英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
基于离散选择模型的交通需求管理建模实证研究
陆振波 王树盛
(东南大学智能运输系统研究中心，南京 210096)
摘要：针对现有交通需求预测模型构建过程中忽视交通需求管理要求及缺乏政策敏感性等问题，建立了基于离散选择的交通需求预测模型并论证了其对交通需求管理的适应性．建立包括个人社会经济特征、时间和价值3个变量的私人小汽车一公交车离散选择模型，并通过停车收费和公交优先 2种交通政策来评估模型的政策敏感性．实证结果表明：出行选择对停车收费政策敏感性不强，表现为 88．41％ 的出行者对停车收费政策不敏感；出行选择对公交优先政策敏感性较强，表现为67．70％的私家车出行者及 77．02％的公交车出行者对公交优先政策敏感．基于离散选择模型的交通需求预测模型具有政策敏感性，在满足需求预测基本功能的同时对需求管理具有很好的适应性．
关键词：离散选择；交通需求预测；交通需求管理；logit模型
随着中国经济的快速发展和城市化进程的加快，城市地区的交通问题日益突出，其供给能力和服务水平都不能满足交通需求。我们不能简单地扩大城市道路建设的容量，更重要的是建立合理的城市交通结构，提高道路和交通设施的利用率。为了评估不同的交通改善措施的效率，交通模式应该同时具备出行需求预测功能和对交通政策的敏感性。长期以来，主要的交通模式是汇总分析，其中， 四阶段预测模型在以下几个方面也存在一些突出的不足：
1）出行次数与一个地区的主要经济或人口指标之间的简单回归关系经常用于交通生成和景点预测，没有任何因素可以反映交通区域对交通状况的影响。 被认为是一个非政策敏感的模式。
2）最典型的交通分布预测模型是引力模型，交通区间的出行时间被用作阻抗。虽然出行时间反映了交通可达区间的范围，但其描述非常模糊。因为使用的时间是通常出行时间最短，其他因素如过境出行时间的变化不能反映出来，因此传统的出行分布模型也是一个非政策敏感模型。
3）交通方式分割预测是基于通过假设除汽车巴士以外的未来交通模式保持不变而基于时间差和时间比较创建的汽车巴士传输模式的分割曲线。此外，交通方式分割是基于分类法进行的，不仅缺乏明确的理论依据，而且在未来交通条件变化时，不能反映交通结构的变化。
4）交通管理主要基于最短时间路径，不考虑除出行时间外的其他因素。
传统四阶段法的分析过程是单向的，四个阶段之间的联系和反馈少。由于交通区域被认为是统计信息单位，因此出行需求变化无法在交通状况或出行者状况中被忽略。因此，出行者的个体特征被忽略。作为出行需求分析模型的一个分支，传统的四阶段方法将不断发展和完善。但由于它不具有政策敏感性，不能兼顾交通需求管理和需求预测，因此该模型在满足政策规划的要求方面已被证明是不切实际的。
考虑到交通管理对交通运营的作用，交通模型必须提供更多高级功能：
1）德曼预测模型应具备交通需求预测和模型管理功能。不同政策措施产生的交通需求多样化。例如，公共交通的优先次序将提高公共交通的服务水平，但它将不可避免地吸引其他出行者，如步行者，骑车人甚至汽车司机使用公共交通工具，并在此改变不同交通模式的市场份额。交通需求预测模型应反映不同政策措施引起的交通需求变化。因此，该模型应同时具有流量需求预测和需求管理的功能。
2）交通需求模型应该代表政策的敏感性，即它应该包括变量，以反映交通政策变化引起的出行者行为的变化。当交通政策变化时，出行者可以调整他们的路线。举例来说，当停车费用增加时，对出行成本敏感的出行者会放弃汽车。作为出行者是交通政策的影响对象，交通需求模型应该包括交通政策和出行者行为的变量，以反映交通状况引起的交通需求的变化或人员自己。总之，模型必须对政策敏感。
1离散模型对交通需求管理的适应性
从广义上讲，交通选择行为作为消费者选择行为之一，与消费者选择行为理论是一致的。离散的选择模型描述了消费者的选择行为，并且可以在存在选择行为的任何地方广泛应用。选择决策包括五个步骤：1）选择问题的定义; 2）替代品的生成; 3）替代品特性的确定; 4）选择决策; 5）选择决策的实施。在这些步骤中，步骤3）是最重要的。根本原因是出行者通过综合考虑替代品的影响力而选择最合适的选择。出行者的特性几乎是不变的，因为出行者的特性随着社会经济的发展而变化，但其他特性是可以改变的。决策者可以通过采用不同的交通政策来改变选择结果，从而改变城市交通状况交通系统。在此基础上。离散选择模型可以应用于交通需求管理。
Logit模型是使用最广泛的离散选择模型之一。根据选择行为理论，出行者选择最满意的选择模型通过综合考虑替代方案和人员自身的特点。替代品的效用可以分为两个部分：可测量的可靠元件和不可测量的随机元件，可表示为
其中是人n对替代性i的效用; 是个人信息和被固定的选择信息;是效用判断的误差分量。假设效用随机分量服从独立同一分布,那么人n选择替代方案i的概率可以计算为
与传统的集合模型不同，离散选择模型使用产生出行活动的个体作为单位，并且可以直接对调查数据进行建模，而不是基于交通区域单位的聚合数据。这使得该模型可以方便地用于评估的有效性和利用效益交通规划和交通政策。与集合模型相比，离散选择模型具有一些优点。首先，该模型具有较高的性能和较低的成本，因为它需要较少的建模数据，从而降低了调查成本。其次，该模型包含许多变量，并且对交通政策很敏感。对于相同规模的调查，离散选择模型可以包括使用比集合模型更少数据的更多变量，并且可以有效地预测评估的交通需求政策和交通服务。第三，该模型具有高度的可移植性。当社会经济属性相同时，由于模型基于选择行为，所以离散选择模型可以被植入。因此，该模型的可移植性可以减少数据收集并提高应用程序的效率。
基于行为理论，离散选择模型具有高性能，低成本，高可移植性以及对策略敏感等优点。因此，该模型是交通需求分析和管理的有效工具。
2建模和实验
2.1实验目的
以下实验的目的是通过案例研究来验证离散选择模型的策略敏感性。众所周知，改进交通堵塞的主要方法是限制汽车使用的停车收费政策，以及公共交通的优先事项。但是，交通管理者必须面对以下问题：两项政策在多大程度上减少交通堵塞，哪一个更有效。本文基于对苏州市部分地区出行问卷调查数据的分析，建立了离散选择模型。此外，还通过调整评估交通政策实施效果的一些关键变量来检验模型的敏感性。本文为交通管理者选择交通政策提供了依据。
2.2实验设计
2.2.1实验方法
为了获得有效的信息并确保建模的准确性，对人员个人信息和替代信息进行了抽样调查。由于调查区经济高度发达，居民出行主要以两种方式进行：公交和乘坐汽车。因此，本调查中定义了两种出行模式：私家车（AUT0）和公共交通（BUS）。
调查采用SP调查技术。具有预定属性和水平的各种情况被用来制定不同的替代方案。由受访者根据抽样，排名或离散选择方法进行评估。采用四因素三水平的正交试验，其中四个因素是汽车的平均出行时间，公共交通的平均出行时间，停车费用，公共交通的出行费用，每个因素的水平值设计为高于或低于公共交通的10％至20％，实际值如表1所示。
表1属性和级别的定义
2.2.2影响因素
影响出行模式选择的因素很多，但本文主要考虑时间和成本。
通过网络模拟和状态报价获得时间因素，包括汽车行驶时间和公交车行程时间。首先，在高峰时段的出行时间是从一个GIS网络获得的，并且被视为时间因素的基础。然后，测量某些路段的实际行驶时间，并将其用于修改从GIS网络获取的行驶时间作为建模的时间因素。
值得注意的是，GIS网络是对实际交通网络的模拟，它由三部分组成：具有五级道路的公路网络（即一级公路，高速公路。动脉路，小动脉路和之路）；区域链路（从区域质心到道路网络的链路，只能被视为开始道路或末端道路，但不是中间道路）;公交路网（包括公交路段和公交车站，行程时间的参数可以从道路网络获得）。
成本因素是私人收入，停车费用和公共交通费用。从理论上讲，私人收入影响出行模式的选择;高收入人群倾向于选择更舒适的出行模式，出行时间更短。同时，出行成本因素也影响出行者的选择行为。妥协的选择，人员必须平衡时间和成本因素。
2.3数据验证
为保证数据的有效性，本文根据性别，车辆所有权和收入三个方面对调查样本进行统计检验。
如图1所示，男性的旅途目的与苏州的女性相同。
图1根据不同性别分布的出行目的
如图2所示，对于每个用户来说，无人居住的样本比例（57％到80％）和车主样本比例（20％到43％）与苏州目前的汽车保有情况是一致的。
图2有车或无车的人的出行分布图
从图3可以看出，家庭平均收入主要集中在1001-3000元和3001-6000元之间，这与最近苏州的平均家庭收入一致。
根据上述比较结果，样本数据与实际情况相符，并且可以被认为是有效的建模。
在调查中有996个有效样本，一般认为需要2000到3000个样本才能获得足够精确的离散选择模型，但没有足够的理论基础来支持这一观点。有些人通过模拟来研究样本容量问题，即他们从大规模调查中抽取一些样本，通过比较样本提取样本的估计参数和整体样本的估计参数，分析样本容量的有效性。研究结果表明，800到1000个样本是足够的。一些研究者也提出样本容量可以是300到500人。基于以上分析，可以发现本次调查的样本容量是合理和充分的。
2.4模型估计
根据离散选择模型中变量的选择规则，模型选择的变量如表2所示。其中1）是常数变量，2），3）和4）是变量替代信息，5），6），7）和8）是个人信息的变量。汽车出行的变量是2），4），5），6）和7），并且总线行程的变量为1），3），4）和8）。基于使用离散选择模型进行系数校准的方法，变量估计如表2所示。
表2 Logit模型的校准结果
3、模型结果
根据系数校准的结果，可以得出如下结论：
整体配合度符合试验要求。各系数的T检验满足95％的信心水平。
2）beta;2,beta;3,beta;4的值都是负值，表明当成本和时间增加时，其他方案的有效性会降低。停车成本的负系数表明，当乘车成本增加时，汽车出行的有效性减小。类似地，出行时间的负系数表示公交车的有效性,公交出行时间减少时，公交出行会增加。
3）beta;5,beta;6对有效性的影响均为正，说明是否拥有一辆汽车对选择私家车出行起着非常重要的作用。另外，beta;5gt; beta;6表示私家车的概率随着汽车数量的增加而增加，从逻辑上证明了参数的合理性。
4）beta;7的积极性表明收入增加对汽车出行有促进作用，这与高收入人群倾向于选择更加舒适的出行模式的分析一致。
5）beta;8的值是正值，表明性别对出行模式有影响，并且男性更可能选择汽车。
结果表明，私家车和公交车的平均概率分别为0.7961和0.2039。996名人员中，选择私家车和公交车的实际人数分别为797人（80％）和199人（20％）。可以看出，模型的仿真结果与实际情况相似。
4.灵敏度分析
为了减少调查区域的拥堵，有两种方法可以限制使用私人汽车。 一是提高停车成本，这是平衡停车供应与停车需求关系，最大限度提高停车设施利用效率的有效手段。停车成本的变化将会影响出行者的停车行为，改变出行方式。另一种是应用公共交通的优先政策来减少公共汽车的出行时间，以提高公共交通的分配概率。
根据公式（1）和（2），选择概率变量的弹性和交叉弹性分别表示如下：
（3）
（4）
其中是替代方案i对替代方案的变量的概率的弹性; 是替代方案j的特征变量的替代概率的弹性;其他符号的符号与上述相同。
弹性和交叉弹性的平均值为
（5）
（6）
4.1停车成本弹性分析
根据公式（5）和（6），选择概率对停车成本可变性的弹性为
（7）
（8）
从996名人员对停车费用的弹性响应以及选择乘车出行的概率的弹性来看，112名人员的弹性值小于-1，其中叠加样本中约为11.59％，最小值 值为-1.909 6，其他值为-1至0，表明11.59％的人员对停车费敏感，88.41％的人员对停车费缺乏弹性。996名人员的平均弹性值为-0.323 2，表示人员无论是否选择一辆车，都缺乏停车费弹性。 同样，公共汽车运输的可能性也对停车费缺乏弹性，平均弹性值为0.2140，其中有47位乘客其弹性值大于1。总体来说，出行模式的选择在叩击成本的弹性下是缺乏灵敏度的。
4.2公交车行程时间弹性分析
根据公式（5）和（6），公交出行时间变量的选择概率的弹性为
（9）
（10）
从出
全文共6544字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14326]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
