(DisaggregateModel)是强调其与集计模型(AggregateModel)的不同而命名的,通常也称为非集计行为模型(DisaggregateBehavioralModel)、个人选择模型(IndividualChoiceModel)或离散选择模型(DiscreteChoiceModel)。非集计模型的基本假设是当出行者面临选择时,他对某种选择的偏好可以用被选择对象的“吸引度”或“效用值”来描述,效用是被选择对象的属性和决策者的特征的函数。非集计模型(离散选择模型)是基于效用最大和随机效用(randomutilitytheory)两个概念建立起来的,最常见的两个离散选择模型为:多元Logit模型、多元Probit模型。非集计模型在交通领域的交通方式划分和交通分配阶段有着十分广泛的应用。交通需求预测中的集计与非集计分析交通需求预测的集计模型通常是将每个人的交通活动按交通小区进行统计处理、分析,从而得到以交通小区为单位的分析模型。需求预测的非集计模型则以实际产生交通活动的个人为单位,调查得到的数据不按交通小区进行统计等处理而直接用于建立模型。与集计分析相比较,非集计分析在分析的单位、模型预测方法、应用层面、政策体现、数据的效率和说明变量等方面有着明显的差异。非集计模型的发展非集计模型的开发、研究始于20世纪60年代初期,最早是以交通方式选择为研究中心。进入70年代,MIT的Mcfadden教授等人在理论研究上取得了很大的进展,将非集计模型的研究推向了实用化阶段。基本变量及其定义②多元Logit模型简介多元Logit模型是应用最为广泛的非集计模型之一。如果假定每个效用函数的效用随机项都是独立同Gumble分布的随机变量,则根据效用最大化的原则可以导出多元Logit模型,其选择概率公式为:某一方案的选择概率也可以表示为该方案的效用值与其它可选方案效用值之差的函数:二元Logit模型的推导
非集计模型专题知识讲座专题课件 来自淘豆网www.taodocs.com转载请标明出处.