面向显式路径选择集的广义多元极值模型
概率论
2018-08-14 v1 统计方法学
摘要
本文分析了一类具有闭式概率表达的路径选择模型，即广义多元极值（GMEV）模型。这些模型中的一大类源于结合系统效用与随机误差项的不同效用公式。十二个模型被纳入单一离散选择框架。加性效用公式导出了已知的 logit 族，包括多项、路径规模、配对组合与链路嵌套。对于乘法公式，此前仅识别出多项与路径规模 weibit 模型；本研究还识别了配对组合与链路嵌套变体，并推广了路径规模变体。此外，提出了一种基于带参考路径的乘法效用公式的出行者新决策规则。此处出行者仅基于路径间差异进行选择。这导出了四个新的 GMEV 模型。我们基于具有随机预期行程时间的路径效用的通用结构对模型进行定性评估，据此经验性地识别出效用方差应不同于迄今对多项 probit 与 logit-kernel 模型所假设的值。分析了预期出行者行为及模型在简单网络变更下的模型行为。此外，所有模型在一个具有长距离与短距离起讫点对的描述性网络示例上进行了估计与验证。基于差异的新的乘法模型在两项测试中均优于加性模型。
引用
@article{arxiv.1808.04280,
title = {Generalized Multivariate Extreme Value Models for Explicit Route Choice Sets},
author = {Erik-Sander Smits and Adam J. Pel and Michiel C. J. Bliemer and Bart van Arem},
journal= {arXiv preprint arXiv:1808.04280},
year = {2018}
}