改进的二元logit模型在居民出行预测中的应用

"这篇论文是关于居民出行生成预测的研究，主要关注的是二元logit模型的改进和验证。作者提出了一种新的假设，即模型中可观测变量的参数β服从对数正态分布，以此来解决传统二元logit模型在处理出行生成预测时忽略变量差异性的缺陷。通过对美国PUMS居民出行调查的300个相关数据进行参数标定，作者使用SAS仿真系统证明了这个假设的合理性。通过比较改进前后的模型预测结果，发现改进后的模型在预测精度上明显优于传统模型，证实了改进模型在居民出行生成预测中的优越性。关键词包括二元logit模型、对数正态分布、SAS、参数标定和模型验证。" 这篇2009年的论文《居民出行生成预测的二元logit模型改进及验证》探讨了在交通预测中至关重要的出行生成环节。传统的二元logit模型在预测城市居民的出行行为时，未能充分考虑影响出行决策的各个因素的差异性。为解决这一问题，论文提出了一项创新性假设：模型中可观察到的变量参数β应遵循对数正态分布。 作者通过分析美国Public Use Microdata Sample (PUMS)的前300个居民出行相关数据，运用SAS仿真系统进行参数标定，以验证提出的假设。标定结果显示，当部分参数符合对数正态分布时，所有参数的t检验值均不在[-1,1]的区间内，这为假设的合理性提供了有力支持。 为了进一步验证改进模型的效果，论文对比了改进前后的二元logit模型在城市居民出行生成预测上的表现。结果显示，改进后的模型预测精度显著提高，从而证明了改进模型在处理出行生成预测问题上的优越性和实用性。 这篇论文的贡献在于提供了一个更精确的工具，可以更好地捕捉出行生成的影响因素，对于城市交通规划和管理具有重要意义，特别是在优化公共交通和物流系统规划方面。通过引入对数正态分布假设，模型能够更好地反映不同变量对出行决策的差异化影响，提高了预测的准确性和模型的适用性。