出租车驾驶员违法成本与违法行为研究
发布时间：2021-06-03 18:13
出租车驾驶员在驾驶群体中具有特殊的地位。该群体收入压力巨大,促使他们不得不维持更长的驾驶时间,换取更大的经济收益,同时在道路上采取激进的驾驶行为甚至违法行为。一直以来,出租车驾驶员违法行为都受到交通管理者和公司的重视,但各项管理措施并未能根本改变其违法的现象,因此亟待对出租车驾驶员违法的本质动机进行研究。因此,本文从违法成本和收益角度出发,对出租车驾驶员违法情况进行了研究。通过对其违法特征进行分析,确认出租车驾驶员的违法成本和收益变化与交通处罚制度、运营管理情况以及与所在区域的交通执法水平都有直接联系。因而在实际调查和真实违法数据的基础上,必须结合我国现行交通管理制度,将违法成本和收益进行量化。而后将驾驶员分为两大类型,分别建立与交通管理者之间的演化博弈模型,通过模拟仿真,描述了不同违法成本条件下的违法行为变化规律,并进一步考虑其他客观条件对违法成本的改变以及对违法行为的影响。研究发现,当违法成本过低时,出租车驾驶员会倾向于选择违法。同时,出租车驾驶员属于较高理性程度的群体,对营运区域的道路状况及执法水平极为了解,并且能够通过学习和适应,调整违法策略以获得较高的违法收益。驾驶员的违法成...
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
交通违法数据格式
保证主要违法行为判定的客观有效，本次研究选取了四川省泸州市据作为基础研究材料。数据共收录了 395426 条泸州市交通违法数据间、违法地点、道路类型、车辆类型、车牌号码（不可见）、号牌种应的违法行为共 8 个变量。数据基本形式如图 3-1。图 3-1 交通违法数据格式中属于出租车违法类型的数据进行筛选，共获得 7029 条出租车驾驶。针对其中的违法行为变量进行从大到小排序，获得如下统计结论 所示。
该七个主要的违法类型占到全部出租车违法数量比例的 94%。，还包括“超速行驶，超速超过 20%且低于 50%（占比 1.84%）”和车（占比 1.85%）”等其他违法类型。，综合上述统计结果，考虑选取上述七种最主要的违法类型作为研究的考虑对象。违法类型对比普通驾驶员主要违法类型进一步研究出租车驾驶员的违法特征，需要对其他驾驶员的交通统计，并与出租车驾驶员的违法行为进行对比，从而找出出租车型特征。对除出租车驾驶员外其他所有驾驶员的交通违法数据进3 和表 3-2 的结论。
【参考文献】：
期刊论文
[1]出租车行业利益主体博弈模型研究[J]. 张亚平,莫琼,廉冠,祁首铭. 武汉理工大学学报(交通科学与工程版). 2017(05)
[2]出租车管理三方博弈与管理策略仿真[J]. 宋成举,张亚平,吴彪. 武汉理工大学学报(交通科学与工程版). 2017(05)
[3]出租车司机风险驾驶行为影响机制分析[J]. 边文莉,叶龙,郭名. 长安大学学报(社会科学版). 2016(01)
[4]基于博弈论的完全信息下的驾驶行为研究[J]. 杨晓芳,张盛,付强. 公路交通科技. 2015(07)
[5]出租车交通事故及其驾驶员心理分析[J]. 袁双宏,孙启凯. 湖南农机. 2014(01)
[6]基于模糊数学综合评判的出租车驾驶员安全意识评价[J]. 王党青. 河北交通职业技术学院学报. 2013(04)
[7]城市汽车交通违章行为的博弈分析[J]. 余建胜. 蚌埠学院学报. 2013(01)
[8]超速驾驶行为的演化博弈[J]. 李振龙,张利国. 交通运输系统工程与信息. 2010(04)
[9]驾驶行为理论模型研究概述[J]. 张凤,李永娟,蒋丽. 中国安全科学学报. 2010(02)
[10]理性犯罪决策——成本收益模型[J]. 郭东. 广西社会科学. 2007(08)
硕士论文
[1]基于博弈论的路段行人过街决策研究[D]. 李新波.吉林大学 2016
[2]汽车共享下的城市交通出行方式博弈研究[D]. 程苑.哈尔滨工业大学 2015
[3]基于博弈论的城市公共交通定价模型研究[D]. 史小特.重庆交通大学 2015
[4]基于博弈的交叉口驾驶员行为分析[D]. 黄选伟.南昌航空大学 2014
[5]电子执法环境下交通违法行为倾向模型研究[D]. 汪贝.哈尔滨工业大学 2014
[6]基于演化博弈与人工免疫的路径诱导算法研究[D]. 赵俊军.昆明理工大学 2013
[7]政府管控环境下出租车运营模式及其关键问题研究[D]. 周洁瑜.合肥工业大学 2013
[8]基于博弈论的行人过街冲突模型研究[D]. 李平.哈尔滨工业大学 2011
[9]出租车驾驶员安全意识的测量与评价[D]. 张宇婧.北京交通大学 2007
[10]出租车行业特许经营权研究[D]. 黄凤鸣.中国政法大学 2007
本文编号：3210999
【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校
【文章页数】：98 页
【学位级别】：硕士
【部分图文】：
交通违法数据格式
保证主要违法行为判定的客观有效，本次研究选取了四川省泸州市据作为基础研究材料。数据共收录了 395426 条泸州市交通违法数据间、违法地点、道路类型、车辆类型、车牌号码（不可见）、号牌种应的违法行为共 8 个变量。数据基本形式如图 3-1。图 3-1 交通违法数据格式中属于出租车违法类型的数据进行筛选，共获得 7029 条出租车驾驶。针对其中的违法行为变量进行从大到小排序，获得如下统计结论 所示。
该七个主要的违法类型占到全部出租车违法数量比例的 94%。，还包括“超速行驶，超速超过 20%且低于 50%（占比 1.84%）”和车（占比 1.85%）”等其他违法类型。，综合上述统计结果，考虑选取上述七种最主要的违法类型作为研究的考虑对象。违法类型对比普通驾驶员主要违法类型进一步研究出租车驾驶员的违法特征，需要对其他驾驶员的交通统计，并与出租车驾驶员的违法行为进行对比，从而找出出租车型特征。对除出租车驾驶员外其他所有驾驶员的交通违法数据进3 和表 3-2 的结论。
【参考文献】：
期刊论文
[1]出租车行业利益主体博弈模型研究[J]. 张亚平,莫琼,廉冠,祁首铭. 武汉理工大学学报(交通科学与工程版). 2017(05)
[2]出租车管理三方博弈与管理策略仿真[J]. 宋成举,张亚平,吴彪. 武汉理工大学学报(交通科学与工程版). 2017(05)
[3]出租车司机风险驾驶行为影响机制分析[J]. 边文莉,叶龙,郭名. 长安大学学报(社会科学版). 2016(01)
[4]基于博弈论的完全信息下的驾驶行为研究[J]. 杨晓芳,张盛,付强. 公路交通科技. 2015(07)
[5]出租车交通事故及其驾驶员心理分析[J]. 袁双宏,孙启凯. 湖南农机. 2014(01)
[6]基于模糊数学综合评判的出租车驾驶员安全意识评价[J]. 王党青. 河北交通职业技术学院学报. 2013(04)
[7]城市汽车交通违章行为的博弈分析[J]. 余建胜. 蚌埠学院学报. 2013(01)
[8]超速驾驶行为的演化博弈[J]. 李振龙,张利国. 交通运输系统工程与信息. 2010(04)
[9]驾驶行为理论模型研究概述[J]. 张凤,李永娟,蒋丽. 中国安全科学学报. 2010(02)
[10]理性犯罪决策——成本收益模型[J]. 郭东. 广西社会科学. 2007(08)
硕士论文
[1]基于博弈论的路段行人过街决策研究[D]. 李新波.吉林大学 2016
[2]汽车共享下的城市交通出行方式博弈研究[D]. 程苑.哈尔滨工业大学 2015
[3]基于博弈论的城市公共交通定价模型研究[D]. 史小特.重庆交通大学 2015
[4]基于博弈的交叉口驾驶员行为分析[D]. 黄选伟.南昌航空大学 2014
[5]电子执法环境下交通违法行为倾向模型研究[D]. 汪贝.哈尔滨工业大学 2014
[6]基于演化博弈与人工免疫的路径诱导算法研究[D]. 赵俊军.昆明理工大学 2013
[7]政府管控环境下出租车运营模式及其关键问题研究[D]. 周洁瑜.合肥工业大学 2013
[8]基于博弈论的行人过街冲突模型研究[D]. 李平.哈尔滨工业大学 2011
[9]出租车驾驶员安全意识的测量与评价[D]. 张宇婧.北京交通大学 2007
[10]出租车行业特许经营权研究[D]. 黄凤鸣.中国政法大学 2007
本文编号：3210999
本文链接：https://www.wllwen.com/falvlunwen/jingjifalunwen/3210999.html
