搜索
非集计型交通方式划分模型以交通小区为单位将出行者的交通行动进行集体统计分析，按照出行的发生与吸引、出行的分布、交通方式划分和交通流分配的四阶段，进行模型化预测的。预测总出行数按交通小区之间交通方式之间路径之间（利用某种经验规则计算）例如，利用交通小区的人口数和人口密度的函数表示交通小区的出行发生量。传统四阶段模型四阶段法的主要缺陷缺少对人的选择行为的分析各阶段之间相对独立，缺少一致性没有反馈机制缺少严密的统计方法难以评价交通管理对于交通需求的影响表现出行者个人（或家庭）是否出行、出行目的地、采用何种交通方式、选择哪条路径等的形式，从选择可能的被选方案集合中如何选取的问题，将得到的个人行动结果加载到交通小区、交通方式、路径上而进行交通需求预测。调查个人出行特征参数估计数据建模预测（统计个人行动聚集结果）非集计分析非集计分析的特点基于消费者行为理论采用统计方法对参数进行标定对交通政策进行评价具有较好的时间转移和空间转移性应用的变量比较多，计算较复杂服务水平与交通量相关集计分析非集计分析调查单位各次出行各次出行分析单位交通小区个人（或家庭）因变量小区统计值（连续量）个人的选择（离散量）自变量各小区的数据个人的数据预测方法回归分析等最大似然法适用范围水平预测交通小区任意政策的体现交通小区代表值的变化个人变量值的变化交通现象的把握方法出行的发生与吸引↓出行频度↓出行分布↓目的地选择↓交通方式划分↓交通方式选择↓路径分配路径选择集计分析与非集计分析的区别为了模拟出行者的心理活动，可以为每种交通方式确定一个效用值，某种交通方式的效用值反映了如果出行者选择该方式将会获得的好处大小。对于出行者来说，他（她）总是希望选择能够产生最大效用值的交通方式。影响交通方式的效用值的因素不仅多而且复杂，还有随机成分，所以说效用值是一个随机变量，一般称之为随机效用。随机效用假定在交通系统中有种交通方式可供出行者进行选择，可以用下面的式子来表示第i类出行者选择交通方式（）的效用其中：表示第种交通方式对于出行者i的随机效用值；表示能够确定的或者可以观察得到的效用值；是随机误差项。可观察到的效用值一般用以下式子来表示：其中：表示第交通方式的第种特性值，比如费用、出行时间、舒适度、安全性等；是待定参数，可以从观察到的数据中用统计推断方法估计出来。由于不同交通方式的效用值是一个随机变量，所以说出行者对于交通方式的选择问题实际上是一个概率问题，即出行者以多大的概率选择某种交通方式。很明显，这种选择概率取决于效用函数的特性和随机误差项的分布。概率选择个人选择方式n是因为方式n的效用大于或等于其它方式的效用，即在概率情况下，有，如果随机项服从Gumbel分布(双指数分布)，并且相互独立，即可以得出如下形式的选择概率：Logit模型是与的方差相对应的参数，有如下关系该参数表示出行者对于各种交通方式的出行效用的理解度，理解越准确，则值越大；反之，值越小。Logit模型的求解定义效用函数确定可选择集合确定特征变量数据调查定义极大似然函数Hessian矩阵的计算求解极大似然函数（Newton-Raphson法）计算方差矩阵假设检验其它统计量的计算结果分析IIA（IndependencefromIrrelevantAlternation）：是指任意两种交通方式的选择概率的比与其它交通方式的状态无关，IIA特性来源于随机项相互独立的假定。Logit模型的IIA特性假定出行者可以利用的交通方式有小汽车和红色巴士，可以认为其效用的随机项是相等的，也就是说，小汽车和红巴士的选择概率都是0.5。如果我们新增加一条蓝色巴士路线，通常，出行者的选择与巴士颜色无关，小汽车和巴士的选择概率还应该是0.5，红蓝巴士的选择概率应该是0.25。但是如果根据IIA特性，在原来模型中加入一个蓝巴士作为选择方式，那么根据Logit模型所得到的小汽车、红巴士和蓝巴士的选择概率都变成1/3。显然，这个结果是不合理的。红-蓝巴士问题NestedLogit模型概率模型假设随机项服从于均值为0，具有有限的方差协方差矩阵的多变量正态分布MVN(multivariancenormaldistribution)，那么可得到Probit模型。Logit模型与Probit模型的差异C径路1径路2径路3ABProbitModelLogittModel0.330.50