包含异常数据的居民出行稳健回归分析.pdfVIP

第 35卷 第 3期 武汉理工大学学报 (交通科学与工程版) VoL35 NO．3 2011年 6月 JournalofW uhanUniversityofTechnology June2O11 (TransportationScience＆ Engineering) 包含异常数据 的居 民出行稳健 回归分析 王 谷 ¨ 过秀成 (中交一公院综合交通运输研究所” 西安 710001) (东南大学交通学院 南京 210096) 摘要 ：采用稳健 回归方法克服了最小二乘估计受异常样本点影响较大的弊病 ，该方法通过对不 同 的点施加不 同的权重减少 “异常点”作用 ，并据此建立加权 的最小二乘估计 ，反复迭代 以改进权重 系数 ，直至权重系数之改变小于一定的允许误差 ，得到模型参数更加贴近实 际值 ．案例研究表 明， 用稳健 回归方法建立的数学模 型避 免了少数异常值干扰的影响，更加真实地反 映 了居 民出行发生 的变化趋势． 关键词 ：居 民出行 ；交通生成模 型；稳健分析 ；异常数据 ；迭代最小二乘法 中图法分类号 ：U491．14 DoI：10．3963／j．issn．1006—2823．2011．03．018 由于城市土地利用与城市交通间存在着密切 重要性 ：“一个心照不宜的希望是忽略了与理想模 的联系 ，交通生成模 型作为联系城市形态与居 民 型的偏离并不会有严重后果 ，在严格 的模型条件 出行生成 间的一个基础模型而受到普遍关注．生 下 ，最优的统计方法在近似的模型下也会最优．不 成率法作为该类模型 的典型代表 ，通过调查人 口、 幸的是这种希望往往是非常错误 的，即使有 的轻 经济、土地利用等资料 ，采用最小二乘法估计 (it— 微偏离也会 比我们的预想产生更大的影响” ． erativeleastsquaremethod，LS)拟合现状数据 ， 上 一 般回归模型 Y 一 ，十 ，i一 1， 建立与居民出行间的回归关系，得到各变量系数 ， J一 1 预测未来居 民出行量 的大小．通常 ，数据量比较少 … ， ． 式中：n为观测样本数 ；P为 自变量个数 ； ， … ， 为未知 回归系数 ，… ， 为 随机误差 ，独 和 自变量个数不多时，可 由散点图或残差图等找 立 同分布，均值为 0．最小二乘法就是找 出 以 出异常点 ，但 当样本含量增大或变量个数增多时， n ☆ 异常点的检测就变得 困难起来 ¨1]，况且 ，即使找出 ∑ (y一∑2．7 )一∑e代价函数最小的p， 了异常点，只有经核查是 由于记录、录入或系统误 i=1 J I i=I … ， 取值 ，这样做会往往使得那些远离数据群体 差等造成 的，才可 以剔除，否则 ，应保留之．因此 ， 的数据 (很可能是异常值)对残差平方和影响比其 对于由随机误差造成 的客观存在 的异常点 ，既不 他数据大得多．这是 因为最小二乘估计为了达 到 能剔除，又不能对回归系数影响太大 ，这就需要采