公交优先政策实施效果预测:基于MNL模型的分析
需积分: 50 88 浏览量
更新于2024-08-06
收藏 187KB PDF 举报
"这篇文档是关于使用MNL模型来预测公交优先政策实施效果的研究论文,主要探讨了在数据收集和模型构建过程中如何处理变量选择和数据准备的问题。文章指出,影响城市居民出行方式的因素包括内外因,如政策、社会经济发展水平、交通服务、个人特征等。在实际分析中,性别和职业等因素的影响被忽视,因为它们的影响不大。同时,由于时间和费用限制,样本量可能不够大。在数据收集阶段,研究采用了SP调查法来减少变量间的相关性和预测误差,并通过均匀设计方法优化实验设计。最后,该研究以长春市为例,应用MNL模型预测公交优先政策的实施效果。"
这篇论文详细阐述了在交通运输领域,特别是城市居民出行模式分析中,如何确定选择的特性变量以及如何准备数据。作者首先介绍了出行方式选择的影响因素,将这些因素分为外部因素(如政策、社会经济发展水平、服务水平)和内部因素(如交通主动权、时间、费用、年龄、家庭交通工具等)。研究发现,尽管有多种潜在影响因素,但在实际分析中,性别和职业等因素并不显著,因此在建模时可能被排除。
核心方法是采用多项Logit(MNL)模型,这是一种非集计模型,其优点在于模型结构简洁,易于理解,并能保证选择概率在0到1之间。为了提高模型预测的准确性和降低变量间的相关性,研究中采取了特别的数据收集策略——SP调查法。这种方法可以更有效地获取居民出行数据,并通过均匀设计方法优化实验设计,以减少预测偏差。
论文以长春市为例,应用建立的MNL模型对公交优先政策的实施效果进行了预测。这不仅展示了MNL模型在实证分析中的应用,也为其他城市提供了评估类似政策效果的参考框架。关键词包括MNL模型、公交优先政策和实施效果预测,表明了研究的主要关注点和方法。
这篇论文对于理解如何在交通规划和政策评估中选择和处理数据,以及运用MNL模型进行预测具有重要价值,特别是在考虑公共交通政策影响时。其研究方法和步骤为同类研究提供了指导,强调了在数据分析前对变量选择和数据准备的重要性。
204 浏览量
2024-04-15 上传
2022-07-14 上传
134 浏览量
151 浏览量
点击了解资源详情
物联网_赵伟杰
- 粉丝: 46
- 资源: 3957
最新资源
- C语言数组操作:高度检查器编程实践
- 基于Swift开发的嘉定单车LBS iOS应用项目解析
- 钗头凤声乐表演的二度创作分析报告
- 分布式数据库特训营全套教程资料
- JavaScript开发者Robert Bindar的博客平台
- MATLAB投影寻踪代码教程及文件解压缩指南
- HTML5拖放实现的RPSLS游戏教程
- HT://Dig引擎接口,Ampoliros开源模块应用
- 全面探测服务器性能与PHP环境的iprober PHP探针v0.024
- 新版提醒应用v2:基于MongoDB的数据存储
- 《我的世界》东方大陆1.12.2材质包深度体验
- Hypercore Promisifier: JavaScript中的回调转换为Promise包装器
- 探索开源项目Artifice:Slyme脚本与技巧游戏
- Matlab机器人学习代码解析与笔记分享
- 查尔默斯大学计算物理作业HP2解析
- GitHub问题管理新工具:GIRA-crx插件介绍