考虑偏好差异与备选方案相关性的居民出行方式选择模型

为克服传统logit模型的IIA缺陷,构建合适的居民出行方式选择模型。尝试结合广义极值模型与潜在类别模型,选取出行费用、出行时间、停车费用及等待时间等作为方式选择效用变量,选取个人收入、出行目的与出行距离作为类属函数变量,构建一种区分潜在类别的配对巢式logit模型,该模型能同时刻画备选方式之间的相关性以及出行者的偏好差异。利用2005年北京市第三次居民出行调查数据,对模型参数进行估计和检验。参数估计结果表明:1)相较于传统MNL模型与不区分潜在类别的配对巢式logit模型,区分潜在类别的配对巢式logit模型具有更优的统计学特征;2)对出行费用敏感的出行者比例大于对出行时间敏感的出行者比例,提供交通服务时,降低费用将比缩短时间更为有效。

考虑空间相关性的居民居住选址模型

研究目的:为刻画居住备选方案之间的空间相关性,确定合适的居民居住选址模型。研究方法:在广义极值理论的基础上,选取通勤成本、住房成本、小区特征、家庭社会经济属性等效用变量,构建基于广义极值理论的配对巢式Logit模型。利用2008年重庆市主城区居民出行调查数据,对模型参数进行估计和检验,并对模型进行弹性分析,分析效用变量的改变引起的备选方案选择概率的改变。研究结果:(1)配对巢式Logit模型具有比传统MNL模型的更优的统计学特征;(2)交叉弹性分析结果表明,配对巢式Logit模型能刻画相邻备选方案的空间相关性,较以往研究更接近现实。研究结论:配对巢式Logit模型是分析居民居住选址行为的有力工具。

考虑空间相关性递远递减的居民居住选址模型

为刻画居住选址备选方案之间的空间相关性,选取通勤成本、住房成本、小区特征、家庭社会经济属性等效用变量,构建了基于广义极值理论的配对巢式Logit模型。利用2005年北京市居民出行调查数据,对模型参数进行估计和检验,并对模型进行弹性分析,研究了效用变量改变所引起的备选方案选择概率的改变。结果表明:配对巢式Logit模型具有比传统多项Logit模型更优的统计学特征,并且能刻画空间相关性随备选方案之间距离增加而衰减的特性;较之以往研究中仅假定相邻空间存在相关性,该模型更接近现实。