第四章交通运输系统中的选择行为分析ppt课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第四章 交通运输系统中的,选择行为分析,主讲：丁建勋 副教授,dingjianxunhfut.edu,课件下载地址,or,tree.hfut.edu,第四章 交通运输系统中的 选择行为分析主讲,1,第四章 交通运输系统中的选择行为分析,消费者效用理论,选择与消费者行为,交通方式选择行为分析方法,离散选择模型,第四章 交通运输系统中的选择行为分析消费者效用理论,2,一、基于离散选择原理的需求预测模型,离散选择模型用于描述人的选择行为，起源于对交通方式选择的分析和预测。早在十九世纪七十年代，美国联邦政府投资在旧金山市兴建一条公交铁路系统，连接旧金山和其周边城市，以解决交通拥挤，提高交通效率。这个项目的研究经费中，包括发展有效的交通方式需求预测模型。美国加州伯克利分校位于旧金山大都市区，参与了此项研究。伯克利经济系教授麦克法登（,McFadden,）教授在这项研究中提出了多元,Logit,模型（,Domencich and McFadden,1975,），为离散选择模型在交通及经济等领域中的研究开辟了一个新的领域。也正是由于麦克法登教授在离散选择模型的贡献，他于,2000,年获得了诺贝尔经济学奖。,一、基于离散选择原理的需求预测模型 离散选择模型用于描述人的,3,麦克法登教授所提出的多元,Logit,模型有一个很重要的特性，叫做“非相关选择项的独立性”（,Independent of Irrelevant Alternative,）简称为,IIA,特性。这个特性大大简化和方便了多元,Logit,模型的应用和分析，但同时这种假设也带来了问题。围绕解决,IIA,特性这个问题，离散选择模型在交通需求预测，计量经济学，市场需求预测等领域得到了不断的发展，并出现了许多新的模型和不同的模型求解方法。,麦克法登教授所提出的多元Logit模型有一个很重要的特性，叫,4,这些模型可以根据对效用函数的随机部分的分布函数的不同，而被分为两大类，,第一类模型,假设效用函数的随机部分符合,Gumbel,分布，根据对选择项间的相关性的不同假设和理解而产生了多种多样的模型。这些模型以多元,Logit,模型为核心，包括分层,Logit,模型、组对,Logit,模型、交叉分层,Logit,模型、通用,Logit,模型、混合,Logit,模型等等。,第二类模型,假设效用函数的随机部分符合正态分布，叫做多元,Probit,模型。多元,Probit,模型的提出和应用早于多元,Logit,模型，但由于对它的求解难于仅仅通过解析的方法，而需要依赖于模拟的方法，因此它的应用范围一直收到很大限制。直到最近，随着计算机运算效率的不断提高、费用的不断降低，多元,Probit,模型得到了更广泛的应用。,这些模型可以根据对效用函数的随机部分的分布函数的不同，而被分,5,第四章交通运输系统中的选择行为分析ppt课件,6,1.1,随机效用理论与,Logit,模型,离散选择模型描述的是人作为主体，如何选择几个不连续的客体（选择项）的交通选择行为。微观经济学的选择理论认为主体之所以会做出选择是因为该客体给主体带来某些效用。但是同样客体会给不同的人带来不同的效用，即使是对同一个人也会随时间、环境或其它因素的变化而不同。也就是说，作为研究者，我们并不能完全掌握某一个客体对于某一个人的实际效用值，效用值中有一部分对我们来说是不可测的。我们将效用函数中不可测的部分视为随机变量。所以，在描述人的选择行为中，效用函数包括两个可加和的部分，一部分是可观测到的部分，另一部分是随机部分，这样的效用函数被称为随机效用函数，可以表示为：,1.1 随机效用理论与Logit模型离散选择模型描述的是人作,7,第四章交通运输系统中的选择行为分析ppt课件,8,第四章交通运输系统中的选择行为分析ppt课件,9,多元,Logit,模型,多元Logit模型,10,第四章交通运输系统中的选择行为分析ppt课件,11,注意,Gumbel,分布随机项的两个参量需要标准化成为（,0,，,1,）,注意Gumbel分布随机项的两个参量需要标准化成为（0，1）,12,第四章交通运输系统中的选择行为分析ppt课件,13,第四章交通运输系统中的选择行为分析ppt课件,14,分层,Logit,模型,是为了解决类似“红蓝公交车”的问题，分层,Logit,模型最早是由,Ben-Akiva,在他的博士论文中推导出来的（,Ben-Akiva 1973),，现在被普遍的应用。在分层,Logit,模型中，被认为相关的几个选择项可以放在同一组，例如红公交车和蓝公交车可以放在同一组。举一个更常用的例子：有三个可能的选择项：小汽车、公共汽车和地铁。因为公共汽车和地铁都是公共交通方式，除了可观测到的数据，包括交通时间、交通费用等等，它们可能还有一些其它的共同点，是人们在做选择时会考虑到的，但无法观测到；例如：有些人可能两种方式都不喜欢，因为公共交通不能有一个自己的独立空间；有的人可能愿意选择任何一种公共交通，只要不是自己开车，因为他（她）不喜欢承担任何责任和义务，包括控制方向盘等等。所以，我们可以假设公共汽车和地铁两个选择项的随机效用部分是相关的，可以把它们放在同一组里，这几个选择项之间的结构关系可以用图表示：,分层Logit模型 是为了解决类似“红蓝公交车”的问题，分层,15,第四章交通运输系统中的选择行为分析ppt课件,16,第四章交通运输系统中的选择行为分析ppt课件,17,第四章交通运输系统中的选择行为分析ppt课件,18,第四章交通运输系统中的选择行为分析ppt课件,19,分层,Logit,模型的研究和出现是为了解决类似“红蓝公交车”的问题，所以它可以通过将被认为相关的选择项放在一组里面，解决当两个或多个选择项之间有相关性的问题。但有的时候哪几个选择项应该放在同一组里并不是很明确，例如在小汽车，公共汽车和地铁这三个选择项中再加入搭乘别人的小汽车，简称搭车的情况。我们可以认为这种交通方式与小汽车有相关性，因为都是要开小汽车，在做出方式选择时也就都要考虑停车费用，甚至汽油消耗等等因素；同时我们也可以认为搭车与公共交通方式相关，因为都要有时间方面的约束，而且都不能提供独立空间。为了解决类似的问题，下面简单介绍三种模型：组对,Logit,模型（,Paired Combinatorial Logit,），交叉分层,Logit,模型（,Cross Nested Logit,）和通用分层,Logit,模型（,Generalized Nested Logit,）。,分层Logit模型的研究和出现是为了解决类似“红蓝公交车”的,20,组对、交叉分层和通用分层,Logit,模型,组对、交叉分层和通用分层Logit模型,21,第四章交通运输系统中的选择行为分析ppt课件,22,各种,Logit,模型有几个主要的共同点：,这些模型中的参量都被假设成为一个固定的数值，也就是说对于所有的人，当交通时间增加一分钟，他们的效用函数值的变化都是一样的。这是一个不合理的假设，因为有的人因为有很多工作要做，对时间的价值观念要比另外一些人看得重。我们应该期望他们的时间变量的参数值要比其他人高；,这些模型假设全部或部分选择项间或者选择项组间是不相关的；,正是因为上述两个特点，这些模型推导出来的选择概率都有封闭解。所有这些模型以及他们的一些变体都被称为通用极值模型家族（,McFadden,1978,）。,这些模型都在试图解决,IIA,特性带来的问题，但实际上，他们并没有完全解决这个问题，主要是出于考虑计算的复杂性。随着计算机水平的高速发展，运算效率的大大提高，更复杂同时也更接近复杂的现实和人们的选择行为的模型也渐渐引起了学者和使用者的兴趣。下面我们就介绍一下在这一形势下不断发展和吸引注意力的混合,Logit,模型。,各种Logit模型有几个主要的共同点：,23,混合,Logit,模型,混合Logit模型,24,第四章交通运输系统中的选择行为分析ppt课件,25,第四章交通运输系统中的选择行为分析ppt课件,26,第四章交通运输系统中的选择行为分析ppt课件,27,第四章交通运输系统中的选择行为分析ppt课件,28,1.2,基于正态分布的离散选择原理与,Probit,模型,1.2 基于正态分布的离散选择原理与Probit模型,29,随着计算机技术的发展和效率的提高，更多的依赖于计算机模拟技术的模型求解方法得到了飞速的发展。实际上，多元,Probit,模型虽然没有封闭解，同混合,Logit,模型一样，它也可以通过蒙特卡罗模拟然后利用最大模拟似然估计法求解。,如同多元,Logit,模型发展成为混合,Logit,模型一样，多元,Probit,模型也可以通过假设模型参量不是一个固定值而是一个随机参量，从而成为混合,Probit,模型。但混合,Probit,模型被应用的不是很广泛，虽然可以利用蒙特卡洛的模拟方法求解混合,Probit,模型，但同混合,Logit,模型相比求解混合,Probit,模型要复杂很多，而且前面已经提到利用混合,Logit,模型可以无限接近任何一个随机效用模型，使用更复杂的混合,Probit,的意义也就不大了,.,随着计算机技术的发展和效率的提高，更多的依赖于计算机模拟技术,30,重要的参考文献：,Ben-Akiva,Moshe and Lerman,R.,Discrete Choice Analysis,Theory and Application to Travel Demand,MIT Press Series in Transportation Studies,Cambridge,MA.1985,Ben-Akiva,Moshe.,The Structure of Travel Demand Models,PhD thesis,MIT,Cambridge,MA.1973,Bhat,Chandra R.,Quasi-Random Maximum Simulated Likelihood Estimation of the Mixed Multinomial Logit Model,Transportation Research B,Vol.35B.2019,Chu,C.,A Paired Combinatorial Logit Model for Travel Demand Analysis,Proceedings of the Fifth World Conference on Transportation Research,Vol.4,Ventura,CA,1989.,Daganzo,Carlos F.,Multinomial Probit:The theory and its application to demand forecasting,.Academic Press,New York.1979,重要的参考文献：,31,Domencich,T.and D.McFadden.,Urban Travel Demand,North Holland:Amsterdam.1975,Dong,Xiaojing,M.Ben-Akiva,J.Bowman,J.Walker.,Transformation and Comparison of Activity-Based Accessibility Across Individuals,working paper,Department of Civil Engineering,Northwestern University and Department of Civil Engineering,Massachusetts Institute of Technology.2019,Dong,Xiaojing and F.Koppelman.,Comparison of Different Methods to Represent Heterog