【交通规划】交通方式划分(model split)

定义

Modal[ˈməʊdl] split models[ˈmɒd(ə)l] attempt to split the number of total person trips between each pair of zones into the individual shares of each mode.
The output of modal split models are either modal shares(percentages) or the total number of trips by mode.

出行方式选择的影响因素：

The characteristic of the mode(出行时间，费用，舒适度，便利性，间隔时间等)
The characteristic of the traveller(年龄，性别，收入等)
The characteristic of the location(人口/就业密度)

Modal Split Models

The main forms of the MSM are:

• Diversion Curves(转移曲线)
• Utility(Probability)Models(效用模型)
  Constant utility approach(常数效用方法)
  Random utility approach(随机效用方法)
  The Binary Linear Probability Model
  The Binary Probit Model
  The Binary Logit Model
  

交通方式划分率模型

全域模型

用规模、人口、用地、方式发展水平等预测全区域交通方式的划分率

出行端点模型

用小区特征预测小区出行发生量

出行转换（Trip Interchange, TI）模型

根据出行调查数据绘制方式划分率模型

路径模型

建立多方式综合交通网络

随机效用方法 Random utility approach

随机效用由固定效用（时间、费用、舒适度等的函数）$V_{in}$和随机误差${\epsilon }_{in}$组成。
$$U_{in}=V_{in}+{\epsilon }_{in}$$
如果$U_{in}\ge U_{jn},\forall j\in C_n$个体n会选择i而不是j
The specification of the Systematic Component（系统分量）
$$V_{in}=V(X_{in})$$
固定效益可由行驶时间、费用、舒适度、安全性等方案特性，以及年龄、收入、职业、性别等个人属性表示
$$V_{in}={\beta }_1{X}_{in1}+{\beta }_2{X}_{in2}+\cdots +{\beta }_K{X}_{inK}=\sum _k{\beta }_k{X}_{ink}$$
可以定义$X_{ink}=\log (\cos t_m)$

The specification of the Random Component（随机分量）
对于n来说，选择i的概率可以表示为
$$P_n(i)=Pr(U_{in}\ge U_{jn})=Pr(V_{in}+{\epsilon }_{in}\ge V_{jn}+{\epsilon }_{jn})=Pr({\epsilon }_{jn}-{\epsilon }_{in}\le V_{in}-V_{jn})=Pr({\epsilon }_n\le V_{in}-V_{jn})$$
Therefore, the probability of choice is always given by the cumulative probability distribution（累积概率） of ${\epsilon }_n$.

The Binary Logit Model

${\epsilon }_{in}$与${\epsilon }_{jn}$相互独立且服从同一的 #Gumbel 分布，则随机项的[[概率分布]]函数就是[[Logit]]分布$$F({\epsilon }_{ij})=\frac{1}{1+exp(-\mu {\epsilon }_{ij})}$$
![[Pasted image 20220827155933.png]]

• IIA（Independent of Irrelevant Alternatives，无关方案独立性） 特性：个体对于任意两个选项的选择概率，仅依赖于这两个选项的性质，而与其他选项无关。

The Binary Probit Model

随机误差服从[[多元正态分布]]。
![[Pasted image 20220827155837.png]]

集计与非集计 Aggregate & Disaggregate

类别	集计分析	非集计分析
调查单位	各次出行	各次出行
分析单位	交通小区	个人（或家庭）
因变量	小区统计值（连续量）	个人的选择（离散量）
自变量	各小区的数据	各人的数据
预测方法	回归分析等	最大似然法
适用范围水平	预测交通小区	任意
政策的体现	交通小区代表值的变换	个人变量值的变化
交通现象的把握方法	出行发生与吸引–>出行分布–>交通方式划分–>路径分配	出行频率–>目的地选择–>交通方式选择–>路径选择