基于BP神經(jīng)網(wǎng)絡(luò)的LOGIT交通方式劃分模型研究.pdf

1、交通方式分擔(dān)預(yù)測(cè)是交通規(guī)劃理論“四階段法”中的重要步驟之一，目前研究的方法主要有集計(jì)分析方法與非集計(jì)分析方法。非集計(jì)分析方法是以單個(gè)出行者作為分析對(duì)象，充分利用每個(gè)調(diào)查樣本的數(shù)據(jù)，求出描述個(gè)體選擇行為的概率值，是目前交通規(guī)劃領(lǐng)域的研究熱點(diǎn)之一。 LOGIT模型是交通方式劃分研究中應(yīng)用非常廣泛的一種非集計(jì)分析模型。該模型是基于最大效用原則的離散選擇模型，模型的求解關(guān)鍵是求出效用值。LOGIT模型將效用值取為個(gè)人特性和選擇枝特性的線

2、性函數(shù)，但在實(shí)際當(dāng)中，效用值往往是個(gè)人特性和選擇枝特性的非線性函數(shù)。 本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的LOGIT模型，利用BP神經(jīng)網(wǎng)絡(luò)良好的非線性逼近能力，以及Matlab神經(jīng)網(wǎng)絡(luò)工具箱，對(duì)LOGIT模型的效用值的計(jì)算方法上述缺陷進(jìn)行改進(jìn)。該方法依據(jù)實(shí)際中關(guān)于個(gè)人交通出行的調(diào)查結(jié)果，把各影響因素的無(wú)量綱化后的屬性值和個(gè)人交通出行的實(shí)際選擇結(jié)果分別作為輸入和輸出代入BP人工神經(jīng)網(wǎng)絡(luò)的進(jìn)行學(xué)習(xí)與訓(xùn)練，得到各影響因素的權(quán)重系數(shù)，從而得出各