基于消费行为分析的高速公路服务区合理规模研究

发布时间：2021-02-03 09:08

　　服务区作为高速公路上的重要“驿站”和“窗口”,能够满足高速公路出行者的各种途中需求,是高速公路安全、舒适、便捷出行的保障,是体现高速公路服务质量和水平的重要窗口。但我国服务区在发展建设中还存在一些问题,比如服务区规模与需求总量不适应、服务类型与需求品质不适应。服务区规模的大小与服务区服务质量、经营效益、资源利用率、出行者服务满意度和忠诚度紧密相关,因此,在服务区转型升级发展、人们消费需求趋于多元化的新时期,开展基于消费行为分析的高速公路服务区合理规模研究具有重要价值。现有对服务区规模的研究大多从服务区物理设施及驶入率入手,通过驶入率计算服务区的停车场面积,再定性分析停车场面积与服务区面积之间关系,参数取值经验性居多,对服务区合理规模与其影响因素之间定量关系的研究较少,缺少反应客观规律的定量模型;且现有关于服务区消费行为的研究较少,把消费行为与服务区合理规模结合起来研究的尚没有,消费行为对服务区规模的影响未得到充分重视。基于此,本文以高速公路服务区为对象展开了以下研究:1、基于消费行为学相关理论界定服务区消费行为,并从服务区出行者角色、出行方式、司乘人员活动规律、消费需求、消费水平、满意... 

【文章来源】：重庆交通大学重庆市

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 出行消费行为研究
        1.2.2 服务区规划布局研究
        1.2.3 服务区交通运行规律分析
        1.2.4 服务区规模研究
        1.2.5 文献评述
    1.3 研究目的及方案
        1.3.1 研究目的
        1.3.2 研究内容
        1.3.3 技术路线
第二章 消费行为相关理论
    2.1 消费者行为
        2.1.1 消费者行为发展
        2.1.2 消费者行为概述
        2.1.3 消费者购买决策
        2.1.4 消费者购后行为
    2.2 旅游消费行为
        2.2.1 旅游消费行为概述
        2.2.2 旅游消费行为特性
    2.3 服务区消费行为
        2.3.1 服务区消费行为界定
        2.3.2 服务区消费行为特性
    2.4 本章小结
第三章 服务区合理规模影响因素分析
    3.1 合理规模界定
    3.2 合理规模构成
    3.3 合理规模影响因素
        3.3.1 已有影响因素借鉴
        3.3.2 合理规模影响因素确定
    3.4 合理规模影响过程
    3.5 本章小结
第四章 基于MLP的高速公路服务区合理规模模型
    4.1 深度学习理论
        4.1.1 深度学习概述
        4.1.2 深度学习模型
        4.1.3 深度学习激活函数
        4.1.4 深度学习应用
    4.2 MLP神经网络
        4.2.1 MLP神经网络结构
        4.2.2 模型预测原理
        4.2.3 MLP模型的适应性
    4.3 基于MLP的服务区合理规模测算模型构建
        4.3.1 模型结构及变量选取
        4.3.2 样本数据预处理
        4.3.3 模型训练
    4.4 模型预测效果评价
    4.5 本章小结
第五章 实证分析
    5.1 贵州省高速公路规划发展概述
        5.1.1 高速公路建设发展
        5.1.2 高速公路服务区规划发展
    5.2 数据采集及分析
        5.2.1 调查问卷设计
        5.2.2 调查过程
        5.2.3 调查数据统计分析
    5.3 服务区消费行为分析
        5.3.1 驶入服务区目的
        5.3.2 司乘人员活动规律
        5.3.3 消费水平
        5.3.4 消费需求
        5.3.5 满意度
        5.3.6 忠诚度
    5.4 服务区合理规模模型分析
    5.5 发展建议
    5.6 本章小结
第六章 结论与展望
    6.1 研究结论
    6.2 研究不足与展望
致谢
参考文献
附录Ⅰ:程序代码
附录Ⅱ:调查问卷
在学期间发表的论文和取得的学术成果


【参考文献】：
期刊论文
[1]基于循环神经网络和深度学习的股票预测方法[J]. 黄丽明,陈维政,闫宏飞,陈翀.  广西师范大学学报(自然科学版). 2019(01)
[2]基于深度学习长短期记忆网络结构的地铁站短时客流量预测[J]. 李梅,李静,魏子健,王思达,陈赖谨.  城市轨道交通研究. 2018(11)
[3]基于深度学习的交通流量预测[J]. 刘明宇,吴建平,王钰博,何磊.  系统仿真学报. 2018(11)
[4]深度学习研究综述[J]. 张荣,李伟平,莫同.  信息与控制. 2018(04)
[5]基于MLP神经网络的物流需求预测模型研究[J]. 罗冰洁.  计算机与数字工程. 2018(06)
[6]基于DBN深度学习的期货市场价格预测建模与决策[J]. 陈俊华,郝彦惠,郑丁文,陈思宇.  计算机科学. 2018(S1)
[7]基于多层感知机的蛋白质变性温度预测[J]. 丁雪松,黄立群,张步忠,杨洋,吕强.  计算机应用研究. 2019(08)
[8]深度学习在车牌定位中的研究[J]. 赵莉,白猛猛,雷松泽,计雪薇.  计算机应用研究. 2018(10)
[9]基于Caffe深度学习框架的车牌数字字符识别算法研究[J]. 欧先锋,向灿群,郭龙源,涂兵,吴健辉,张国云.  四川大学学报(自然科学版). 2017(05)
[10]基于消费者行为的乡村文化旅游景区营销策略研究——以陕西省棣花古镇为例[J]. 房琳,刘龙龙,李庚.  辽宁农业科学. 2017(04)

硕士论文
[1]基于旅客消费行为的京津城际铁路站内商业服务设施布局优化研究[D]. 任雪.北京交通大学 2018
[2]基于消费者行为的乡村旅游营销策略研究[D]. 李佳丽.重庆师范大学 2018
[3]基于BP神经网络的城市轨道交通合理规模研究[D]. 孙晓永.西南交通大学 2018
[4]基于DEA模型的高速公路合理规模研究[D]. 朱文娟.兰州交通大学 2018
[5]基于机器学习的短时交通流预测方法研究[D]. 王苗苗.长安大学 2017
[6]高速公路服务区服务设施的合理配置研究[D]. 卢超飞.北京交通大学 2017
[7]基于深度学习的图像超分辨算法研究[D]. 韩小虎.河南大学 2016
[8]基于等级划分的高速公路服务区布局和规模研究[D]. 王丹.长安大学 2015
[9]基于遗传算法和BP神经网络的建设用地规模预测研究[D]. 姚俊.湖南农业大学 2013
[10]国内自驾游消费行为研究[D]. 林莹.西南财经大学 2012



本文编号：3016252