1.MNL模型的建立
由于多项Logi(tmultinomial logit,MNL)模型具有简洁的数学形式、易于理解的物理意义等特点,近年来被广泛运用在交通领域的模型预测中。假设式(3-1)中的εjm与Vjm相互独立,且εjm服从Gumbel分布[122],其分布函数与密度函数可分别表示为
式(3-3)与(3-4)中,λ>0,-∞<ε<+∞。根据效用理论,设随机向量εm= (ε1m,ε2m,…,εim)的联合分布函数和联合密度函数分别为F(ε1m,ε2m,…,εim),f(ε1m,ε2m,…,εim),依据相关数学知识可推导出MNL模型的基本形式。
推导过程如下所示:
式中Am为出行者m的所有出行方式选择方案集合,第m个出行者选择第1种出行方式的概率用式(3-6)表示:
将式(3-3),(3-4)代入式(3-6)中,得到第m个出行者选择第j种出行方式的概率:
式中i,j表示出行方式编号,在本章指愤怒情绪等级编号;Im表示出行方式总数即愤怒情绪等级总数,且有。
2.MNL模型求解
在实际应用中,可采用极大似然估计方法结合牛顿-拉普松法(Newton-RaPhson)对MNL模型进行求解。模型计算过程如下:
(1)极大似然函数的确定。
式中λ=(λ1,…,λk)T为待求参数向量;Xjm=(Xjm1,Xjm2,…,Xjmk,…,XjmK)为第m个驾驶人选择第j种愤怒强度的影响因素向量,则第m个驾驶人选择第j种愤怒强度的概率为(www.xing528.com)
引入变量δjm:
则所有驾驶人同时选择第j种愤怒强度的概率为
式中N为调查样本中驾驶人总数。其对数似然函数L为
式中L是关于λ的凸函数,故L的极大似然估计向量λ可通过λk对式(3-11)求导后令其为0求得。如下所示:
因为Jm为Am中包含的愤怒强度j的个数,故式(3-12)可简化为
设式(3-13)对λ求导后得到的向量为梯度向量∇L,令其等于0,建立联立方程式,此方程式的解为求得某个特定的最优估计值λ使得L取得最大值,∇2L为Hessian矩阵。
(3)求解最优估计值λ。
求解似然函数L取得极大值时的最优估计值λ,即求解式
的K阶联立非线性方程。可运用Newton-Raphson(牛顿-拉普松)法求解该方程[122]。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。