• Nenhum resultado encontrado

ESTIMATION OF TRIP MODE PROBABILITY CHOICE USING MULTINOMIAL LOGISTIC MODEL

N/A
N/A
Protected

Academic year: 2017

Share "ESTIMATION OF TRIP MODE PROBABILITY CHOICE USING MULTINOMIAL LOGISTIC MODEL"

Copied!
7
0
0

Texto

(1)

УДК 656.072.4

А

С

И

А

А И И

С

А

Я

И

ИС А

Я

И

А

С И

А

. .

і

,

д

, . . ., .

А

.

,

і

,

С

.

А

.

д

,

і

,

і

і

«

і

і х і

»

А а і . П а алі ва в а ал а в ува в лі

л в а у а і і ува . ва у і і а ві алі

-ва у в і TransCAD і іє . Нав ал і л а у уі ві і

в уал а в ува а а л в ла а у у.

Кл ві л ва: а ува , ва л , в і ал а в ува

-, у і і.

АС

Я

С И

А

А

А И

И

ИЯ

С

ИС

А И

И

ИА

ИС И

С

И

А

. .

,

д

, . . .,

И

.

А

.

,

,

С

.

А

.

д

,

,

«

я

х

»

А а и . П а ал ва ша л ал а в в ё ша в

л л л а а в . ва у л

ал ва в TransCAD . П авл ав л

а а в в а ал а в в в л в а

-а.

Кл евые л ва: а в , ё ша ва л , в ал а в

, у л .

ESTIMATION OF TRIP MODE PROBABILITY CHOICE USING MULTINOMIAL

LOGISTIC MODEL

A.

Bilous, Associate Professor,

С

ndidate of Technical Science, I. Mohyla,

postgraduate, S. Ohorodnyk, master, Lviv Polytechnic National University

Abstract. The step of modal split of the four step model for determination of urban travel demand is analyzed. Utility functions are composed, their coefficients are calibrated in TransCAD. Equations for estimation of trip mode choice probability are shown and the numerical illustration of estimation is given.

Key words:travel demand, four step model, modal split, utility function.

і я і

-є я і

-я, є і і .

-я – і і

і і і

-я я і

-я ія і. я

(я і , і і і

-) є , я ,

і і

-я і

-я . Н і я

(2)

А і і і

Д я я і і

-я і і і є я і

-і , я я

(FSM, Four Step Model) [1, 2].

К і і і

. 1. Д я і

і і і і і

-і [1, 2].

Д я я

-я і і і і

-, є і

і і [1].

. 1. я я я

У і я і і я я

-я я

і іє я

і іє я

[4, 5].

-є я і я і і

і

і я є і

і я я -я

і . Д є я

і я і і

і і .

-я, і

є я

-і я , .

я і іє і і і

-і і і я, і я

-і -і і, я і я

[4, 5]. іє є

-, і є я

я і іє і я і

і і і, і і , я

і і .

Н і я я

-і і іє і

-я і і іє

і і і [1, 2, 6]. А

-я [7]:

– і і ;

– ;

– ;

– і ;

– і;

– я і і ;

– і і і ( і я

і і і і і

і і , і , ).

і

-я ( і ,

і ) іє

і я і ( . 1),

я є я ія

-і [1, 4, 8].

я 1 , і

я

і ;

я і і я;

і і ;

і ;

я

я;

я я;

; і я;

і ; і ;

і ;

і є і

-я, і є

(3)

і я і і

-є я і ( )

і [2, 6]

i i

U

i U

n e P

e

, (1)

i

P – і і і

-i; Ui – ія і я

i; n – і і .

ія і є

я

1 2

1 2

1 2

1 2 0

...

... ,

n m

i x x x n

s s s m

U x x x

s s s

       

        (2)

1

x , x2, …, xn – і і і і, я і ; s1, s2, …,

m

s – і і і і, я і

-і ; 1 x

 , 2 x

 , …,

n

x

 – і

-і і іє я і

-; 1 s

 , 2 s

 , …,

m

s

 – і і

і іє я і і ; 0

і я .

я і і я

-і і і і я я

-і я. є я і

і , я і

я : і

я, я,

-і і я. Н

-, я і я і

і і, я і я

і я

, ,

і і яє

і , і

і .

і і і і я і

-я і , і

-я.

і і я

я ,

, я і і і я

-я, і

-я. Кі і

-і і і

1 ASC ALTS

NN  , (3)

ASC

N – і і і

і; NALTS – і і , я я.

, і я

-і .

я і іє і xisj

є я і я і

і і. –

-і -і і іє і , я

я є я і я іє

і . і і

-є я і і.

я ч хд х

У і TransCAD і

-і і і

і я і іє і і

і і. А я і

і і,

я і і і і і

і , і

-я.

і ,

і і ,

-я – . і

і

-і , – .

і я,

-і [1], і ,

і я

( я – Mode), і

(Income), і і і і і (Auto/HH), і

(HHSize) і -, я є (Length) [9].

У і [9]

-я і .

я.

, 14 % і я і

-я ія і

і і і, 74 % –

-, 12 % – і і

-.

і я і ія є ,

і [9] я я

(4)

-і і і ,

-я.

і і я я

і я і іє і і

і і і і і

я.

Ф я і і

Д я я і і і

і і і і і

-і ( . 2). і , я є

, я і

-я і

Walk Length TTWalk

V

 , (4)

Bus Length TTBus

V

 , (5)

Car Length TTCar

V

 , (6)

TTWalk, TTBus TTCar – і

я і ,

-і і і ;

Length – і , я є (

і яє я я

, , я [9]);

Walk

V , VBus VCar – і я

і ,

і і і ( я

4, 6 / Walk

V  , VBus 20 /

33 / Car

V  ).

і і я

-я я

0 1

2 3

β β

β β ,

W W

Walk

U TTWalk

Income HHSize

   

    (7)

1 2

3 4

β β

β β / ,

B

Bus

U TTBus Income

HHSize Auto HH

    

    (8)

0 1

β C βC

Car

U   TTCar, (9)

Walk

U , UBus UCar – і і

-я і ,

і і

-і .

я 2 К і і

я

ASCw

і

-Walk

ASCc

і

-Car

і

я

-TTAuto

і

-Car

TTBus

і

-Bus

TTWalk

і

-Walk

і

і я

Income і

Auto/HH

Кі і

-і -і -і

HHSize і

-і і я

і я і іє і і

і

К і я і іє і

-і TransCAD, я і

я і і

( . 2).

. 2. я і і

(5)

я і іє і і є я і і.

і і і

і – і я і

-я і і і

і і.

і і і

і я 14 і і і іє і .

-і я

( . 3), , і -і -іє -і і ( Estimate),

і :

– і я і

і я я

і (Std. Err.);

– і і (t Test),

я є і і і і і

я і я;

– і іє 2 (Asymptotic rho squared) –

і 0 1, я є і

-і і і ( я

2

0, 4

  є я і ).

, і і

я

4, 2161 19,1082

1, 4526 0,1079 ,

Walk

U TTWalk

Income HHSize

   

    (10)

33,8196

1, 4526 0,1079

0,9458 / , Bus

U TTBus

Income HHSize

Auto HH

   

    

 

(11)

5,3054 65,9582UCar    TTCar. (12)

. 3.

і

я

і іє і

і

і

і

TransCAD

х і і і

я

і

я я і і .

Д я і і

-і і , я і

-я і я

і і я

і і я,

-і і

-і.

і і,

-і і і

-я і ,

і і і

Walk

Walk Bus Car

U

Walk U U U

e P

e e e

  , (13)

Bus

Walk Bus Car

U

Bus U U U

e P

e e e

(6)

Car

Walk Bus Car

U

Car U U U

e P

e e e

  . (15)

К і , я і

і , , і

-і і

-я.

д

я

: і

-і – 2000 (Income2), і – 3 (HHSize3),

і і і і

-і – 1 (Auto HH/ 1). і і

і я я

3,75 .

Length Кі і і ,

-я і і я

-я – nO D 200 і .

і я і ,

і

(4–6) : TTWalk0,82 , 0,19

TTBus , 0,11 TTCar .

і і і я

(10–12)

-: UWalk  13,9427, UBus 9,8685 12,8007

Car

U   .

І і і я

є я (13–15) я

: PWalk 0,0159, 0,9343

Bus

P  0,0498PCar  .

і і і і і

-я я

– я Walk

200 0,0159 3

Walk

Walk O D

Nn P    ;

– я Bus

200 0,9343 187 і

Bus

Bus O D

Nn P    ;

– я Car

200 0,0498 10 і

Car

Car O D

Nn P    .

К і і і і ,

-я, і

-і я і я

і і і

-я. я

і і і я і і

-і (

-я і я і і є

[9]).

і і я 3,75 і

-є і і і і

і ( . 4, ). я

і я і і і

-і є я

і я і і і

-я і і .

і і і і

і я є і

-і і і я

( . 4, ). я і

є і і і і

: і і я

і і і і ,

– .

1 1.5 2 2.5 3 3.5 4

0 0,2 0,4 0,6 0,8 1

Рі ь х

І

і

і

ь

и

ь

и

и

Walk Bus Car

1 2 3 4 5

0 0.2 0.4 0.6 0.8 1

Ві ь я,

І

і

і

ь

и

ь

и

и

Walk Bus Car

. 4. і і і і

-я і

(7)

Д я я і і

-я і є я

-, і я є

-я я. Д я

і

і , я є я

-я і і і я

я.

Н і і я

і і ( і . )

-і і

-я TransCAD і і

і іє . і і

я і і

-я.

і я

я і і і ,

я

-і, я і я

і і і і і

я.

і

1. .У.

/ .У. , А. . , А.К.

-, А. . У ; . . – .: , 1982. – 207 .

2. Oppenheim N. Urban travel demand model: from individual choices to general equilib-rium / N. Oppenheim. – New York: John Wiley & sons Inc., 1994. – 480 p.

3. Yatskiv I. Urban public transport system’s reliability estimation using microscopic sim-ulation / I. Yatskiv, I. Pticina, M. Savrarovs // Transport and Telecommunication. – 2012. – Vol. 13, №3. – P. 219–228.

4. Д я .К. і я: і / .К. Д я. – .: , 2011. – 504 .

5. . . я

-: я .

. . я / . . . –

5- ., . – .: «А я», 2010. – 400 .

6. . . А і

я я / . . , . . -і , . . і і . // А -. – 2011-. – . 28. – . 97–103.

7. А. У і я

-і / А. , . і , . ; . і . – : GTZ, 2009. – 132 .

8. Д .А. К

/ .А. Д , . . , Д. . // і

Д і і

. – 2009. – № 1. – . 82–86.

9. і А. . я і

-я і і

-я і /

А. . і , І.А. , .А.

// і і і

-і і і Д я.

– 2012. – 6 (177), . 1. – . 269–275.

: . . , , . . ., НАДУ.

я і і 24 я

Referências

Documentos relacionados

No que respeita à opinião dos inquiridos sobre a importância do profissional de informação apoiar a decisão clínica (ADC) e integrar projetos de investigação em saúde (Figura

A NEW APPROACH FOR ESTIMATION OF PVT PROPERTIES OF PURE GASES BASED ON ARTIFICIAL NEURAL NETWORK MODEL.. However, the success estimation of such correlations depends mainly on

The finite element model is presented and the modal parameters, natural frequencies and mode shapes, are shown.. An experimental modal analysis, using laser Doppler vibrometry

4 Another notable estimator that does not take a two-step approach is Egesdal et al. construct their objective functions in terms of choice probabilities... ORDINARY LEAST -

A Organização Mundial da Saúde (OMS), o Ministério da Saúde (MS) e outros órgãos não- governamentais, preocupados com a atual assistência ao parto, propuseram

Similarly, the observed standard deviations of the estimated regression parameters are close to the mean of the bootstrap estimates when there are more than 1000 unused units or

Thus, trip distribution is a model of travel between zones- trips or links with the purpose to produce a trip table of the estimated number of trips within the study area, estimated

The FRAX tool is a major advan- ce in the management of osteoporosis in both pos- tmenopausal women and men aged above 50 years, allowing a multidimensional estimate of the