基于潜类别Logit模型的两轮车骑行者头部损伤影响因素研究

为研究汽车-两轮车碰撞事故中骑行者头部伤害的影响机理,探究头部损伤致因关系中存在的模式差异与异质性,基于中国交通事故深入研究(CIDAS)数据库中的2 806起两轮车事故,建立潜类别Logit模型。以骑行者头部伤害严重程度为因变量,将驾驶人、车辆、道路、环境和事故碰撞特征的相关因素作为自变量,取显著水平为0.05,建立多项式Logit模型,在此基础上根据拟合优度指标确定最优分组数并构建出潜类别Logit模型。研究结果表明:模型将事故样本划分为2个类别群体,2个群体在参数、变量分布特征和预测概率上存在显著差异,当事故样本具有“两轮车初始速度>30 km/h”、“骑行者碰撞后抛出距离>10 m”等特征时易被归类到类别1,且类别1对应于更严重的头部伤害;骑行者年龄>50岁、汽车类型为商用货车、两轮车类型为摩托车、事故发生在市区外、两轮车初始速度>30 km/h、头部碰撞玻璃和抛出距离>5 m都会增加头部损伤的严重程度;汽车驾驶人行驶意图为停车或变道时,存在造成严重两轮车事故的风险;佩戴头盔会减弱骑行者头部受到的伤害。

离散选择实验潜类别logit模型在卫生服务领域的应用与Stata软件的实现

目的简要介绍离散选择实验的设计步骤和潜类别分析模型的基本原理,通过实例演示介绍潜类别logit模型在Stata中的实现过程,为该模型在离散选择实验中的实际应用提供方法学的参考。方法基于广州市艾滋病高危人群选择HIV自检试剂偏好的离散选择实验数据,通过实例演示潜类别logit分析模型的构建过程,并提供相应的Stata命令。结果最终确立了4个类别模型为最优分类,模型估计结果显示4个类别模型中类别1(偏好尿液试剂),类别2(偏好更便宜的血液试剂配套说明书讲解和自行判读结果),类别3(偏好更便宜的尿液试剂),类别4(偏好血液试剂配套视频讲解和专业人员判读结果)的差异具有统计学意义。结论潜类别logit模型用于离散选择实验数据的分析具有简便性与灵活性,但也有其应用的局限性,因此需要进一步结合其他模型来优化分析。

考虑铁路旅客偏好差异的离站方式选择行为分析

为探究铁路旅客对离站方式的行程费用、在车时间、候车时间和车厢拥挤度等服务水平因素的偏好差异及其原因,运用混合Logit模型和潜在类别条件Logit模型从个体和群体层面展开分析。首先,基于铁路旅客出行特点和离站交通方式服务水平,以同行人数、行李负载、行程费用、在车时间、候车时间和车厢拥挤度作为情景变量,通过正交设计法生成意愿调查问卷;然后,在线上和线下开展调查;最后,采用极大似然估计标定模型参数。结果表明:行程费用、在车时间、候车时间和车厢拥挤度是影响离站方式选择的关键因素。混合Logit模型标定结果显示,旅客对行程费用和在车时间具有不同于样本均值的个体偏好差异。潜在类别条件Logit模型将旅客划分为3类:类别1的旅客对在车时间、候车时间和车厢拥挤度最为敏感,而类别3的旅客对这3项服务水平因素的敏感性最低。两模型从不同角度证实了旅客对离站交通方式服务水平的偏好差异及其对离站方式选择的影响,为铁路客运枢纽接驳交通方式配置和服务水平优化提供了参考。

基于潜类混合Logit的铁路疏解衔接系统用户细分

铁路疏解衔接系统用户细分是开展枢纽衔接优化的重要环节.将潜在类别模型与非集计混合Logit模型的似然函数进行融合,构建了一种能同时实现用户分类和行为分析的潜类混合Logit用户细分模型;通过在潜在类别中设置衔接方式属性随机偏好参数,实现了相同子市场用户间似而不同的属性偏好表达.依托成都东客站到达旅客的衔接方式选择SP(陈述偏好)调查数据,借助NLogit软件编程对该模型的测试与标定过程进行了说明,并结合标定结果对各衔接方式的市场总体时间弹性和费用弹性进行了计算,提出了相应的管理措施.结果显示,模型将铁路疏解衔接系统用户细分为“公交偏好型”、“私家车偏好型”、“出租车偏好型”、“网约车偏好型”4个子市场,不同子市场间呈现出差异化的市场占有率、属性敏感性和属性偏好程度,验证了潜类混合Logit模型在市场细分中能兼顾外源、内源性细分变量,并具有经济学解释能力强的特点.

基于潜在类别-Logit模型的共享自动驾驶汽车使用意向

自动驾驶技术和共享经济融合产生的共享自动驾驶汽车(SAV)可为人们提供优质的出行服务。为探究出行者选择SAV的行为特性,对受访者的社会经济属性、历史出行特性、行为态度特征进行调查,并采用正交试验设计出行方式选择意向调查问卷,收集到311份有效数据。为充分考虑个体异质性,利用潜在类别分析探究SAV使用者的潜在类别,并将所得潜在类别作为变量融入离散选择Logit模型,建立SAV使用意向的潜在类别-Logit模型。结合多项或混合Logit模型以及划分的3个潜在类别,根据4个合理的模型标定的性别、交通模式、SAV使用人群类型、等待时间等59个变量的参数,识别SAV使用意向的显著性影响因素,并采用7个拟合优度指标评价多项Logit、混合Logit、潜在类别-Logit等8个模型。利用边际效应分析,探讨出行方式属性对SAV使用意向的具体影响。结果表明:涉及3个潜在类别的离散选择Logit模型具有更强的解释性,这3个潜在类别可分别描述为冲动的积极创新者、矛盾的保守创新者和理智的保守使用者;不同潜在类别人群的显著性因素存在明显差异,SAV使用人群类型是不同潜在类别人群共有的显著性因素,其中SAV创新者在各个模型中的显著性水平值均小于0.1;潜在类别-Logit模型的第1类和第2类预测正确率比其他Logit模型分别高出5.9%~28.3%和5.4%~18.5%,可以更好地解释出行者对SAV的使用意向;出行等待时间对出行者选择SAV的影响最大;当SAV选择概率接近于0.5时,轻微降低SAV人均出行费用最易引起选择私人小汽车的出行者转而选择SAV。

基于潜在类别条件Logit模型的机舱座位选择行为

为向旅客推送精细化座位推荐服务,通过潜在类别条件Logit模型探究了旅客座位偏好及座位效用差异。首先,运用解释结构模型筛选出影响旅客选座的关键因素;其次,对旅客及其选择偏好进行行为-意向调查(revealed preference-stated preference,RP-SP),运用潜在类别条件Logit模型划分旅客类别,进一步探究不同因素对旅客类别的影响程度;最后构建不同类别旅客机舱座位效用函数,根据效用最大化原则判断旅客选择行为。结果表明,旅客在机舱座位选择行为上存在异质性,旅客被划分为3个类别:类别1占比38.8%,倾向于选择第一排或紧急通道排的过道位置;类别2占比39.8%,倾向于选择靠窗座位;类别3占比21.4%,倾向于过道位置。研究将为航空公司进行座位管理及制订座位附加服务费提供理论及决策支持。

乡村振兴背景下采摘型休闲农业消费者选择偏好研究——基于选择实验法的实证分析

基于江苏省568个消费者样本,以草莓采摘为例,通过选择实验法采用Mixed Logit模型和潜类别模型,实证分析消费者对草莓园不同属性的偏好、各属性的相对重要性及支付意愿和偏好异质性来源等问题。结果表明:消费者对口碑好、有品牌的草莓园偏好较强,且更倾向于选择高架栽培和提供农家乐的草莓园;消费者对各属性偏好的支付意愿从大到小依次为口碑、品牌、高架栽培和农家乐;根据异质性来源可以将消费者划分为价格敏感型、农家乐偏好型、口碑导向型、舒适偏好型等4种类型。据此,建议草莓园经营者增加对草莓园口碑和品牌建设的关注,改进草莓园设施建设和采摘定价,明确草莓园市场定位,针对不同类型的消费者采取相应的市场经营策略。

潮汐车道使用意愿影响因素潜类别分析

为研究驾驶员对潮汐车道使用意愿的影响因素,使用潜类别Logit模型探寻潮汐车道使用意愿中未观测到的异质性。通过问卷调查量表获得驾驶员对设置潮汐车道的心理潜变量因素,运用结构方程模型量化心理潜变量。对比分析只考虑个人属性和加入潜变量的潜类别Logit模型的拟合效果及异质性效应,进行平均边际效应分析。结果表明:加入潜变量的潜类别Logit模型拟合效果和异质性效应表现更优。潜类别Logit模型可将数据分为3类,分别占比11.2%、11.5%和77.3%。拥有1辆小汽车、驾龄5年以上和感知风险表现出显著的异质性。心理潜变量中,感知风险对选择愿意使用潮汐车道有显著负向影响,行为态度和社会影响对选择愿意使用潮汐车道有显著正向影响。

考虑偏好差异的后疫情时代居民出行方式选择行为研究

为探究后疫情时代居民出行方式选择行为,运用选择实验的方法,基于问卷调查获得选择行为数据,构建出行方式选择的混合Logit模型和潜在类别条件Logit模型。采用Stata软件标定模型参数,得到后疫情时代影响居民出行方式选择的主要因素。结果表明,两种模型均体现了个体出行方式选择的异质性,潜在类别条件Logit模型与混合Logit模型相比拟合优度提高了13%,预测精度提高了3.03%,为突发公共卫生事件下分析出行行为的个体异质性提供了一种有效工具。潜在类别条件Logit模型根据居民所处低、中风险区两种情景,分别将居民划分为4类、5类人群。从出行方式属性上看,等待时间和在途时间成为居民选择出行方式最重要的影响因素。从个人社会经济属性上看,在后疫情时代收入更高的女性更倾向选择私家车出行,年龄越大对行程费用越敏感,男性更愿意选择公交、地铁出行。

考虑个体异质性的汽车分时租赁选择行为

传统交通行为模型缺乏对个体异质性的考虑,导致其对真实选择行为的解释可能存在差距.为了研究个体异质性对出行选择行为的影响,首先,分别构建了基于混合logit的选择模型以及基于潜在类别条件logit的选择模型;其次,使用正交设计法生成意愿调查问卷,在成都市开展新能源汽车分时租赁的出行选择实证调查;最后,利用极大似然模拟,采用Halton序列抽样对混合logit模型进行标定;采用回归分析对潜在类别条件logit模型进行求解.结果表明:步行时间、候车时间、车内时间以及出行费用是影响出行方式选择的关键因素,两种模型均反映出个体异质性对出行者选择行为有着显著影响;潜在类别条件logit模型的拟合优度为0.143,优于混合logit模型的0.139,前者命中率为77.85%,也高于后者的61.28%;潜在类别条件logit模型将出行者划分为3个类别,区分度为0.9084;类别1群体对出行费用最为敏感,对候车时间不敏感;类别2群体对步行时间和候车时间更加敏感,对费用敏感程度较低;类别3群体对时间和费用的敏感程度介于类别1和类别2之间.

考虑异质性及主观评价的出行行为研究

出行者对出行方式的主观评价和出行者异质性对出行选择行为都具有重要影响.文中利用潜在类别选择模型研究这些因素对出行选择行为的影响.通过验证性因素分析,得到出行者对出行方式的舒适性评价和可靠性评价等潜在心理变量.将潜在心理变量带入潜在类别条件Logit模型中,研究出行者可以划分的潜在类别数量,并研究不同潜在类别的出行者在时间价值、拥挤度评价、可靠性评价方面的异同.研究结果表明,出行者可以划分为Class1、Class2两类群体,其中Class1在出行行为选择时,考虑出行方式的舒适性和可靠性,时间价值较低;而Class2在出行行为选择时,不考虑出行方式的舒适性和可靠性,时间价值也显著高于Class1.文中定量化的研究结果可用于公共交通设施的规划设计与评价.

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。

地铁拥挤度和出行者异质性对时间价值的影响

出行者的选择偏好存在显著的异质性,现有研究根据出行者的某些特征对出行者分类,再分析不同类别出行者的选择行为,这种方法缺乏理论依据.本文利用潜在类别条件Logit模型,研究出行者异质性和其对地铁时间价值的综合影响.潜在类别条件Logit模型根据出行者的选择行为进行分类,再分析出行者的个人特征对分类的影响.通过分析,出行者可以划分为class1、class2两个潜在类别.class1中无座乘客不在意车厢内拥挤度,class2中无座乘客极为在意车厢内拥挤度;class1中有座乘客与无座乘客的时间价值分别为14.7元/h、16.9元/h,class2中车厢内无座乘客的密度增加1人/m2,其时间价值增加8.6元/h;出行者的舒适性需求对出行者类别划分具有显著影响,出行者的舒适性需求越高,出行者越有可能属于class2.

考虑出行者异质性的高铁站到达方式选择

出行者到达枢纽站的交通方式效用是交通出行选择的重要因素;另一方面,出行者方式的偏好具有显著的异质性,传统的离散选择模型不能很好地解释出行者异质性.本研究利用潜在类别条件Logit模型研究高铁站出行者的出行选择行为.潜在类别条件Logit模型考虑出行者异质性,在对出行者进行潜在类别划分的同时得到不同类别的出行者的出行行为效用函数.研究结果表明,将出行者划分为3个类别.不同类别出行者在步行时间、车内时间、价格、公交偏好、地铁偏好等方面具有显著差异.此外,出行者小汽车拥有情况、月收入等个人属性以及灵活性、舒适性、可靠性等潜在心理变量会影响出行者的类别划分.

考虑潜在类别的老年行人交通事故严重程度致因分析

人口老龄化问题日益突出,老年行人的出行安全同样引起各界重视。本文基于潜在类别聚类分析和随机参数Logit模型相结合的两步法深入探究影响老年行人交通事故严重程度的诱因。对北卡罗来纳州2007—2019年65岁及以上老年行人与机动车的碰撞数据进行清洗。为消除碰撞数据中固有的未观察到的异质性,首先进行潜在类别聚类分析,依据拟合优度指标确定最佳聚类数,将数据分成3个集群,分别对每个集群进行特征描述。然后,分别对每个集群建立随机参数Logit模型,以进一步探索集群内部未观察到的异质性,同时计算各显著变量的边际效应,量化其对事故严重程度概率的影响。结果显示,随机参数Logit模型具有更好的拟合优度;不同集群参数估计结果有所差异,一些变量只在特定集群内是显著的;集群1中,“救护车援助”为随机变量,集群2中“事故发生在城市”为随机变量,集群3中未发现随机变量,退化为多项Logit模型。本文研究结果可为交通工程师和政策制定者提供更可靠准确的老年行人交通事故严重程度诱因信息,为老年行人出行安全改善方案的制定提供理论支撑和技术支持。

考虑潜在类别的市内机动化出行行为模型

为了研究出行者出行选择偏好的异质性和心理因素对出行选择行为的影响,通过验证性因子分析得到影响出行方式选择的心理潜变量;将求得的潜变量纳入潜在类别条件Logit模型,采用期望最大算法求解,得到样本潜在类别的数量和效用函数;最后,以广州市为例进行实证分析.结果表明:潜在类别条件Logit模型对数据的拟合度高于传统的条件Logit模型;出行者可以划分为地铁偏好群体、小汽车偏好群体、常规公交偏好群体3个潜在类别,占比分别为42.5%、25.0%、32.5%;地铁偏好群体、公交偏好群体步行时间价值分别为1.2、1.3元/min,而小汽车偏好群体对步行持正面评价;地铁偏好群体、公交偏好群体的时间价值均为0.7元/min,小于小汽车偏好群体的车内时间价值(1.1元/min);月收入是否大于10000元、是否开车上班对出行者潜在类别划分具有显著影响;心理潜变量中,灵活性和可靠性对出行者潜在类别划分的影响显著,舒适性对潜在类别划分没有显著影响.

基于选择实验的三江平原湿地生态系统服务功能价值评价及偏好异质性研究

维持与保护生态系统服务功能是实现可持续发展的基础,定量评价湿地生态系统服务功能的经济价值已成为当前生态学领域研究的前沿课题。以三江平原湿地为研究对象,应用选择实验法,选取湿地面积、生物多样性、水源涵养和自然景观等4项湿地属性,运用随机参数Logit模型(RPL)对其进行货币化评价,并结合潜在分类模型(LCM)证实并解释公众对湿地生态系统服务功能的偏好异质性。研究结果显示:湿地生态系统服务功能的价值依次为水源涵养>湿地面积>生物多样性>自然景观。对于维持当前各项湿地生态系统服务功能的总价值为14.61亿元/a,改善价值为98.58亿元/a。此外,研究发现受访者可分为资源偏好型、景观偏好型和价格敏感型等3个潜在类别,不同类型的群体对湿地生态系统服务功能存在不同偏好;女性和更高学历的受访者更偏好于资源保护,高收入和到景区旅游次数多的受访者更偏好于景观保护,而教育和收入水平越低的受访者更倾向于选择价格较低的湿地管理方案。研究有助于湿地可持续管理政策的优化设计,为相关环境政策的制定提供理论依据。

考虑心理变量的老年人错峰出行选择行为分析

老年群体因身体素质以及出行时间约束强度有别于一般通勤者,其出行方式通常为公交或步行。利用验证性因素分析结合二元Logit模型,研究早高峰暂停公交优惠政策前后,老年人个人统计学属性以及老年群体对日常出行态度、在高峰时段乘坐公交的感受、对错峰出行的支持意愿等心理因素对老年人出行行为的影响,并利用潜在分类模型对老年群体进行分类分析。结果表明,在短距离出行中,老年人的各种心理因素均对老年人出行选择有显著影响;在高峰时段公交出行中,老年群体的选择会受到公交优惠政策变化和群体对于错峰出行支持度的影响;通过潜分类模型计算发现老年群体中出行目的性强,对于高峰公交出行、错峰出行感受较为敏感的老年群体所占比例较低。

基于偏好异质性的家庭农场扶持政策研究——黄淮海平原570个粮食类农场的实证分析

依据黄淮海平原5省570个粮食类家庭农场的调研数据,运用选择实验法,在对家庭农场忽略的属性进行信息处理的基础上,借助混合Logit模型和潜在类别模型,分析家庭农场对不同扶持政策的偏好程度,以及不同偏好类型的家庭农场特征差异。结果发现:采用推断性属性非参与方法进行信息处理后的模型拟合效果最好;家庭农场更偏好农业补贴、信贷支持和技术支持,但其对政策传播渠道的偏好也不能忽视;面临相同的政策属性组合时,受教育水平高、经营规模合理和对扶持政策认知程度高的家庭农场利润率提升的可能性更大;家庭农场可划分为资金偏好型、知识与技术偏好型、土地流转偏好型和政策信息偏好型四种类型。应该基于偏好异质性制定家庭农场扶持政策,将扶持政策向家庭农场相对更为偏好的农业补贴、信贷支持和技术支持适当倾斜,并对农场主受教育水平高、经营规模合理和对扶持政策认知度高的家庭农场进行重点扶持。

基于潜在类别的地铁拥挤度研究

文中在考虑出行者偏好差异的基础上,研究地铁拥挤对不同群体出行者的影响.根据出行者对舒适性的要求,利用潜在类别分析模型对出行者进行类别划分.利用条件logit模型,研究地铁车厢内拥挤对地铁效用的影响.结果表明:可将出行者划分为在意出行舒适性、不太在意出行舒适性两个群体.对于这两个群体,地铁车厢内乘客密度每增加1人/m^(2),相当于分别增加了车内时间4.51,2.92 min,出行者选择这一出行途径的比例分别下降30.3%、18.7%.