随时间演化的偏好建模与预测：出行行为的隐马尔可夫模型

文献表明，由偏好参数和考虑集表示的偏好可能会随着时间推移而演变，以响应人口统计和情境变量、心理、社会学和生物学结构以及可用替代方案及其属性的变化。然而，现有的表示方法通常忽略了过往经验对当前偏好的影响。本研究开发、应用并测试了一个带有离散选择核的隐马尔可夫模型，用于建模和预测个体偏好与行为在长期预测视界上的演变。隐状态表示不同的偏好，即选择集中考虑的模式以及对服务水平属性的敏感性。这些隐状态的演化路径被假设为一阶马尔可夫过程。该框架被应用于研究出行方式偏好（或出行方式风格）随时间的演变，以响应公共交通系统的重大变化。我们使用了来自智利圣地亚哥的纵向出行日记。该数据集由在 Transantiago（该市公共交通系统的全面重新设计）引入前后收集的四份一周伪出行日记组成。我们的模型识别出人群中的四种出行方式风格：驾驶员、公交用户、公交-地铁用户和汽车-地铁用户。这些出行方式风格在它们所考虑的出行模式以及对服务水平属性的敏感性方面有所不同。在人群层面，系统改变前后个体在不同出行方式风格间的分布存在显著转移，但在改变后的各时期该分布相对稳定。最后，所提出的动态框架与可比的静态框架之间的比较揭示了不同政策情景下总体预测的差异。