用于建模和预测新型交通服务采纳与扩散的离散选择框架
应用统计
2017-07-25 v1
摘要
当前的出行需求模型无法预测出行行为的长期趋势，因为它们缺乏预测新型交通方式（Uber、Lyft 等）的成员资格和市场份额的机制。我们提出整合离散选择模型和技术采纳模型来解决上述问题。为此，我们基于离散混合模型，特别是与网络效应模型相结合的潜在类别选择模型（LCCM）的公式进行构建。网络效应模型量化了新技术的空间/网络效应对采纳效用的影响。我们采用验证性方法来估计动态 LCCM，该方法基于技术扩散文献中的发现，这些发现侧重于定义两种不同类型的采纳者：创新者/早期采纳者和模仿者。LCCM 允许不同细分市场（即创新者/早期采纳者、模仿者和非采纳者）的采纳效用存在异质性。我们利用来自美国某大城市单向汽车共享系统的显示性偏好（RP）时间序列数据来估计模型参数。该数据包含了汽车共享服务推出后 2.5 年内完整的会员注册信息。与技术扩散文献一致，我们的模型识别出三个潜在类别，其采纳效用具有一组定义明确、显著且行为一致的偏好。技术采纳模型预测特定个体在特定时间段内采纳服务的概率，并由社会影响、网络效应、社会人口统计特征和服务水平属性来解释。最后，对模型进行了校准，然后用于预测汽车共享系统在潜在投资策略情景下的采纳情况。
引用
@article{arxiv.1707.07379,
title = {A Discrete Choice Framework for Modeling and Forecasting The Adoption and Diffusion of New Transportation Services},
author = {Feras El Zarwi and Akshay Vij and Joan Walker},
journal= {arXiv preprint arXiv:1707.07379},
year = {2017}
}