【正文】 回歸系數(shù)的檢驗(yàn)，考察是否每一個自變量都對因變量有顯著的影響，其中 SIG 值越靠近 0越好。 由于 zα /4==,KS檢驗(yàn)方法的拒絕域?yàn)? 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 27 1111 .3 4 8 1 .9 6gu ?? ? ?或 2222 1 .9 6gu ????? 針對最優(yōu)先的出行方式，得出的檢驗(yàn)結(jié)果如下： 表 KS 檢驗(yàn)結(jié)果統(tǒng)計(jì)表 描述 統(tǒng)計(jì)量 標(biāo)準(zhǔn)誤 數(shù)值 均值 .50854045 .012969471 均值的 95% 置信區(qū)間 下限 .48139503 上限 .53568587 5% 修整均值 .51166317 中值 .51857050 方差 .003 標(biāo)準(zhǔn)差 .058001240 極小值 .378862 極大值 .5820xx 范圍 .203148 四分位距 .083276 偏度 .512 峰度 .992 由上表可知偏度和峰度分別為： 1 ?? 2 ?? 可以求得 n=20 時， ? ?? ?? ?1 62 0 .4 7 313nnn? ????? 1111 .3 4 8 1 .9 6gu ?? ? ? 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 28 說明接受原分布假設(shè)。對該效用 特征變量數(shù)值關(guān)系模型進(jìn)行檢驗(yàn)，若未通過擬合優(yōu)度檢驗(yàn)，則說明該模型擬合度較差，不能反映實(shí)際函數(shù)關(guān)系，繼續(xù)對模型進(jìn)行進(jìn)一步優(yōu)化；若符合擬合度要求，則說明回歸效果明顯，可以采用該數(shù)值模型，進(jìn)而可以求得個人出行方式選擇概率 P與各出行方式特性變量 x之間的數(shù)值關(guān)系模型。對于其他現(xiàn)有的不作為主要交通方式存在的本文不予討論。常見做法如下： ① 以全體住宅為對象，等間隔抽樣作為調(diào)查的對象； ② 將對象區(qū)域分割成網(wǎng)格校區(qū)，隨機(jī)抽取這些網(wǎng)格上的校區(qū)，以小區(qū)內(nèi)的居民為調(diào)查對象（整群抽樣）； ③ 在方法 ② 中，進(jìn)一步隨機(jī)抽取小區(qū)內(nèi)的住宅； ④ 在方法 ② 、 ③ 中根據(jù)到市中心的距離集散條件劃分性質(zhì)，然后從各層抽取樣本。隨機(jī)抽樣滿足以下條件：首先，總體中每一個個體被抽中的概率都是相同的，當(dāng)某一個體被抽中后，也不會影響其他個體。也可根據(jù)實(shí)際情況去除不符合實(shí)際的選項(xiàng)。 （ 3） 選擇主體的特性 被調(diào)查者自身的特性變量。在調(diào)查問卷中，應(yīng)避免使用專業(yè)術(shù)語，河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 20 特別是與通常的意義不同的術(shù)語。詢問調(diào)查得到的數(shù)據(jù)是由被調(diào)查者意識到的變量值，因此實(shí)際中即使在相同條件下，被調(diào)查者的回答也會有一定的分散。匹配數(shù)據(jù)是在成對選擇方案中變化一個特性，要求被實(shí)驗(yàn)者提出另外一個特性變量的樹值，使兩個方案具有相同的希望選擇程度。 SP 調(diào)查中要求被調(diào)查者選擇方案的回答大致可以分為選擇、排序、打分以及匹配 4種。當(dāng)變量數(shù)量較多且每個變量河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 18 具有多屬性水平時，可以利用數(shù)學(xué)正交設(shè)計(jì)的方法，設(shè)置多個情境，便于被調(diào)查者做出選擇，也方便后期數(shù)據(jù)整理 [16]。 SP 調(diào)查最先起源于經(jīng)濟(jì)學(xué)領(lǐng)域，但是近年來己成為探究居民出行行為選擇的重要方法之一，也用于停車場選擇、路線 選擇等其他方面。 (6)明信片調(diào)查法 調(diào)查員把印有調(diào)查的明問題信片寄送或分發(fā)給居民，并采用免費(fèi)寄回的方法提高回收率。但工作量大，時間長，調(diào)查員的個人表述容易影響結(jié)果的準(zhǔn)確性。另外， RP數(shù)據(jù)不能觀測到現(xiàn)實(shí)不存在卻需要獲得數(shù)據(jù)的某種交通方式、交通特性及出行者的選擇趨向 [13]。 3 數(shù)據(jù)調(diào)查方法與問卷設(shè)計(jì) RP 調(diào)查 amp。 步驟二：求出 0)0( ?? 時 )( )0(?LL ?? 的值 ,并將點(diǎn) ）），（（ )(0 )0(?? L? 作為 A(0) 。選擇特性變量時應(yīng)當(dāng)遵守以下原則： （ 1） 變量能夠體現(xiàn)選擇方案的特征； （ 2） 變量應(yīng)該盡量包含可調(diào)節(jié)的政策變量； （ 3） 變量之間應(yīng)當(dāng)相互獨(dú)立。通常人們認(rèn)為二者之間呈線性關(guān)系，形式如下式： ????? Kk inkkinin XXV 1 ?? 另外，有時也假設(shè)他們之間呈對數(shù)線性關(guān)系，對數(shù)線性又被稱為考勃 .道格拉斯，也是常用函數(shù)之一。例如：出行者 1 的選擇方案的集合可能是公交和小汽車。m a xoPr 上述公式是導(dǎo)出多項(xiàng) Logit 模型即 Probit 模型的基礎(chǔ) [12]。o(Pr ,。并且，對于不同的選擇方案，其效用 也會由于其所包含的特性變量的不同而有所不同。 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 7 而在上述兩種概率模型中， Logit 模型因其結(jié)構(gòu)簡單，操作方便，相對便于計(jì)算因而研究應(yīng)用最為廣泛。（ 2）非集計(jì) — 概率論型：典型代表有 probit 模型和 logit 模型。 非集計(jì)模型具有的優(yōu)點(diǎn)十分明顯：（ 1）效率高、成本低：非集計(jì)模型建模時可以直接使用個人數(shù)據(jù)，數(shù)據(jù)利用率高，而且不會出現(xiàn)因數(shù)據(jù)的集計(jì) 問題而造成數(shù)據(jù)丟失的現(xiàn)象。另外，模型中并不包括能夠反映交通服務(wù)水平的變量，變量結(jié)構(gòu)不協(xié)調(diào)，模型不能貼近實(shí)際情況。在 MNL 模型的基礎(chǔ)上對特征變量進(jìn)行彈性分析，提出提高公共交通出行比例的措施 。此章主要介紹集計(jì)模型的特點(diǎn)、非集計(jì)模型的理論基礎(chǔ)與應(yīng)用，確定效用函數(shù)形式后，建立了 MNL 模型模型，并介紹了 MNL 模型的傳統(tǒng)參數(shù)估計(jì)方法。由于傳統(tǒng)估計(jì)方法，特性變量的數(shù)量個數(shù)受限制，本文擬研究舒適度、是否用 APP 等 11 個影響因素對交通出行方式的影響，考慮到參數(shù)估計(jì)過程中的實(shí)際操作難度，以后章節(jié)會對 MNL 模型新的參數(shù)標(biāo)定方法進(jìn)行詳細(xì)介紹。 20xx 年，李淑朋 [6]利用 SP 和 RP 結(jié)合的調(diào)查問卷數(shù)據(jù)，采用多階段抽樣方法，建立了 基于 Neted logit 模型的通勤者交通分擔(dān)河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 3 模型，分析了成都地鐵一號線對城市通勤者出行行為所產(chǎn)生的影響，并對票價等因素進(jìn)行了敏感性分析，為地鐵線路的運(yùn)營提供了政策參考。 20xx 年，劉炳恩、雋志才 [4]等結(jié)合非集計(jì)離散選擇模型的基本理論與建模方法 ,在 20xx年北京居民出行調(diào)查數(shù)據(jù)基礎(chǔ)上 ,建立了 居民出行方式選擇 MNL模型。通常情況下， Logit 模型在需求預(yù)測或者政策評價研究中會與 SP 調(diào)查相結(jié)合。由此導(dǎo)致了汽車保有量高速增長、道路資源利用率降低、出行成本增加、交通擁堵、交通污染等一系列嚴(yán)重問題。通過對原有數(shù)據(jù)結(jié)構(gòu)進(jìn)行改進(jìn)，引入了多個特性變量，建立了更加精確的出行方式效用函數(shù)。最后對影響交通方式分擔(dān)率的因素進(jìn)行彈性分析。 為制定出符合居民需求的交通政策 ，我們需要對居民出行方式進(jìn)行調(diào)查，獲得居民出行對各交通方式的選擇意向，獲得基礎(chǔ)數(shù)據(jù)，為交通預(yù)測提供支持。 Train 與 Wilson[1]指出對于 SP 調(diào)查，在問卷設(shè)計(jì)過程中設(shè)定的屬性及其水平值應(yīng)該基于 RP 現(xiàn)狀數(shù)據(jù)的基礎(chǔ)上，這樣才能保證 SP 調(diào)查數(shù)據(jù)的可靠性，數(shù)據(jù)準(zhǔn)確才能保證最后預(yù)測結(jié)河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 2 果的精度。文章得出結(jié)論：非集計(jì)模型的建模方法能夠更加全面的考慮居民出行方式選擇的各項(xiàng)影響因素 ,尤其是出行者的個人特征變量 ,提升了模型的預(yù)測準(zhǔn)確度和實(shí)際可操作性。 20xx 年，陳林 [9]改進(jìn)了成渝通道新開高鐵的背景下出行者的 SP 數(shù)據(jù)，建立了 MNL 和 NL 模型，并分別用 SPSS 和 NLOGIT 軟件進(jìn)行參數(shù)標(biāo)定，分析其實(shí)驗(yàn)結(jié)果產(chǎn)生的差異，通過結(jié)果驗(yàn)證了 NL 模型比 MNL 模型更加精確，并得出了影響出行者出行行為的關(guān)鍵因素。最后， 對所研究的居民出行方式的特征變量進(jìn)行彈性分析，并進(jìn)行調(diào)控， 為提高 公共交通出行比例 提出建議，為制定交通政策提供理論依據(jù)。SP 調(diào)查問卷的設(shè)計(jì)。 2 非集計(jì)模型的理論基礎(chǔ) 集計(jì)模型與非集計(jì)模型 在進(jìn)行交通規(guī)劃或交通需求量預(yù)測時，把需要調(diào)查的群體人為的劃分為若干個小區(qū)，然后以小區(qū)為單位進(jìn)行數(shù)據(jù)收集和分析，然后把每一單位的數(shù)據(jù)進(jìn)行集計(jì)處理，形成放大的樣本或建立模型。以小區(qū)為單位進(jìn)行需求預(yù)測或規(guī)劃時，人為去劃分小區(qū)會影響結(jié)果的客觀性。當(dāng)考慮到個人的社會經(jīng)濟(jì)屬性時，可以用來分析政策對不同集團(tuán)的影響評價。 同時，非集計(jì) — 概率論模型在實(shí)踐中更加具有優(yōu)越性。當(dāng)選擇方案集合中部分選擇方案具有較大相似性時，可以將相似性較大的方案放入一個巢內(nèi)，根據(jù)其類似性形成多個水平，稱為NL（ Nested Logit）巢式模型或分層模型。隨機(jī)效用理論通常將效用函數(shù) U 分為固定項(xiàng)部分和隨機(jī)變化部分（概率項(xiàng)）兩大部分，并假設(shè)兩者之間呈線性關(guān)系。o(Pr ,。通常情況下，出行者的行為可能由于某些未觀測到的特殊情況而顯示的并不符合常理。出行者 n的選擇方案集合 An 的并集 A 的定義如下： nAA ?? 結(jié)合天津市居民現(xiàn)狀出行情況，以及天津現(xiàn)有的主要交通方式，定義全體選擇方案的集合為 [12] }{ 自行車公交，地鐵，小汽車，?An 確定效用函數(shù)形式 效用函數(shù) inV 中可以包含有多個同種性質(zhì)的變量，也可以包含多種不同性河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 10 質(zhì)的變量。 ]ln[1 1?? ?? Kk inkkin XV ??? 通常情況下，由于線形效用函數(shù)結(jié)構(gòu)較為簡單，方便操作和計(jì)算，被較為普遍應(yīng)用。（ 3）車票費(fèi)稱為是部分共同變量。 2)()(1k12/11k2)(1k }){1?? ?????????????mkmkmK mkmK）（）（（ ： ???????????????????21111211)?()?)(?(...)?)(?(...)?)(?(...)?()?(KKKKllkkKKEEEEEV????????????????? t 值與 t 檢驗(yàn) : kk vt /??? 其中， k?? 為第 k 個變量所對應(yīng)的參數(shù)的估計(jì)值， kv 為總體協(xié)方差矩陣的第 k 個對角元素。 RP調(diào)查法可信度很高，所得數(shù)據(jù)均是已經(jīng)發(fā)生過的，基于這些數(shù)據(jù)建立出出行者交通方式選擇模型，也可以通過這些實(shí)際數(shù)據(jù)標(biāo)定出未知參數(shù)。 (3)出行特征信息 主要包括出行目的、出行方式、出行 OD、出行時段、換乘次數(shù)、換乘車站、等待時間等其他相關(guān)的出行信息。主要內(nèi)容有：乘車路線、起點(diǎn)站、終點(diǎn)站、是否換乘等信息。 (7)工作出行調(diào)查 對調(diào)查區(qū)內(nèi)的職工抽樣進(jìn)行居住地 和工作地的調(diào)查，部分資料可由公司直接獲得，減少工作量。選擇變量及其水平可以由調(diào)查者人為設(shè)定。因此，調(diào)查時需要適當(dāng)?shù)脑O(shè)定影響因素，以減少各因素的組合數(shù)量，同時也就意味著無法將所有現(xiàn)實(shí)情況下的選擇條件都表現(xiàn)出來。在這個意義上，選擇數(shù)據(jù)可以被解釋為僅 有 1位的排序數(shù)據(jù)，它對被調(diào)查者的負(fù)擔(dān)最小，因此可靠性也最高。 SP 數(shù)據(jù)的調(diào)查方法有向?qū)嶒?yàn)者發(fā)送調(diào)查問卷，請他們獨(dú)自回答、填寫、返送的方法和面對年對被實(shí)驗(yàn)者進(jìn)行提問調(diào)查等方法。在實(shí)際應(yīng)用中調(diào)查項(xiàng)目的范圍通常有以下幾種：（ 1）選擇的結(jié)果、選擇的主體的屬性以及被選擇方案的主要特性；（ 2）選擇的結(jié)果、選擇主體意識到的替代選擇方案、選擇主體的屬性以及被選擇方案的主要特性；（ 3）全面調(diào)查； 調(diào)查表內(nèi)容設(shè)計(jì)說明 非集計(jì)模型需要同時調(diào)查各選擇方案的條件、選擇結(jié)果，同時還要對多個項(xiàng)目進(jìn)行詳細(xì)調(diào)查。但是這種情況往往難以發(fā)現(xiàn)，特別是對于概念的錯誤表達(dá)和 需要被調(diào)查者發(fā)揮的回答，同時，盡量減少調(diào)查項(xiàng)目，不要給調(diào)查者造成很麻煩的假象，從而拒絕回答問題。 （ 5） 與替代方案特性相 關(guān)的問題 如替代方案的成本、時間等等 進(jìn)行 SP 調(diào)查時，通常將選擇方案表述成幾個特性的組合。 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 21 抽樣方法及樣本量 在建立模型時，我們期望樣本數(shù)據(jù)可以有效的表達(dá)出整體的特點(diǎn)，反映整體的特征，這就要求我們的樣本具有代表性。這時，需要先考慮好所選的調(diào)查對象是否完全覆蓋了所有的范圍。當(dāng)然，此結(jié)果也會隨著參數(shù)數(shù)量或?qū)傩缘淖兓霈F(xiàn)不同。其他需要調(diào)查的屬性變量也在問卷中進(jìn)行了詳細(xì)說明。 為了標(biāo)定出行方式選擇概率 特性變量關(guān)系模型內(nèi)的各個參數(shù) ，就要把得到的出行方式優(yōu)先度數(shù)據(jù)轉(zhuǎn)化為出行方式選擇概率，即將定性的數(shù)據(jù)轉(zhuǎn)化為定量的河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 25 數(shù)據(jù)?？梢缘玫匠鲂姓邔τ谏鲜鏊姆N交通方式的選擇概率與效用值的四元一次方程： 1111 1 1 2 1 3 1 4 1 0 .3 2 8VeP e e e e??? ? ? 2121 1 1 2 1 3 1 4 1 0 . 5 4 0VeP e e e e??? ? ? 3131 11 21 31 41 21VeP e e e e??? ? ? 4141 11 21 31 41 11VeP e e e e??? ? ? 式中， Pi1代表第 1 個出行者選擇第 i種交通方式的概率； 通過 MATLAB 軟件，可以計(jì)算出每組居民出行方式選擇概率對應(yīng)的各出行方式的效用值 Vin。 b. 因變