1、第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 一、非集計(jì)方法概述一、非集計(jì)方法概述 1 1集計(jì)與非集計(jì)方法集計(jì)與非集計(jì)方法 前述的四階段法，是以前述的四階段法，是以交通小區(qū)交通小區(qū)為單位將出行者的交通為單位將出行者的交通行動(dòng)進(jìn)行集體統(tǒng)計(jì)分析（如求平均值、求比例等），建立行動(dòng)進(jìn)行集體統(tǒng)計(jì)分析（如求平均值、求比例等），建立預(yù)測(cè)模型而稱之為預(yù)測(cè)模型而稱之為集計(jì)分析集計(jì)分析。 非集計(jì)分析非集計(jì)分析 (Disaggregate Analysis)是與交通需求預(yù)測(cè)是與交通需求預(yù)測(cè)四階段法集計(jì)分析四階段法集計(jì)分析(Aggregate Analysis)相對(duì)應(yīng)而命名的。相對(duì)應(yīng)而命名的。

2、非集計(jì)分析非集計(jì)分析交通需求預(yù)測(cè)，表現(xiàn)交通需求預(yù)測(cè)，表現(xiàn)出行者個(gè)人出行者個(gè)人（或家庭）（或家庭）是否出行、出行目的地、采用何種交通方式、選擇哪條徑是否出行、出行目的地、采用何種交通方式、選擇哪條徑路路等的形式，從備選方案集合中如何選取的問(wèn)題，將得到等的形式，從備選方案集合中如何選取的問(wèn)題，將得到的個(gè)人行動(dòng)結(jié)果的個(gè)人行動(dòng)結(jié)果加載到加載到交通小區(qū)、交通方式、徑路上而進(jìn)交通小區(qū)、交通方式、徑路上而進(jìn)行交通需求預(yù)測(cè)。行交通需求預(yù)測(cè)。 在非集計(jì)分析時(shí)，采用在非集計(jì)分析時(shí)，采用先使用調(diào)查個(gè)人行動(dòng)數(shù)據(jù)先使用調(diào)查個(gè)人行動(dòng)數(shù)據(jù)建模建模，預(yù)測(cè)時(shí)，預(yù)測(cè)時(shí)，再統(tǒng)計(jì)再統(tǒng)計(jì)個(gè)人行動(dòng)結(jié)果個(gè)人行動(dòng)結(jié)果。 2020世紀(jì)世紀(jì)60

3、60年代日本學(xué)者提出交通方式劃分的年代日本學(xué)者提出交通方式劃分的“非集計(jì)非集計(jì)模型方法模型方法”概念和模型，借用概念和模型，借用經(jīng)濟(jì)學(xué)的經(jīng)濟(jì)學(xué)的效用理論效用理論。不僅可不僅可以以用于交通方式劃分，用于交通方式劃分，還可以用來(lái)解決交通發(fā)生、交通分還可以用來(lái)解決交通發(fā)生、交通分布、交通分配等布、交通分配等所有的有關(guān)選擇的問(wèn)題所有的有關(guān)選擇的問(wèn)題。 2.2.特點(diǎn)與區(qū)別特點(diǎn)與區(qū)別 最早的非集計(jì)模型有最早的非集計(jì)模型有Logit模型和模型和Probit模型，后人為彌模型，后人為彌補(bǔ)模型不足，又提出了多種改進(jìn)的補(bǔ)模型不足，又提出了多種改進(jìn)的Logit模型。我們重點(diǎn)討模型。我們重點(diǎn)討論論簡(jiǎn)單的簡(jiǎn)單的Logi

4、t模型模型。第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 類別類別 項(xiàng)目項(xiàng)目 集計(jì)分析集計(jì)分析非集計(jì)分析非集計(jì)分析調(diào)查單位調(diào)查單位各次出行各次出行 各次出行各次出行 分析單位分析單位交通小區(qū)交通小區(qū) 個(gè)人（或家庭）個(gè)人（或家庭） 因變量因變量 小區(qū)統(tǒng)計(jì)值小區(qū)統(tǒng)計(jì)值個(gè)人的選擇概率個(gè)人的選擇概率 自變量自變量各小區(qū)的數(shù)據(jù)各小區(qū)的數(shù)據(jù) 個(gè)人的數(shù)據(jù)個(gè)人的數(shù)據(jù) 參數(shù)標(biāo)定方法參數(shù)標(biāo)定方法 回歸分析等回歸分析等 最大似然法最大似然法 適用范圍水平適用范圍水平 預(yù)測(cè)交通小區(qū)預(yù)測(cè)交通小區(qū) 任意任意 政策的體現(xiàn)政策的體現(xiàn) 交通小區(qū)代表值的變化交通小區(qū)代表值的變化 個(gè)人變量值的變化個(gè)人變量值的

5、變化 交通現(xiàn)象的把握方法交通現(xiàn)象的把握方法出行的發(fā)生與吸引出行的發(fā)生與吸引 出行概率出行概率 出行分布出行分布 選擇某目的地的概率選擇某目的地的概率 交通方式劃分交通方式劃分 選擇某交通方式的概率選擇某交通方式的概率 路段的分配交通量路段的分配交通量選擇某路徑的概率選擇某路徑的概率 二、概念與假定二、概念與假定 選擇枝選擇枝（Alternative）：可供選擇的交通方式。：可供選擇的交通方式。 有兩個(gè)選擇枝可供選擇，就是一個(gè)二項(xiàng)選擇問(wèn)題，否則有兩個(gè)選擇枝可供選擇，就是一個(gè)二項(xiàng)選擇問(wèn)題，否則就是多項(xiàng)選擇問(wèn)題。就是多項(xiàng)選擇問(wèn)題。 實(shí)際中，實(shí)際中，多項(xiàng)選擇問(wèn)題多項(xiàng)選擇問(wèn)題較多，且不同的出行者較多，且

6、不同的出行者可選擇的可選擇的范圍范圍不同，即有不同的選擇枝集合，如有私家車的人就多不同，即有不同的選擇枝集合，如有私家車的人就多一個(gè)私家車選擇枝。一個(gè)私家車選擇枝。 效用效用（Utility）：某個(gè)選擇枝具有的：某個(gè)選擇枝具有的令人滿意的程度令人滿意的程度。關(guān)于效用的基本假定：關(guān)于效用的基本假定： 1）個(gè)人在每次選擇中，總選擇）個(gè)人在每次選擇中，總選擇效用值最大效用值最大的選擇枝；的選擇枝； 2）個(gè)人關(guān)于每個(gè)選擇的）個(gè)人關(guān)于每個(gè)選擇的效用值效用值由個(gè)人由個(gè)人自身的特性自身的特性和和選擇選擇枝的特性枝的特性共同決定。共同決定。 第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型

7、三、三、LogitLogit模型模型 1 1模型模型 效用由效用由選擇枝本身特性選擇枝本身特性和和個(gè)人特性個(gè)人特性兩方面的因素決定。兩方面的因素決定。建模者不可能觀測(cè)出影響效用的全部因素，因此，建模者不可能觀測(cè)出影響效用的全部因素，因此，效用應(yīng)效用應(yīng)看作隨機(jī)變量看作隨機(jī)變量，假定效用由這兩部分組成：，假定效用由這兩部分組成： 式中：式中：Unj個(gè)人個(gè)人n關(guān)于選擇枝關(guān)于選擇枝j的效用；的效用； Vnj能夠觀測(cè)到的因素構(gòu)成的能夠觀測(cè)到的因素構(gòu)成的效用確定項(xiàng)效用確定項(xiàng)； nj不能觀測(cè)到的因素構(gòu)成的不能觀測(cè)到的因素構(gòu)成的效用隨機(jī)項(xiàng)效用隨機(jī)項(xiàng)。反映每個(gè)個(gè)。反映每個(gè)個(gè)體的特性和偏好，也包括建模體的特性和偏

8、好，也包括建模和觀測(cè)的誤差部分。和觀測(cè)的誤差部分。 為了書(shū)寫(xiě)簡(jiǎn)便，一般省去表示個(gè)人的下標(biāo)為了書(shū)寫(xiě)簡(jiǎn)便，一般省去表示個(gè)人的下標(biāo)n n。第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 njnjnjVU三、三、LogitLogit模型模型 模型假定：模型假定： 1 1）有兩個(gè)選擇枝（）有兩個(gè)選擇枝（j j1,21,2）, ,則選擇選擇枝則選擇選擇枝1 1的概率為：的概率為： P1Pr(U1U2) 第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 2211PrVV1212PrVV dydzzyfdyyVVyyyVVyyVV21),(),Pr(,Pr12212121

9、21三、三、LogitLogit模型模型 2 2）假定）假定1和和2相互獨(dú)立相互獨(dú)立且具有且具有相同的概率分布相同的概率分布； 3 3）假定）假定1和和2都服從都服從二重指數(shù)分布二重指數(shù)分布（又叫（又叫GumbelGumbel分布，分布，WeibullWeibull分布或極值分布）。分布或極值分布）。 分布函數(shù)：分布函數(shù)： F(y)=expexp(by) 密度函數(shù)：密度函數(shù)： f(y)=bF(y)exp(-by) 第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 dydzzfyfdydzzyfPyVVyVV 2121)()(),(121第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、L

10、ogitLogit模型模型 代入選擇概率表達(dá)式，得出選擇選擇枝代入選擇概率表達(dá)式，得出選擇選擇枝1的概率：的概率：此為此為二項(xiàng)二項(xiàng)Logit模型模型，簡(jiǎn)記為：，簡(jiǎn)記為：BNL(Binary-nomial Logit)。 如果有多個(gè)選擇枝，如果有多個(gè)選擇枝，設(shè)個(gè)人設(shè)個(gè)人n的選擇枝集合為的選擇枝集合為An。同理可。同理可得多項(xiàng)得多項(xiàng)Logit模型，某人選擇枝模型，某人選擇枝j的概率為：的概率為：稱為稱為多項(xiàng)多項(xiàng)Logit模型模型，簡(jiǎn)記為，簡(jiǎn)記為:MNL（Multi-nomial Logit）。）。 第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 2111bVbVbVeeePji

11、jiJibVbVjVVbeePij)(exp111 2 2效用值的確定效用值的確定 要計(jì)算概率要計(jì)算概率Pj，關(guān)鍵是要求出其中的，關(guān)鍵是要求出其中的效用確定項(xiàng)效用確定項(xiàng)Vj。下。下面介紹兩種定義和計(jì)算面介紹兩種定義和計(jì)算Vj的方法。的方法。 1）一種簡(jiǎn)單的、常用的定義和計(jì)算）一種簡(jiǎn)單的、常用的定義和計(jì)算Vj的方法的方法 對(duì)于城市交通，定義效用確定項(xiàng)為對(duì)于城市交通，定義效用確定項(xiàng)為費(fèi)用費(fèi)用/收入比、車內(nèi)收入比、車內(nèi)時(shí)間、步行時(shí)間時(shí)間、步行時(shí)間這三個(gè)可量測(cè)值這三個(gè)可量測(cè)值的線性組合：的線性組合： 對(duì)大交通，就定義效用確定項(xiàng)對(duì)大交通，就定義效用確定項(xiàng)Vj為費(fèi)用為費(fèi)用/收入比、車內(nèi)收入比、車內(nèi)時(shí)間、時(shí)

12、間、發(fā)車頻率發(fā)車頻率這三個(gè)可量測(cè)值下線性組合：這三個(gè)可量測(cè)值下線性組合： 以上因素主要是來(lái)自以上因素主要是來(lái)自選擇枝的特性選擇枝的特性，關(guān)于個(gè)人特性只，關(guān)于個(gè)人特性只考慮個(gè)人收入一項(xiàng)。考慮個(gè)人收入一項(xiàng)。 第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 joojttjccjjXXXV0jfjttjccjjXXXVf02）效用確定性）效用確定性Vj取為取為個(gè)人特性和選擇枝特性個(gè)人特性和選擇枝特性的的線性線性函數(shù)函數(shù) 其中，其中，Xj(Xj1，Xjk)是個(gè)人和選擇枝的是個(gè)人和選擇枝的特性特性向量向量。(1，k)是待標(biāo)定的參數(shù)向量。是待標(biāo)定的參數(shù)向量。 3）確定特性變量的原則）確定

13、特性變量的原則對(duì)對(duì)定性的特性變量定性的特性變量全部采用全部采用0 0、1 1值；值；選擇枝選擇枝常數(shù)項(xiàng)變量常數(shù)項(xiàng)變量的數(shù)目應(yīng)為集合的數(shù)目應(yīng)為集合A A中選擇枝數(shù)減中選擇枝數(shù)減1 1，即，即（J- -1 1）；）；每項(xiàng)每項(xiàng)個(gè)人特性個(gè)人特性應(yīng)該對(duì)應(yīng)（應(yīng)該對(duì)應(yīng)（J- -1 1）個(gè)變量；）個(gè)變量；某個(gè)選擇枝某個(gè)選擇枝獨(dú)有的特性變量獨(dú)有的特性變量（如有否自行車、小汽車油耗（如有否自行車、小汽車油耗等）可只用于相應(yīng)的選擇枝。等）可只用于相應(yīng)的選擇枝。第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 jkkjjjXXXV2211 0 實(shí)際值實(shí)際值 實(shí)際值實(shí)際值 0 實(shí)際值實(shí)際值 0票價(jià)票價(jià)

14、 實(shí)際值實(shí)際值 0 實(shí)際值實(shí)際值 0 實(shí)際值實(shí)際值票價(jià)票價(jià) 實(shí)際值實(shí)際值 0 0 0 0例：設(shè)選擇枝集合中共有三個(gè)選擇枝：例：設(shè)選擇枝集合中共有三個(gè)選擇枝：A=j=1（自行車），（自行車），j=2（公共汽車），（公共汽車），j=3（出租車）（出租車），可以定義特性變量：可以定義特性變量：第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 變量變量意義意義 選擇枝特性選擇枝特性個(gè)人特性個(gè)人特性固有常數(shù)項(xiàng)固有常數(shù)項(xiàng)變量變量車費(fèi)車費(fèi)時(shí)間時(shí)間自行車自行車擁有擁有年齡年齡性別性別收入收入變量變量Xnj1Xnj2Xnj3Xnj4Xnj5Xnj6Xnj7Xnj8Xnj9Xnj10Xnj11選

15、選擇擇枝枝j自自行行車車 公公共共汽汽車車出出租租車車參數(shù)參數(shù)12345678910111 00 10 0有：有：1 無(wú)：無(wú)：0 0 0男：男：1 女：女：0 0 0 0男：男：1 女：女：0 0參數(shù)確定 3 3LogitLogit模型存在的問(wèn)題模型存在的問(wèn)題 Logit模型基本前提：各選擇枝不可觀測(cè)的隨機(jī)效用部模型基本前提：各選擇枝不可觀測(cè)的隨機(jī)效用部分分k間相互間相互獨(dú)立且同服從獨(dú)立且同服從Gumbel分布（分布（獨(dú)立同分布獨(dú)立同分布）。而）。而這個(gè)假定在某些情況下是有些脫離實(shí)際，從而導(dǎo)致荒謬的這個(gè)假定在某些情況下是有些脫離實(shí)際，從而導(dǎo)致荒謬的結(jié)果。結(jié)果。 1 1）( (紅巴士紅巴士藍(lán)巴士

16、藍(lán)巴士問(wèn)題問(wèn)題) )第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 某人選擇小汽車和公共汽某人選擇小汽車和公共汽車（假定所有公共汽車都被車（假定所有公共汽車都被漆成紅色）的漆成紅色）的概率各為概率各為0.50.5，兩者的選擇概率之比為兩者的選擇概率之比為1 1：1 1。21紅公共汽車小汽車PP 根據(jù)根據(jù)LogitLogit模型的模型的IIAIIA特性特性，小汽車與紅巴士的選擇概小汽車與紅巴士的選擇概率之比與是否加入藍(lán)巴士無(wú)關(guān)率之比與是否加入藍(lán)巴士無(wú)關(guān)，仍為，仍為1 1：1 1。所以。所以 通常人們?cè)谶M(jìn)行選擇時(shí)與巴士的顏色無(wú)關(guān)。合理的概通常人們?cè)谶M(jìn)行選擇時(shí)與巴士的顏色無(wú)關(guān)。合

17、理的概率應(yīng)為：率應(yīng)為： 31藍(lán)巴士紅巴士小汽車PPP21公共汽車小汽車PP41藍(lán)巴士紅巴士PP 第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 2 2）LogitLogit模型另一個(gè)缺陷是，方式的模型另一個(gè)缺陷是，方式的選擇概率選擇概率只由只由方式方式之間的之間的效用的差值效用的差值決定。如圖所示的兩組兩個(gè)方式比較的決定。如圖所示的兩組兩個(gè)方式比較的情況，設(shè)效用負(fù)出行時(shí)間。在每組中，兩方式的出行時(shí)情況，設(shè)效用負(fù)出行時(shí)間。在每組中，兩方式的出行時(shí)間之差（也就是效用之差）都是間之差（也就是效用之差）都是5 5。 第第a a組中：組中：第第b b組中：組中：105125120a)

18、b) 1b(993. 011)(510551取bbbbeeeeP) 1b(993. 011)(51251201201取bbbbeeeeP第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 “獨(dú)立性獨(dú)立性”假設(shè)造成了前面假設(shè)造成了前面“紅巴士藍(lán)紅巴士藍(lán)巴士巴士”錯(cuò)誤，而錯(cuò)誤，而“同概率分布同概率分布”假設(shè)造成假設(shè)造成了效用差相同產(chǎn)生的錯(cuò)誤。了效用差相同產(chǎn)生的錯(cuò)誤。 第三節(jié)第三節(jié) 非集計(jì)方法、非集計(jì)方法、LogitLogit模型模型 第四節(jié)第四節(jié) 其他改進(jìn)的方式劃分模型其他改進(jìn)的方式劃分模型 為了克服為了克服LogitLogit模型的缺陷，自模型的缺陷，自19771977年年Wil

19、liams提出提出巢巢式式LogitLogit模型（模型（Nested-Logit ModelNested-Logit Model，簡(jiǎn)稱，簡(jiǎn)稱 NLNL模型）以模型）以來(lái)，許多學(xué)者致力于非集計(jì)模型的改進(jìn)工作，提出了多來(lái)，許多學(xué)者致力于非集計(jì)模型的改進(jìn)工作，提出了多種更先進(jìn)的非集計(jì)方式劃分模型，如種更先進(jìn)的非集計(jì)方式劃分模型，如ProbitProbit模型，模型，DogitDogit模型等。模型等。一、一、ProbitProbit模型模型 當(dāng)當(dāng)1 1和和2 2都服從正態(tài)分布時(shí)，且一般不一定獨(dú)立。選都服從正態(tài)分布時(shí)，且一般不一定獨(dú)立。選擇概率模型就叫二項(xiàng)擇概率模型就叫二項(xiàng)Probit模型，簡(jiǎn)記為：

20、模型，簡(jiǎn)記為：BNP（Binarynomial Probit）。）。)(122221211VVP第四節(jié)第四節(jié) 其他改進(jìn)的方式劃分模型其他改進(jìn)的方式劃分模型 同理，當(dāng)選擇枝同理，當(dāng)選擇枝數(shù)目數(shù)目J2時(shí)，可以得出多項(xiàng)時(shí)，可以得出多項(xiàng)Probit模型，模型，簡(jiǎn)記為簡(jiǎn)記為MNP（是一個(gè)多重積分式）。（是一個(gè)多重積分式）。 當(dāng)維數(shù)當(dāng)維數(shù)J較高時(shí)其計(jì)算復(fù)雜程度很高，求解很困難。較高時(shí)其計(jì)算復(fù)雜程度很高，求解很困難。 20世紀(jì)世紀(jì)70年代以來(lái)，提出了多種近似求解方法。年代以來(lái)，提出了多種近似求解方法。二、分層類、直接類二、分層類、直接類LogitLogit改進(jìn)模型改進(jìn)模型 分層類分層類Logit改進(jìn)模型（改

21、進(jìn)模型（NL模型和改進(jìn)分裂模型和改進(jìn)分裂Logit模模型）：考慮了方式之間的相關(guān)性；把一個(gè)型）：考慮了方式之間的相關(guān)性；把一個(gè)多項(xiàng)的選擇問(wèn)多項(xiàng)的選擇問(wèn)題題劃分成劃分成若干個(gè)二項(xiàng)選擇問(wèn)題若干個(gè)二項(xiàng)選擇問(wèn)題，進(jìn)而用，進(jìn)而用BNL模型計(jì)算選模型計(jì)算選擇概率，就選擇概率模型本身并沒(méi)有改變。擇概率，就選擇概率模型本身并沒(méi)有改變。 第四節(jié)第四節(jié) 其他改進(jìn)的方式劃分模型其他改進(jìn)的方式劃分模型二、分層類、直接類二、分層類、直接類LogitLogit改進(jìn)模型改進(jìn)模型 分層類分層類Logit改進(jìn)模型改進(jìn)模型全方式全方式虛擬方式虛擬方式A A虛擬方式虛擬方式B B選擇枝1選擇枝2選擇枝3選擇枝4選擇枝5U（1，2）

22、U（3，4，5）U1U212/exp11expexpexp2 , 1VbPVVVPjPPPAjBAAAAjAj1)2, 1 (1UUU合成效用合成效用其它模型三、非集計(jì)結(jié)果的集計(jì)化三、非集計(jì)結(jié)果的集計(jì)化 非集計(jì)模型只求出非集計(jì)模型只求出個(gè)人的選擇概率值個(gè)人的選擇概率值，預(yù)測(cè)問(wèn)題需要，預(yù)測(cè)問(wèn)題需要的是分區(qū)中的是分區(qū)中全體居民全體居民作出某種選擇的人數(shù)，要將個(gè)人選擇作出某種選擇的人數(shù)，要將個(gè)人選擇概率值轉(zhuǎn)化為全體分區(qū)居民的選擇概率值，這仍是一個(gè)集概率值轉(zhuǎn)化為全體分區(qū)居民的選擇概率值，這仍是一個(gè)集計(jì)問(wèn)題。集計(jì)方法有三種：計(jì)問(wèn)題。集計(jì)方法有三種： 概率集計(jì)概率集計(jì)：將各樣本關(guān)于某個(gè)選擇枝的選擇概率求平

23、將各樣本關(guān)于某個(gè)選擇枝的選擇概率求平均值。方法簡(jiǎn)單，但比較粗糙。均值。方法簡(jiǎn)單，但比較粗糙。 特性集計(jì)特性集計(jì)：將樣本的各個(gè)：將樣本的各個(gè)特性變量特性變量分別分別求平均值求平均值，作，作為分區(qū)為分區(qū)全體居民相應(yīng)的特性變量全體居民相應(yīng)的特性變量，再將這些特性變量代入，再將這些特性變量代入選擇概率模型，求得選擇概率模型，求得全體分區(qū)居民全體分區(qū)居民對(duì)某個(gè)選擇枝的選擇概對(duì)某個(gè)選擇枝的選擇概率。率。第四節(jié)第四節(jié) 其他改進(jìn)的方式劃分模型其他改進(jìn)的方式劃分模型NnniiPNP11 分區(qū)分區(qū)特性變量特性變量：第四節(jié)第四節(jié) 其他改進(jìn)的方式劃分模型其他改進(jìn)的方式劃分模型NnnikikxNx11iKkikkKkj

24、kkjXXP)exp()exp(11混合集計(jì)混合集計(jì)( (分類法分類法) )： 1 1）首先將分區(qū)中的全體居民進(jìn)行）首先將分區(qū)中的全體居民進(jìn)行分組分組（設(shè)分為（設(shè)分為M組組），），將比較同質(zhì)的分在同一組；將比較同質(zhì)的分在同一組； 2 2）非集計(jì)方法非集計(jì)方法求出各組個(gè)人選擇概率，然后采用求出各組個(gè)人選擇概率，然后采用特性特性集計(jì)集計(jì)方法求出方法求出該組居民該組居民對(duì)選擇枝對(duì)選擇枝j的選擇概率的選擇概率Pmj(m=1,2,，M)；混合集計(jì)：混合集計(jì)： 3 3）最后再將各組的選擇概率按其人數(shù)加權(quán)平均，求出）最后再將各組的選擇概率按其人數(shù)加權(quán)平均，求出全分區(qū)全分區(qū)對(duì)選擇枝對(duì)選擇枝i i的選擇概率。的選擇概率。四、集計(jì)與非集計(jì)的相對(duì)性四、集計(jì)與非集計(jì)的相對(duì)性 交通發(fā)生預(yù)測(cè)和交通分布預(yù)測(cè)交通發(fā)生預(yù)測(cè)和交通分布預(yù)測(cè)問(wèn)題多采用集計(jì)模型；問(wèn)題多采用集計(jì)模型； 方式劃分和交通分配多采用非集計(jì)模型。方式劃分和交通分配多采用非集計(jì)模型。 集計(jì)與非集計(jì)是相對(duì)的。集計(jì)與非集計(jì)是相對(duì)的。 MmjmjPrP1m第四節(jié)第四節(jié) 其他改進(jìn)的方式劃分模型其他改進(jìn)的方式劃分模型方法方法特點(diǎn)特點(diǎn)優(yōu)點(diǎn)優(yōu)點(diǎn)缺