Please wait a minute...
浙江大学学报(工学版)
浙江大学学报(工学版)  2023, Vol. 57 Issue (12): 2513-2523    DOI: 10.3785/j.issn.1008-973X.2023.12.018
交通工程     
换乘优惠政策下公共交通乘客换乘决策行为分析
马壮林(),毕宇明,张锐*()
长安大学 运输工程学院，陕西 西安 710064
Transfer decision-making behavior analysis of public transport passengers under preferential transfer policy
Zhuang-lin MA(),Yu-ming BI,Rui ZHANG*()
School of Transportation Engineering, Chang’an University, Xi’an 710064, China
 全文: PDF(958 KB)   HTML
摘要：

为了研究不同公共交通乘客在出行过程中换乘决策行为的异质性，采用结构方程模型（SEM）分析公共交通乘客的换乘意向与其他潜变量的关系，采用潜在类别模型（LCM）从乘客的心理感知因素视角和社会经济属性视角划分乘客类别. 构建公共交通乘客换乘决策模型（SEM-LCM），分析不同潜在类别公共交通乘客的换乘决策行为. 结果表明：相比SEM-Logit，SEM-LCM拟合效果更好；公共交通乘客分为换乘体验敏感型和换乘优惠敏感型2类，2类公共交通乘客所占比例分别为70.3%和29.7%；“换乘体验敏感型”和“换乘优惠敏感型”选择换乘的概率分别为51.1%和85.9%；年龄、家庭结构、私家车拥有情况、出行目的、换乘经历和出行模式6个变量表现出显著的异质性. 研究结果可以为相关部门优化公交线网衔接、制定换乘优惠政策提供理论支撑.
关键词： 城市交通;  公共交通乘客;  换乘决策;  结构方程模型（SEM）;  潜在类别模型（LCM）    
Abstract:

To study the heterogeneity of transfer decision-making behavior of different public transport passengers in the travel process, the structural equation model (SEM) was employed to analyze the relationship between transfer intention of public transport passengers and other latent variables, and the latent class model (LCM) was applied to classify passengers from the perspective of psychological perception factors and socio-economic attributes of passengers. A transfer decision-making model of public transport passengers (SEM-LCM) was constructed, and the transfer decision-making behavior of different latent classes of public transport passengers was explored. Results showed that SEM-LCM was more reliable than SEM-Logit in the fitting effect. Public transport passengers were divided into two classes, namely transfer feeling sensitive passengers and transfer discounts sensitive passengers. The proportion of these two types of public transport passengers was 70.3% and 29.7% respectively. And the probability of these two types of public transport passengers choosing to transfer was 51.1% and 85.9% respectively. Age, family structure, car ownership, travel purpose, transfer experience and travel mode show significant heterogeneity. The research results provide a theoretical support for relevant departments to optimize the connection of bus networks and formulate transfer fare discount policy.
Key words: urban traffic    public transport passenger    transfer decision-making    structural equation model (SEM)    latent class model (LCM)
收稿日期: 2023-03-08 出版日期: 2023-12-27
CLC:  U 491.17  
基金资助: 教育部人文社会科学研究青年基金资助项目（18YJCZH130）；西安市科协决策咨询课题（202212）
通讯作者: 张锐     E-mail: zhuanglinma@chd.edu.cn;zhangrui@chd.edu.cn
作者简介: 马壮林（1980—），男，教授，从事交通规划、交通政策和出行行为研究. orcid.org/0009-0005-4538-3636.E-mail： zhuanglinma@chd.edu.cn
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
作者相关文章　　
马壮林
毕宇明
张锐

引用本文:

马壮林,毕宇明,张锐. 换乘优惠政策下公共交通乘客换乘决策行为分析[J]. 浙江大学学报(工学版), 2023, 57(12): 2513-2523.

Zhuang-lin MA,Yu-ming BI,Rui ZHANG. Transfer decision-making behavior analysis of public transport passengers under preferential transfer policy. Journal of ZheJiang University (Engineering Science), 2023, 57(12): 2513-2523.

链接本文:

https://www.zjujournals.com/eng/CN/10.3785/j.issn.1008-973X.2023.12.018    或    https://www.zjujournals.com/eng/CN/Y2023/V57/I12/2513

假设 假设内容 来源
H11 态度直接影响换乘意向 景鹏等[20]
H12 感知有用性直接影响换乘意向 齐航等[21]
H21 感知有用性通过态度间接影响换乘意向 李振龙等[22]
H22 感知易用性通过态度间接影响换乘意向 李振龙等[22]
H23 感知易用性通过感知有用性间接影响换乘意向 李振龙等[22]
H13 主观规范直接影响换乘意向 景鹏等[20]
H24 主观规范通过态度间接影响换乘意向 景鹏等[20]
H25 主观规范通过感知有用性间接影响换乘意向 Chen[23]
H14 感知行为控制直接影响换乘意向 Chen[23]
H15 行为习惯直接影响换乘意向 齐航等[21]
H26 行为习惯通过感知易用性间接影响换乘意向 齐航等[21]
表 1  公共交通乘客换乘意向的研究假设
图 1  公共交通乘客换乘意向假设关系
潜变量 描述及符号
态度[23, 27] 我认为换乘优惠政策的想法很好ATT1
我认为公共交通换乘优惠具有吸引力ATT2
对公共交通换乘优惠政策支持度ATT3
主观规范[23, 28] 家人和朋友的鼓励会促使我接受换乘优惠政策SN1
如果周围的人接受换乘优惠政策，我也会SN2
政府的引导会促使我接受换乘优惠政策SN3
感知行为
控制[23, 28]		 如果我几乎不换乘，我不会支持换乘优惠政策PBC1
换乘距离过长，我不会支持换乘优惠政策PBC2
优惠幅度越大，我就越容易接受换乘优惠政策PBC3
换乘意向[29] 日常生活中我会经常进行公共交通换乘BIU1
日常生活中我会推荐他人选择公共交通换乘BIU2
感知有用性[30] 我认为换乘优惠让出行费用降低PU1
我认为换乘优惠让出行时间降低PU2
我认为换乘优惠可以提升出行便捷程度PU3
感知易用
性[21, 30]		 我认为公共交通换乘是便捷的PEU1
我认为公共交通换乘的信息是容易获取的PEU2
我可以熟练地进行公共交通换乘PEU3
行为习惯[21, 22] 我能熟练使用各种公共交通方式HAB1
公共交通出行是我日常出行的主要方式之一HAB2
表 2  心理感知因素的潜变量描述
m T1/m T2/m 优惠幅度 换乘模式
1 0~800 0~50 5折 地铁+公交
2 800~1 500 50~150 免费 公交+公交
3 >1 500 >150 — 公交+地铁
表 3  意向偏好调查的场景设计
假设场景 T1/m T2/m 优惠幅度 换乘模式
1 800~1 500 0~50 5折 公交+地铁
2 800~1 500 50~150 免费 地铁+公交
3 800~1 500 >150 5折 公交+公交
4 >1 500 0~50 免费 公交+公交
5 >1 500 50~150 5折 公交+地铁
6 >1 500 >150 免费 地铁+公交
表 4  问卷中6种假设场景
图 2  受访者的社会经济属性
图 3  受访者的心理潜变量
潜变量 α CR AVE
态度 0.879 0.880 0.710
主观规范 0.878 0.883 0.716
感知行为控制 0.896 0.897 0.743
换乘意向 0.881 0.881 0.788
感知有用性 0.896 0.896 0.741
感知易用性 0.874 0.873 0.697
行为习惯 0.870 0.871 0.772
表 5  信度和效度检验
指标 接受范围 评价 拟合结果
χ2/df (0, 3] 拟合较好
(3, 5] 基本拟合 1.259
(5, +∞) 拟合较差
CFI (0.9, 1.0) 拟合较好 0.983
SRMR (0, 0.05) 拟合较好 0.047
RMSEA (0, 0.08) 拟合较好 0.039
TLI (0.9, 1.0) 拟合较好 0.979
表 6  结构方程模型的拟合检验结果
图 4  结构方程模型的估计结果
路径 E F G
态度→换乘意向 0.333 — 0.333
主观规范→换乘意向 — 0.210 0.210
感知有用性→换乘意向 0.283 0.104 0.387
感知易用性→换乘意向 — 0.267 0.267
行为习惯→换乘意向 0.201 0.178 0.379
表 7  各潜在变量对换乘意向的效应值
类别 变量 赋值条件 符号 赋值
社会经济
属性 		性别 男，女 x1 男为1，女为0
年龄（参考项：>46岁） <25岁 x2-1 25岁以下为1，否则为0
年龄（参考项：>46岁） 26~45岁 x2-2 26~45岁为1，否则为0
学历（参考项：硕士及以上） 高中及以下 x3-1 高中及以下为1，否则为0
学历（参考项：硕士及以上） 专科或本科 x3-2 专科或本科为1，否则为0
职业 — x4 固定职业者为1，非固定职业者为0
月收入（参考项：>15 000元） <5 000元 x5-1 <5 000元为1，否则为0
月收入（参考项：>15 000元） 5 000~15 000元 x5-2 5 000~15 000元为1，否则为0
私家车拥有量 — x6 0辆为1，1辆为2，2辆及以上为3
是否有驾照 — x7 是为1，否为0
家庭结构（参考项：多人家庭） 单人家庭 x8-1 单人家庭为1，否则为0
家庭结构（参考项：多人家庭） 夫妻二人家庭 x8-2 夫妻二人家庭为1，否则为0
出行
特征 		出行目的 — x9 刚性出行为1，弹性出行为0
出行时段 — x10 高峰为1，平峰为0
出行时长（参考项：<60 min） 60~90 min x11-1 60~90 min为1，否则为0
出行时长（参考项：<60 min） >90 min x11-2 >90 min为1，否则为0
出行距离（参考项：<5 km） 5~15 km x12-1 5~15 km为1，否则为0
出行距离（参考项：<5 km） >15 km x12-2 15 km以上为1，否则为0
出行费用（参考项：<2元） 2~8元 x13-1 2~8元为1，否则为0
出行费用（参考项：<2元） >8元 x13-2 8元以上为1，否则为0
换乘经历 — x14 有为1，无为0
换乘方式（参考项：地铁换乘公交） 公交换乘地铁 x15-1 公交换乘地铁为1，否则为0
换乘方式（参考项：地铁换乘公交） 公交换乘公交 x15-2 公交换乘公交为1，否则为0
换乘距离（参考项：>150 m） 0~50 m x16-1 0~50 m为1，否则为0
换乘距离（参考项：>150 m） 50~150 m x16-2 50~150 m为1，否则为0
潜变量 态度 — S1 ATT=0.341ATT1+0.342ATT2+0.317ATT3
主观规范 — S2 SN=0.322SN1+0.362SN2+0.316SN3
感知行为控制 — S3 PBC=0.349PBC1+0.32PBC2+0.331PBC3
换乘意向 — S4 BIU=0.49BIU1+0.51BIU2
感知有用性 — S5 PU=0.327PU1+0.347PU2+0.326PU3
感知易用性 — S6 PEU=0.327PEU1+0.328PEU2+0.345PEU3
行为习惯 — S7 HAB=0.49HAB1+0.51HAB2
选择方案
属性 		不换乘的步行距离 — T1 0~800 m为1，800~1500 m为2，1500 m以上为3
换乘的步行距离 — T2 0~50 m为1，50~150 m为2，150 m以上为3
优惠幅度 — T3 免费换乘为1，五折优惠为0
换乘模式（参考项：公交+公交） 地铁+公交 T4-1 地铁+公交为1，否则为0
换乘模式（参考项：公交+公交） 公交+地铁 T4-2 公交+地铁为1，否则为0
表 8  公共交通乘客换乘决策模型的变量赋值情况描述
变量 类别2
β p
常数项 ?183.331 <0.05
态度 31.160 <0.05
主观规范 4.932 <0.05
感知行为控制 ?3.053 <0.05
换乘意向 6.227 <0.05
行为习惯 8.146 <0.05
学历（参考项：硕士及以上），高中及以下 39.197 <0.05
学历（参考项：硕士及以上），专科及本科 ?60.415 <0.05
月收入（参考项：>15 000元），<5 000元 9.499 <0.05
月收入（参考项：>15 000元），5 000~15 000元 ?15.622 <0.05
表 9  心理潜变量和个人属性对潜在类别的影响
模型 LL(0) LL(β) $ R_{\text{A}}^2 $ AIC BIC
SEM-LCM ?1 356.370 ?1 161.009 0.112 2 628.019 2 929.677
SEM-Logit ?1 461.794 ?1 330.096 0.074 2 701.168 3 043.459
表 10  2种模型的拟合检验结果
变量 SEM-LCM换乘体验敏感型 SEM-LCM换乘优惠敏感型 SEM-Logit
β p β p β p
注：*表示p<0.05，**表示p<0.01，***表示p<0.001.
常数项 ?1.389 ** 1.763 * ?0.027 —
态度 — — — — 0.300 ***
换乘意向 — — — — 0.197 ***
感知有用性 — — — — 0.197 ***
行为习惯 — — — — 0.139 **
年龄（参考项：>46岁），<25岁 0.862 *** 1.288 ** 0.830 ***
年龄（参考项：>46岁），26~45岁 0.516 ** — — 0.514 ***
私家车拥有情况 — — ?0.466 * 0.290 *
家庭结构（参考项：多人家庭），单人家庭 — — 1.015 ** 0.384 *
家庭结构（参考项：多人家庭），夫妻二人家庭 — — ?1.026 ** 0.082 —
出行目的（参考项：弹性出行） 0.321 * — — 0.568 ***
出行时段（参考项：平峰时段） 0.483 ** 0.913 *** — —
换乘经历（参考项：无） 0.267 * — — 0.381 ***
换乘模式（参考项：公交+公交），地铁+公交 ?0.284 * — — — —
换乘模式（参考项：公交+公交），公交+地铁 0.355 * 0.640 * 0.309 *
不换乘时的步行距离 0.407 *** 0.448 * 0.431 ***
换乘时的步行距离 ?0.628 *** ?0.590 ** ?0.642 ***
优惠幅度（参考项：五折优惠） 0.523 *** 0.835 ** 0.669 ***
表 11  公共交通乘客换乘决策模型的参数估计
1 CATS O, REIMAL T, SUSILO Y Public transport pricing policy: empirical evidence from a fare-free scheme in Tallinn, Estonia[J]. Journal of the Transportation Research Record, 2014, 2415 (1): 89- 96
doi: 10.3141/2415-10
2 陈丽欣, 钟鸣, 潘晓锋, 等 公共交通乘客换乘时长阈值及换乘行为特征分析[J]. 交通运输研究, 2022, 8 (2): 68- 78
CHEN Li-xin, ZHONG Ming, PAN Xiao-feng, et al Transfer time threshold and transfer behavior characteristics of public transport passengers[J]. Transport Research, 2022, 8 (2): 68- 78
doi: 10.16503/j.cnki.2095-9931.2022.02.008
3 PAULSSEN M, TEMME D, VIJ A, et al Values, attitudes and travel behavior: a hierarchical latent variable mixed logit model of travel mode choice[J]. Transportation, 2014, 41: 873- 888
doi: 10.1007/s11116-013-9504-3
4 DE VOS J, WITLOX F Travel satisfaction revisited. On the pivotal role of travel satisfaction in conceptualising a travel behaviour process[J]. Transportation Research Part A: Policy and Practice, 2017, 106: 364- 373
doi: 10.1016/j.tra.2017.10.009
5 SCHADE J, SCHLAG B Acceptability of urban transport pricing strategies[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2003, 6 (1): 45- 61
doi: 10.1016/S1369-8478(02)00046-3
6 马壮林, 崔姗姗, 胡大伟 限行政策下城市居民低碳出行意向[J]. 吉林大学学报: 工学版, 2022, 52 (11): 2607- 2617
MA Zhuang-lin, CUI Shan-shan, HU Da-wei Urban residents’ low-carbon travel intention after implementation of driving restriction policy[J]. Journal of Jilin University: Engineering and Technology Edition, 2022, 52 (11): 2607- 2617
7 钟异莹, 陈坚, 邵毅明, 等 考虑居住区位的公共交通出行行为分析模型[J]. 交通运输系统工程与信息, 2020, 20 (6): 219- 225
ZHONG Yi-ying, CHEN Jian, SHAO Yi-ming, et al Analysis model of travel behavior in public transportation considering residential location[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20 (6): 219- 225
8 LUO M, MA Z, ZHAO W, et al An ex-post evaluation of the public acceptance of a license plate-based restriction policy: a case study of Xi’an, China[J]. Transportation Research Part A: Policy and Practice, 2022, 155: 259- 282
doi: 10.1016/j.tra.2021.10.024
9 GREENE W H, HENSHER D A A latent class model for discrete choice analysis: contrasts with mixed logit[J]. Transportation Research Part B: Methodological, 2003, 37 (8): 681- 698
doi: 10.1016/S0191-2615(02)00046-2
10 张奕源, 李进龙, 罗霞, 等 考虑决策过程与潜在异质性的居民通勤选择行为研究[J]. 交通运输系统工程与信息, 2021, 21 (3): 221- 228
ZHANG Yi-yuan, LI Jin-long, LUO Xia, et al Commuting mode choice behaivor incorporating decision-making process and latent heterogeneity[J]. Journal of Transportation Systems Engineering and Information Technology, 2021, 21 (3): 221- 228
11 杨亚璪, 唐浩冬, 彭勇 考虑偏好差异的后疫情时代居民出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22 (3): 15- 24
YANG Ya-zao, TANG Hao-dong, PENG Yong Residents’ travel mode choice behavior in post-COVID-19 era considering preference differences[J]. Journal of Transportation Systems Engineering and Information Technology, 2022, 22 (3): 15- 24
12 刘建荣, 刘志伟 基于出行者潜在类别的公交出行行为研究[J]. 华南理工大学学报: 自然科学版, 2019, 47 (6): 119- 126
LIU Jian-rong, LIU Zhi-wei Analysis of bus users’ behavior based on latent class[J]. Journal of South China University of Technology: Natural Science Edition, 2019, 47 (6): 119- 126
13 任新惠, 孙一楠, 江红 航班延误下旅客出行行为异质性研究[J]. 北京交通大学学报, 2022, 46 (1): 40- 50
REN Xin-hui, SUN Yi-nan, JIANG Hong Research on heterogeneity of passenger travel behavior under flight delay[J]. Journal of Beijing Jiaotong University, 2022, 46 (1): 40- 50
14 曾宪华, 肖琳, 张岩波 潜在类别分析原理及实例分析[J]. 中国卫生统计, 2013, 30 (6): 815- 817
ZENG Xian-hua, XIAO Lin, ZHANG Yan-bo Principle of latent class analysis and case analysis[J]. Chinese Journal of Health Statistics, 2013, 30 (6): 815- 817
15 CHOI S, KO J, KIM D Investigating commuters’ satisfaction with public transit: a latent class modeling approach[J]. Transportation Research Part D: Transport and Environment, 2021, 99: 103015
doi: 10.1016/j.trd.2021.103015
16 刘志伟, 刘建荣, 邓卫 基于潜在类别的无人驾驶汽车选择行为[J]. 吉林大学学报: 工学版, 2021, 51 (4): 1261- 1268
LIU Zhi-wei, LIU Jian-rong, DENG Wei Travelers’ choice behavior of autonomous vehicles based on latent class[J]. Journal of Jilin University: Engineering and Technology Edition, 2021, 51 (4): 1261- 1268
17 AJZEN I The theory of planned behavior[J]. Organizational Behavior and Human Decision Processes, 1991, 50 (2): 179- 211
doi: 10.1016/0749-5978(91)90020-T
18 DAVIS F D, BAGOZZI R P, WARSHAW P R User acceptance of computer technology: a comparison of two theoretical models[J]. Management Science, 1989, 35 (8): 982- 1003
doi: 10.1287/mnsc.35.8.982
19 朱燕 现代知识分类思想下的学习迁移理论述评[J]. 心理科学, 1999, 22 (3): 229- 232
ZHU Yan A comment on three theoretical models of transfer within the framework of knowledge classification[J]. Journal of Psychological Science, 1999, 22 (3): 229- 232
20 景鹏, 黄芳, 徐刚, 等 自动驾驶支付意愿及影响因素分析[J]. 长安大学学报: 自然科学版, 2021, 41 (1): 90- 102
JING Peng, HUANG Fang, XU Gang, et al Analysis of autonomous driving payment willingness and influencing factors[J]. Journal of Chang’an University: Natural Science Edition, 2021, 41 (1): 90- 102
21 齐航, 夏嘉祺, 王光超, 等 考虑出行者习惯与利他性偏好的自动驾驶网约车使用意向模型[J]. 交通运输工程与信息学报, 2021, 19 (2): 1- 10
QI Hang, XIA Jia-qi, WANG Guang-chao, et al A behavioral intention to use model of autonomous vehicle ride-hailing incorporating traveler habit and altruistic preference[J]. Journal of Transportation Engineering and Information, 2021, 19 (2): 1- 10
doi: 10.3969/j.issn.1672-4747.2021.02.001
22 李振龙, 邢冠仰, 李佳, 等 基于扩展TAM的车路协同系统驾驶人接受度研究[J]. 中国公路学报, 2021, 34 (7): 188- 200
LI Zhen-long, XING Guan-yang, LI Jia, et al Driver’s acceptance of cooperative vehicle infrastructure system based on extended TAM[J]. China Journal of Highway and Transport, 2021, 34 (7): 188- 200
23 CHEN S Y Using the sustainable modified TAM and TPB to analyze the effects of perceived green value on loyalty to a public bike system[J]. Transportation Research Part A: Policy and Practice, 2016, 88: 58- 72
doi: 10.1016/j.tra.2016.03.008
24 ANGILLETTA M J Estimating and comparing thermal performance curves[J]. Journal of Thermal Biology, 2006, 31 (7): 541- 545
25 AKAIKE H A new look at the statistical model identification[J]. IEEE Transactions on Automatic Control, 1974, 19 (6): 716- 723
doi: 10.1109/TAC.1974.1100705
26 KASS R E, WASSERMAN L A reference Bayesian test for nested hypotheses and its relationship to the Schwarz criterion[J]. Journal of the American Statistical Association, 1995, 90 (431): 928- 934
doi: 10.1080/01621459.1995.10476592
27 周玲强, 李秋成, 朱琳 行为效能、人地情感与旅游者环境负责行为意愿: 一个基于计划行为理论的改进模型[J]. 浙江大学学报: 人文社会科学版, 2014, 44 (2): 88- 98
ZHOU Ling-qiang, LI Qiu-cheng, ZHU Lin Outcome efficacy, people-destination affect, and tourists’ environmentally responsible behavior intention: a revised model based on the theory of planned behavior[J]. Journal of Zhejiang University: Humanities and Social Sciences, 2014, 44 (2): 88- 98
28 石京, 龙昱茜 新冠疫情对居民休闲出行影响研究[J]. 中国公路学报, 2022, 35 (1): 238- 251
SHI Jing, LONG Yu-xi Research on the impacts of the COVID-19 on individual’s leisure travel[J]. China Journal of Highway and Transport, 2022, 35 (1): 238- 251
29 MADIGAN R, LOUW T, WILBRINK M, et al What influences the decision to use automated public transport? Using UTAUT to understand public acceptance of automated road transport systems[J]. Transportation Research Part F: Traffic Psychology and Behavior, 2017, 50: 55- 64
doi: 10.1016/j.trf.2017.07.007
30 JOKAR N K, NOORHOSSEINI S A, ALLAHYARI M S, et al Consumers’ acceptance of medicinal herbs: an application of the technology acceptance model (TAM)[J]. Journal of Ethnopharmacology, 2017, 207: 203- 210
doi: 10.1016/j.jep.2017.06.017
31 MULLER R O Structural equation modeling: back to basics[J]. Structural Equation Modeling: A Multidisciplinary Journal, 1997, 4 (4): 353- 369
doi: 10.1080/10705519709540081
32 BAGOZZI R P, YI Y On the evaluation of structural equation models[J]. Journal of the Academy of Marketing Science, 1988, 16: 74- 94
doi: 10.1007/BF02723327
33 景鹏, 王伟, 吴麟麟 老年人对自动驾驶汽车接受度研究[J]. 中国公路学报, 2021, 34 (6): 158- 171
JING Peng, WANG Wei, WU Lin-lin Acceptance of autonomous vehicles for the elderly[J]. China Journal of Highway and Transport, 2021, 34 (6): 158- 171
34 FORNELL C, LARCKER D F Evaluating structural equation models with unobservable variables and measurement error[J]. Journal of Marketing Research, 1981, 18 (1): 39- 50
doi: 10.1177/002224378101800104
35 DASH G, PAUL J CB-SEM vs PLS-SEM methods for research in social sciences and technology forecasting[J]. Technological Forecasting and Social Change, 2021, 173: 121092
doi: 10.1016/j.techfore.2021.121092
36 张昱, 孙岩, 刘学敏 基于TPB的北京市居民低碳通勤选择机制研究[J]. 北京师范大学学报: 自然科学版, 2020, 56 (6): 831- 837
ZHANG Yu, SUN Yan, LIU Xue-min Theory of planned behavior applied to choice of low carbon commuting of Beijing residents[J]. Journal of Beijing Normal University: Natural Science, 2020, 56 (6): 831- 837
[1] 王飞,徐维祥. 基于LSTM神经网络改进的路阻函数模型[J]. 浙江大学学报(工学版), 2021, 55(6): 1065-1071.