盛冬冬,孙明妹

(北京交通大学 轨道交通控制与安全国家重点实验室，北京 100044)

目前，我国的高铁(high-speed railway, HSR)发展迅速，截至2019年底，高铁里程达到3.5万公里。高铁的迅猛发展极大地提高了铁路在中长途高速客运(即出行距离在800～1200 km的旅客运输)中的竞争力。高铁和民航(civil aviation,CA)的方式分担率模型是其竞争网络研究、定价研究等的重要基础，因此，对方式分担率模型的研究很有必要。

对方式分担率的模拟以离散选择模型为主，一般通过构建效用函数，使用个体数据对效用函数中的未知参数进行估计，继而计算出选择项被选中的概率。传统Logit模型是离散选择模型的基础模型，但传统Logit模型本身存在的IIA特性会对模型的预测结果产生很大的影响。何宇强等[1]、Hensher[2]、叶玉玲等[3]选择经济、快速、方便、舒适、安全5个指标建立传统Logit模型，并使用该模型对方式分担率进行预测。为了解决传统Logit模型中存在IIA特性问题，又提出嵌套Logit(Nested Logit, NL)模型。NL模型将相近的备选方案列入同一子集，子集内部仍存在IIA特性，但子集间的IIA特性不复存在。Adler等[4]和Wen等[5]分别建立NL模型，并使用数据对参数进行估计。然而传统Logit模型和NL模型都忽略了个体异质性，且没有完全解决IIA特性，混合Logit(Mixed Logit, ML)模型的出现，解决了上述两个问题。常见的混合Logit模型指的是考虑了个体异质性的横截面混合Logit模型(Cross-Sectional Mixed Logit, CML)，可使用横截面数据对其参数进行估计。Abdel-Aty等[6]使用具有正态分布的CML模型刻画在交通信息诱导下驾驶员对于路线选择的问题，得出旅行时间及其变化等因素会对路线选择产生影响。……