出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论, 选取出行者特征、行程特性与出行方式服务水平作为效用变量, 以出行方式与出发时间作为选择肢, 构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据, 并模拟了在早高峰时段对小汽车出行收取费用时, 小汽车出行者出行行为的变化。
计算结果表明: 与传统MNL模型相比, NL模型具有更好的统计学特征, 调整后的拟合优度由0.338增大至0.404;在2种NL模型中, 出发时间位于下层的结构对样本数据的适应性更强; 当早高峰时段小汽车出行收取费用为5元时, 72.6%的小汽车出行者坚持原有出行方式与出发时间, 22.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 4.8%的小汽车出行者改用公共交通方式, 但出发时间不变, 仅0.2%的小汽车出行者同时改变出行方式与出发时间; 当收取费用为10元时, 51.7%的小汽车出行者坚持原有出行方式与出发时间, 40.4%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 7.9%的小汽车出行者改用公共交通方式, 但出发时间不变; 当收取费用为20元时, 27.5%的小汽车出行者坚持原有出行方式与出发时间, 60.6%的小汽车出行者坚持小汽车方式, 但会改变出发时间, 11.9%的小汽车出行者改用公共交通方式, 但出发时间不变。