交通方式选择的非集计模型及其应用

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第6期
贾洪飞 , 等 : 交通方式选择的非集计模型及其应用
K
1289
个人为单位 , 对调查得到的数据不进行任何统计 处理而直接用于建立模型 。 与传统的集计模型 相比 , 非集计模型具有以下显著特点 : ①以明确的 行为假说为基础 , 逻辑性强 ; ②可以用较少的样本 标定出模型的参数 ; ③可以选用与个人决策相关 的因素作为自变量 , 能够更加准确地描述个人或 家庭的出行决策过程 ; ④模型具有较好的时间转 移性和地区转移性 ; ⑤ 可以对多种交通规划 、交通 政策进行效果评价 。 非集计建模方法克服了以 往传统的集计建模方法的缺点 , 并适应了交通规 划目的多样化的特点 , 在交通需求预测领域中不 断地得到推广应用 。 作者结合 2004 年北京居民出行调查数据 , 采 用非集计方法建立了交通方式选择 M NL 模型 ; 并以所建模型为基础 , 将公交车和私人小汽车两 种方式的时间费用转换成金钱费用 , 再与实际的 金钱费用 相加求 得广义 费用 , 从而 建立了 二肢 Lo git 模型 , 分析评价了 拥挤收费政策在调整交 通方式分担率 、降低道路饱和度 , 以及缓解道路拥 挤中的作用 。
[ 2 , 3]
图 1 MNL 模型的计算过程 Fig. 1 Calculation process of MNL
为了详细地了解一个城市的交通方式结构 , 应全面地研究该城市 的各种交通方 式的使用情 况 。 本文主要把包括自行车 、公交车 、摩托车 、出 租车 、 私人小汽车在内的 5 种日常生活中较为常 用的交通方式作为选择肢进行分析 。 模型主要研 究早高峰阶段出行者在以上 5 种交通方式上的分 担率情况 。
Disaggregate modeling of traffic mode choice and its application
Jia H o ngfei , Gong Bow en , Z ong F ang
(College o f Transportation , J i lin University , Changchun 130022 , China)
[ 2] [ 1]
V in = θ k 为待定系数 。
k =1
∑θX
k
kin
(2)
式中 : X kin 为个人 n 的选择肢 i 的第 k 个变量值 ;
2 多项 Logit 模型的建立
多项 Lo git 模型即 MN L(M ul tino mial L ogit Mo del)模型 是 非集 计 模型 中 最 常用 的 模型 之 一[ 4] 。 由于 M N L 模型具有数学形式简洁 , 物理 意义容易理解的特点 , 并且选择概率在[ 0 , 1] 之 间 , 各选择肢的选择概率总和为 1 等合理性 , 近年 来被广泛应用于交通等领域的模拟预测中 。 2. 1 MNL 模型的构建思路 MN L 模型是在假设效用的变动项 ε in 和确定 项 V in 相互独立 , 而且 ε in 服从 Gumbel 分布的前提 下推导出来的 , 具体表达式为 P in = ex p( V in ) exp ∑ (V jn )
变量 G A Y J B MT XQ D T BF MF TF CF
所谓特性变量的选择是指对影响出行者进行 交通方式选择的因素的选择 。 由于影响因素纷繁 复杂[ 5] , 很多学者认为可将其划分为出行者特性 、 出行特性和交通设施的服务水平三个方面
[ 2 , 6 , 7]

但考虑到避免模型过于复杂 , 通常根据实际情况 来选择具有代表性的影响因素建立模型 。 本研究 以 2004 年北京居民出行调查为例 , 所选特性变量 及相应的取值方法见表 1 和表 2 。
n
(3)
j ∈C
式中 : P in 为个人 n 选择第 i 个交通方式的概率 ; j 为交通方式 ; Cn 为 第 n 个人选择交通方 式的集 合 。 MN L 模型的具体建模和计算流程见图 1 。
1 非集计模型的基本理论
作为行为决策单元的个人 、家庭或某种组合 在一个可以选择的 、选择分肢是相互独立的集合 中 , 会选择对自己效用最大的选择肢 , 这一假定被 称为效用最大化行为假说 。 该假说是所有非集计 模型 的 理论 基 础 和 必 须服 从 的 前 提 条 件 。 即: 若令 U in 为个人 n 选择分肢 i 时的效用 , Cn 为 与个人 n 对应的选择肢集合 , 则当 U in > U jn , j ≠ i ∈ Cn 时 , 个人 n 将选择 i 。 根据以随 机效用理论为基 础的离散 选择模 型 , U in 可以表示为 U in = V in +ε in (1) 式中 : V in 为可以观测的要素向量 X in (包括个人 n 的社会经济特性向量 、 选择肢 i 的特性值向量等) 的效用 ; ε in 为不可观测要素向量 X in 以及个人特有 的不可观测的喜好导致的效用的概率变动项 。 也 就是说 , 效用函数是由反映效用的确定项和不可 知项构成的 。 在具体形式上 , 效用确定项函数可以由一种 或多种函数形式表达 , 考虑到结果分析和系数标 定时的方便 , 目前通常采用线性函数作为效用函 数的表达形式 , 即
Abstract : Based on the theory of disag g reg ate mo deling and t he residents daily t ravel survey dat a of Beijing ci ty , a m ul tinomial logi t(MN L) model to predict t he t raff ic mo de choice w as developed , and the unconst rained o ptimizati on f unction i n M atlab optimizat ion too lbo x w as used t o calibrate i t s paramete rs. T he t ime value of the bus and the car w ere calculat ed w it h t he developed MN L model , a generalized co st including t he travel time and the actual mo ney ex penses was derived , and a binary logi t model w as built f or maki ng t ravel m ode choice f or t he bus o r the car. T he varia tion of the cont ribut ions o f t he t w o t ravel mo des and the road t raffi c sat uration under dif ferent pricings w ere analyzed , and the ef fects of the congestion pricing on t he optimi zatio n of urban t raff ic st ructure and alleviat ion o f the urban t raf fic cong esti on w ere evaluat ed. It w as f ound t hat t he di sagg reg ate mo deling approach can co nsider m ore facto rs af fectinຫໍສະໝຸດ Baidu the resident s t ravel mo de choice , i ncludi ng t he individual charact er f act or , helps improve the predict ion accuracy of t he model. Key words : engineering com municat ions and t ranspo rtati on sy st em ; disagg regate model ; mo de choice ; congestio n pricing ; value of time 交通方式划分及与之相应的交通方式选择模 型的研究是交通规划 领域中的主要 研究方向之 一 。 但由于交通方式选择涉及的因素多 , 加之出
1290 2. 2 特性变量的选择
吉 林 大 学 学 报 (工 学 版 )
第 37 卷
2. 3 MNL 模型的参数标定与分担率预测 (1)M NL 模型的参数标定 在进行 MN L 模型的参数 标定时 , 首先采用 Mat lab 中的符号函数编写极大似然函数 , 再应用 Mat lab 优 化 工 具 箱 中 的 无 约 束 最 优 化 函 数 fmi nunc(采用 DFP 、 BF GS 两种基本算法[ 8 ~ 10] ) 对 对数极大似然函数进 行参数估计求 解运算 。 另 外 , 使用 f minunc 函数进行参数估计还可以同时 得到参数最优值时的近似海森(H essian)矩阵 , 从 而可以计算出参数的 t 检验值 。 无约 束 非线 性 多 元 函 数 最 小值 求 解 函 数
DO I 牶 牨 牥 牣 牨 牫 牪 牪 牴 牤 j牣 cnki 牣 jdxbgxb 牪 牥 牥 牱 牣 牥 牰 牣 牥 牨 牪
第 37 卷 第 6 期 2007 年 11 月
Journal o f Jilin Unive rsity (Engineering and Technolo gy Edition)
吉 林 大 学 学 报 (工 学 版 )
V ol. 37 N o. 6 N ov. 2007
交通方式选择的非集计模型及其应用
贾洪飞 , 龚勃文 , 宗 芳
(吉林大学 交通学院 , 长春 130022)
摘 要 : 应用非集计模型理论与北京居民出行调查数据 , 建立了交通方式选择 M NL 模型 , 并 用 Mat lab 优化工具箱中的无约束最优化函数对模型的参数进行了标定 。 根据所建模型计算 出公交车和小汽车的时间价值 , 求得包含出行时间和实际金钱费用的广义费用 , 建立了公交车 和小汽车出行选择的二肢 Lo git 模型 , 分析了不同收费价格下两种交通方式所分担的交通出 行比率及道路交通饱和度的变化情况 , 评价拥挤收费政策对优化城市交通结构 , 缓解城市交通 拥挤的作用 。 研究表明 , 非集计建模方法能够较全面地考虑居民出行选择的各方面影响因素 , 尤其是将出行者的个人特性影响因素引入模型 , 提高了模型的预测精度和实用性 。 关键词 : 交通运输系统工程 ; 非集计模型 ; 方式选择 ; 拥挤收费 ; 时间价值 中图分类号 : U491. 1 文献标识码 : A 文章编号 : 16715497(2007) 06 128806
表 1 MNL 模型参数表 Table 1 Parameters of MNL model
影响因素类别 影响因素 性别 个 人 属 性 年龄 月票拥有情况 驾照拥有情况 自行车拥有情况 家 庭 属 性 出行特性 摩托车数量 小汽车数量 出行距离 出行时间 交通设施的服务水平 出行费用
fmi nunc : [ X , fv al , exit f lag , out put , g rad , hessi an ] = fmi nunc(…) X: 给定初始点 x 0 的最小函数值点 ; fv al : 最优点 x 处的函数值 ; exit flag : 终止迭代的条件 ; output : 输出优化信息 ; grad : 函数在解 x 处的梯度值 ; hessian : 目标函数在解 x 处的海森(Hessian) 值。 采用上述方法进行模型的标定 , 可以在每个 选择肢中先根据经验任意加入或删除某些特性变 量 。 这样可以简化模型 , 从而提高程序的运行速 度 。 模型参数标定结果见表 3 。 根据统计学知识 , 在置信水平 α =0 . 1 时 , 当 某一参数对应的| t|≥1. 65 , 且参数符号正确时 , 则有 90 % 的把握认为该变量对出行者选择该选 择肢的影响显著 ; 当| t| ≤ 1. 65 时 , 有 90 %的把握 认为该变量对出行者选择该选择肢没有影响[ 7] , 但此时不能随便将此变量去掉 , 还要根据以往经 验进行判断 , 因为 t 检验值不能绝对地说明变量 的有效性 。 从而可得各方式的效用函数表达式为 V bicycle = - 6. 03 ×X (2) +0 . 40 ×X (3) + 73. 75 × X (5) - 15 . 30 ×X (6) 2. 22 ×X ( 8) +3. 04 × X (9) V bus = - 6. 66 ×X ( 2) +54. 14 ×X (4) + 18 . 14 ×X (5) - 15. 57 ×X (6) 3. 32 ×X (8) +3 . 14 ×X (9) 1. 81 ×X (10) V m otche = 31 . 11 ×X (2) - 25. 73 ×X (3) 13 . 20 ×X (4) - 8. 470 ×X (6) + 75 . 78 ×X (7) +3. 47 ×X (9) 3. 16 ×X (11) V taxi = 49. 83 × X (1) - 6. 76 ×X (2) +
收稿日期 : 20061124. 基金项目 : 高等学校博士学科点专项科研 基金资助项目(20050183040). 作者简介 : 贾洪飞(1969) , 男 , 教授 , 博士 . 研究方向 : 交通运输系统规划与管理 . E mail : jiahf @jlu. edu. cn
行者的习惯 、 喜好等难以测定的因素的存在 , 传统 的集计建模方法难以准确描述出行者对交通方式 选择的过程 。 非集计分析以实际产生交通活动的
相关文档
最新文档