交通规划7资料文档.pptVIP

邓建华 城市居民出行方式结构预测  ---无锡市居民出行方式结构 一、集计分析与非集计分析 三、Logit模型 式中 V(k) —方案 k 的固定效益； e(k) —随机项。 1.模型 效用是由选择枝本身的特性和个人的社会经济特性 两方面的因素决定的，但考虑到很难对因素进行量 测，所以将效用看作随机变量。 三、Logit模型 假定两个选择枝，则选择1枝的概率为： 由： 有： e1和e2联合密度函数 三、Logit模型 假定 、 相互独立，则： 有： 再假定 、 都服从二重指数分布，其概率（累积）分布函数和概率密度函数分别为： 代入 三、Logit模型 二项logit模型 （BNL） Binary-nomial logit 两种方案间的相对优劣仅取决于这两种方案的特性，而与其它方案的特性无关。把该性质称为 Logit 模型的 IIA 特性 (Independence of Irrelevant Alternative 简称 IIA) ，属于 Logit 模型的弱点之一。用交通方式选择的例子来说，意味着无论其它交通方式 ( 如轨道交通方式 ) 存在与否，选择小客车与选择公共汽车的相对优劣相等，而实际上并非如此。与小客车相比，轨道交通方式的存在对公共汽车的选择使用有很大影响。 IIA 的性质明显不成立时，可采用嵌套 Logit 模型或者 Probit 模型。 四、Probit模型 非集计模型，根据以下所示的备选方案的随机效益函数 U(k) (Random Utility Function)决定选择行为。 式中 V(k) —方案 k 的固定效益； e(k) —随机项。 固定效益可由行驶时间、费用等的方案特性，以及年龄、职业等的个人属性表示。假设 e(k) 服从某种概率分布。由于随机效益是个人在选择时所具有的感觉上的评价值，从而有时也称为知觉效益。当随机效益 U(k) 比其他任何方案大时，方案 k 被选择，因此，方案 k 的选择概率 p(k) 可由下式表示。 ??????????????????????????????????????????????????????? (7-3) 式中 K--方案集。 将 (7-1)式代入(7-2)式，可得式。 ??????????????????????????????????????????????????????????????????????????????? ??????????????????????????????????????????????????????????????????????????????(7-3) 式中， F(x) –概率分布函数； f k (x) -概率变量 x=e(k) 的概率密度函数。 上式的含义是 : 首先，假设 e(k) 固定，求方案 j 相对应的 e(j) 的同时概率分布函数值； 其次，e (k) 概率变化时，与其概率密度相乘，再进行积分。 上式中，如假设随机项e(k)服从于平均值为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) ，可得到 Probit 模型。 五、 Probit 模型与 Logit 模型的差异 Logit 模型假设径路的随机误差相互独立，而 Probit 模型假设随机误差具有相关关系。简单地说，表示概率分布值的 (7-7) 式的分母中，协方差在 Logit 模型中为 0 ，而在 Probit 模型中为 2 。但是，更确切地说，由于 Logit 模型与 Probit 模型的随机项的概率分布形式不同，其选择概率的差别不是仅仅由于协方差的有无而引起的。 其他说明请看书 六、例题 【例题 7-1 】 在只有公共汽车和家用轿车出行的两区域之间，假设如下 Logit 模型适用，试用表 7-5 ～表 7-10示现状数据拟合参数，并利用表 7-11 ～表 7-14 示将来数据，结合例题 6-2 中将来 OD 表 计算结果 ，计算交通方式划分率和交通方式 OD 表。 六、例题 令b=1,不影响结果 无常数项不影响结果，留下3个参数需要标定 在非集计分析中，为了预测交通参与者个人的选择行为，需要输入个人的数据。即在进行交通需求预测时，需要对象区域的个人数据，但是利用抽样结果预测个人的将来值尚有困难。因此，对于非集计分析，从实用角度还需要模型的集计化处理。 【解】： * * 第七章 交通方式划分 主要内容: 　第一节　概述 　第二节　交通方式选择的影响