考虑出行者选择偏好的出行方式选择模型
2020-04-08姚恩建陈伟迪卢天伟
姚恩建,陈伟迪,卢天伟,杨 扬
(1.北京交通大学 a.交通运输学院,b.综合交通运输大数据应用技术交通运输行业重点实验室,北京 100044)
随着城市的发展和社会经济水平的不断提高,城市交通系统日趋完善,出行方式也愈加丰富.长期以来,人们为应对多样化的出行需求,尝试建立多样的出行方式选择模型,以求客观准确地刻画出行者的出行行为.
在传统非集计模型研究领域,Algers等[1]通过SP(Stated Preference)、RP(Revealed Preference)调查数据并结合Logit模型进行出行选择行为分析.李鹏[2]针对多种交通运输方式的选择,加入了层次分析法进行辅助决策.随着大数据分析的广泛运用,刘阳等[3]基于深度神经网络,构建了描述城市交通出行方式选择行为的小波神经网络预测模型.
在不断修正和改进过程中,多项Logit(Multinomial Logit, MNL)模型因其概念明确、计算方便的特点,逐渐成为目前出行方式选择研究领域中运用最为广泛的方法.但MNL模型要求出行者选择结果的影响因素彼此之间无相互影响,这在现实条件下难以满足.针对该问题,Williams[4]提出了分层的多巢Logit模型(Nested Logit, NL),在实际预测中很大程度上解决了MNL模型的不相关选择项独立性假设(Independence of irrelevant alternatives,IIA)特性.姚丽亚等[5]通过研究,进一步证明了NL模型在预测中具有更好的预测精度.杨励雅等[6]同时考虑了出行方式与出发时间,联合建立了NL模型,证实了NL模型优于MNL模型.因此,在后续的研究中,NL模型被更广泛地应用于出行行为选择研究中,同时也将作为本文模型构建的基础.
非集计模型建立的……
