论文部分内容阅读
利用RP/SP两种数据各自的优点进行融合分析,是研究新交通服务或政策措施的有效方法。在交通方式等离散选择问题中,部分选项往往有一定的类似性,宜采用Nested Logit(NL)框架构建RP或SP子模型。但既有融合研究中,RP和SP子模型往往采用不同的阶层结构,导致对行为机理的认识缺乏统一性、不同层次误差项对应关系不明确、无法正确描述SP选择的阶层性等问题。此外,对SP情境下选择行为的状态依赖影响研究也局限于受实际选择的“惯性”影响,未能考虑SP情境内部的顺序相关性。本文以北京市京开高速施划公交专用道为例,针对上述问题进行研究,主要研究内容及工作如下:(1)对国内外采用NL模型构建RP/SP子模型的融合方法和SP模型中状态依赖的处理方法进行总结分析,基于既有研究存在的缺陷提出模型改进的方向。(2)设计通勤方式调查问卷,调查包括RP(Revealed Preference)调查和SP(Stated Preference)调查。对北京市京开高速施划公交专用道路段2km范围内的居民进行抽样调查,获取被访者实际通勤条件和方式及对快速路公交的潜在偏好。依据调查数据对沿线居民通勤特性进行分析,以初步确定影响居民通勤方式选择行为的因素。(3)基于调查数据,先单独构建RP数据、SP数据的NL模型以确认两类数据的真实阶层结构。然后,分别考虑上下层测度系数(Scale Parameter)相同、上下层融合系数(Fusion Coefficient)相同、以及上下层测度系数和融合系数均不同等三种情况,标定RP-NL/SP-NL融合模型,并辅以RP-NL/SP-MNL融合模型进行对比分析,探究不同融合方法的效果。(4)分别采取基于传统方法扩展(SP子模型的效用函数中添加先前情境选择结果哑变量)和从总误差中分离情境状态依赖影响误差的改进方法处理被访者在当前SP情境下受先前SP情境的选择结果影响。本文基于RP/SP联合调查获取的实际数据构建交通行为选择模型,通过改进既有RP/SP融合方法,以期能进一步利用RP数据的可靠性纠正SP数据的偏差、清晰地揭示SP选择机理、提高SP数据的可信度和RP/SP融合模型的预测精度。