Issues in Transport Modelling
We have already identified the interactions between transport problems, decision-making styles and
modelling approaches. We need to discuss now some of the critical modelling issues which are relevant
to the choice of model. These issues cover some general points like the roles of theory and data,
model specification and calibration. But perhaps the most critical choices are those between the uses
of aggregate or disaggregate approaches, cross-section or time-series models, and revealed or stated
preference techniques.
1. General Modelling Issues
Wilson (1974) provides an interesting list of questions to be answered by any would-be modeller; they
range from broad issues such as the purpose behind the model-building exercise, to detailed aspects such
as what techniques are available for building the model. We will discuss some of these below, together
with other modelling issues which are particularly relevant to the development of this book.
1.1 The Roles of Theory and Data
Many people tend to associate the word lsquo;theoryrsquo; with endless series of formulae and algebraic manipulations.
In the urban transport modelling field this association has been largely correct: it is difficult to
understand and replicate the complex interactions between human beings which are an inevitable feature
of transport systems.
Some theoretical developments attempting to overcome these difficulties have resulted in models
lacking adequate data and/or computational software for their practical implementation. This has led to
the view, held strongly by some practitioners, that the gap between theory and practice is continually
widening; this is something we have tried to redress in this book.
An important consideration on judging the contribution of a new theory is whether it places any
meaningful restrictions on, for example, the form of a demand function. There is at least one documented
case of a lsquo;practicalrsquo; transport planning study, lasting several years and costing several million dollars,
which relied on lsquo;pragmaticrsquo; demand models with a faulty structure (i.e. some of its elasticities had a
wrong sign; see Williams and Senior 1977). Although this could have been diagnosed ex ante by the
pragmatic practitioners, had they not despised theory, it was only discovered post hoc by theoreticians.
Unfortunately (or perhaps fortunately, a pragmatist would say), it is sometimes possible to derive
similar functional forms from different theoretical perspectives (this, the equifinality issue, is considered
in more detail in Chapter 8). The interpretation of the model output, however, is heavily dependent on
the theoretical framework adopted. For example, the same functional form of the gravity model can be
derived from analogy with physics, from entropy maximisation and from maximum utility formalisms.
The interpretation of the output, however, may depend on the theory adopted. If one is just interested in
flows on links it may not matter which theoretical framework underpins the analytical model function.
However, if an evaluation measure is required, the situation changes, as only an economically based
theory of human behaviour will be helpful in this task. In other cases, phrases like: lsquo;the gravitational pull
of this destination will increasersquo;, or lsquo;this is the most probable arrangement of tripsrsquo; or lsquo;the most likely trip
matrix consistent with our information about the systemrsquo; will be used; these provide no help in devising
evaluation measures but assist in the interpretation of the nature of the solution found. The theoretical
framework will also lend some credence to the ability of the model to forecast future behaviour. In this
sense it is interesting to reflect on the influence practice and theory may have on each other. For example,
it has been noted that models or analytical forms used in practice have had traditionally a guiding
influence on the assumptions employed in the development of subsequent theoretical frameworks. It is
also well known that widely implemented forms, like the gravity-logit model we will discuss in Chapters
6 and 7, have been the subject of strong post hoc rationalisation:
theoretical advances are especially welcome when they fortify existing practice which might be
deemed to lack a particularly convincing rationale (Williams and Ortacute;uzar, 1982b).
The two classical approaches to the development of theory are known as deductive (building a model
and testing its predictions against observations) and inductive (starting with data and attempting to infer
general laws). The deductive approach has been found more productive in the pure sciences and the
inductive approach has been preferred in the analytical social sciences. It is interesting to note that data
are central to both; in fact, it is well known that data availability usually leaves little room for negotiation
and compromise in the trade-off between modelling relevance and modelling complexity. Indeed, in very
many cases the nature of the data restricts the choice of model to a single option.
The question of data is closely connected with issues such as the type of variables to be represented in
the model and this is, of course, closely linked again to questions about theory. Models predict a number
of dependent (or endogenous) variables given other independent (or explanatory) variables. To test a
model we would normally need data about each variable. Of particular interest are the policy variables,
which are those assume
剩余内容已隐藏，支付完成后下载完整资料
交通建模的问题
我们已经确定了交通问题、决策风格和建模方法之间的相互作用。现在需要讨论的是一些关键的建模问题，这些问题有关模型的选择。这些问题包括一些一般性规则：理论和数据、模型规格和校准。但最关键的选择也许是那些聚合分解方法、截面或时间序列模型、隐藏或显示的偏好技术用途之间。
1. 一般的建模问题
Wilson （1974 年） 提供了一个有趣的问题清单，这些问题可以由任何潜在的建模者回答 ；这些问题从像模型构建的目的这样的大问题到诸如模型建构需要什么样的技术这样的细节问题。我们将讨论下面的一些问题，和其他与本书相关的建模问题。
1.1 理论和数据的原理
很多人倾向于将“理论”与无休止的公式和代数运算相关联。在城市交通建模领域，这是一种正确的关联。人类间的复杂关系是运输系统无法避免的特征，想要理解和复制这种关系很难。
一些理论性发展试图解决这些问题，而使得模型缺乏支持实际执行中的数据和计算机软件。这导致了从业人员的强烈意见，他们认为理论与实践之间的差距在不断扩张，而这是我们试图在这本书里的纠正东西。
判断一种新理论的贡献的重要考虑因素是它是否放置任何上有意义的限制，例如在需求函数上。至少有一个记录在案的“实际”运输规划研究持续数年，耗资数以百万计，这依赖于 务实 的需求模型 有缺陷的结构（即其弹性有错误的标志 ；见Williams和Senior 1977 年）。虽然这项工作可由务实的从业人员事前诊断，但如果他们不受人鄙视的理论，它才被理论家发现事后由。
不幸的是 （或者也许是幸运的，一位实用主义者会说），从不同的理论角度，有时可以推导出类似的函数形式，（这等效问题，被认为是在更多细节在第 8 章）。然而，输出模型的解释非常依赖理论框架。例如，相同的函数形式的重力模型可以摘自生物学与物理学、 熵最大化和效用最大化。然而，输出的翻译及其取决于采用的理论。如果你只对链接流动量感兴趣，那么理论框架支撑的解析模型功能也许就不重要。然而，如果评价措施是必需的，那么，作为人类行为的经济基础理，情况发生变化论将有助于这项任务。在其他情况下，这样的句子: 的引力这个目的地会增加 ，或 这是旅行的最大可能安排 或 最有可能的旅行矩阵符合我们关于系统的信息将使用 ；这些不会给制定评价措施提供任何帮助，但会协助找到解决办法的性质的解释。理论框架也将提供一些老资格模型来预测未来。反思实践和理论相互之间的影响是一件有趣的事。例如，我们注意到，在实际中使用的模型和解析形式对从事发展后续理论框架的假设典型的指导影响作用。众所周知，广泛实施形式，像我们将在章节6 和 7中讨论的重力模型，一直强事后合理化的主题：当没有令人信服的理由来证实现存的行为时，理论进步尤其受欢迎。（威廉姆斯和 Ortacute;uzar，1982b）。
理论发展的两种经典方法被称为演绎 （模型的建立和测试其反对意见的预测） 和归纳 （从数据开始并尝试推断一般的规律）。演绎方式在纯科学中更具生产力，归纳法在分析社会科学中成为首选。很有趣的是我们可以注意到数据在两者之间是中立的；事实上，众所周知，在建模的相关性与建模的复杂性之间，数据可用性通常留下一点商量和妥协的余地。事实上，在很很多情况下，数据的性质限制了模式对一个单独的选项的选择。
数据问题紧密关联着像模型中变量类型这类问题，当然，这也紧密联系着与理论相关的问题。考虑到其他独立 （或解释） 的变量，模型预测大量具有依赖性 （或内源性）的变量。若要测试模型，我们通常需要每个变量的数据模型。特别有趣的是政策变量，他们被认为其为决策者所控制，例如，为了测试替代政策或计划的价值，分析师可能会发生变化。
在这方面的另一个重要问题是聚合：
我们需要多少个人口阶层或类型的人来达到一个很好的表示和对问题的理解？
我们需要多少细节来衡量某些变量复制一个给定的现象？
空间是非常重要的交通工具 ；我们需要什么级别的详细信息来对旅客原籍国和目的地进行编码，从而构建旅客旅行行为的模型？
1.2 型号规格
在其最广阔的空间和更有趣的意义上，这个问题有以下的主题。
模型结构 它可能复制要和单一结构进行建模的系统，并且该单一结构假定所有的替代方案是独立吗？或有必要建立更复杂的模型吗？例如，继续以前的选择条件的选择概率计算模型。分类模型，如那些在第7章和第9章提到的，通常具有的参数，它们代表模型结构和扩展到方法论，通过 20 世纪 80 年代中期实现了允许更多和更一般的模型形式的估计。然而，正如戴利 （1982b） 所指出的虽然所有与模型相关的问题最终能够有实证检验解决，但是这种决议既不可能也不合适。
功能的窗体是否可能需要使用线性形式？或问题确实需要假定更多复杂的非线性函数？后者可能跟准确地代表了系统利益，但毫无疑问我们会要求更高的资源和技术对模型进行校验以及使用。虽然理论思考可能在解决这个问题上局有更多的作用，但它也是可能为了审查而由实验室模拟归纳时尚，例如声明意图、偏好实验。
变量的规范 通常意义上，这就是重视规范问题 ；要使用什么变量以及他们应该怎样输入一个特定的模型。例如，如果收入会影响个人的选择，应变量是否应该输入这样的模型或紧缩成本变量呢？对于这个问题，方法从理论演绎 (建设性）到使用转换的数据的归纳统计特征分析。
1.3 模型校准、 验证和使用
一个模型可以简单地表示为变量 X 和参数 theta;的数学函数，如：
Y = f (X，theta;) (1.4)
值得一提的是双概念模型校准和模型估计，他们在运输领域采取与传统上不同的含义。假设有一个非 null 值，标定模型时需要选择它的参数以优化一个或多个的拟合措施，而这是一个观测数据的函数。此过程与物理学家和工程师负责的早期聚合运输模型密切相关，他们没有过分担心这些统计指标，例如标定误差有多大。
估测涉及到查找参数值，这使观测到的数据更有可能符合型号规格 ；在这种情况下，我们可以判断一个或多个参数，而这些参数都是不重要的，都在模型以外。估测也考虑审查一定的规范问题的可能性大小；例如，估计结构和/或功能的函数参数。此过程倾向于与负责非集计模型的工程师和经济学家相关联，他们非常重视他们的方法所提供的统计测试的可能性。然而，因为要决定哪些参数值是更好的方式是通过检查某些以前定义的拟合的措施，所以本质上来讲，这两个程序是相同的。区别是，这些措施一般有众所周知的统计特性，这反过来使置信限，围绕估计值和模型预测来构建。因为已在横截面数据的基础上建立了绝大多数运输模型,所以在实现基准年的预测与观察到的行为上，这一直倾向于解释完全基于拟合模型验证。虽然这是一种必需，但它是绝不是模型验证的充分条件；大量案件证明了此结论，他们能够比较模型预测结果与实测结果之前和之后的研究（请参阅讨论在威廉姆斯和 Ortacute;uzar，1982a）。校验要求比较在模型估计的过程中没有使用的预估信息。这显然在模型上提出了一个更严峻的考验，并且需要进一步信息或更多的资源。一位建模人员所面临的首要任务之一就是要决定哪些变量将通过预测模型和它哪些可能需要作为它的输入。一些也不会包含在内，由于建模者缺乏控制，或者只是因为忽略了模型背后的理论（见图 15）。这意味着一定程度的误差与不确定度 （我们会来回到这一问题在第 3 章），再加上其他错误，这当然是固有的造型；例如，抽样误差，更重要的是，由于为了可操作性而在实际中进行模型需要的不可避免的简化而造成的错误（见图 15）。
因此，模型在实践中的主要用途是为有条件预测： 模型会产生一套独立变量的变量的估计。事实上，典型的预测都是在两个方面 (Wilson 1974） 的条件：
在计划中对政策变量的赋值，正在进行测试的影响与模型 ；
与其他变量的假设值。
图 1.5 建模和取样
一种模型通常用于测试各种替代性计划，这些计划是一系列的关于未来价值的其他变量 （例如低收入和高收入方案）可能假设。这意味着它可能在很多次的运行中检查一个特定的问题。为此，规范允许快速的周转在一台计算机是关键；全面的运输模型在供给和需求方面包括复杂的平衡进程，因而全面的运输模型不是容易的任务，我们将继续在第 11 章讨论。
1.4 建模、 预测和判断
建模与预测之间有着细微差别。建模的重点是建设和运用适当的工具，这些工具对感兴趣的选择非常敏感并逻辑上将变化反馈在关键的政策文书上。即使数据和时间是有限的，成功的建模者提供有用和即时的决策咨询过程中。在这种情况下，模型可以为所有预期的干预措施、 政策和项目产生一致的结果，即使现实的对应并不完美，这样的排名相当，这很重要。预测是尝试设想和量化未来情况。它通常包括估算未来旅行需求和由此产生的多式联运流程和时间成本。在私人部门项目中，这些预测通常伴随着收入的预测，投资者将考虑基于这些预测的风险，详情请见第 16 章。预测通常基于正式模型，但他们不能单独提供完整的图片 ；这就有必要纳入其他分析和假设。鉴于对未来的不确定性，一些相互补充的方法可能会使用在预测中。例如，在某个地区，一个正式的模型支持可能主要来自对未来差旅经济驱动因素的思考；在这种情况下，它是明确表示如何预测都依赖于这些活动的未来。成功的预测只能客观地通过之前测量和后研究。
随着今天对未来究竟知道什么的这种考虑分歧，正式模型重要性与日俱增。例如，在一个城市引入目前尚未可行的模式，该模型往往要依靠叙述的偏好数据、从其他地方获取的信息或理性决策理论。当评估现在尚不在使用中的政策时（征收交通拥堵费）， 或考虑燃料价格或拥堵状态时，根本就不同于目前。一般情况下，无论这个模型有多好，我们也不能只基于好的模型给予好的建议。这就要求智能考虑其他的因素和假设，尤其是那些有关建模方法的局限性。
鉴于对模型性质的分析，其输出翻译至关重要。翻译需要良好的判断力，而这需要深入了解基础模型和其局限性的经验和理论。例如，在本文中所述的模型，他们大多随机在效用理论支持下 (见第 7 章） 反过来假定做出理性决定的旅行者的一部分。然而，不断由为经济学和心理学提供的强有力证据证明人类是既不完全理性，也不会做出一致的选择。这一证据 （见 Ariely 2009） 戳破了支撑我们模型的理论——甚至基于最先进的活动方法——模型判断的运用在解释中对模型输出甚至更为重要。
2 整合和分类建模
数据测量所选择的聚合水平是一般交通规划研究设计中的一个重要问题。最有趣的是外源数据的总和，即假定是内源性 （即项模型将试图复制它）。例如，多年来已经引起人们的关注的一个问题是，是否一个给定的数据项目代表平均旅客，而不是正在收集一组专为一个单一的个体。当基部模型旨在代表更多的行为而不是一个个体时 （例如像车主居住的一个区的人口分布），一定程度的外生性的聚合的聚合模型数据是不可避免的，这一例我们将在第五章和第六章检验。但当基地的尝试表示个人行为，如我们将研究章节 7 到 9讨论的非集计模型，那是可以想像的，外源可以获得信息，并分别用于每个旅行者。重要的问题是，它是否会像经常发生的情况一样，可能以成本或其他理由为由使用较不详细的数据 （请参见戴利和Ortacute;uzar 1990）。预测未来的需求是绝大多数交通规划研究的一个关键因素。能够预测新设施的可能用法是理性决策的必要前奏，否则对优势或以其他方式提供此类设施。它也可能是重要需求变量，是分析师的控制之下的敏感性的想法 （例如价格收取其使用）。在大多数情况下，预测和灵敏度估计必须提供在聚合级别，就是说，他们必须代表整个人口的利益。因此，分析师使用分类模型必须找到合理的方法为模型结果提供聚合这些指标。
整合模型几乎无一例外在运输中被研究到 1970 年代后期 ；他们变得熟悉，要求相对较少技能，分析师 （但需晦涩难懂计算机知识） 提供完整的建模过程，配方属性从通过预测一级链接在网络中提供的数据集合。也许因为他们是晦涩的计算机程序，输出这些模型经常被认为比预期的更准确，例如预测车削运动会在未来的 15 年进行。整合模型已经被严重 （而且有时无可非议地） 批评他们欠缺灵活性，不准确性和成本花费。不幸的是，因为很多分类方法通过复杂治疗方法的选择和个别旅客过境手续所面临的制约因素，有时是因为他们需要不能在合理的数据预测，未能采取这一进程对生产的预测。
分类模型在 1980 年因提供相当大的优势而变得越来越受欢迎，在传统方法和实际中很多应用研究。然而，一个人在实践中的重要问题是，他们要求从精神分析师水平进行统计并且比在整合模型使用 更高的计量技能(特别是对结果的解释）。此外，他们往往高估了聚合和分类模型系统之间的差异。例如，非集计模型首次在市场推出被认为与经典方法完全背离，即革命 ，而最终人民清楚了解到 进化 的观点是更充足 (见威廉姆斯和 Ortacute;uzar 1982b)。事实上，在有的案件中，预测模型 （Daly 1982a） 形式之间完全等价。本质上的区别在于治疗行为，特别是在模型的描述发展进程 ；在许多情况下采用非集计明显优于的由区域分组和由预定义段分组的行为。试图澄清的问题，首选是是否进行分类或聚合方法，在什么情况下得出的结论是不明确的，办法基本上适合于所有的情况 （见戴利和 Ortacute;uzar 1990 年）。这些尝试也建立了需要帮助指导帮助绝望的医生选择最合适的模型工具来适用于一个特定的情景。我们一直努力在这本书中回答这个问题。
3 横截面和时间序列
到 1980 年代后期的交通规划研究绝大多数依赖信息的旅行，在时间中具有代表性的一个单点个人被揭发的模式。事实上，传统的使用横断面的方法超越了整合和分类模型间的区别。截面的基本假设是对措施增量更改方法的响应，只可通过计算需求函数的导数考虑政策变量的问题。这使得假设成为现实的刺激反应模式，这个模式可从模型参数估计的观测，导出关系时间。如果总有足够多的人
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[502842]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
