【導(dǎo)讀】聯(lián)合數(shù)據(jù)，建立了天津市居民出行方式選擇MNL模型。通過對(duì)原有數(shù)據(jù)結(jié)構(gòu)進(jìn)行。改進(jìn)，引入了多個(gè)特性變量，建立了更加精確的出行方式效用函數(shù)。及SPSS軟件進(jìn)行多元統(tǒng)計(jì)回歸及模型擬合度檢驗(yàn)，證實(shí)了模型的精確性。集計(jì)，得到各交通方式的分擔(dān)率。最后對(duì)影響交通方式分擔(dān)率的因素進(jìn)行彈性分。研究結(jié)果表明，費(fèi)用、出行時(shí)間、舒適度對(duì)公共交通出行比例影響較為敏感，為相關(guān)決策者進(jìn)行交通配置提供理論依據(jù)。

　　

【正文】 4 公交 3 3 3 5 12 1 55 2 1 4 地鐵 1 2 10 2 2 0 22 3 1 4 小汽車 2 10 20 4 3500 1 4 電動(dòng)車 5 公交 3 4 3 12 7 2 65 2 1 5 地鐵 2 4 12 6 4 0 50 3 1 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 23 5 小汽車 1 23 30 4 8000 1 4 參數(shù)標(biāo)定及彈性分析 出行方式選擇概率 特性變量關(guān)系參數(shù)標(biāo)定 通過對(duì)居民的出行情況進(jìn)行調(diào)查，并對(duì)結(jié)果進(jìn)行整理分析，可以得出居民在某次出行中，對(duì)不同交通方式的選擇優(yōu)先度，以及不同交通方式在這條線路上的相關(guān)特性變量信息。根據(jù)已有專家研究成果及數(shù)據(jù)，通過相關(guān)方法將出行方式優(yōu)先程度轉(zhuǎn)化為居民出行方式選擇概率，同時(shí)結(jié)合效用理論，可求得多組不同出行方式效用 特性變量數(shù)據(jù)。由 上文可知，效用函數(shù)中，因變量，即出行效用 Vink，與自變量，即各出行特征變量 xi呈線性相關(guān)，因此，可對(duì)得出的數(shù)據(jù)進(jìn)行多元線性回歸，據(jù)此建立效用 特征變量數(shù)值關(guān)系模型。對(duì)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(duì)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(gè)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。 值得一提的是，利用上述求得的效用函數(shù)表達(dá)式可以計(jì)算出行者對(duì)各交通方式的選擇概 率，當(dāng)對(duì) n個(gè)出行者進(jìn)行集計(jì)處理時(shí)，便可以得到各交通方式的分擔(dān)率。 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 24 問 卷 收 集居 民 出 行 方 式 選擇 意 向 排 序不 同 出 行 方 式 相關(guān) 特 性 信 息生 成 多 組 出 行 方式 選 擇 概 率多 組 出 行 方 式 效用 值 數(shù) 據(jù) 矩 陣不 同 出 行 方 式 的數(shù) 值 特 征 矩 陣效 用 出 行 特 征變 量 關(guān) 系 模 型模 型 檢 驗(yàn)對(duì) 出 行 特 征 變 量的 采 用 情 況 進(jìn) 行優(yōu) 化采 用 該 效 用 模型 ， 建 立 出 行 方式 選 擇 概 率 特性 變 量 關(guān) 系 模 型數(shù) 據(jù) 統(tǒng) 計(jì) 整理通 過 已 有 研 究 成 果及 數(shù) 據(jù) 分 析結(jié) 合 效 用 理 論 計(jì) 算得 出擬 合 情 況 不 合 格擬 合 情 況 合 格多 元 線 性 回 歸 圖 參數(shù)標(biāo)定方法技術(shù)路線圖 選擇優(yōu)先度與個(gè)人出行方式選擇概率之間的轉(zhuǎn)化 由于居民對(duì)其單次出行時(shí)，不同出行方式的選擇概率沒有直觀的概念，直接調(diào)查得難度較大且數(shù)據(jù)不精準(zhǔn)，若改為調(diào)查居民針對(duì)某一次出行過程中各出行方式的選擇優(yōu)先程度，便會(huì)提高居民出行方式選擇意向調(diào)查的可信度與易操作程度。 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(gè)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)。因此，文章結(jié)合相關(guān)專家已有研究成果及分析數(shù)據(jù)，提出以下解決路線： 已 有 研 究 成 果 及 數(shù)據(jù)各 種 出 行 方 式 優(yōu) 先度 情 況各 種 出 行 方 式 個(gè) 人選 擇 概 率 情 況（ S A S 、 N l o g i t 分析 結(jié) 果 ）提 出 每 一 優(yōu) 先 度 區(qū)間 內(nèi) 居 民 出 行 方 式選 擇 概 率 的 分 布 假設(shè)分 布 擬 合 度 檢驗(yàn)采 用 該 分 布 特 征 ，并 產(chǎn) 生 隨 機(jī) 概 率 以模 擬 居 民 出 行 方 式選 擇 概 率合 格不 合 格 圖 隨機(jī)產(chǎn)生選擇概率路線圖 參照國(guó)內(nèi)學(xué)者劉振的研究成果，在其研究過程中，采用了 Hooke Jeeves 模式搜索算法，用 C++編寫迭代程序，得出其所研究的四種出行方式選擇優(yōu)先度區(qū)間內(nèi)，居民出行方式選擇概率數(shù)據(jù) [18]。 ，需要用到 Pi 的 值，本文中 Pi的值是對(duì)三位學(xué)者的已有研究成果進(jìn)行假設(shè)檢驗(yàn)，發(fā)現(xiàn)都服從正態(tài)分布，然后采用與天津市經(jīng)濟(jì)發(fā)展水平類似的居民出行概率數(shù)據(jù)為基礎(chǔ)，模擬計(jì)算產(chǎn)生的隨機(jī)概率并應(yīng)用的之后的研究中。概率數(shù)據(jù)匯總?cè)缦拢? 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 26 表 交通方式選擇概率參考數(shù)據(jù)表 組數(shù) 最優(yōu)先 次優(yōu)先 不優(yōu)先 最不優(yōu)先 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 以最優(yōu)先選擇的交通方式的居民選擇出行概率數(shù)據(jù)為例，提出分布假設(shè)，并進(jìn)行分布擬合檢驗(yàn)。 假設(shè)在這一優(yōu)先度區(qū)間內(nèi)，居民出行概率的分布符合均值為μ，標(biāo)準(zhǔn)差為σ的正態(tài)分布，為避免第Ⅱ類錯(cuò)誤的影 響，筆者選擇運(yùn)用 SPSS 軟件對(duì)其進(jìn)行 KS檢驗(yàn)（ KolmogorovSmirnov 檢驗(yàn)），其中α =。 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(duì)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(shí)， ? ?? ?? ?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)。 同理，對(duì)其余三組交通方式選擇的數(shù)據(jù)進(jìn)行 KS檢驗(yàn)，當(dāng)置信水平為 90%時(shí)，其分布特征均符合正態(tài)分布。 由上可得個(gè)人出行方式選擇概率的分布特征統(tǒng)計(jì)如下表 ：根據(jù)其分布特點(diǎn)，通過 MATLAB 軟件產(chǎn)生與其分布特征相同的隨機(jī)概率矩陣，如表 所示： 表 出行者選擇概率分布特征 最優(yōu)先 次優(yōu)先 不優(yōu)先 最不優(yōu)先 平均值 標(biāo)準(zhǔn)差 表 各優(yōu)先度區(qū)間內(nèi)選擇出行概率模擬計(jì)算表 組數(shù) 最優(yōu)先 次優(yōu)先 不優(yōu)先 最不優(yōu)先 組數(shù) 最優(yōu)先 次優(yōu)先 不優(yōu)先 最不優(yōu)先 1 16 2 17 3 18 4 19 5 20 6 21 7 22 8 23 9 24 10 25 11 26 12 27 13 28 14 29 15 30 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 29 各交通方式效用值 Vin 的求解 根據(jù)效用理論中選擇概率表達(dá)式： ),(,1 nAjVVAjVVin AjieeePninjnnjnin ??? ????? 針對(duì)本文所研究情況，以第一個(gè)調(diào)查者對(duì)于四種交通方式的模擬選擇概率數(shù)據(jù)為例， 組數(shù) 最優(yōu)先 次優(yōu)先 不優(yōu)先 最不優(yōu)先 1 假設(shè)該調(diào)查者針對(duì)其出行路線上四種交通方式的選擇優(yōu)先程度為：地鐵 公共汽車 小汽車 電動(dòng)車，其中模型建立初期，已經(jīng)默認(rèn)公共汽車 i=1，地鐵 i=2，小汽車 i=3，電動(dòng)車 i=4。可以得到出行者對(duì)于上述四種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(gè)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(duì)應(yīng)的各出行方式的效用值 Vin。過程如下圖： 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 30 圖 MATLAB 軟件操作界面 對(duì)各出行者不同交通方式效用值求解，匯總結(jié)果如下 表： 表 各出行者不同交通方式效用值 組數(shù) V1n V2n V3n V4n 1 2 0 3 4 0 5 0 6 0 7 8 9 0 10 0 11 12 0 13 0 14 0 15 0 0 16 0 17 18 0 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 31 19 0 0 20 多元線性回歸分析求解效用 出行特征變量關(guān)系模型 上表中每一組效用值 Vin對(duì)應(yīng)一組居民調(diào)查數(shù)據(jù)，根據(jù)效用理論得知，針對(duì)某一特定路線，出行方式的效用值與其在該路線上的出行特征變量存在線性關(guān)系，即 1 1 5 1 5 6 1 6 7 1 7 8 1 89 1 9 9 1 9 1 0 1 1 0 1 1 1 1 1 1 4 1 1 4n n n n nn n n n nV X X X XX X X X X? ? ? ? ?? ? ? ? ?? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? ? ? 2 2 5 2 5 6 2 6 7 2 7 8 2 8 1 0 2 1 01 1 2 1 1 1 4 2 1 4n n n n n nnnV X X X X XXX? ? ? ? ? ???? ? ? ? ? ? ? ? ? ? ?? ? ? ? 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??? ? ? ? ? 因此，可對(duì)得出的多組效用值數(shù)據(jù)與問卷得出的出行特征變量數(shù)據(jù)進(jìn)行多元線性回歸，以此建立效用 出行特征變量關(guān)系模型。 以公共汽車這種交通方式為例， V1n 列即各組調(diào)查所得的公共汽車效用值。通過 SPSS 軟件，對(duì)上述 100 組調(diào)差數(shù)據(jù)進(jìn)行多元線性回歸分析，得到結(jié)果： 河北工業(yè)大學(xué) 20xx 屆本科 畢業(yè)論文 32 表 SPSS 多元回歸結(jié)果匯總 回歸模型的 R2為 ，接近于 1，說明回歸出的線性關(guān)系擬合度很高，因變量自變量之間的線形關(guān)系得到很好的描述。 F 值為 很大， sig 值很小，說明該回歸直線有意義。根據(jù)系數(shù)表，可以寫出回歸方程為： 1 2 3 4 5 6 7 83 .3 8 0 1 .2 5 5 0 .0 7 9 0 .2 0 5 0 .0 2 8 3 .4 2 7 0 .0 3 3 0 .6 8 0 0 .9 2 7y x x x x x x x x? ? ? ? ? ? ? ? ? ? t 檢驗(yàn)是對(duì)回歸系數(shù)的檢驗(yàn)，考察是否每一個(gè)自變量都對(duì)因變量有顯著的影響，其中 SIG 值越靠近 0越好。從回歸結(jié)果可以看出，車票費(fèi)與換乘次數(shù)的 SIG模型匯總 b 模型 R R 方 調(diào)整 R 方 標(biāo)準(zhǔn) 估計(jì)的誤差 1 .932a .869 .853 .008302 a. 預(yù)測(cè)變量 : (常量 ), APP, 換乘次數(shù) , 上車步行時(shí)間 , 舒適度 , 候車時(shí)間 , 下車步行時(shí)間 , 車內(nèi)時(shí)間 , 車票費(fèi)。 b. 因變量 : Vin Anovab 模型 平方和 df 均方 F Sig. 1 回歸 .030 1 .020 .001a 殘差 .001 18 .000 總計(jì) .021 19 a. 預(yù)測(cè)變量 : (常量 ), APP, 換乘次數(shù) , 上車步行時(shí)間 , 舒適度 , 候車時(shí)間 , 下車步行時(shí)間 , 車內(nèi)時(shí)間 , 車票費(fèi)。 b. 因