23709

برآورد مدل انتخاب مقصد با مجموعه‌انتخاب‌هاي مختلف

كارشناسي ارشد

مهندسي عمران - حمل و نقل

1396

28 آبان 1399

افشين شريعت مهيمني

مهندسي عمران

مدل‌هاي انتخاب مقصد يكي از زيربخش‌هاي مهم رويكرد فعاليت مبنا در مدل‌سازي سفر هستند. در رويكرد فعاليت مبنا، مدل‌سازي به‌صورت پيوسته انجام مي‌شود. ازاين‌رو از نتايج مدل‌هاي قبلي در مدل‌هاي بعدي استفاده مي‌شود. در برآورد مدل انتخاب مقصد نيز بايد ابتدا مدل انتخاب شيوه سفر برآورد شود و سپس اثر آن در انتخاب مقصد افراد ديده شود. گذشته از اين، چالشي كه در برآورد مدل‌هاي انتخاب مقصد وجود دارد، زياد بودن گزينه‌هاي انتخاب (ناحيه‌ها) است. در برآورد اين مدل‌ها با روش‌هاي انتخاب گسسته زمان اجراي مدل بسيار بالا رفته و يا عملاً امكان‌ناپذير مي‌شود. به همين دليل نياز است كه براي هر فرد به‌جاي در نظر گرفتن تمام گزينه‌ها، زيرمجموعه‌اي از ناحيه‌ها انتخاب‌شده و مدل بر روي اين زيرمجموعه برآورد شود. روش‌هاي گوناگوني براي تشكيل اين مجموعه‌انتخاب وجود دارد. اين روش‌ها به دو دسته نمونه‌گيري احتمالاتي و نمونه‌گيري غير احتمالاتي تقسيم مي‌شوند. در اين راستا تاكنون سه روش به‌طورمعمول مورداستفاده بوده‌اند. روش نمونه‌گيري تصادفي ساده، روش نمونه‌گيري با گزينه‌هاي طبقه‌بندي‌شده و روش نمونه‌گيري بر مبناي اهميت گزينه‌ها. ساير روش‌هاي نمونه‌گيري تاكنون در برآورد مدل انتخاب مقصد مورداستفاده قرار نگرفته‌اند و كارايي آن‌ها نامعلوم است. از طرفي در مورد تأثير اندازه مجموعه انتخاب بر برآورد مدل انتخاب مقصد پژوهشي صورت نگرفته است. در اين راستا هدف اين پژوهش برآورد مدل انتخاب مقصد با روش‌هاي نمونه‌گيري متفاوت براي تشكيل مجموعه‌انتخاب و انتخاب بهترين روش نمونه‌گيري است. در اين پژوهش انواع اين روش‌ها موردبررسي قرار مي‌گيرد و مدل انتخاب مقصد با توجه به هركدام ازاين‌روش‌ها برآورد مي‌شود. همچنين اندازه‌هاي مختلف مجموعه‌انتخاب موردبررسي قرار مي‌گيرد. نتايج حاكي از اين است كه برآورد مدل انتخاب مقصد با روش‌هاي نمونه‌گيري احتمالاتي منجر به پيش‌بيني بهتر مي‌شود و در بين روش‌هاي نمونه‌گيري احتمالاتي روش نمونه‌گيري سيستماتيك بهترين عملكرد را از نظر شاخص ميزان پيش بيني درست (حدود 20 درصد)، توزيع ميانگين فاصله (شباهت بيشتر توزيع به توزيع داده‌هاي واقعي) و مقدار خطاي ميانگين مربعات (كاهش شاخص به ميزان حدود 50 تا 400) دارد. از طرف ديگر، با توجه به مدل‌سازي بر روي اندازه‌هاي مختلف مجموعه انتخاب، نتايج، كافي بودن انتخاب حدود 5/2 درصد از گزينه‌هاي انتخاب را نشان مي‌دهد. موضوع مهم ديگر در اين مسئله استفاده از رابطه‌ي از پيش تعيين‌شده براي محاسبه وزن گزينه‌هاي انتخاب است. اين رابطه در مطالعاتي كه از روش نمونه‌گيري با احتمال گزينه‌ها استفاده كرده‌اند، به‌طور يكسان استفاده شده و براي ساير داده‌ها و شهرها كاليبره نشده است. در اين پژوهش سعي شده است كه با طراحي الگوريتمي رابطه‌اي براي محاسبه وزن نواحي متناسب با داده‌هاي مسئله موجود محاسبه شود كه مبناي آن وجود داده پنهان در مسئله تعريف مي شود. در برآورد مدل انتخاب مقصد با اين روش پيش‌بيني درست نزديك 100 درصدي بر روي مدل مشاهده مي‌شود. در اين پژوهش از داده‌هاي شهر واشنگتن استفاده‌شده است.

1400/02/21

Estimating Destination Choice Models Using Choice Set Variation

11/19/2021 12:00:00 AM

Destination choice models are an important subset of the activity-based approach in travel modeling. In the activity-based approach, modeling is done continuously. Therefore, the results of previous models are used in subsequent models. In estimating the destination chocie model, the mode choice model should be estimated first and then its effect on the destination choice model should be seen. In addition, the challenge in estimating destination choice models is the large number of alternatives (TAZs). In estimating these models, with discrete choice methods, the execution time of the model becomes very high or practically impossible. For this reason, instead of considering all the options available to each person, it is necessary to select a subset from the alternatives and estimate the model on this subset. There are several ways to create this choice set. These methods are divided into two categories: probabilistic sampling and non-probabilistic sampling. In this regard, the purpose of this study is to estimate the destination choice model with different sampling methods to form a choice set and select the best sampling method. In this study, the types of these methods have been studied and the destination choice model has been estimated according to each of these methods. Different sizes of the choice set have also been examined. According to the modeling, estimation of destination choice model with probabilistic sampling methods leads to better prediction and among probabilistic sampling methods, systematic sampling method has the best performance. The study uses data from the city of Washington.

انتخاب مقصد , مدل‌هاي فعاليت‌مبنا , نمونه‌گيري , مجموعه‌انتخاب , مدل‌هاي انتخاب گسسته

Destination Choice Models , Activity-based Models , Sampling Methodes , Choice set , Discrete Choice Models