公交出行比例与公交配置协同研究毕业论文(编辑修改稿)

公交出行比例与公交配置协同研究毕业论文(编辑修改稿)内容摘要：

即 Probit 模型的基础 [12]。 由于出行者在出行前不一定能得到所有信息，而且时间不同、目的不同出行者对这些信息的理解也是不同的。 因此，最后选则的行为方式也不相同。 通常情况下，出行者的行为可能由于某些未观测到的特殊情况而显示的并不符合常理。 河北工业大学 20xx 届本科 毕业论文 9 所以在确定效用函数时，有很多因素是难以确定的如社会经济属性或潜在的一些个人属性。 因此，存在随即概率项，而使模型在表达简便的基础上，仍能保持较高的精度。 MNL 模型的建立 建立全体选择方案集合 MNL 模型的形式如下： )(,1 nAjVVAjVVin AieeePninjnnjnin   式中： inP —— 出行者 n的选择方案 i 的概率； inV —— 出行者 n 的选择方案 i的效用函数的固定项； nA —— 出行者 n 的选择方案集合。 在 MNL 模型中，出行者的选择方案可以大于 3 个，并且，每个出行者的选择方案集合可以不相同。 例如：出行者 1 的选择方案的集合可能是公交和小汽车。 而对于出行者 2 来说可能可以乘坐地铁。 即出行者 2 的选择方案的定义如下： ｝地铁，小汽车，公交，步行｛ ｝小汽车，公交｛ )(4)(3)(2)(1 )(2)(121   iiiiA iiA 由于 MNL 模型的每个个体选择方案的集合可能不同，这就需要考虑样本总体中的所有可能的选择方案。 出行者 n的选择方案集合 An 的并集 A 的定义如下： nAA  结合天津市居民现状出行情况，以及天津现有的主要交通方式，定义全体选择方案的集合为 [12] }{ 自行车公交，地铁，小汽车，An 确定效用函数形式 效用函数 inV 中可以包含有多个同种性质的变量，也可以包含多种不同性河北工业大学 20xx 届本科 毕业论文 10 质的变量。 其中较为重要的变量是那些能够描述选择方案 i 特性的变量和出行者n 特性的变量，这 些变量统统成为“特性变量”。 前者通常包括利用交通方式 i所需的时间、费用等；而后者则包括出行者家庭的成员的构成、职业、收入等。 在这里，假设下述各个符号的意义如下： inkX ：出行者 n 的第 i 个选择方案中所包含的第 k 个特性变量； 的特性变量；的选择方案出行者 inXXXX i n inKinkin :], . . . , . . . ,[ 1  K:特性变量的个数； k ：第 k个变量所对应的 未知参数； 未知参数向量:],...,[ 1  k 通常， inV 为向量  和 inX 的函数 ),( inXf  ，即 ），（ inin XfV 。 关于 inV 与 inX的函数关系有以下几种形式。 通常人们认为二者之间呈线性关系，形式如下式：  Kk inkkinin XXV 1  另外，有时也假设他们之间呈对数线性关系，对数线性又被称为考勃 .道格拉斯，也是常用函数之一。  Kk inkkin XV 1 ln 另一种常用函数形式为 CES 形式。 函数形式如下，由于 ɣ为待定参数，下式可以表示任意一种函数形式，具有普遍性。 ]ln[1 1  Kk inkkin XV  通常情况下，由于线形效用函数结构较为简单，方便操作和计算，被较为普遍应用。 选择特性变量 特性变量至少可以分为选择方案的特性变量和出行者的特性变量两大类。 而前者又是由选择方案的固有哑元、选择方案的固有变量以及选择方案的公共变量3 个部分组成。 通过模型的函数关系式可以看出，某种 选择方案的选择概率与其河北工业大学 20xx 届本科 毕业论文 11 效用值本身的大小无关，而与各选择方案的效用值之差有关，所以在选择效用值时，要选择那些对效用值产生差异的变量。 也就是说，特性变量应该是影响效用差的。 选择特性变量时应当遵守以下原则： （ 1） 变量能够体现选择方案的特征； （ 2） 变量应该尽量包含可调节的政策变量； （ 3） 变量之间应当相互独立。 MNL 模型同时具有以下特点：（ 1）选择方案固有哑元变量的个数等于 A 中包含的选择方案格式减一，即为（ J1）个。 （ 2）当公交、地铁不包括如小汽车的燃料费之类的变量时可以省略。 （ 3）车票费称为是部分共同变量。 这是因为车票费对 于公交和地铁来说是共同变量，与小汽车、电动车相比相对固定。 根据天津市现有交通方式及交通设施，结合天津市居民出行现状，建立如下 MNL 模型：河北工业大学 20xx 届本科 毕业论文 12 选择方案 选择方案特性 出行者特性变量 固有哑元 固有变 量 部分共同变量 完全共同变量 Xin1 Xin2 Xin3 燃料费 Xin4 车票费 Xin5 上车步行时间 Xin6 下车步行时间 Xin7 候车时间 Xin8 换乘次数 Xin9 所需时间 Xin10 舒适度 Xin11 收入 Xin12 是否拥有私家车 Xin13 是否用APP 查询 Xin14 公交V1n 1 0 0 0 X1n5 X1n6 X1n7 X1n8 X1n9 X1n10 X1n11 0 0 X1n14 地铁V2n 0 1 0 0 X2n5 X2n6 X2n7 X2n8 0 X2n10 X2n11 0 0 X2n14 小汽车V3n 0 0 1 X3n4 0 0 0 0 0 X3n10 X3n11 X3n12 X3n13 0 电动车V4n 0 0 0 0 0 0 0 0 0 X4n10 X4n11 0 0 0 未知参数 1 2 3 4 5 6 7 8 9 10 11 12 13 14 表 MNL 模型数据结构表 河北工业大学 20xx 届本科 毕业论文 13 表中对应的效用函数表示如下： 141141111110210919 81871761651511 nnnn nnnnn XXXX XXXXV     14214112111021082872762652522nnnnnnnn XXX XXXXV     3 3 4 3 4 1 0 3 7 1 0 3 1 0 1 1 3 1 1 1 2 3 1 2 1 3 3 1 3n n n n n n nV X X X X X X                   4 10 4 10 11 4 11n n nV X X     选择概率表达式为： ),(,1 nAjVVAjVVin AjieeePninjnnjnin   式中： Pin出行者 n选择方案 i的概率； Vin出行者 n选择方案 i的效用函数的固定项； An出行者 n的选择方案集合。 传统参数标定方法 在传统非集计模型参数标定过程中，常常采用以下数据结构形式，仅以出行者 n 为例有两种 选择方案的情况简单进行说明 [12]： 出行者 选择方案 选择结果 固有哑元 燃料费 时间 票费 收入 年龄 n 公交 0 0 0 35 1 2800 24 小汽车 1 1 15 0 ：   Ni nnnn PPLL 1 2211* )lnln(ln  L 和荷赛矩阵 L2 ,即： 河北工业大学 20xx 届本科 毕业论文 14 NR 法进行  值的估计： 步骤一：设  的初始值为 0 )0( )0(  ,对于多维方程，设 ]0...0,0[0 ）（。 设反复计算次数的值 m为 21 及 以较小的正数，用于检验参数的估计精度。 步骤二：求出 0)0(  时 )( )0(LL  的值 ,并将点 ）），（（ )(0 )0( L 作为 A(0)。 步骤三：按如下公式求出点 A(0)处 L 的切线方程式。 )())(( )m(1)m(2)(1  LLmm  ）（ 步骤四：求出上述切线方程式与  轴的交点 ）（ 1m 步骤五：检验下式是否成立，成立则计算停止，否则返回步骤三继续迭代。 2)()(1k12/11k2)(1k }){1 mkmkmK mkmK）（）（（ ： 21111211)ˆ()ˆ)(ˆ(...)ˆ)(ˆ(...)ˆ)(ˆ(...)ˆ()ˆ(KKKKllkkKKEEEEEV t 值与 t 检验 : kk vt /ˆ 其中， kˆ 为第 k 个变量所对应的参数的估计值， kv 为总体协方差矩阵的第 k 个对角元素。 KLLLL/....../....../k1221212122122/.../.../.../.../kkkkLLLLLL河北工业大学 20xx 届本科 毕业论文 15 从上述计算原理步骤能够看出，当特性变量数量增加时，荷赛矩阵的阶数急剧增加，从而花费更长的计算时间。 而且，仍然采用上述方法时，无法保证对 数似然函数的凸性，即可能存在多个满足 0L 的解，必须求出其中的最大值 [13]。 在极大似然函数的凸性无法保证时，需要随机给出 0以外的多组数值，反复试算。 当然，人们依据此计算原理，也开发运用了许多软件来进行参数的标定，然而当特性变量数量增加时，计算会变得很复杂，即软件计算在某种情况下也可能无法做出正确判断，所以本文对数据结构稍作调整，依托现有模型数据，进行参数标定方法的改进，使标定过程更加简洁化，易于操作，具体方法将会在下一章节进行 详细描述。 3 数据调查方法与问卷设计 RP 调查 amp。 SP 调查 RP 调查的方法及内容 居民出行行为调查又称 RP 调查 ,是指对某些已经实施的政策措施或现有的设施方案进行相关调查，被调查者填写问卷时均是已经发生过的选择行为，反映了过去的真实情况 [14]。 该方法作为传统调查方法应用广泛，其基本目标是通过了解城市居民出行现状，分析居民出行特征，预测未来的交通需求。 RP调查法可信度很高，所得数据均是已经发生过的，基于这些数据建立出出行者交通方式选择模型，也可以通过这些实际数据标定出未知参数。 但同时RP 数据也存在很多问题，为模型建立的精确度带来影响。 首先，调查中选择的某些变量是相关的（如行程时间和出行费用），而且这些变量间的相互作用关系不能由观测直接得到。 其次，变量的数量及选择范围不全面。 可观测到的对于居民出行行为有影响的因素是有限的，其中的部分因素也无法表现出来。 另外， RP数据不能观测到现实不存在却需要获得数据的某种交通方式、交通特性及出行者的选择趋向 [13]。 调查的内容 即调查的内容主要包含以下几个方面 : 河北工业大学 20xx 届本科 毕业论文 16 (1)家庭特征信息 主要包括出行者的家庭地址、家庭人口数，私家车保有量，家庭 平均收入、家庭周边交通设施概况等信息。 (2)个人特征信息 主要包括出行者的性别、收入、等会影响交通方式选择的私人信息。 (3)出行特征信息 主要包括出行目的、出行方式、出行 OD、出行时段、换乘次数、换乘车站、等待时间等其他相关的出行信息。 除上述常见的调查内容外，还可以结合研究的具体目的及数据需要，调查出行者或其家庭的家庭购车意愿、对共交服务评价、节假日出行情况等其他相关信息。 RP方法 实际调查中常用到的 RP 调查方法主要有 : (l)家访调查 调查员对调查区域内的住户进行抽样家访。 该方法内。