利用智能卡数据进行乘客路径选择估计：一种具有跨天面板效应的潜在类别方法
摘要：乘客路径选择行为在城市轨道系统中的理解是有效运营和规划的先决条件。本文试图通过提出一种概率方法，利用大规模智能卡数据推断城市轨道系统中乘客的路径选择行为，从而弥补巨大数据驱动行为研究中存在的乘客内在行为异质性和纵向相关性等关键研究空白。我们根据乘客的路径选择行为来制定每个个体到达目的地的到达时间的概率，并将相应的路径选择模型参数估计为最大似然估计问题。原始的似然函数由于指数计算复杂性不可计算。我们推导出一个可计算的似然函数，并提出一种数值积分方法来高效地估计模型。此外，我们提出了一种基于数值估计的Hessian矩阵和Cramer-Rao界（系数方差的下界）来计算估计选项参数的t统计量的方法。使用合成数据的案例研究验证了模型性能及其对参数初始化和输入错误的稳健性，并凸显了在路径选择估计中纳入拥挤影响的重要性。使用香港地铁实际数据的应用揭示了两类潜在的乘客群体：时间敏感型（TS）和注重舒适度（CA）。TS乘客更有可能选择行程时间较短的路径。他们大多是定期通勤者，出行频率高，时间灵活性较低。CA乘客更关心旅行舒适度的体验，并选择步行时间和等待时间较少的路径。所提出的方法是数据驱动的，并且通用于适应其他离散选择结构。
作者：Baichuan Mo, ZhenLiang Ma, Haris N. Koutsopoulos, Jinhua Zhao
论文ID：2301.03808
分类：Applications
分类简称：stat.AP
提交时间：2023-01-11