《离散选择模型及其在交通行为分析中的应用1.doc》由会员分享，可在线阅读，更多相关《离散选择模型及其在交通行为分析中的应用1.doc（6页珍藏版）》请在三一办公上搜索。
1、精品论文离散选择模型及其在交通行为分析中的应用1王雯静，干宏程 上海理工大学城市建设与环境工程学院交通工程系，上海 (200093） E-mail: dierry1024摘要：离散选择模型应用于智能交通背景下的交通行为分析中是当今国际热点。本文先介绍了离散选择模型的基本原理，包括其概念，它的理论基石：效用最大化理论，并介绍了其 四种主要的模型（Logit 模型、GEV 模型、Probit 模型、Mixed logit 模型）；然后为了展示 离散选择模型在交通行为中的应用，引入了一个以上海的城市快速路为背景的，探索 VMS 信息影响下的驾驶员路径选择行为的案例。此案例采用 SP 问卷调查方法获取
2、路径选择行为 数据，使用离散选择分析方法对影响路径选择的因素进行多变量分析，建立路径选择概率模 型，揭示路径选择与 VMS 信息的关系。案例成果显示了离散选择建模方法的有效性，该方 法的应用有助于更合理地进行交通信息系统与交通诱导系统的规划、设计与运行管理。 关键词：离散选择模型；Logit ；Probit1. 引言2000 年的诺贝尔经济学奖获得者丹尼尔麦克法登在上世纪七十年代创始的离散选择模 型以微观的决策者个人为研究对象，具有明确的行为解释能力，广泛应用在交通方式选择、 交通方式划分、路径选择、停车换乘、缴费方式、行人过街设施选择、商品选择、住宅选择 等众多领域。尤其是随着当今智能交通运
3、输系统（ITS）的迅猛发展，离散选择模型被国内 外越来越多地应用于 ITS 技术影响下的交通行为（路径选择行为）研究中18。接下来先介绍离散选择模型的基本原理，然后为了展示离散选择模型在交通行为中的应 用，引入了一个以上海的城市快速路为背景的，探索 VMS 信息影响下的驾驶员路径选择行 为的案例。此案例采用离散选择分析方法对影响路径选择的因素进行多变量分析，建立路径选择概率模型，揭示路径选择与 VMS 信息的关系。案例成果很清楚地反映出离散选择模型 的有效性。2. 离散选择模型基本原理2.1 概念离散选择模型（discrete choice models），也被称为品质反应模型（qualita
4、tive response models），是由表示选择项集合在连续变量和离散变量之间存在的差异而引起的。这种差异 用“品质”这个术语来表示：许多人在进行选择时关系的是事物的多少，这是关于数量上的选 择，其选择项集合是由连续变量来表示的。但是在选择哪一个时，这是非数量或者说是关于 品质的选择，其选择项集合则通过离散变量来表示。2.2 效用最大化理论离散选择模型通常以决策者效用最大化行为为假设，假设如下：（1）决策者 n，将在 J 个选项中进行选择，无论他选择哪一个选项都可以获得一定水 平的效用。决策者 n 从选项 j 中获得的效用称为U nj , j=1, ，J。此效用仅为决策者自己知道，1本
5、课题得到上海市教委科学发展基金项目（06EZ004）；上海理工大学高层次人才引进启动基金（X693） 的资助。- 6 -研究者并不知道。（2）由于决策者进行的是效用最大化的选择，因而行为模型为：决策者 n 选择选项 i， 当且仅当U ni U nj , j i 效用最大。效用可以分解成两部分：U nj =Vnj + nj（1）其中，Vnj 为效用的可观测部分，又称为代表性效用(representative utility)； nj 为效用的 不可观测部分，包含难以观测到的效用和观测误差产生的影响，因而通常将其看作是随机项， 随机向量 n =,的联合密度函数为 f( n )。因而决策者 n 选择
6、 i 的概率形式可表示为：P ni = Prob (U ni U nj ， j i )=Prob( V ni + ni V nj + nj ， j i )=Prob ( nj ni V ni V nj ， j i)（2） 由于概率 P ni 服从累积分布，因而P ni = I ( nj ni 0) = Pr(yi = 1) ；Pr(U * 0) = Pr(yi = 0)；yi 是表示决策者 i是否改道的哑变量（yi = 1, 改道; yi = 0, 维持原路径）。将前一个公式代入后一个公式，则 有：Pr(yi = 1) = (0 + xi)；Pr(yi = 0) = 1 - (0 + xi)。
7、进一步地，决策者 i 选择路径的概率y i函数可以公式化为如下形式： Pr(yi ) = (0 + xi)0i。1 ( + x )1 y i3.3 模型估计结果分析SP 调查中每位驾驶员回答 8 个问题，共有 280 个驾驶员，因此共有 2240 个（2808） 样本用于模型估计。估计模型时所选的解释变量包括所有可能影响改道行为的因素，包括年 龄、性别、驾龄、快速路使用频率、用车类型、行程时间节省量、信控交叉口数量、快速路 延误原因。采用 Gauss 软件进行模型估计得到的结果显示，具有显著影响的变量有年龄 (AGE) 、 年龄平 方 (AGE-SQR) 、驾 龄 (DRV-AGE) 、表示很
8、 少使 用快速 路的哑变 量 (FRW-USE-SELDOM)、表示几乎每天使用快速路的哑变量(FRW-USE-DAILY)、表示单位公 车驾驶员的哑变量(PUB-VEH) 、替换道路信控交叉口数量(SIGNAL) 、出行时间节省量 (TIME-SAV)，而快速路延误原因和性别两个变量因为所获系数不显著，没有进入模型。各 影响变量的系数都获得了符合逻辑的符号，对于它们的分析和讨论如下：（1）年龄。AGE 系数为负，而 AGE-SQR 为正，说明年轻的和年长的驾驶员更可能受 VMS 影响而改道。计算可知，3637 岁的驾驶员改道的可能性最小。对这一现象可能的解 释是：年轻的驾驶员耐性较差，对延误
9、更加敏感，而年长的驾驶员对延误引起的油耗增加更 加不能容忍，因而在 VMS 告知延误后更愿意改道。（2）驾龄。DRV-AGE 系数为正，说明驾龄越长，改道可能性越大。这是因为驾车经 验越丰富的驾驶员可能更加熟悉替换道路，在事故等异常情况发生时更能从容应对，因而在接收 VMS 信息后改道可能性更大。（3）快速路使用频率。FRW-USE-DAILY 系数为正，而 FRW-USE-SELDOM 系数为负。 这符合逻辑判断，即：经常使用快速路者可能对快速路依赖性更大或者更不熟悉替换路径， 因而更不愿意改道；很少使用快速路者可能对快速路依赖性更小或更熟悉替换道路，因而更 可能受 VMS 信息影响而改道。
10、（4）公车驾驶员。PUB-VEH 系数为负，说明公车驾驶员更不愿意改道。可能的原因 是：由于他们的车辆出行费用可以由单位报销，因而对延误引起的油耗增加更不敏感，从而 在接收 VMS 信息后，改道可能性更小。（5）替换路径的信控交叉口数量。SIGNAL 系数为负，说明替换道路所含信控交叉口 越多，改道可能性越小。这一现象符合直觉判断，即，替换道路所含交叉口越多，驾驶员行 车过程中加减速、停车等更频繁，这不仅增加驾驶员的不适感，还造成油耗增加，这样驾驶员选择替换路径的概率将减小。（6）行程时间节省量。常参数模型中，TIME-SAV 的系数为正，说明如果改道后能节 省的行程时间越多，驾驶员受 VMS
11、 信息影响而选择改道的可能性越大。这一结论同样符合 逻辑判断。4. 结语随着当今智能交通运输系统（ITS）的迅猛发展，离散选择模型被国内外越来越多地应 用于出行者对 ITS 技术的响应行为(如路径选择和出发时刻选择)的研究中。本文先介绍了离 散选择模型的基本原理，介绍了一个以上海的城市快速路为背景的，探索 VMS 信息影响下 的驾驶员路径选择行为的案例，说明离散选择模型用于 ITS 背景下路径选择行为研究的有效 性和先进性。希望本文能够抛砖引玉，促进更多的相关研究，为更好地进行交通诱导系统的 规划、设计与运行管理提供科学依据。参考文献1 聂冲，贾生华. 离散选择模型的基本原理及其发展演进评介J
12、. 数量经济技术经济研究, 2005,(11) 2 干宏程. VMS 诱导信息影响下的路径选择行为分析J. 系统工程, 2008, (03) :11-163 干宏程，孙立军，陈建阳. 提供交通信息条件下的途中改道行为研究J. 同济大学学报(自然科学版),2006, (11)4 Ainslie, A., R. Andrews and I. Currim (2001), An empirical comparison of logit choice models with discrete vs. continuous representation of heterogeneity, workin
13、g Paper, Department of Business Administration, University ofDelaware5 Ben-Akiva, M. (1972) The Structure of Travel Demand ModelsD. PhD thesis, MIT6 Ben Akiva, M. and D .Boldue. (1996) Multinomial probit with a logit kernel and a general parametric specification of the covariance structure. Working
14、Paper, Department of Civil Engineering, MIT7 Abdel-Aty M, Abdalla P E F. Modeling drivers diversion from normal routes under ATIS using generalized estimating equations and binomial probit link function J. Transportation, 2004, 31(3)：327-3488Jou R C, Lam S H, Weng M C, Chen C C. Real time traffic in
15、formation and ITS impacts on routes witching behavior of expressway driversJ. Journal of Advanced Transportation, 2004, 38(2): 187-223Discrete Choice Models and Their Applications In ExploringDrivers Travel BehaviourWang Wenjing, Gan HongchengDepartment of Transportation Engineering, University of S
16、hanghai for Science and Technology, Shanghai (200093)AbstractToday, based on the Intelligent Transportation under the model applied to discrete choice analysis of the behavior of traffic is hot at home and abroad. This article first introduced the discrete choice modelof the basic principles, includ
17、ing its concept, the cornerstone of its theory: The theory of utility maximization, and four of its major models (Logit model, GEV model, Probit model, Mixed logit model); and then In order to show discrete choice model of behavior in the traffic application, theintroduction of a city Shanghai Expre
18、ssway in the background, VMS exploration of the drivers underthe influence of information to choose the path of the acts of the case. In this case SP survey methods used to obtain data routing behavior, the use of discrete choice analysis of the factors that influence the path of choice for multi-va
19、riable analysis, routing probability model, to reveal routing information and VMS. The outcome of the case clearly reflects the effectiveness of discrete choice model, this method can be applied to traffic management to more accurately forecast demand for transport and transport-related planning and management to provide a scientific basis.Key words: Discrete choice model; Logit; Probit作者简介：王雯静，女，1984 年生，硕士生，研究方向是交通行为分析与建模，智能交通。
