文摘

联合选择市中心的购物目的地和travel-to-shop模式描述了利用cross-nested分对数(CNL)模型结构,允许潜在interalternative沿着两个选择维度相关。与此同时,传统的多项logit MNL模型和嵌套分对数(NL)模型也制定,分别。本研究使用收集的数据在Maryland-Washington的市区,华盛顿地区,购物,考虑家庭,个人,土地利用和旅游相关的特征。模型的结果揭示了重大影响因素联合选择旅游购物目的地和旅游之间的行为模式。不同模型的比较表明,提出的补偿中子测井模型结构在捕捉未被注意的替代品之间的相关性有显著的提高MNL模型和本地语言模型。此外,蒙特卡罗模拟的场景假设在市区有增加停车费进行检查汽车旅行成本的变化影响的共同选择购物目的地和旅游模式切换。结果预计将提供一个更好的理解在购物旅游的行为。

1。介绍

目的地的选择和旅游购物模式选择扮演重要角色在旅游需求分析和交通政策的评估。因此,了解旅客的目的地和旅游模式选择影响因素是必要的检查潜在的政策措施的有效性。先前的研究已经广泛关注目的地的选择(1- - - - - -3和交通方式的选择4,5),分别。在过去的几年中,共同选择旅游行为的研究主要集中在旅游领域的模式和起飞时间6,7),以及住宅位置和交通方式(8,9]。正如许多研究人员提到的,有一种强烈的购物目的地和旅游之间的关系模式的选择,同时,人们也常常让两个决策(10]。联合购物目的地和旅游模式的分析有助于理解它们之间的交互和评估交通政策的影响是必要的。

多项logit MNL模型和嵌套分对数(NL)模型基于随机效用最大化一直是最广泛用于分析旅游行为(11]。MNL模型强加限制,随机误差项的分布是独立且相同的替代品,从而导致独立无关的替代品(花絮)属性。因此,未被注意的相似之处现有MNL模型中选择选择忽视。最广为人知的放松MNL模型是问模型。问模型,统一相关的巢内的替代品是允许的,但选择不位于同一窝是不相关的12]。联合选择购物目的地和旅游模式的分析,基于问两个适当的结构模型可以描述:用于巢的购物目的地;另一个用于巢的交通方式。然而,这两种结构只能容纳沿着两个维度的相关性。近年来,补偿中子测井模型得到了更多的关注文学、替代品可以属于不止一个巢穴的每个替代而不是局限于一个窝在NL模型(13,14]。因此,补偿中子测井模型具有更灵活的结构考虑到各种模式的相似性和相关性之间的不同选择(8,15]。

总之,购物目的地选择了相对较少的关注旅游等旅游行为模式和起飞时间16,17]。研究同时选择购物目的地和旅游的分析模式,允许灵活的相关性沿着两个维度选择是有限的。另外,大多数以前的研究只是集中在分析影响因素的旅游目的地和旅游购物的行为模式的选择,虽然模拟方法相关交通政策基于估计模型是有限的。

在这项研究中,购物的同时选择目的地和旅游模式是通过使用一个新的CNL结构描述,允许interalternative相关性的联合表示沿着两个选择维度。传统MNL模型和NL模型也制定,分别和一个全面的对比研究不同的模型结构。此外,基于估计模型中,蒙特卡罗模拟为一系列场景假设在市区有增加停车费进行检查的影响改变汽车旅行成本的共同选择购物目的地和旅游模式切换。

本文的其余部分组织如下。下一节介绍在这项研究中使用的模型结构。第三部分描述了使用的数据模型和第四部分介绍了模型的结果。在第五部分汽车旅行成本的变化由于停车费是基于蒙特卡洛模拟方法。最后一节提供了一个总结和结论。

2。模型规范

与先前的研究在购物目的地的选择,购物目的地选择设置在本文中是一个选择的空间领域根据购物距离起始位置,而不是一个选择区域。因此,在这项研究中,起始位置被认为是外生的。购物目的地和旅游行为都集中在市区内,这是一个经典的例子monocentric城市。所以旅行是由居民住在中央商务区(CBD)。因此,购物目的地的选择设置是基于一系列同心road-distance住宅周围的光环。购物之间的距离是衡量住宅和购物目的地。旅行时间和旅行成本计算购物距离的函数,可以从马里兰获得全州交通模型(MSTM)。

购物目的地同心road-distance环组成的子集有3个选择居住在1英里左右,1 - 2英里,超过2英里。交通方式选择子集包含3家庭travel-to-shop模式:汽车、交通、步行和自行车。因此,模型选择组被定义为共同选择的购物目的地和旅游模式,创建一个组 选择为每个决策者位于CBD,如表所示1。

表1
选择联合选择购物目的地和travel-to-shop模式。
2.1。多项Logit和嵌套Logit模型

在过去的几年中,许多离散选择模型是基于广义极值(GEV)麦克费登提出的理论18]。GEV模型能够捕捉替代品之间的未被注意的相似之处,因此放松MNL和本地语言模型的限制。几个具体GEV模型制定了温家宝和Koppelman [19]和戴利和Bierlaire [20.]。在这项研究中,所有的模型结构,提出了基于GEV模型框架分析联合购物和旅游目的地选择行为模式,为了捕捉到难以察觉的替代品之间的相关性。

测试的基本结构是一个MNL模型假设不存在任何相关性之间的任何选择。嵌套结构如图1。


图1
MNL模型的结构。

有两个可能的两级问结构基于嵌套的不同维度的选择。例如,一个适当的本地语言结构的两级组合模型基于嵌套的购物目的地如图2在上层,购物目的地和旅游模式在较低的水平。选择基于购物目的地维度被组合在一起。在两级问结构,每个巢都有自己的筑巢参数 。嵌套参数可以用来捕获之间的相关性选择分享购物目的地的巢。它也被称为不同的参数。选择共享同一窝之间的相关性随不同参数下降。


图2
二级结构问模型,使用嵌套在购物目的地维度。

图3显示另一个嵌套结构,选择基于交通方式维度被组合在一起。问结构如图2和3只能用于分析两个维度的相关性在只有一个。他们不能用于分析同时选择的相关性沿着两个维度。例如,模型结构如图2不能用于捕捉空间使用模式选择之间的相关性 到目的地 和另一种使用模式 到目的地 。一般来说,如果有 维度在选择过程中,联合选择使用本地语言模型在大多数以前的研究只能用于分析的相关性 的 通过使用一个多层次结构维度。


图3
二级结构问模型,使用嵌套在旅游模式维度。
2.2。Cross-Nested Logit模型

MNL和NL模型结构的缺陷被赫斯第一次讨论和波兰的航空旅行的环境行为15]。赫斯和波兰语的提出的解决方案是使用一个CNL模型结构。这是努力的动力在这项研究中提出的改进结构的共同选择购物目的地和旅游模式。基于之前的研究,提出了一种新的补偿中子测井模型结构如图4。如图4,共同选择的结构模型是通过允许每个替代属于指定一个窝在每个购物目的地和旅游模式组。因此,模型的结构能够容纳完整的相关性以及所有维度使用同步模式。在这篇文章中,配置参数 管理的比例,另一种属于每一个巢,还可以获得基于GEV结构。零值表明,替代不属于鸟巢。通常指定配置参数对于一个给定的替代总和必须团结所有的巢穴。在这项研究中,非零配置参数对于一个给定的替代固定值为0.5,表明另一种同样的份额属于一个购物目的地窝巢和一个旅游模式。因此,改善结构的模型能够适应之间的相关性选择所有维度使用同步模式。


图4
二级结构补偿中子测井模型,使用嵌套的购物目的地和旅游模式。
2.3。模型公式

作为一个特定的GEV模型,补偿中子测井模型制定的联合概率选择购物目的地和家庭travel-to-shop模式。有两个主要优势对补偿中子测井的应用结构。一方面,补偿中子测井模型结构提供了一个更灵活的误差项的相关结构,允许潜在的替代品之间的相关性被捕获在选择尺寸。另一方面,补偿中子测井模式派生结构闭合表达式的计算选择概率。

根据GEV定理(18,19,21),补偿中子测井模型选择概率来自生成器函数在(1)定义的条件和边际概率所示(2): 在哪里 代表另一种; 代表一个巢; 是一个nest-specific系数; 是一个重量参数;一个替代的条件概率 被选中的巢 如下: 在哪里 是一个分配的部分特征参数,选择吗 分配给巢 , 。的边际概率巢 被选中显示如下:

因此,补偿中子测井的概率选择 被选中显示如下:

在(5),有两个关键因素对选择的概率 选择取决于:嵌套系数 和确定性的组件 的效用函数。在这项研究中,基于极大似然参数估计方法。

3所示。数据来源和样本的形成

在这项研究中使用的数据是来自巴尔的摩和华盛顿地区家庭旅行调查(高温超导),这是由巴尔的摩城市委员会(BMC)和华盛顿大都会运输规划委员会委员会政府(2007 - 2008年期间MWCOG)。选择的区域分析是城市巴尔的摩和华盛顿特区Maryland-Washington的市区,华盛顿地区。除了高温超导数据集之外,还有其他三个重要的分析中使用的数据来源:叫做旅行时间和成本矩阵通过不同的模式从马里兰州全州交通模型(MSTM);国家中心提供的数字数据的GIS分析精明增长(NCSG)马里兰大学;在流量分析和土地利用和就业数据区(小胡子)从都市规划组织(mpo)和季度普查就业和工资(QCEW)。

许多因素影响的决定已确定购物目的地和旅游模式(8,22,23]。这四个变量组用于分析:家庭、个人、土地使用相关的,和旅游相关的特征。家庭特征的变量包括家庭规模、收入、家庭和汽车的数量。个人特征的变量包括性别和年龄。建筑环境在home-located小胡子是发现潜在的重要的变量影响购物目的地的选择在许多先前的研究。在这项研究中,人口密度和零售就业密度在小胡子级别作为土地利用相关解释变量。旅游相关特征包括旅行时间和旅行成本计算从起始位置到购物目的地不同的旅游模式。分析中使用的总变量如表所示2。

表2
样本数据的描述性统计家庭travel-to-shop旅行( )。

购物的距离和时间的分布如图所有旅行5和6。购物距离的分布表明,购物减少随着离家的距离增加,这与预期一致。大多数顾客倾向于在家购物在一英里的距离。图6表明,大多数消费者倾向于用不到20分钟的购物之旅。


图5
分配家庭travel-to-shop购物距离的旅行。

图6
分配家庭travel-to-shop旅行时间的旅行。

进行描述性分析得到直观的发现关于家庭之间的关系,个人、土地利用特点和偏好相关的购物目的地和旅游模式。如表所示3,年轻的人更有可能商店离家远,他们也发现负面倾向使用交通。这可能被视为一个直观的年轻个体与影响。正如预期的那样,人们从更小的家庭规模、家庭收入较低,较低的汽车拥有量在家购物更有可能发现和使用公交或步行和自行车购物吧。

表3
样本资料分层的购物目的地和旅游模式( )。

4所示。实证结果

本研究提出的模型都是估计使用Biogeme [24,25),包括MNL模型、两种问的模型,并提出了补偿中子测井模型。选择每个替代的概率可以使用提出了模型估计基于给定的独立变量。

旅游相关参数,数据合适的措施,提出了四种模式的不同参数表4。的调整 ,可以看出MNL模型和第一个问模型优于他人。用对数似,最后对数似CNL−1307.762, 0.846, 0.509,和56.683点更高,分别比MNL模型和问的其他两种模型。正如所料,旅游相关参数的符号是负的。的平均旅行时间节省价值购物约为0.19元/分钟(11.5美元/小时),它是低于通勤旅行的值由赫斯et al。26]。

表4
旅游相关的参数和数据符合措施( )。

的难以察觉的替代品之间的相关性,从表4,优越的补偿中子测井模型捕捉难以察觉的替代品之间的相关性相比MNL和其他两种问模型。不同参数沿交通尺寸很小,表明交通巢的选择有很高的相关性。换句话说,不同参数捕获模式的可置换性选择(19,27]。由于可代换性较高的替代交通巢,决策者更有可能改变他们的购物目的地,而不是他们的旅行模式工具变量的值改变时(例如由于交通控制措施)。不同参数的平均值的购物旅行模式低于购物目的地,这意味着顾客住在市中心更有可能改变他们的旅行模式比购物目的地。

详细的评估结果提出了基于补偿中子测井模型在表5。模型结果表明,这些家庭,个人,和案例研究区域的土地利用特点的重要因素影响个人的购物目的地和旅游模式选择的决策。家庭特征而言,它可以从表5单一的人明显不太可能商店购物目的地时,交通是1 - 2英里远的家,而基本的选择。人们从更大的家庭更有可能商店离家更近,明显不太可能走到商店。发现低收入群体选择购物使用运输目的地离家更近,而基础的选择。然而,他们发现明显不太可能走到商店。高收入群体表现出积极的步行购物倾向,与基地的选择,虽然不那么重要在95%的水平。正如预期的那样,汽车保有量水平低是发现显示显著负面倾向开车去商店。更多的汽车可用的人明显不太可能走到商店,即使在家购物目的地是在1英里。的个人特征、性别的变量是不那么重要。年轻人明显更有可能走到购物目的地离家远。发现老年人比年轻人更有可能开车去商店购物目的地时在1英里。 In terms of the land use related characteristics, it is found that people who live in high residential density and retail employment density areas are significantly more likely to walk to shop within 1 mile from home.

表5
补偿中子测井模型的估计结果。

5。蒙特卡罗模拟

市区的交通问题变得越来越严重。因此,仿真测试在不同的场景中是非常有用的交通需求管理(TDM),交通控制措施(TCM),智能交通系统(ITS)。在这项研究中,另一个重要的动机在于获得仿真结果当旅游相关属性改变引起的交通政策,利用实证结果测试的影响改变旅行成本的共同选择购物目的地和旅游模式切换。

大多数交通拥堵管理行动试图影响模式选择行为或减少旅行使直接或间接影响的服务水平变量。例如,收取拥堵费和停车费依赖汽车的使用货币约束模式。在这项研究中,一组模拟是由假设汽车旅行成本的增加是由于较高的市区停车费。

样本枚举是用来计算每个购物者的联合概率选择基于表中给出的参数估计5。这是非常有用的生产总股份的替代品。产生的影响的分析旅游相关属性的改变,改变后的模拟选择基于蒙特卡罗模拟可以获得使用估计模型。然后所有选择的正确的预测概率可以根据模拟计算每个选择。发现预测股票非常接近实际的股票,如表所示6。因此,补偿中子测井模型可以用来准确地代表了选择研究区域的股票。

表6
比较实际的股票和预测股票样本使用枚举。

模拟结果为1美元,2和1/2美元,5美元增加汽车旅行成本由于更高的停车费展示在表7。正如所料,模拟结果表明,选择的概率减少与开车旅行成本增加。特别,效果更高的停车费是长购物距离更重要。使用汽车的股票(即远离家。,over 2 miles) for shopping sharply decrease when there is a higher parking fees. Most shoppers living in the downtown area will shift from car mode to walk or bicycling for shopping trips to reduce their transport spending. In this case, it is important to provide a suitable walking environment and provide a better neighborhood design for the pedestrian. Otherwise, the people will still choose the car mode to shop because of the bad pedestrian environment, and the policy of a change in parking fees will fail.

表7
根据不同的场景预测股票。

6。结论

在这项研究中,购物目的地的共同选择和travel-to-shop模式进行了分析,使用三种不同类型的GEV结构:MNL模型,两种类型的问,一个新的补偿中子测井模型。数据源的组合是用来估计模型的选择Maryland-Washington市区,华盛顿地区。估计结果显示,未被注意的相似之处,存在中选择替代忽视MNL模型,使用两级问模型可以让治疗相关的单一维度的选择,并提出了补偿中子测井模型可以捕捉未被注意的相关性以及购物目的地和旅游模式的维度。模型的性能,补偿中子测井模型优于其他模型。因此,补偿中子测井模型可以被视为一个有价值的工具在分析联合选择购物目的地和旅游模式。模型结果表明,家庭,个人,土地利用和旅游相关的特征共同扮演着不同的角色选择目的地和旅游购物的行为模式。

一系列的模拟是进行增加汽车旅行成本预测总选择股票,使用示例枚举方法。重大的选择开关影响被发现,模拟结果表明,在市区交通政策旨在减少交通拥堵增加汽车旅行成本可能有更好的效果;然而改善行人环境也是必要的。

收费道路使用者已经被一些学者和城市规划者视为解决城市的交通问题。框架提出了将来有更多的潜在应用,如假设的影响研究道路使用者收费方案和效果分析,停车费用,交通补贴,和灵活的工作时间旅行者的行为。进一步的研究将不仅包括应用程序的框架基于补偿中子测井模型还包括使用先进的模型结构允许联合cross-nesting,连续的确定性和随机味道异质性考试购物者旅游行为。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究支持部分由中国国家自然科学基金(没有。71173061),深圳科技发展Funding-Fundamental研究计划(格兰特JCYJ20120615145601342),和生态规划与绿色建筑重点实验室,教育部(清华大学,2013 u - 6)。