1.401	0.036	1.216
水平层2方差	0.906	0.000	0.767	0.000	0.505	0.000
水平层3 ICC	0.011		0.004		0.005
水平层2 ICC	0.176		0.182		0.136

下载: 导出CSV

表 6 完整模型估计结果

Table 6. Results of model estimation

参数	异质性群组1			异质性群组2			异质性群组3
参数	估计值	标准误差	P	估计值	标准误差	P	估计值	标准误差	P
固定效应部分
水平层1解释变量
截距	1.646	0.122	0.000	0.331	0.106	0.000	2.502	1.312	0.000
x₁=2				0.180	0.077	0.000
x₂=2	-0.221	0.119	0.027	-0.152	0.136	0.011
x₂=3	-0.409	0.123	0.014	-0.246	0.122	0.023
x₂=4	-0.277	0.092	0.021	-0.135	0.088	0.005
x₂=5	-0.202	0.153	0.018	-0.128	0.113	0.008
x₄=2	0.225	0.121	0.015	0.269	0.064	0.016	0.097	0.163	0.015
x₄=3	0.174	0.118	0.003	0.206	0.081	0.012	0.085	0.158	0.011
x₄ =4	0.092	0.160	0.008	0.155	0.025	0.019	0.044	0.206	0.018
x₅=2	0.231	0.098	0.015	0.327	0.073	0.017	0.173	0.105	0.003
x₅=3	0.166	0.124	0.016	0.202	0.086	0.031	0.144	0.093	0.000
x₅=4	0.071	0.165	0.035	0.176	0.080	0.022	0.108	0.114	0.009
x₆=2	-0.097	0.119	0.355	-0.026	0.078	0.169
x₆=3	-0.124	0.106	0.196	-0.071	0.077	0.351
x₆=4	-0.156	0.219	0.029	-0.176	0.065	0.003
x₆=5	-0.281	0.108	0.026	-0.184	0.094	0.009
x₇=2	0.139	0.062	0.009
(x₇=2) · u₁	0.102	0.046	0.003
x₇ =3	0.178	0.059	0.037
x₉=2	-0.241	0.139	0.014	-0.258	0.114	0.000	-0.552	0.163	0.001
(x₉=2) · u₁	0.188	0.127	0.007	0.165	0.129	0.000	0.313	0.111	0.000
x₉=3	-0.260	0.171	0.004	-0.276	0.175	0.001	-0.615	0.193	0.007
x₁₂=2	0.128	0.116	0.000	0.081	0.147	0.000
x₁₂=3	0.196	0.082	0.001	0.363	0.125	0.000
x₁₂=4	0.272	0.122	0.002	0.435	0.161	0.000
(x₁₂=4) · u₁				0.211	0.124	0.000
x₁₅	-3.633	0.127	0.000	-3.486	0.199	0.000	-4.726	0.129	0.000
x₁₅ · u₁	0.761	0.091	0.000	1.725	0.172	0.000	0.882	0.136	0.000
x₁₆	-2.879	0.139	0.000	-3.098	0.171	0.000	-2.611	0.188	0.000
x₁₅ · u₁	0.842	0.155	0.000	1.449	0.168	0.000	0.725	0.164	0.000
水平层2解释变量
u₁	0.225	0.104	0.000	0.392	0.149	0.000	0.108	0.011	0.000
随机效应部分
截距, σ_{ε_0j}²	0.330	0.182	0.000	0.292	0.083	0.000	0.245	0.048	0.031
x₇=2，σ_{ε_1j}²	0.408	0.226	0.001
x₉=2，σ_{ε_2j}²	0.411	0.162	0.000	0.608	0.209	0.001	0.352	0.183	0.000
x₁₂=4，σ_{ε_3j}²				0.283	0.163	0.000
x₁₅，σ_{ε_4j}²	0.695	0.242	0.000	0.361	0.152	0.001	0.415	0.144	0.000
x₁₆σ_{ε_5j}²	0.525	0.195	0.000	0.408	0.166	0.000	0.218	0.138	0.000

下载: 导出CSV

表 7 有轨电车发展决策相对偏好度RPI变化量

Table 7. RPI change of relative preference degree

参数	异质性群组1	异质性群组2	异质性群组3
x₁=2		0.197*
x₂=2	-0.198*	-0.141*
x₂=3	-0.336*	-0.218*
x₂=4	-0.242*	-0.126*
x₂=5	-0.183*	-0.120*
x₄=2	0.252*	0.309*	0.102*
x₄=3	0.190*	0.229*	0.089*
x₄=4	0.096*	0.168*	0.045*
x₅=2	0.260*	0.387*	0.189*
x₅=3	0.181*	0.224*	0.155*
x₅=4	0.074*	0.192*	0.114*
x₆=2	-0.092	-0.026
x₆=3	-0.117	-0.069
x₆=4	-0.144*	-0.161*
x₆=5	-0.245*	-0.168*
x₇=2	0.149*
(x₇=2) · u₁	0.107*
x₇=3	0.195*
x₉=2	-0.214*	-0.227*	-0.424*
(x₉=2) · u₁	0.207*	0.179*	0.368*
x₉=3	-0.229*	-0.241*	-0.459
x₁₂=2	0.137*	0.084*
x₁₂=3	0.217*	0.438*
x₁₂=4	0.313*	0.545*
(x₁₂=4) · u₁		0.235*
x₁₅	-0.974*	-0.969*	-0.991*
x₁₅ · u₁	1.140*	4.613*	1.416*
x₁₆	-0.944*	-0.955*	-0.927*
x₁₅ · u₁	1.321*	3.259*	1.065*
u₁	0.252*	0.480*	0.114*
注：*表示p＜0.05，说明差异有统计学意义。

下载: 导出CSV

表 8 出行时间与出行成本对决策偏好度影响的单位变化值

Table 8. Unit change values of the effect of travel time and travel cost on decision preference degree

参数	不同功能定位感知情景下
参数	模式1	模式2	模式3
出行时间
异质性群组1	-0.987 6	-0.973 6	-0.943 4
异质性群组2	-0.994 5	-0.969 4	-0.828 1
异质性群组3	-0.996 3	-0.991 1	-0.978 6
出行成本
异质性群组1	-0.975 8	-0.943 8	-0.869 6
异质性群组2	-0.989 4	-0.9549	-0.807 8
异质性群组3	-0.964 4	-0.926 5	-0.848 3

下载: 导出CSV

参考文献(24)

[1]	马莹莹, 陆思园, 张晓明, 等. 考虑个体风险偏好差异的高速公路出行选择模型[J]. 吉林大学学报(工学版), 2021, 51 (5): 1673-1683. https://www.cnki.com.cn/Article/CJFDTOTAL-JLGY202105014.htm MA Y Y, LU S Y, ZHANG X M, et al. Model of highway travel selection considering individual risk preference difference[J]. Journal of Jilin University(Engineering and Technology Edition), 2021, 51(5): 1673-1683.( in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JLGY202105014.htm
[2]	李军, 贾顺平, 王瑜琼, 等. 旅客购票模式与渠道关联选择行为的建模分析[J]. 交通运输系统工程与信息, 2019, 19(3): 176-181+194. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201903026.htm LI J, JIA S P, WANG Y Q, et al. Modeling analysis of related choice for passenger ticketing mode and channel[J]. Journal of Transportation Systems Engineering and Information Technology, 2019, 19(3): 176-181+194.( in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201903026.htm
[3]	姚恩建, 陈伟迪, 卢天伟, 等. 考虑出行者选择偏好的出行方式选择模型[J]. 北京交通大学学报, 2020, 44(1): 42-48. doi: 10.11860/j.issn.1673-0291.20190072 YAO E J, CHEN W D, LU T W, et al. Transportation mode selection model considering traveler's personal preferences[J]. Journal of Beijing Jiaotong University, 2020, 44(1): 42-48.( in Chinese) doi: 10.11860/j.issn.1673-0291.20190072
[4]	刘少博, 张鑫泽, 李艺玮, 等. 地铁站人员疏散路径选择行为分析及Logit建模[J]. 交通信息与安全, 2019, 37(2): 91-98. doi: 10.3963/j.issn.1674-4861.2019.02.013 LIU S B, ZHANG X Z, LI Y W, et al. Analyses and logit models of route choice behaviors during metro station evacuation[J]. Journal of Transport Information and Safety, 2019, 37(2): 91-98.( in Chinese) doi: 10.3963/j.issn.1674-4861.2019.02.013
[5]	左利兴. 多层LOGIT模型的理论分析研究[J]. 道路交通与安全, 2010, 10(2): 27-30. https://www.cnki.com.cn/Article/CJFDTOTAL-DLJA201002008.htm ZUO L X. Theoretical analysis of Nest Logit Model[J]. Journal of Transportation Engineering, 2010, 10(2): 27-30. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DLJA201002008.htm
[6]	胡严艺, 蒲政, 王沛. 基于Logit模型的碳排放收费对居民出行方式选择的研究[J]. 交通运输工程与信息学报, 2018, 16(4): 57-62. doi: 10.3969/j.issn.1672-4747.2018.04.008 HU Y Y, PU Z, WANG P. Study on the impacts of traffic carbon emission pricing on resident trip behavior using logit model[J]. Journal of Transportation Engineering and Information, 2018, 16(4): 57-62.( in Chinese) doi: 10.3969/j.issn.1672-4747.2018.04.008
[7]	张新洁, 关宏志, 赵磊, 等. 有限理性视野下出行者出行方式选择分层Logit模型研究[J]. 交通运输系统工程与信息, 2018, 18(6): 110-116. https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201806016.htm ZHANG X J, GUAN H Z, ZHAO L, et al. Nested logit model on travel mode choice under bounded rational view[J]. Journal of Transportation Systems Engineering and Information Technology, 2018, 18(6): 110-116.( in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSXT201806016.htm
[8]	李亚平. 价格调控策略对城市居民出行方式决策行为的影响研究[D]. 南京: 东南大学, 2018. LI Y P. Impacts of pricing strategies on travel mode choice behavior of urban resident[D]. Nanjing: Southeast University, 2018.( in Chinese)
[9]	姚丽亚, 孙立山, 关宏志. 基于分层Logit模型的交通方式选择行为研究[J]. 武汉理工大学学报(交通科学与工程版), 2010, 34(4): 738-741. doi: 10.3963/j.issn.1006-2823.2010.04.023 YAO L Y, SUN L S, GUAN H Z. Study on modal split method based on nested logit model[J]. Journal of Wuhan University of Technology(Transportation Science & Engineering), 2010, 34(4): 738-741.( in Chinese) doi: 10.3963/j.issn.1006-2823.2010.04.023
[10]	程亚鹏. 住房市场嵌套结构与价格变动的多层模型实证研究[J]. 系统工程, 2018, 36(8): 71-78. doi: 10.3969/j.issn.1001-2362.2018.08.046 CHENG Y P. Empirical research on the nested housing market structure and price variation based on a multilevel model[J]. Systems Engineering, 2018, 36(8): 71-78.( in Chinese) doi: 10.3969/j.issn.1001-2362.2018.08.046
[11]	黄晓燕, 曹小曙, 殷江滨, 等. 城市轨道交通和建成环境对居民步行行为的影响[J]. 地理学报, 2020, 75(6): 1256-1271. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB202006013.htm HUANG X Y, CAO X S, YIN J B, et al. The influence of urban transit and built environment on walking[J]. Acta Geographica Sinica, 2020, 75(6): 1256-1271.( in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB202006013.htm
[12]	SOHN S Y, CHOI H. Random effects logistic regression model for data envelopment analysis with correlated decision making units[J]. Journal of the Operational Research Society, 2017, 57(5): 552-560.
[13]	EUN J, JIYEONG K, HYUNJUNG K. Does environmental walkability matter? The role of walkable environment in active commuting[J]. International Journal of Environmental Research and Public Health, 2020, 17(4): 1261 doi: 10.3390/ijerph17041261
[14]	ZHAO P, LI S. Bicycle-metro integration in a growing city: The determinants of cycling as a transfer mode in metro station areas in Beijing[J]. Transportation Research Part A: Policy & Practice, 2017(99): 46-60.
[15]	吴密霞. 混合效应模型估计理论及方法[D]. 北京: 北京工业大学, 2004. WU M X. Mixed effect model estimation theory and method[D]. Beijing: Beijing University of Technology, 2004. (in Chinese)
[16]	王济川, 谢海义, 姜宝法. 多层统计分析模型: 方法与应用[M]. 北京: 高等教育出版社, 2008. WANG J C, XIE H Y, JIANG B F. Multilevel models: methods and applications[M]. Beijing: Higher Education Press, 2008.( in Chinese)
[17]	CZADO C, PROKOPENKO S. Modelling transport mode decisions using hierarchical logistic regression models with spatial and cluster effects[J]. Statistical Modelling an Interna tional Journal, 2008, 8(4): 315-345. doi: 10.1177/1471082X0800800401
[18]	GREEN P J. Penalized likelihood for general semi-paramet-ric regression models[J]. International Statistical Review, 1987, 55, 245-259. doi: 10.2307/1403404
[19]	ROBINSON G K. That BLUP is a good thing: the estimation of random effects[J]. Statistical Science, 1991(6): 15-51.
[20]	RAMOS L E, BROWN J, NIXON H. The streetcar resurgence in the United States: Transit strategy, growth-machine tactic, or some of both?[J]. Transportation Research Record Journal of the Transportation Research Board, 2016(2540): 30-38.
[21]	RAMOS L.E., BROWN J, NIXON H. The Transit Performance of Modern-Era Streetcars: A Consideration of Five U. S. Cities[J]. Transportation Research Record Journal of the Transportation Research Board, 2015(2534): 57-67.
[22]	孙嘉. 基于功能分析的现代有轨电车适应性后评估研究[D]. 南京: 东南大学, 2019. SUN J. Post-evaluation of adaptability of modern trams based on functional analysis[D]. Nanjing: Southeast University, 2019.( in Chinese)
[23]	邴雪, 张玉一, 王英杰, 赵一北. 基于功能定位的有轨电车运营提升策略研究[J]. 交通工程, 2020, 20(6): 69-74. BING X, ZHANG Y Y, WANG Y J, et al. Study on the strategy of tram operation improvement based on functional positioning[J]. Journal of Transportation Engineering, 2020, 20(6): 69-74.( in Chinese)
[24]	黎冬平. 有轨电车在多层次轨道交通中的应用思考[J]. 城市轨道交通, 2021(6): 43-45. https://www.cnki.com.cn/Article/CJFDTOTAL-CSGD202106021.htm LI D P. Reflections on the application of trams in multi-level rail transportation[J]. Urban Mass Transit, 2021(6): 43-45. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CSGD202106021.htm