离散选择模型与交通行为研究

admin · 发表于 2024-1-31 16:57:58

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
基于个人选择行为的离散选择模型，无论是理论、还是实践，近年来都得到了广泛发展，在交通行为研究中的应用尤其突出。本文在现有各种离散选择模型基础上，结合对现实出行决策的深入观察，发展新的离散选择模型，并应用新模型分析人们的出行行为，为交通需求预测、交通政策和管理措施的评价提供理论基础和科学依据。本文的创新工作主要体现在以下几个方面：首先，本文研究了动态选择行为，即多次选择时选择概率的变化。考虑选择者的选择惯性，将上次选择概率的函数作为当前代表性效用中某一部分的系数，而剩余部分的系数保持不变。数值实验的结果表明，代表性效用中受上次影响的部分越大，就越影响当前和以后相应的选择概率，而且选择概率会较快地趋近于某一常数。接着，本文建立以一种新形式的分层Logit模型。传统离散选择模型的效用函数由可加的两个部分组成，分别是代表性效用和随机项。本文令效用函数为代表性效用和随机项的乘积，给出了对应的分层Logit模型的具体表达式。进一步，令效用函数是二者的和积混合，即代表性效用分解为两部分之和，随机项分解为两部分之积，然后二者相乘构成选择项的效用函数。本文推导和给出了选择某方案的边际概率和相应的条件概率，从而拓展了分层Logit模型的类型和应用范围。然后，以北京市居民出行调查数据为基础，建立交通方式选择的混合Logit模型，允许系数取不同分布类型的组合，采用极大模拟似然法完成参数估计。在模拟中使用拟随机数序列计算模拟概率，先使用变序Halton序列给出几种高精度结果，再采用MLHS（Modified Latin Hypercube Sampling）方法对其中最好的假设模拟求解。还为效用变量的系数确定了合适的随机分布函数。由北京数据得到的参数估计值清晰地解释了影响人们出行的各种因素。最后，本文提出了一种基于Copula函数的离散选择模型。利用Copula函数获得多元随机变量的联合分布函数以及Gumbel Copula函数的特性，得到了任意两个随机项之差的联合分布，它依然服从Logistic分布，形式上只比现有的分布函数多了一个倍参数。进一步将此结果推广至多维选择题目，得到了无需IID条件下一个方案被选中的概率，从而克服了传统离散选择模型的应用障碍。而且在推导过程中可以假设随机项服从任何其他分布情形，并且可以采用其它类型的Copula函数，这为我们解决实际题目提供了普适性途径。

离散选择模型与交通行为研究

天涯海角也要找到Ni：离散选择模型与交通行为研究

相关帖子

QQ微信同步：1144766066。

服务

网站

战略合作