当前位置：文档之家 › 非集计模型

非集计模型

  • 格式：ppt
  • 大小：191.50 KB
  • 文档页数：23

下载文档原格式

  / 23

合集下载

基于非集计模型的居民公交出行次数选择行为研究

基于非集计模型的居民公交出行次数选择行为研究
－
ＴＲＡ Ｆ 。 ＯＮ № 。 ＴＡＴ，
Ｆ ￣ Ｉ Ｃ
瓣
姆 褛 锺 ｊ 型 ９ 草型
基于非集计模型的居 民公交 出行次数选择行为研 究
口 倪亚洲 ，刘星昊 （ ． 南市城市 交通研 究中心 ，济南 １济 ２ ０ ５ ；２ 济 南市 １ ５９热 线服 务中心综合科 ，济 南 ２ ０ ０ ） ５０ １ ． ２１ ５ １２
非集计模型的计算结果进行 了集计分析 ，将模型计算结果 与样本 的实际次数选择 比例进行对 比，进一
步确 定模 型 的有 效性 。
关键词 ：非集计模型；出行次数 ；列联表分析 ；Ｔａ ＣＤ ｒ ｓＡ ｎ 中图分类号 ：Ｕ ９ ４１ 文献标识码 ：Ａ 文章编号 ：１７—４ ０２ １）７ ０ ４０ ６ １３０ （ ２０ — ３—３ ０ ０
ｗｅ ｅ ａ ｇ ｅ ａ ｅ ｙ ｕ ｉ ｇ ｅ ｕ ｒ ｔ ｎ Ｔｈ ａ ｉ ｉ ｆｔ ｅ ｍｏ ｅ ｓｄ ｔｒ ｉ ｅ ｒｈ ｒ ｏ ｒ ｇ ｒ ｇ ｔ ｄ ｂ ｓｎ ｎ ｍｅ ａ ｉ ． ｅｖ ｌｄ ｔ ｏ ｄ ｌｗａ ｅｅ ｏ ｙ ｈ ｍ ｎ ｄ ｆ ｔ ｅ ｃ ｍｐ ｒｎ ｈ ｄ ｌ ｅ ｕ ｔ ｔ ｕ ｂｙ ａ ｇ ｔ ｅ ｍｏ ｅ ｓ ｌｓｗｉ ｉ ｒ ｈ
摘
要：结合城 市居民出行调查数据，对城市居 民出行特征进行 了分析。基 于非集计选择模型的
基本理论 与建模 方法 ， 通过列联表分析及相关性分析确定 了影响居 民出行次数选择 的特 性变量 ，建立 居民公交出行次数选择 Ｍ 模型。应用 ＴａｓＡ Ｌ ｒ Ｏ Ｄ交通规划软件对模型的参 数进行了标定 ， ｎ 利用枚举法对
Ｓ ｕ ｙ ｏ ｂ ｎ Ｒｅ ｉ ｅ ｔ ｓＴ ａ ｅ ｍ ｅ ｏ ｓｎ ｈａ ｉ ｒ ｔ ｄ ｆ Ｕｒ ａ ｓｄ ｎ ｓＢｕ ｒ ｖ ｌ Ｔｉ ｓＣｈ ｏ ｉ ｇＢｅ ｖ ｏ

道路通行能力简答题

道路通行能力简答题

1.试写出BPR路阻函数（即美国联邦公路局函数）的表达式，解释公式个参数所代表的含义并说明其在交通规划中的应用。

t a=t0[1+∝(qc)β]t a——实际通过该路段所需要的时间t0——路段自由行驶时间q——当时通过该路段的交通量，单位pcu/hc——路段的实际通行能力，单位pcu/h∝, β——模型待定参数，建议取值分别为0.15,4。

但是考虑到我国道路交通情况与美国的不同，所以该值应按实际情况予以确定。

交通规划中的一向还总要内容，是进行交通流的合理组织与分配，以此来达到提高交通设施容量、均衡负载、缓解交通压力的目的。

阻抗函数能够反应交通流组织对路段交叉口的影响，进行交通分配首要任务是道路阻抗进行计算。

该模型只考虑了机动车交通负荷的影响，使用比较方便吗，在国内广泛适用于公路交通网络分析，但由于国内城市道路上，出来机动车的交通负荷还有非机动车的交通负荷，因此不适用于城市交通网络分析。

2.什么是非集计模型？试分析其在交通规划中的应用？非集计模型是强调其与集计模型的不同而命名的，通常称为非集计行为模型、个人选择模型或离散选择模型非集计模型交通需求预测，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、选择哪条径路等的形式，从选择可能的备选方案集合中，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、径路上而进行交通需求预测。

在非集计分析时，才有选使用调查的个人行动数据建模，预测时，再统计个人行动结果。

附近居民的基本假设是当出行者面临选择时，他对某种选择的偏好，可以用被选择对象的“吸引度”或“效用值”来描述，效用是被选择对象的属性和决策者的特征的函数。

非集计模型（离散选择模型）是基于效用最大和随机效用两个概念建立起来的，最常见的两个离散选择模型为：多远Logit模型，多远Probit模型。

3.交通安全评价的方法有哪些？1）绝对数法（四项指数：事故次数、受伤人数、死亡人数、直接经济损失）2）事故率法（地点事故率；路段事故率（a.运行事故率b.事故率密度法）；地区事故率（a.人口事故率b.车辆事故率c.运行事故率）；综合事故率法3）事故轻度分析法（综合事故轻度分析法、当量事故强度分析法）4）模型法（统计分析法、经验模式法、综合模式法）5）灰色与模糊评价法6）冲突点法7）概率—数据统计法8）其他方法4.护栏按刚度可分为哪几类，优缺点是什么？护栏按刚度可分为：刚性护栏、半刚性护栏、柔性护栏刚性护栏：是一种基本不变形的护栏结构。

第七章 非集计模型

第七章 非集计模型
???类别项目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各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分布交通方式划分径路分配出行频率目的地选择交通方式选择径路选择?非集计模型的开发研究始于20世纪60年代初期最早是以交通方式选择为研究中心
公共汽车的费用（元）；α、β、γ为未知常数。
表 1：公共汽车的行驶时间（min） bus 1 2 t ij 5.0 11.0 1 2 10.0 12.0 3 14.0 16.0 表 3：公共汽车的票价（min） bus 1 2 cij 1 130 140 2 130 140 3 180 220 表 5：公共汽车的划分率 bus 1 pij 1 0.273 2 0.282 3 0.239
"for his development of theory and methods for analyzing selective samples"
赫克曼的贡献主要是创立了分析选 择性样本（selective samples)的理 论与方法。
James J. Heckman

非集计模型，根据以下所示的备选方案的随机效用 函数 U(k) (Random Utility Function)决定选择行为。 （7-1）

"for his development of theory and methods for analyzing discrete choice"
麦克法登的成就主要在于建立了分析离 散选择（discrete choice)的理论与方 法。

四阶段发的局限性以及未来的发展趋势

四阶段发的局限性以及未来的发展趋势

四阶段法的局限性及未来的发展趋势摘要：在交通需求预测中,经典的四阶段法广泛应用于实际之中并被大家所认可。

但随着社会经济的不断发展,四阶段法的局限性也显现无疑。

非集计模型具有很多集计模型无法比拟的优点，开始引起人们的关注并发展起来。

可以预见，随着对非集计模型研究的深入，该模型将在包括交通在内的许多领域得到更广泛的应用。

关键词:交通需求预测四阶段局限未来发展正文：四阶段法的局限性四阶段法以居民出行调查（person trip survey）为基础，由发生／吸引交通量(trip generation／attraction）、分布交通量(trip distribution）、交通方式划分(modal split）以及交通量分配（traffic assignment）四个基本阶段组成。

在交通需求预测四个阶段的基础之上，各个阶段又都有具体的理论和相应的模型,其中较具代表性的研究有Fratar法、Furness法、最大熵法、最短路径探索法以及交通网络均衡理论等。

进入20世纪70年代，这些理论日益趋于成熟。

然而,随着上述理论和方法的广泛应用，四阶段预测法自身的问题日益显露出来，其中较为突出的问题为对交通方式划分方法存在争议，预测过程数据量大、耗时长，交通服务水平变量不协调，小区划分主观性大等。

1.1交通方式划分存在很大争议交通方式的划分方法一般是在求出分布交通量(OD交通量) ( ：出行的发生, 吸引点)后，再求出各种交通方式的小区间交通量 m(m:交通方式).在实际的交通规划中，人们根据已有的数据建立了时间差、时间比等交通方式划分曲线，并且假设未来交通方式的划分仍然保持不变，从而根据这些曲线来进行交通方式划分。

相比于四阶段法中的其他三个阶段．由于这些曲线整体缺乏可靠的理论依据，而且“交通方式划分保持不变”这一假设也不符合客观规律．因而遭到质疑和争议。

1．2 预测过程数据量大、耗时长一般地，为了更好地进行交通需求预测，四阶段法需要有初始的OD表(Origin—Destination Table）。

非集计模型

非集计模型

P / P e/ e e in il
V V in il
( V V ) in il
红-蓝巴士问题
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。
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
集计分析与非集计分析的区别
集计分析 调查单位 分析单位 各次出行 交通小区 非集计分析 各次出行 个人（或家庭）
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
Uin Uil
在概率情况下，有，
l n
Pr[ V V , l n N ] in il il in
p Pr U U , l n N in in il
Logit模型
如果随机项服从Gumbel分布(双指数分布)，并且相 互独立，即
可观察到的效用值 V in 一般用以下式子来表示：
k k V a i xn in
nN
其中：
k
x nk 表示第
时间、舒适度、安全性等； a ik 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。

基于RP_SP调查的非集计模型在交通方式分担率预测的应用

基于RP_SP调查的非集计模型在交通方式分担率预测的应用

基于R P/S P调查的非集计模型在交通方式分担率预测的应用刘志明邓 卫郭唐仪东南大学，交通学院，南京210096摘 要：实际调查RP数据（Revealed preference data）具有可靠性，而意向调查SP数据（Stated Preference data）具有灵活性。

为了更好地将两类数据结合起来，减少交通调查的工作量，提高调查的精确性，本文分析研究了RP/SP组和调查方案的设计，应用非集计模理论及调查所得石河子市组合数据，建立了交通方式划分的MNL模型，并应用spss13.0软件对模型参数进行了标定。

通过模型拟合度检验验证了模型的有效性，和利用该模型对石河子市交通方式分担率进行了预测。

结果表明，该模型能较全面地考虑居民出行选择的各方面影响因素，模型的预测精度和实用性较好。

关键词：实际调查数据；意向调查数据；交通方式划分；MNL模型；spss13.0中图分类号：U491 文献标识码：A 文章编号：1672-4747（2008）03-0059-06Application of Disaggregate Model Based onRP/SP Survey to Transportation PlanningLIU Zhi-ming DENG Wei GUO Tang-yiTransportation CollegeSoutheast University，Nanjing 210096，ChinaAbstract：RP data were more reliable, while SP data were more flexible. In order to join the two types of data together to reduce the traffic survey work volume and improve the accuracy of the survey, and based on the analysis of the design of RP/SP survey scheme, the application disaggregate model theory and the survey data of Shihezi city, a multinomial logit (MNL) model for predicting the traffic mode choice was developed, and spss13.0 was used to calibrate its parameters. After testifying the validity of the model by fitting收稿日期：2007-09-06.基金项目：“十一五”国家科技支撑计划项目（编号：2006BAJ18B03）。

非集计模型

非集计模型1．1非集计模型研究发展历程1959年Luce首次对非集计理论中最典型的Lo西t模型进行推导，随后Marschsk和Suppes等人对Logit模型的理论基础进行了完善。

1974年McFadden对Logit模型及其特性进行完整的论述，逐步形成了非集计模型的理论体系，其中包括了多项Logit模型(Multinomial Logit Model，简称MNL)和Nested Logit模型(NestedLogit Model，简称NL)。

McFadden等人在非集计理论方面取得的成果，带动了美国一些学者对非集计理论的进一步研究。

70年代中期，Ben．Akiva(1973)、Lemman和Ben-Akiva(1975)，利用经济学的消费者行为理论，对非集计理论作了进一步完善，其中较为代表的是1 985年Ben．Akiva出版了(Discrete choice analysis>)一书。

在70年代后期，Manheim、Ben．Akiva和Lemman研究小组将非集计模型推向了实用化阶段，非集计的基本思想和理论开始用于实际交通预测，并得到了不断的改进，出现了物理意义上更丰富和更复杂的改进非集计模型。

例如，Chu(1981，1989)开发的PCL(paired combinatorial Logit)模型，Bunch(1 991)开发的MNP(Multinomial Probit)模型，Vovsha(1997)年开发的CNL模型(Cross-Nested Logit)等。

1．2．3国外研究现状随着居民出行调查和一些出行行为专项调查在许多城市的开展，以调查数据为基础，利用非集计理论，对个体出行行为特性的研究，取得丰硕的成果。

Grayson(1981)；Wilson(1990)；Forinash和Koppelman(1993)；Bhat(1997)；Enjian Yao(2005)等人开始利用非集计模型，对个体的出行的交通方式、出行目的等出行行为特征进行分析。

6.交通方式划分


4.安全性 安全性是交通方式选择的主要原因，无论多好的
交通工具，如果它的安全性差，乘客的人身安全 得不到保障，不会有人利用它。 因为交通事故具有突发性，因此人们在选择交通 工具时，明确地考虑安全性的比较少。
2012年死于机动车辆交通事 故的有166906人，比交管部 门的数据多出107262人，是
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
非集计分析
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。
十年前的两倍多
5.准时性 在交通方式选择时，到达的准时性对于交通方式
选择的影响很大。 比如对于公交出行而言，公交出行比例低，其中
有一个很重要的影响因素就是准点率低 6.换乘次数和候车时间 与准时性一样，都对公共交通方式选择有很大的
影响。
6.出行目的
上班、上学、回家出行：汽车利用率低、公共
能耗 (千卡/人km)
死亡人数 (人/亿人km)
23
44.6
600
1.17
11
19.4
154
0.082
30
23.9
-
-
>800
30.2
456
-
30-200
4.7
85.5
0.005
>200
5.6
0.0
30-60
3
77
0.005
20-30
9
-
0.005
30

城市道路与交通规划5-交通需求预测2

2.从城市规划的角度，未来实现所期望的交通方式划分， 如何改扩建各种交通设施引导人们的出行，以及如何制定 各种交通管理规则等;比如新交通方式(新型交通工具)的交 通需求预测,其难点在于如何量化出行行为因素及其具体 运用.
交通方式选择的影响因素
影响交通方式划分的因素主要有四大类： 一.交通特性：交通供给特性; 二.出行者属性： 家庭属性和个人属性—出行主体特性; 三.地区属性：外界大环境; 四.出行时间特性. 五.交通政策
①G与MS相结合的方法 主要有类型分析方法和回归分析方法。
类型分析方法又可以分为简化模型和一般模型，简化模型 中不含目的的分类：
式中：
一般模型中包含目的的分类： 式中：
与简化模型相比，一般模型加入目的因素，因此预测效果 要好一点。
②先进行交通生成预测再进行方式划分 因为此时尚未进行出行分布量的预测，方式划分仍只能以 出行者或家庭，或分区的特性为依据，采用线性回归分析 方法进行。 以公共交通为个人交通两种方式为例，分区的出行产生量 的方式划分比例主要与居民人口数，人均收入水平，人均 小汽车拥有量，道路网水平，公交网密度相关。 出行吸引量的方式分担率主要与分区的学校，商店，工厂， 办公的岗位数，公交网密度相关。 由此得到产生量和吸引量的分担率回归模型：
kin 是与个人n的特有的喜好与平均的个人喜好之间的
差的参数，也被假定服从某种概率分布
in的方差是随着Xkin 值不同而不同的,为方便，假定其与
Xkin 选择选择肢Cn中分肢i的概率是：
Pin P(Uin U jn )j Cn
Pin P(Vin in Vjn jn )j Cn Pin P( jn in Vin Vjn )j Cn
交通分布与交通方式划分相结合的方法：

[模型优缺点]

[模型优缺点]
模型优缺点
1. 优点
效率高、成本低
非集计模型直接应用个人调查数据进行分析，没有因为数据集计而产生的信息丢失和偏差。

此外，建模所需数据少，从而大大节省了调查成本。

包含多种变量
和集计模型相比，对同一规模的调查而言，非集计模型可以用较少的数据包含更多的变量。

另外，通过包含了个人社会经济属性的模型，可以分析不同集团的政策影响评价。

可操作性强
非集计模型结构较为简单，建模方便，计算简单，可操作性强。

可移植性较高
集计模型的移植，受到了社会经济因素的限制。

而非集计模型是根据选择行为建立的，因此，从原理上讲，只要社会经济属性相同，模型就可移植。

为此，可以大大节省建模的社会成本。

2. 缺点
MNL 模型也在应用中受到某些制约，最大限制在于各种交通方式在逻辑上必须是对等的。

如果主要方式和次要方式混杂在一起，所得到的结果就会有误差。

MNL 模型应用中表现的另一点不足是计算概率仅与交通方式效用项差值有关，而与效用值自身大小无关，缺乏方式之间的相对比较合理性
<br/>。

  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)。

概率选择
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。
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，
Logit模型
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：
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）
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
非集计分析
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 （统计个人行动聚集结果） 数据建模 预测
非集计型交通方式划分模型
传统四阶段模型
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 径之间（利用某种经验规则计算）
交通方式之间
路
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。
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。
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
集计分析与非集计分析的区别
集计分析 调查单位 分析单位 各次出行 交通小区 非集计分析 各次出行 个人（或家庭）
交通现象的把握方法
随机效用
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。
Probit Model 0.50 0.33 Logi适用范围水平 政策的体现
小区统计值（连续量）
各小区的数据 回归分析等 预测交通小区 交通小区代表值的变化 出行的发生与吸引 ↓ 出行分布 ↓ 交通方式划分 ↓ 路径分配
个人的选择（离散量）
个人的数据 最大似然法 任意 个人变量值的变化 出行频度 ↓ 目的地选择 ↓ 交通方式选择 ↓ 路径选择
计算方差矩阵 假设检验 其它统计量的计算 结果分析
Logit模型的IIA特性
IIA（Independence from Irrelevant Alternation）： 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。
红-蓝巴士问题
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。
Nested Logit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(multi variance normal distribution)，那么可得到Probit 模型。
Logit模型与Probit模型的差异
径路1 A 径路2 C 径路3 B