浅析基于Logit模型的城市居民出行选择行为.docVIP

浅析基于Logit模型的城市居民出行选择行为 查伟雄 黄凯 华东交通大学 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 依据对城市居民出行方式调查得来的transport.csv数据, 将城市居民出行选择出行方式的影响因素归结为出行的费用、出行的时间和随机因素。采用随机效用理论建立以私家车 (Car) 、出租车 (Tax) 、轻轨 (Skr) 为选择对象的多项Logit模型, 并通过软件RStudio对调查来的transport.csv数据利用模型进行分析, 预测城市居民出行选择这三种交通方式的概率, 制定相应的政策措施规划合理的交通结构。 关键词： 城市居民出行; 出行行为; 影响因素; Logit模型; 对城市居民出行选择行为的研究, 向来是城市交通运输研究的重要内容。实践证明, 通过对城市居民出行选择行为的分析, 根据城市居民出行的实际需求状况, 制定相应的政策对规划合理的交通结构, 达到抑制交通量的增长, 缓解交通压力的目的具有重要的意义。 1. 模型介绍 多项Logit模型的适用范围是因变量为无序种类变量, 适合3种及3种以上因变量情况下建模, 能够得到自变量与因变量之间的关联和影响。 根据随机效用理论, 第n个个体选择第种出行模式的效用可以表示为: 式中:为第n个个体选择第种出行模式效用函数中的固定项;为第n个个体选择第种活动模式效用函数中的随机项。 当与其中包含的解释变量之间呈线性关系时, 可以表示为: 式中:K为解释变量个数;θ为参数矩阵;为第k个变量所对应的参数;为第n个个体选择第种活动模式的第k个特性变量。 假设效用函数中随机项服从二重指数分布, 可以得到第n个个体选择种活动模式的概率, 即 式中:是第n个个体选择第种出行模式效用函数中固定项;为第n个个体选择第种活动模式的第k个特性变量。将式 (3) 变形, 并运用极大似然估计法及牛顿—拉普松求解, 便可估计模型中的参数θ1, θ2, …, 。 城市居民出行对交通方式的选择问题实际上是一个概率问题, 即城市居民以多大的概率选择某种交通方式。城市居民面对多种交通方式的选择并不是轻易下决定, 为了模拟城市居民的心理活动, 可以为每种交通方式确定一个效用值, 某个交通方式的效用值反映了如果城市居民选择该方式将会获得的好处大小, 对于城市居民来说, 他 (她) 总是希望选择能够产生最大效用值的交通方式。针对本文而言即为城市居民选择私家车 (Car) 、出租车 (Tax) 和轻轨 (Skr) 出行时希望选择效用最大化的交通出行方式。 2. 模型结果分析 使用RStudio对调查来的数据代入模型进行计算分析, 以私家车 (Car) 为基准, 最终计算结果如下表1所示: 表1 模型结果 ?? 下载原表 对模型代码运行出来的结果进行分析整理, 得出以私家车 (car) 为基准的计算结果表如下表2所示: 表2 基准为car的计算结果表 ?? 下载原表 计算的结果Rho小于0.4, 但是依据求得的系数来看, 有较强的显著相关性, 对此, 将轻轨 (Skr) 作为基准代入模型进行计算, 计算结果如下表3所示: 表3 模型结果 ?? 下载原表 对模型代码运行出来的结果进行分析整理, 得出以轻轨 (Skr) 为基准的计算结果表如下表4所示: 表4 基准为skr的计算结果表 ?? 下载原表 同时, 将出租车 (Tax) 作为基准代入模型进行计算, 计算结果如下表5所示: 表5 模型结果 ?? 下载原表 对模型代码运行出来的结果进行分析整理, 得出以出租车 (Tax) 为基准的计算结果表如下表6所示: 表6 基准为tax的计算结果表 ?? 下载原表 3. 结论 Logit模型能充分利用抽样调查的数据, 并将它们联系起来综合反映交通方式的效应, 从而更准确的解释客观实际, 用Logit模型分析现在交通结构和预测未来交通结构时需要较小成本, 节省人力、物力、费用和简化计算。 分析结果显示如果公共交通的收费标准提高或者城市居民出行等候公共交通的时间较长时, 选择公共交通出行的效用会减少, 城市居民更多的会选择自己驾车出行。现国家大力提倡选择公共交通出行, 对于出租车 (Tax) 而言适时返优惠券或者设置绿色通行车道停车使城市居民出行时间缩短;对于轻轨 (Skr) 而言提高服务水平, 推行使用一卡通 (刷卡打折) 等, 使城市居民选择公共交通出行的效用提升, 那么更多的人会选择放弃私家车 (Car) 出行, 达到抑制交通量的增长, 缓解交通压力的目的, 收费政策和提升服务水平措施是行之有效的交通需求管理手段。 参考文献 [1]田亮.浅析基于logit模