公交优先政策实施效果预测:基于MNL模型的分析
需积分: 50 178 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。
202 浏览量
2024-04-15 上传
2022-07-14 上传
133 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: 3970
最新资源
- Android圆角进度条控件的设计与应用
- mui框架实现带侧边栏的响应式布局
- Android仿知乎横线直线进度条实现教程
- SSM选课系统实现:Spring+SpringMVC+MyBatis源码剖析
- 使用JavaScript开发的流星待办事项应用
- Google Code Jam 2015竞赛回顾与Java编程实践
- Angular 2与NW.js集成:通过Webpack和Gulp构建环境详解
- OneDayTripPlanner:数字化城市旅游活动规划助手
- TinySTM 轻量级原子操作库的详细介绍与安装指南
- 模拟PHP序列化:JavaScript实现序列化与反序列化技术
- ***进销存系统全面功能介绍与开发指南
- 掌握Clojure命名空间的正确重新加载技巧
- 免费获取VMD模态分解Matlab源代码与案例数据
- BuglyEasyToUnity最新更新优化:简化Unity开发者接入流程
- Android学生俱乐部项目任务2解析与实践
- 掌握Elixir语言构建高效分布式网络爬虫