离散选择高阶段Logit模型的建模与预测——以上海城市外围大型居住社区为例

离散选择Logit系列模型的发展层次顺序是:二项、多项、巢式与交叉巢式、混合Logit(连续及离散潜在种类模型)、嵌入潜在变量的混合选择模型、动态Logit模型。建立高阶段Logit模型算法是当前研究快速城市化进程中居民交通方式选择与预测的最新技术手段。2000年,Daniel M教授,以"对分析离散选择的原理和方法所做出的发展和贡献"获诺贝尔经济学奖。2012—2014年,作者深入学习了离散选择Logit系列模型及标定预测,结合上海城市外围大型居住社区在中国"十二·五"期间,快速城市化进程中的演变,开展了基于高阶段Logit建模算法研究,取得了理想的成果。针对高阶段Logit模型(混合Logit模型、混合选择模型、动态Logit模型)进行了建模、算法、选择概率与消费者剩余预测的理论分析,建立了上海市外围大型居住社区居民交通方式高阶段选择模型。结果显示,6种政策方案中,附近设商业能最大改善出行质量并保证公交优先。高阶段Logit模型理论实际结合后,能很好地发挥其为政策方案决策定量支持之作用。

基于多源问卷数据融合的公铁货运方式选择模型研究

为更好地制定柔性的价格政策引导货主选择铁路运输,进一步促进“公转铁”在白货市场的实施,基于多源问卷数据融合方法精细化研究货物运输方式选择偏好。设计货运方式选择偏好RP/SP(Revealed-Preference/Stated-Preference)问卷,基于问卷数据构建离散选择模型,分析各因素对运输方式选择的影响,探究铁路白货货运时间价值,进而针对影响因素的分析结果提出“公转铁”相关的政策建议。为克服SP调查中的选择偏好误差,采用NL(Nested-Logit)模型中的巢式结构将RP/SP数据进行融合,以RP数据为基准利用平衡系数对SP数据进行修正。模型结果表明:基于RP/SP数据融合的离散选择模型具有更好的模型精度;除了传统的运输时间、运输费用外,货运企业在使用铁路运输时看重先运后付的结算方式和上门取货的短驳方式;南部地区的集装箱货运时间价值为每日692.98元/箱,高于华北地区。文章提出的方法与标定的模型参数能够为铁路货运价格政策制定提供参考。