基于生活方式的家庭邻里定位模型

2022-6-11 14:56:49

提交给WSTLUR 2017年会议，布里斯班第| 1A页基于生活方式的家庭邻里位置和个人出行模式选择行为模型Sali Ardeshiri（通讯作者）南澳大学选择研究所，地址：澳大利亚新南威尔士州悉尼亚瑟街北140号，邮编：2060，邮编：Ali。Ardeshiri@unisa.edu.auAkshayVijInstitute for Choice，South Australia University of South AustraliaLevel 13，140 Arthur Street North Sydney，NSW 2060，AustraliaEmail:vij。akshay@gmail.comSubmitted在WSTLUR 2017年会议上，布里斯班第| 2页，城市蔓延、拥堵、石油依赖、气候变化和公共健康等问题促使城市和交通规划师转向土地利用和城市设计，以控制汽车使用。在这项努力中，一个隐含的信念是，正确的土地使用政策实际上将有助于减少汽车使用，并增加其他交通方式的使用。因此，规划师和交通工程师越来越多地将土地使用政策和生活方式模式视为管理交通需求的一种方式。虽然大量工作关注了建筑环境与旅行行为之间的关系，以及生活方式和与生活方式相关的决定对使用不同旅行模式和活动行为的影响，在同时捕捉这些影响方面，以及在探索家庭内部互动对个人对旅行和活动行为的态度和信念的影响，及其对生活方式和形式风格的后续影响方面，所做的工作有限。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:56:52

因此，在本研究中，我们提出了一个框架，该框架捕捉了生活方式和形态风格对住户层面决策（如邻里位置）和个人层面决策（如使用分层潜在阶级选择模型（LCCM）的出行模式选择）的同时影响。使用从美国旧金山湾区住户公寓收集的旅行日记数据对该框架进行了实证测试。选择一个六级模型作为参考规范，观察家庭居住区选择行为。巧合的是，基于拟合和行为解释的统计测量，我们也选择了六类模型作为首选规范，以观察个人出行模式选择行为。给出了模型的结果，这些结果可能具有有趣的政策含义。提交给WSTLUR 2017年会议，布里斯班，第31页。城市蔓延、拥堵、石油依赖、气候变化和公共健康等问题促使城市和交通规划师转向土地利用和城市设计来控制汽车的使用。因此，人们对就业和住房平衡（朱利安诺1991年、塞尔维罗和邓肯2006年）、智能增长（Handy 2005年、塞尔维罗和邓肯2006年）、紧凑型城市（Stead、Williams等人2000年）、公交导向型发展（塞尔维罗1994年、伯尼克和塞尔维罗1997年）的兴趣增加，而新城市主义（Lund 2003、Ardeshiri和Ardeshiri 2011）为研究人员带来了新的概念，他们努力探索和剖析城市形态、街区设计以及城市和地区的整体物理构成塑造人们出行方式的多种方式。城市形态与可持续性之间的关系是目前国际规划议程上争论最激烈的问题之一。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:56:55

城市未来的发展方式及其形式对资源枯竭和社会经济可持续性的影响是这场辩论的核心（Ardeshiri和Ardeshiri，2011）。这一努力中隐含的一个信念是，正确的土地使用政策实际上将有助于减少汽车使用，并增加替代交通方式的使用（Handy1996）。虽然迄今为止的经验证据为这一说法提供了支持，但对证据的进一步审查表明，这些关系更加复杂，答案并不像起初看起来的那样清晰。许多研究得出结论，土地利用和建筑环境测量，如密度、土地利用多样性、设计、可达性和交通距离等，会以统计上显著的方式影响出行行为。其他人没有发现与其他人相反的联系或多样关系（参考）。Zhou和Kockelman（2008）发现，建筑环境占提交给WSTLUR 2017年会议（布里斯班）第| 4页《居住位置的影响》的总数的58%至90%，而在Bhat和Eluru（2009）中，这一数字为87%，在北卡罗来纳州的Aleigh、Cao、Xu和Fan（2010）中，48%到98%的车辆行驶里程差异是由于直接的环境影响，而平衡是由于自我选择。Cao（2010）报告称，平均而言，街区类型占建筑环境对实用步行频率影响的61%，占休闲步行频率总影响的86%。相反，例如Levinson和Kumar（1993）指出，密度和城市设计并不能解释在车内使用或车内英里行程（VMT）中观察到的变化。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:56:58

这表明，在任何种群中都可能存在着巨大的遗传性。有些人可能会做出反应，而另一些人可能会在他们的方式上表现得很好，不管建筑环境的变化，因此生活方式和形态风格的作用开始发挥。研究人员研究了生活方式与居住地点选择之间的关系（Ben Akiva和Lerman 1985，Bagley和Mokhtarian 1999，Aeroe 2001，Waddell 2001，Walker和Li 2007），生活方式和旅行行为（萨洛蒙和本·阿基瓦1983年、西玛·安达克豪森2001年、戴安娜和莫赫塔拉2009年、北村2009年、奥恩马赫特、戈茨等人2009年、瓦纳克、范维等人2010年、库尼姆霍夫、布勒等人2012年、维吉、卡雷尔等人2013年、熊、陈等人2015年、普拉托、哈尔斯多蒂尔等人2016年）以及旅行行为和土地使用（Bhat和Guo2004，Pagliara和Wilson 2010，Sener，Pendyala et al.2011，Zolfaghari，Sivakumar et al.2012，Bhat 2015）的汇总和分解水平。然而，大多数研究生活方式对交通和土地使用行为不同层面的影响的研究通常是孤立进行的。在这项研究中，我们提出了一种综合方法，认识到这些高阶结构对所有行为维度的同时影响。此外，向WSTLUR 2017年布里斯班会议提交的《决策分解模型》第5页被视为向前迈出的重要一步，有助于制定一个全面的框架，通过旅行和活动行为的不同层面之间的相互作用，认识到土地使用模式对交通系统需求的影响。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:02

因此，本研究在分解层面上构建了一个综合模型，以调查个人和家庭的出行和活动行为，该模型通过构建形态风格，将出行需求和土地利用分析相结合。该建模框架有助于更好地理解决策过程，并在实践中具有比当前模型更大的预测能力。此外，它将成为城市和交通规划师、城市当局和决策者预测个人如何做出决策以及城市的形式和形状未来可能发生的变化的重要组成部分。论文的其余部分如下：第2节概述了与土地利用和旅游行为、生活方式和形态风格以及群体决策模型相关的文献和背景研究。第3节提供了方法论框架，并讨论了潜在的阶级选择模型。第4节描述了本研究的数据来源。第5节介绍了潜在阶级选择模型的实证结果。第6节给出了结论和进一步的方向。2.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-6-11 14:57:05

文献综述和背景研究第2.1节回顾了有关建筑环境和旅行行为之间关系的大量工作；第2.2节总结了研究的相关结果，这些研究测试了生活方式和生活方式相关决策对个人和家庭旅行和活动行为的不同维度的影响；第2.3节提交给WSTLUR 2017年会议，布里斯班第| 6页总结了过去在群体决策离散选择模型方面的工作，特别强调了交通和城市经济学方面的研究。2.1土地使用和出行行为规划师越来越多地将土地使用政策视为管理交通需求的一种方式。在早期的一项研究中，Pushkarev&Zupan（1977）制定了一套土地使用阈值，以根据公交单位成本的多式联运比较和公交出行生成率的城际比较，从财务上证明不同类型的公交投资是合理的。1980年晚些时候，他们制定了六个基于需求的阈值标准，以确定固定导轨运输的财务可行性。缓和交通需求的一种潜在方法是改变建筑环境，这已成为城市规划中研究最多的课题。在旅游研究中，这些影响通常以D开头的单词命名。最初的“三个D”是由Cervero和Kockelman（1997）创造的，是密度、多样性和设计，随后是目的地可达性和交通距离（Ewing和Cervero 2001，Ewing，Greenwald et al.2009）。需求管理，包括停车供应和成本，是第六个D，包括在少数研究中。虽然人口统计学不是环境的一部分，但在旅游研究中，人口统计学是第七大混杂影响因素。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:08

下面我们只看有关原始三个D的文献。密度总是作为单位面积的感兴趣变量来衡量的。面积可以是总面积或净面积，感兴趣的变量可以是人口、居住单元、就业、建筑面积或其他。有时将人口和就业相加，以计算每个区域单位的总体活动密度。几乎所有的研究都得出结论，交通使用受居住密度的影响非常显著，并为2017年WSTLUR会议提交了一份一般性报告，布里斯班第7页|在高密度地区减少驾驶的趋势（Smith 1984，Dunphy and Fisher 1996，Schimek 1996a，Schimek 1996b，Cervero and Kockelman 1997，Salon 2006）。相反，尤因和塞维罗（2010）得出结论，在控制其他变量的情况下，人口和工作密度与旅行行为的关联性较弱。多样性指标涉及给定区域内不同土地利用的数量，以及它们在土地面积、建筑面积或就业中所代表的程度。多样性熵测度（Entropymeasures of diversity）广泛用于旅游研究，其中低值表示单一使用环境，高值表示更多不同的土地使用。几项研究着眼于可及性和土地利用平衡，得出了以下结论：土地利用多样性通常会降低出行率，并以统计上显著的方式鼓励非汽车出行（Cervero1996、Cervero和Kockelman 1997、Kitamura、Mokhtarian等人1997、Kockelman 1997、Ewing和Cervero 2010、Ardeshiri 2014）。Kockelman（1997）得出的结论是，土地利用平衡和可达性与出行行为预测更相关，而不是通常用于此目的的家庭和旅行者特征。设计包括区域内的街道网络特征。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-11 14:57:11

街道网络各不相同，从高度互联的、笔直的街道密集的城市网格到形成环形和棒棒糖的、稀疏的、弯曲街道的郊区网络。衡量标准包括平均街区大小、四路交叉口比例和每平方英里的交叉口数量。设计也按人行道覆盖率（砌块面与人行道的份额）进行测量；平均建设挫折；平均街道宽度；或行人过街处、街道树木或其他物理变量的数量，这些物理变量将面向行人的环境与面向自动的环境区分开来。有人认为，采用格栅铁皮街道设计和限制商业停车的居民平均而言，为WSTLUR 2017年会议提交的车辆明显减少，布里斯班第8页，行程8英里（Kitamura、Mokhtarian等人，1997年，Kockelman 1997年，Ewing和Cervero 2010年）。相反，Levinson和Kumar（1993）指出，密度和城市设计并不能解释在公交使用或车辆英里行程（VMT）中观察到的变化。Friedman et al.（1994）得出结论，设计更好的战后标准郊区家庭的每日出行率和汽车司机出行率明显高于传统街区家庭的相应费率。Crane（1996）证明，在某些一般情况下，街道网络设计的变化将对汽车出行次数和汽车行驶总里程产生模糊影响。关于人口特征，收入的结果与其他研究一致。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-11 14:57:14

例如，Dunphy和Fisher（1996年）得出结论，家庭驾车出行随着收入的增加而增加，或者Schimek（1996a）的另一项研究发现，多伦多相对较低的收入和收入增长有助于提高公共交通的观察率。在本节结束时，我们认为，出行变量对于建筑环境测量值的变化通常是非弹性的，但几个这样的变量对出行的组合效应可能是实质性的。2.2生活方式和形态风格迄今为止提供的经验证据表明，土地利用与出行行为之间的关系复杂，结果不同，答案也不像一开始看起来的那么清楚。话虽如此，一项正在进行的平行研究，纳入了更多主观而非客观的决定因素，研究了诸如习惯、态度和生活方式等变量。有人认为，例如，为WSTLUR 2017年会议提交的拥堵问题，布里斯班第9页，不是一个问题，而仅仅是一个真正问题的症状，即居民的“生活方式”选择（北村2009）。生活方式的概念对旅行行为很重要，因为汽车是当今城市旅行的主要方式，是城市居民生活方式的基础。尽管如此，在旅游行为分析和需求预测领域，对“生活方式”一词还没有公认的定义。生活方式概念扩展了旅行行为分析的范围，可能会提高预测模型的预测性能。文献中使用的“生活方式”一词有两种含义：（a）活动和时间使用模式；（b）价值观和行为取向。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-11 14:57:17

这两者是相互关联的，但存在一个关键的区别：作为活动模式的生活方式可能会随着个人适应环境的变化而变化，而作为取向的生活方式则是个人试图通过改变行为模式和适应变化来维持的生活方式。生活方式的改变方向通过价值观、态度和偏好的改变长期发生。对现有文献的回顾表明，衡量不同人群出行特征的行为包括出行率、出行时间、出行成本、方式选择和出行距离。这些旅行特征是通过一系列因素来衡量的，这些因素被认为会限制和指导个人的活动选择和生活方式（北村2009）。这些因素是特定的个人特征（例如性别、生命周期阶段和健康状况）和社会赋予个人的角色（有关详细的文献综述，请参阅北村，2009）。最近，在与个人移动决策的某些方面相关的出版物中（例如，居住地点选择、汽车类型和活动参与），tolifestyle变量包括Kitamura等人（1997）、Krizek和Waddell（2002）、Lanzendorf（2002），提交给WSTLER 2017年会议，布里斯班Page | 10Choo和Mokhtarian（2004），Johansson et al.（2006）和Ory和Mokhtarian（2009），他们发现了生活方式相关解释变量和运输选择之间的相关性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:21

有人提出，长期决策，如住宅位置或机动车所有权，不是一个人短期流动决策的外在决定因素，而是与生活方式相关的潜在“真实”解释变量的代理（例如，参见，（Boarnet and Crane 2001，Cervero and Duncan 2002，Srinivasanand Ferreira 2002，Schwanen and Mokhtarian 2005，Walker and Li 2007）。这些发现证实了这样一种说法，即情态风格构成了一个人移动风格的一部分，从而形成了生活方式，日常模式选择决策与更高层次的取向密切相关。此外，生活方式随着社会经济、制度和技术的变化而变化。增加实际收入、减少工作时间和新的消费技术都有助于城市居民不断发展的生活方式。不断扩大的消费需求带来了新的产品和服务、行业和机构以及城市形式。此外，大多数研究通常侧重于行为的一个方面（模式选择、车辆所有权或居住位置），尽管事实上这些行为都是相同生活方式的不同表现形式，即

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:24

“一个人住在哪里和他需要多少车没什么不同。”为了了解生活方式并发展预测未来生活方式变化的能力，有必要研究城市生活各个要素中发生的变化，并了解这些变化与生活方式和旅行行为的变化之间的关系。因此，我们提出了一种更为综合的方法，以捕捉情态风格对行为多个维度的同时影响。提交给WSTLUR 2017年会议，布里斯班第112.3页群体决策模型旅行和活动行为的许多维度，如居住位置，都是在家庭层面上集体制定的。传统的旅游需求模型往往将重点放在作为决策单元的个人身上，只有通过使用户主特征作为解释变量，才能间接捕捉户主相互依赖性的影响（例如，见Bowman，1998）。虽然表示家庭结构和个人特征的社会人口统计学变量可以充分代表不同个人在家庭中所扮演的角色，但它们可能会忽略家庭内部互动和群体动态对个人旅行行为的直接影响（Bhat和Pendyala，2005）。过去关于群体决策的研究采用了两种广泛的方法之一。家庭互动对可观察行为影响的早期表述建立在贝克尔关于时间分配理论的开创性工作（贝克尔1965）的基础上。根据贝克尔的原始公式，家庭可以抽象为具有共同偏好函数的单个决策单元。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:27

虽然这种方法的简单性很有吸引力，但它忽略了家庭成员在个人偏好和相对影响方面的差异，以及随之而来的家庭成员之间的讨价还价和妥协过程，从而形成了家庭整体的共同偏好函数。有人认为，忽视家庭行为背后的决策机制的模型的使用，可能会导致关于试图影响行为的政策的影响的错误推断，相反，更好地理解家庭如何决策可以加强相同政策的设计（例如，参见提交给WSTLUR 2017年会议的布里斯班第12页（Alderman、Chiappori等人1995年、Lundberg、Pollak等人1997年、Vermeulen 2002年、Adamowicz、Hanemann等人2005年、Munro 2009年）。为了克服其中的一些缺点，过去十年中对旅游需求分析的研究试图明确模拟构成一个家庭的每个不同成员之间的动态相互作用。大多数这些研究的重点是家庭成员之间家庭活动的产生和分配（例如，参见，（Gliebe和Koppelman 2005，Meister，Frick et al.2005，Srinivasan和Bhat 2005，Kato和Matsumoto 2009，Roorda，Carrasco et al.2009，Wang和Li 2009，Zhang，Kuwanoet al.2009）以及共享资源的划分，如汽车，在家庭成员中（参见，例如，（Golob，Kim et al.1996，Arentze and Timmermans 2004，Petersen and Vovsha 2006，Roorda，Carrasco et al.2009）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-11 14:57:30

这些研究一再证实，户主之间存在着显著的互动效应，性别、收入、就业和生命周期对家庭成员之间的活动和资源分配模式持续产生了强烈的影响。然而，本研究的重点不是不同户主活动的产生和分配，也不是共享资源的划分。相反，我们希望探索家庭内部互动对个人对旅行和活动行为的态度和信念的影响，以及它们对生活方式和形式风格的后续影响。个人的偏好和选择受到周围人的意见和行为的强烈影响（Thorndike 1938，Rose and Hensher 2004，Zhang，Kuwano et al.2009），尤其是当一个家庭是由一群个人集体做出选择时。旅游行为学和市场营销学中关于群体决策的研究已经开始将家庭偏好分解为WSTLUR 2017年会议提交的个人偏好的一些函数，布里斯班第13页家庭成员及其对决策过程的相对影响。例如，Rao和Steckel（1991）的早期工作将该群体得出的效用描述为其每个组成成员得出的效用的线性组合，并由每个成员施加的相对影响进行加权。Arora和Allenby（1999）扩展了他们的框架，允许权重因产品属性而变化，从而捕捉到个体对群体共同偏好函数特定方面的影响。Aribarg等人（2002）、Rose和Hensher（2004）以及Hensher等人的研究。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-11 14:57:33

（2008）进一步扩展该框架，以明确说明谈判过程，通过该过程，个人可以修改自己的偏好和/或向其他成员让步。我们的工作建立在过去对个人和家庭旅行和活动行为背景下的群体决策研究的基础上，通过引入HouseholdModal风格结构。如前所述，旅游需求分析师研究的旅游和活动行为的许多维度都涉及家庭层面的选择。家庭偏好是组成家庭的个人与其各自偏好之间谈判过程的结果（Corfman 1991，Lee和Beatty 2002）。反过来，个人自身的偏好受其他家庭成员偏好的影响，因此在某种程度上反映了整个家庭的偏好（Davis1973、Menasco和Curry1989）。一个全面的旅游需求模型必须认识到个人和家庭偏好之间的对话，或构成可观察行为基础的模式风格。然而，与前几段中引用的一些研究不同，这些研究对群体决策背后的动态进行了详细描述，我们不会那么明确。话虽如此，我们将依靠这些研究的结果来制定一个更简单的框架，以捕捉个人和家庭成员的相互影响，并提交给WSTLUR 2017年会议，布里斯班第14页，模式风格相互影响，同时影响可观察到的旅行和活动行为的不同维度。图1：提出的家庭居住权选择和个人出行模式选择的分层潜在阶级选择模型3。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:36

方法框架现有的出行需求建模实践依赖于顺序嵌套的logit模型来表示不同选择维度的层次结构。较低的维度，如出行模式选择，取决于据称较高的维度，如居住位置，创造了一个垂直的相互连接的鸟巢链，总体上代表了个人的水平和活动行为。虽然从估计的角度来看，这种表述很方便，但它忽视了个人和家庭模式对个人旅行和活动行为的所有方面的同时影响。提交给WSTLUR 2017年会议，布里斯班第| 15页，旨在制定一个框架，以捕获生活方式和模式对家庭层面决策（如邻里位置）和个人层面决策（如出行模式选择）的同时影响，我们建议使用图1所示的分层潜在类选择模型（LCCM）。较高层次的潜在类代表household情态风格，较低层次的潜在类代表个别情态风格。我们认为，家庭可能被分解为离散的部分，这些部分对不同邻里类型的倾向以及对不同邻里属性的敏感性不同。类似地，家庭成员本身也可以分解为不同的部分，这些部分对不同的出行模式有不同的认识和倾向，对交通系统的不同服务属性有不同的敏感度或缺乏敏感度。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:40

这些差异表明，随着时间的推移，居住区和个人交通方式的总体差异会同时影响街区选择和出行方式选择。该模型框架由四个部分组成：（1）家庭类别成员模型；（2）邻里选择模型；（3）个体班级成员模型；（4）出行方式选择模型。我们首先描述了家庭类别成员模型，该模型预测了家庭h属于家庭情态类型的可能性，并被表述为一个多项式logit模型：P（q= 1） =经验值()经验值()（1），其中q如果家庭h属于情态类型r，则等于1，否则等于0；是家庭h特征的一个因素，如收入和家庭结构；是与住户特征相关的参数的系数；R表示提交给WSTLUR 2017年会议的，布里斯班第| 16页样本人群中的家庭模式数量。请注意，R必须通过估算不同类别数的模型并比较模型拟合和行为解释方面的估算结果，从外部确定。住宅位置随后取决于住户的形态风格。让u|是住户h的邻居j的效用，假设该住户属于最新类别r:u|= + |（2），其中是邻域j的属性向量；是类特定参数的向量，表示对每个属性的敏感性；和|是公用事业规范的随机成分，假设为位置为零且标度为1的家庭、邻里和阶层的i.i.d.极值。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

kedemingshi

2022-6-11 14:57:43

假设所有个体都是效用最大化者，特定于类的邻里选择模型可以表述如下：Py= 1 | q= 1. =经验值经验值（3），其中y如果住户h居住在j附近，则等于1，否则等于0；和表示属于r类的家庭考虑的所有邻里的集合。决策过程中的异质性通过允许两个品味参数来捕获以及考虑因素集在模态样式之间变化。例如，一些班级可能对土地使用变量更敏感，如密度和多样性，而其他班级则可能根据其他变量（如教育质量或犯罪率）做出决定。方程（3）可以在集合中的所有邻域上迭代组合为了获得提交给WSTLUR 2017年会议的报告，布里斯班第17页，遵循观察邻里位置选择向量的条件概率家庭h:f(|q= 1)= Py= 1 | q= 1.（4）接着讨论个人情态风格结构，假设h家庭中的n个人拥有情态风格s的概率为多项式逻辑，前提是该家庭属于情态风格r，并且可以表示为：P（g= 1 | q= 1） =经验值()经验值()（5），其中g如果家庭h中的个人n属于情态类型s，则等于1，否则等于0；是个体特征的向量，如年龄和性别；是与个人特征相关的模型参数的系数；S表示样本人群中个体情态类型的数量。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:45

与家庭形态类型R的数量一样，请注意，S也必须通过估算不同类别数量的模型，并在模型拟合和行为解释方面比较估算结果，从外部确定。通过调节模型参数来捕捉家庭成员之间的相互作用论家庭整体的形态风格。换句话说，具有相同人口特征的个人可能属于非常不同的模式类型，这取决于家庭的模式类型。例如，属于共同以汽车为导向的家庭的年轻男性可能更倾向于以汽车为导向，同样，属于多模式家庭的年轻男性自己也可能更倾向于多模式。为WSTLUR 2017年布里斯班会议提交的相同人群的倾向性差异，第18页人口统计学分组属于不同的个人模态风格，由于家庭模态风格的差异，可以深入了解家庭互动对个人生活方式的影响。最后，个人出行模式的选择取决于个人的形态风格。让v|假设个人属于潜在类别s：v，则旅行模式k相对于旅行t的效用为旅行目的d和个人对家庭h的渴望|= + |（6），其中是旅行目的d的旅行模式k在旅行t上的属性向量，以及属于家庭h的个人n；是类特定参数的向量，表示旅游目的d和类s中每个属性的敏感性；和|是公用设施规范中的应急组件，假定为i.i.d。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:50

极端值跨越家庭、个人、旅游目的、旅游、旅游模式和类别，位置为零，比例为一。假设所有个人都是效用最大化者，则特定于班级的出行模式选择模型可表述如下：P（m= 1 |克= 1） =经验值()经验值（7），其中m如果家庭h中的个人n为旅行目的d选择旅行模式k而不是tourt，则等于1，否则为0；和表示属于s类的个人为d目的旅行考虑的所有旅行模式集。我们引入了Subscript d，以说明我们为强制和非强制旅行提供了单独的特定于类别的模式选择模型。通过允许味觉参数以及考虑因素集提交给WSTLUR 2017年会议的varySubmitted，布里斯班第19页，跨模态样式。例如，无论其他旅行模式的服务水平如何，属于特定类别的个人可能总是会选择驾驶，而属于不同类别的个人可能会考虑所有旅行模式，但时间价值较高，这同样会使他们倾向于选择汽车。方程（7）可在旅行模式、旅行和旅行目的上进行组合，以降低观察选择向量的以下条件概率:f(|g级= 1)= [P（m= 1 |克= 1)]（8），其中D表示旅游目的的数量，在本例中为两个；和T表示家庭h中用于旅游目的d的个人n的观察旅游次数。方程式（8）可能被边缘化，以得出观察选择向量的概率函数, 取决于家庭的模式风格。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:52

随后，这可以在属于家庭的所有个体上迭代组合，乘以方程式（4），在家庭成员模式类型的分布上边缘化，并在样本人口中的所有家庭上迭代组合，得出以下似然函数：L(, )= P（q= 1） f级(|q= 1)f(|g级= 1） P（g= 1 | q= 1)（9），其中H表示样本人口中的家庭数量；和N表示属于家庭h的个体数量。未知模型参数, , 和可通过最大化等式（9）给出的似然函数进行估计。然而，在2017年WSTLUR会议（布里斯班第20页）上，对整个模型的同时估计被证明是在计算上提交的。本文报告的模型最终通过三步程序依次进行估计：（1）估计家庭邻里选择行为的LCCM，以确定R，家庭形态类型的数量，, 类特定模型选择模型参数的向量，以及, 家庭形态类型类别隶属度模型参数向量；（2）估计个人出行模式选择行为的LCCM，以确定S、个人模式类型的数量，以及, 特定类别模型选择模型参数的向量；和（3）使用估计值和从第一步开始从第二个，最大化方程（9）. 所有模型和子模型都在Python中使用期望最大化算法和包含在SciPy库中的BFGS算法的实现进行了估计（Jones，Oliphant et al。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:55

2001).建模方法是探索性的，因为家庭和个人模态风格的数量以及每个模态风格的行为都是在测试不同模型规范的过程中自然产生的。正如我们将在随后的案例研究中所展示的那样，不同邻里之间的品味参数差异和旅行方式选择的类别特定模型，以及这些差异如何通过个人和家庭形态结构相互关联，可以深入了解住户自己选择不同建筑环境的程度，以及建筑环境对出行行为的影响程度。提交给WSTLUR 2017年会议，布里斯班，第214页。数据用于调查住宅区选择和个人出行模式选择的分层潜在阶级选择模型的数据来自2010-2012年加州家庭出行调查（CHTS）。CHTS是对整个加利福尼亚州居民的人口统计和旅行行为特征的多模式研究。本次调查的主要目的是能够应用数据开发和更新交通模型，以满足联邦（空气质量分析）和州可持续社区和2008年气候保护法案（SB375）的法定要求，议会第32号法案（AB 32）和参议院第391号法案（SB 391），旨在通过协调交通和土地使用规划减少温室气体排放，以实现更可持续的社区。CHTS 2010-12是美国有史以来进行的最大的单一地区家庭旅行调查。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:57:59

使用计算机辅助电话采访（CATI）、在线和三种可穿戴的车载和车载全球定位系统（GPS）设备以及车载诊断（OBD）装置，对来自58个县的42500户家庭以及内华达州三个相邻县的部分家庭进行了抽样。surveysampling计划旨在确保准确反映该州的全体人口。因此，使用基于地址的抽样框架方法对接收美国邮件的所有住宅地址进行随机抽样。它的主要优势是能够接触到通常低于平均水平的人口群体，这主要是由于年龄偏见（例如没有手机的家庭或只有手机的家庭）。为了提高数据收集的效率，NuStats将地址与电话号码进行了匹配，这些电话号码在抽样的邮寄地址后列出了户名。该样本提交给WSTLUR 2017年布里斯班会议，第22页框架确保覆盖所有类型的家庭，无论其电话所有权状况如何，包括没有电话的家庭（估计美国家庭的比例不到3%）。为了更好地针对难以接触到的群体，对基于地址的样本进行了补充，从列出的住宅框架中提取样本，其中包括列出的电话号码，这些电话号码来自已知与电话号码相关的名称和地址的美国工作区号码。抽样供应商提供的“目标”居民样本包括低收入居民样本、大家庭居民样本、年轻人口样本和西班牙姓氏样本。正如所料，该样本用于进一步加强难以到达的房屋的覆盖范围。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:58:02

从这一框架中抽取样本的优势在于，它能够有效地开展调查工作，能够直接接触到难以接触到的家庭，并确保他们以直接和积极的方式参与调查。在本研究中，我们只调查了居住在旧金山湾区（此后为湾区）的家庭，其中包括九个县：阿拉米达、康特拉科斯塔、马林、纳帕、旧金山、圣马特奥、圣克拉拉、索拉诺和索诺马。我们总共有8208户家庭的数据。对于每个家庭，我们都知道他们当前居住地的人口普查区位置。与湾区1577个人口普查区的每个特征相关的次要数据摘自2013年老虎/线条形状文件和2009-2013年美国社区调查（ACS）5年估计数据。读者可参考附录（A）了解我们模型规范中使用的变量的详尽列表。提交给WSTLUR 2017年会议的布里斯班第23页要求参与家庭的个人在一天的时间内提供有关所有家庭内外活动的额外信息。我们将此信息处理为家庭旅游，然后将旅游分为强制性（包括工作或学校停留）或非强制性（所有其他）。结果数据集包括来自8208户家庭的17680名个人进行的9762次强制旅行和17292次非强制旅行。对于每次旅行，定义了五种可行的旅行模式选择：私家车、私人交通、公共交通、自行车和步行。私家车是指个人使用自己（或认识的人）拥有的机动车作为驾驶员或乘客的情况。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:58:05

私人交通包括使用出租车、优步、汽车共享、租车和私人班车等出行方式。公共交通包括公共汽车、火车、渡轮等方式。六种出行方式的服务水平属性，即出行时间和成本，都是使用2000年和2010年SF MTC的网络浏览构建的，使用相同的出行需求模型生成。我们无法将行程时间分解为其组成要素，如车内时间和等待时间，因为我们无法获得这些信息。5、估算结果如第3节所述，我们采用三步程序确定最终模型规范。首先，我们估计了个人出行方式选择行为的多个模型，以确定个人出行方式类型的数量以及每种出行方式类型的特定于类别的模式选择模型。表1报告了不同ModelSpecification的汇总统计信息。巧合的是，根据为WSTLUR 2017年会议提交的拟合和行为统计指标，布里斯班第24页解释，我们也选择了六类模型作为这种情况下的首选规范。表3和表4分别报告了针对特定类别的旅行选择模型的估算结果。其次，我们估计了家庭居住区选择行为的多个模型，以确定家庭形态类型的数量，以及每种形态类型的阶级成员关系模型和阶级特定的邻里选择模型。表2报告了每种不同型号规格的汇总统计数据，这些规格对应特定数量的类别，被认为是该数量类别的最佳类别。我们选择六类模型作为首选规范。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-11 14:58:08

然而，读者会注意到，我们探索最多的是六门课。这部分是由于计算限制。在随后的工作中，我们打算用更多的类来评估模型规范。表5和表6分别报告了家庭形态类型的阶级成员模型和居住区的阶级特定选择模型的估计结果。第三，我们使用全似然函数重新估计与个人模态风格相对应的类别成员模型，以家庭模态风格为条件，将所有其他模型参数限制为等于前两步的估计值。表7报告了类成员模型的估计结果。基于拟合的统计度量，我们选择个人和家庭模态风格的六类LCCM作为首选模型规范。提交给WSTLUR 2017年会议，布里斯班第25页，表1。个人模态样式和出行模式选项子模型不同规格的汇总统计模型参数SLOG可能性AICBICTwo class-97840.71819641199413 class-96820.72019482199604 class-96190.72119388199965 class-95270.72319252200546 class-94770.724192022367 class-94600.72419229204858八class-94460.7231923920641九class-94420.7231927920875十class-94410.7221931821084十一class-94300.72219342212955表2。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 14:58:11

householdmodality styles和Resident Neighbourth Choices子模型不同规格的汇总统计数据ModelParametersLog似然AICBICTwo class-362480.0437258072882三个class-356040.0597135371869四个class-352520.0687070971441五个class-350370.0737033971286六个class-347940.07869911710745.1前面提到的单个模态样式估计，个人出行模式选择行为子模型的最终规范确定了样本人群中的六个类别，这六个类别与提交给WSTLUR 2017年布里斯班会议的每个类别不同，其考虑的出行模式、对出行时间和出行成本的相对敏感性，以及他们的人口特征。在随后的段落中，我们总结了这六个类中每个类的一些关键属性。为了便于理解，我们根据减少对汽车的依赖程度来安排课程。个体类别1：该类别占样本人口的30.9%。属于这一级别的个人在强制性和非强制性旅行中都会选择私人车辆。换句话说，他们完全依赖自己的汽车来满足他们的移动需求。有孩子的已婚成年人最有可能属于这一类。个体类别2：该类别占样本人口的22.5%。属于这一类的个人会考虑所有的旅行方式，除了强制和非强制旅行的私人交通。但就实际使用而言，该课程严重依赖于汽车，强制性和非强制性旅行的模式份额分别为88%和93%。属于这一类的个体对旅行成本不敏感，但对旅行时间具有较高的平均弹性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-6-11 14:58:14

与1班类似，已婚有子女的成年人最有可能进入这一班。提交给WSTLUR 2017年会议，布里斯班第27页表3：强制性旅游的特定类别出行模式选择模型的参数估计（和t统计数据）模型完整的持卡依赖性部分汽车依赖性多式联运低汽车依赖性1类2类3类4类5类6替代特定恒常私人汽车0.000（-）0.000（-）0.000（-）0.000（-）0.000（-）0.000（-）0.000（-）私人交通----2.802（-13.987）-1.667（-2.478）公共交通0.472（1.496）*2.842（5.464）-1.439（-5.375）4.979（8.202）10.911（19.663）自行车-1.422（-9.345）-5.4584（-2.656）3.684（9.924）步行1.245（5.605）0.451（1.352）*-2.585（-5.521）6.567（12.630）11.326（16.463）服务级别旅行时间（分钟）-0.0656（-17.697）-0.096（-15.698）-0.001（-1.410）*-0.087（-13.648）-0.061（-13.66）旅行成本（$）--1.005（-16.833）-0.064（-1.038）*-0.532（-6.720）选择概率弹性旅行时间（分钟）0.000-11.236-18.439-0.171-10.553-8.460旅行成本（$）0.000 0.000-1.091 0.000-0.189-0.574时间的边际替代率（$/小时）-∞ 5.731∞ 81.844 6.831*在95%水平上不显著**括号中给出了T检验估计值。提交给WSTLUR 2017年布里斯班会议第28页第3类个人：该类占样本人口的39.3%。属于这一类的个人在强制性和非强制性旅行中都会考虑使用私家车、公共交通和步行。然而，与2级一样，就实际使用而言，该级别基本上取决于汽车，强制和非强制旅行的模式份额分别为94%和79%。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝