探索出行方式选择和出行链模式复杂性之间的关系外文翻译资料

 2022-11-04 04:11

英语原文共 18 页,剩余内容已隐藏,支付完成后下载完整资料


探索出行方式选择和出行链模式复杂性之间的关系

摘要

本文研究出行方式选择和出行链模式的复杂性之间的关系。对这两种选择行为之间的因果关系的理解可能有助于开发基于旅游的旅行需求建模系统,该系统试图结合出行链和出行方式选择的模型。本文通过考虑三个不同的因果结构来表示旅行行为的这两个方面之间的关系:在一种结构中出行链模式被首先确定并影响出行方式选择,在另一种结构中出行方式选择被首先确定并影响出行链模式,以及在第三种结构中两者都不是预定的但是两者是同时确定的。前两个结构是在适应误差协方差的递归双变量概率模型框架中估计。联立多元logit模型被用于估计可允许双向内生性的第三种结构。对从2000年瑞士微型人口普查旅行调查中抽取的工作旅行和非工作旅行样本分别进行分析和模型估计。模型估计结果表明:对于工作和非工作游览样本两者来说,出行链复杂性优先于出行方式选择的因果结构表现最优。出行方式选择优先于出行链出行方式选择的结构被建立进行了显著低的拟合优度检验。这些发现对于开发基于活动和旅行的建模系统以及公共交通系统的设计和规划具有重要意义。

关键词:旅游;出行链;旅行行为;因果关系;出行方式选择;联立方程;计量经济学建模

1.概述

在过去几十年里,对人们的出行链模式进行了相当多的研究,即将一系列活动链接到多站式旅游或旅程的倾向(Shiftan,1998; Dissanayake和Morikawa,2002)。对出行链活动的分析可能会更好地了解旅行行为,并为检查各种交通政策问题提供更合适的框架(Strathman和Dueker,1995)。事实上,该行业已经见证了基于旅游的模型被开发并且越来越多地应用于旅行需求预测领域,以代替不反映出行链行为和旅游形成的更传统的基于旅行的模型。

在本文中,术语出行链和旅游被同义使用,是指从家中开始,涉及访问一个或多个其他地方,并在家结束的旅行序列。根据旅游或出行链中访问的地点数量,旅游可以分为两类:简单和复杂。在家庭地点外具有单个站点或活动的旅游或出行链被定义为“简单”旅游,而在家庭地点之外具有多于一个站点的旅游或出行被定义为“复杂”旅游。 因此,此种形式的旅游或链:家→商店→家被认为是简单的旅游,而此种形式的旅游:家→工作→商店→家被认为是一个复杂的旅游。

由于人们的活动模式变得越来越复杂并且涉及与其他家庭和非家庭成员的互动,而且时间是一个有限的资源,因此可以推测,随着时间的推移,出行链可能会越来越复杂。在单个旅游或链中将多个活动链接在一起的能力可以提供比一系列单一简单旅游更高的效率和方便性(Hensher和Reyes,2000)。为什么这具有显着的交通和政策影响至少有两个原因。首先,复杂的旅游或链可能导致机动车使用的增加。如果需要寻找复杂的旅行或链,那么私人汽车的灵活性是可取的。在受到与公共交通相关的时间表,路线和不确定性约束的情况下,在单次旅程中追求多个活动的能力相当有限。因此,复杂的出行链可能有助于增加机动车依赖性,从而增加机动车交通量。第二,在工人(通勤者)的情况下,复杂的旅行链的形成可能需要将非工作活动与工作旅行(通勤)联系起来。然后,可能发生在高峰期之外的非工作旅行现在发生在高峰期,只是因为它们与通勤绑在一起。因此,复杂的出行链模式可能导致峰值时段旅行需求的增加。

上述讨论清楚地指出了出行链、机动车使用和旅行时间之间可能的相互依赖性。Strathman和Dueker(1995)在对1990年NPTS的分析中发现,复杂的出行链可能倾向于更多的以机动车为主导。然而,因果关系的性质不是单方面显著的,因为机动车的可用性可以提供有助于形成复杂出行链的灵活性和便利性。机动车的灵活性可能刺激在一次旅游中进行额外活动的愿望。例如,通常与机动车出行方式选择相关联的较低行程时间可以放宽时间约束并导致更多的停站(Bhat,1997)。此外,由于驾驶员和乘客之间的行程目的和目的地的多样性,构成总的机动车模式共享的一部分的共享乘坐更可能涉及复杂的旅行。本文中正在解决的中心问题是:“出行方式选择是否影响出行链模式的复杂性,或者出行链模式的复杂性是否出行方式选择?”在旅行链的复杂性和出行方式选择之间的因果关系的模糊性促使这项调查。本文旨在使用计量方法了解和量化旅游复杂性和出行方式选择之间的因果关系。

先前,Strathman和Dueker(1994)分析了一个人使用二元logit模型公式进行复杂工作旅行的概率,其中旅游的复杂性/简单性被建模为二元选择。还可以采用二元选择公式来模拟旅行级别的出行方式选择,即,机动车出行方式选择和非机动车出行方式选择。因此,旅游复杂性和出行方式选择之间的相互影响和因果关系的研究可以减少为涉及两个二元离散选择变量的问题。

嵌套logit模型通常用于处理这种性质的问题。基于条件选择机制的假设,可以形成表示两个选择树结构的嵌套logit模型。通过检查估计的包容值参数系数的合理性和/或比较两个不同结构的模型之间的拟合优度度量,可以识别数据支持的更合理的结构。Hensher和Reyes(2000)使用嵌套logit模型公式来理解出行链在作为使用公共交通模式的障碍的作用。本文旨在使用严格的计量经济学方法,明确地允许一个选择维度对另一个的影响可量化,进一步阐明出行方式选择和旅游复杂性之间的关系。本文采用二元联立模型来适应可能考虑的各种因果结构。

本文的其余部分安排如下。第2节介绍了本文中考虑的不同因果结构的建模方法和公式。第3节介绍了“2000年瑞士旅游微观经济普查”以及编制模型估计所需的旅行数据集的过程。模型估计结果在第4节讨论。第5节介绍了表示三个不同因果结构的模型的性能比较。最后一节提供了结论,并提供了对未来研究的一些建议。

2.方法

本文采用了两种不同的计量经济学建模方法。第一个是递归联立双变量概率模型,它允许分析两个选择行为之间的单向因果关系。在该公式中,假定随机误差项遵循双变量正态分布。双变量正态性假设意味着两个内生虚拟变量可能不共存于相互函数关系中。任一函数中内生虚拟变量的存在对应于两个不同的因果结构(详见第2.1节)。直观地,双变量概率模型的这个特征提供了一种适当的方法来区分旅游复杂性和出行方式选择之间的因果关系。然而,这种方法还需要一个基本假设,即在所研究的人群中存在明确的单向因果关系(或至少是这种单向因果关系的趋势)。在特定旅游中可能存在单向因果关系,但因果关系的性质可能因个人和同一个人的不同旅行而异。宏观上,如果单向因果关系不能支配另一个,则双向因果关系的存在可能出现在人群中。

为了解决联立双向因果关系的可能性,本文还使用Schmidt和Strauss(1975)提出的并且最初由Ouyang等人在交通环境中引入的联立多元logit模型。 (2002)。这种模型公式能够模拟可能存在于旅游复杂性和出行方式选择选择中的双向因果关系。本质上,联立多元logit模型可以被认为是更通常已知的多项logit模型的扩展,其中两个内生虚拟变量可以同时并入到相互效用函数中。对这两个虚拟变量的唯一限制是它们的模型系数对于逻辑一致性必须相同(详见第2.2节)。因此,本文考虑了三种不同的可能因果结构:

  1. 出行方式选择→出行链复杂性(递归双变量概率模型)。
  2. 出行链复杂性→出行方式选择(递归双变量概率模型)。
  3. 出行链复杂性harr;出行方式选择(联立多元logit模型)。

通过在三个因果结构上的模型的性能比较,设想旅游复杂性和出行方式选择之间的关系可以被讨论和解释。

2.1递归联立双变量概率模型

如果旅行的复杂性/简单性和机动车/非机动车出行方式选择被视为两个二元选择,则可以在旅游级别制定双变量概率模型,以同时通过调节随机误差相关来分析它们的概率。一般公式如下:

其中,

q是旅游观察的索引(q = 1,2,...,Q),

是表示旅游q的出行方式选择的潜在变量,

是表示旅游q的复杂性的潜在变量,

如果,;否则,

即是指示旅游q是否使用机动车出行方式的虚拟变量,

如果,;否则,

即是指示旅游q是否复杂的虚拟变量,

是的解释变量的向量,

是的解释变量的向量,

,是分别与解释变量和相关联的模型系数的两个向量,

是的标量系数,用于衡量旅游的复杂性对出行方式选择的影响,

是的标量系数,用于衡量出行方式选择对旅游的复杂性的影响,

和是随机误差项,其是具有零均值,单位方差和相关性的标准二元正态分布,即。

基于这种正态性假设,可以导出旅游q的二元选择的每种可能组合的概率:

其中,

是标准单变量正态分布的累积分布函数。

是标准单变量正态分布的累积分布函数。

对于两个二元选择的四个组合的概率的和应该等于1,即,

代入等式(2)到(5) (6),可以得到

该公式不成立,除非或等于零。这个需求,被称为逻辑一致性条件(Maddala,1983),将导致两个不同的递归同步建模结构,表明两个不同的因果关系:

(1)(出行方式选择→旅游复杂性)

在该结构中,出行方式选择根据第一个函数关系预先确定。然后,出行方式的选择被指定为旅游复杂度的第二个函数关系中的虚拟变量,以直接测量出行方式选择对旅行链或旅游的复杂性的影响。

(2)(旅游复杂性→出行方式选择)

相反,可以考虑替代结构,其中旅游复杂度根据第二个函数关系预先确定。旅游的复杂性被指定为根据第一个函数关系的影响出行方式选择中的解释变量。

因此,其中两个内生虚拟变量的系数不在两个函数关系中共存的双变量概率模型的期望特征提供了适当的建模框架以分析旅游复杂度和出行方式选择之间的单向因果关系。联立方程系统中的因变量之一的内生本质可以在公式化似然函数中被忽略。为了便于形成似然函数, 等式(2)到(5)可以以仅包括标准双变量正态分布的累积分布函数的格式重写。

等式(10)到(13)和对应的似然函数可以通过以下关于两个不同的单向因果结构的一般公式(Greene,2003)来概括:

(1)(出行方式选择→旅游复杂性)

(2)(旅游复杂性→出行方式选择)

其中,。

由于递归双变量概率模型和公共双变量概率模型的似然函数实际上是相同的,因此可以使用诸如LIMDEP 8.0(Greene,2002)的易于获得的软件来完成参数估计。

2.2联立多元logit模型(出行链复杂性harr;出行方式选择)

还可以考虑这两种单向因果结构都不在人群内占优势的可能性,即两种因果结构在群体中是普遍的。此外,可以考虑同时进行关于旅游复杂性和出行方式选择的可能性。为了适应这种貌似可信的双向因果关系,在本文中应用联立多元logit模型。联立多元logit模型可以被认为是在交通建模实践中常用的多项logit模型的扩展。在联立多元logit模型中,假定从一个选择集中选择的两个替代方案的概率比的对数等于一组解释变量的线性组合。指示旅游复杂性选择的一个虚拟变量可以被添加到用于出行方式选择的解释变量的集合中;类似地,指示出行方式选择的一个虚拟变量可以被到旅游复杂度的解释变量的集合中。公式可以写成如下(所有符号具有与2.1节相同的含义):

通过重写等式(18)和(19)跨Tq和Mq可以采取的两个可能的值,得到:

二元选择的四个组合的概率的和应该等于1,即,

通过转换联立方程(20)到(23),可以得到

对于逻辑一致性,必须等于。内生虚拟变量和允许在联立方程组中共存。通过用代替并求解联立方程(20)到(24),每个组合的概率公式如下:

其中,

最后,似然函数可以被公式化为如下:

使用高斯编程语言(Aptech,1996)进行模型估计。

3.数据集和样本描述

用于分析和模型估计的数据集从Swiss Travel Microcensus 2000中提取。调查和调查样本的非常详细的描述可以在Ye和Pendyala(2003)中找到。为简洁起见,本文仅提供了对调查样本的简要描述。调查受访者样本包括瑞士26个州的27,918户。人员样本是通过从具有四个或更多成员的每个家庭中选择6岁以上的两个人和具有少于四个家庭成员的每个家庭的6岁以上的一个人来随机选择形成的。根据这项抽样计划,被访者样本由29,407人组成。这些样本的家庭和个人特征分别示于表1和表2。如所预期的,在该瑞士样本中没有汽车的家庭的比例大大高于典型的样本在这个瑞士样本中没有汽车的家庭的比例大大高于来自美国的典型样本。这可能反映了瑞士更高水平的公共交通服务,在没有相同水平的汽车依赖的情况下实现了移动性和可达性。因此,人们可能期望汽车在瑞士旅游环境中比在美国环境中发挥更小的作用。

表1 瑞士旅行2000年微观经济和苏黎世子样本的家庭特征

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[140474],资料为PDF文档或Word文档,PDF文档可免费转换为Word

特征

瑞士样本

苏黎世非工作旅游者

苏黎世工作旅游者

样本容量

27918

2998

1438

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

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。