交通計画A 交通需要予測2
交通手段選択と
ロジットモデル
交通手段分析
分担率曲線法
トリップ費用や時間、距離を横軸(説明変数)
縦軸に分担率を描く
徒歩分担率→マストラ分担率
非集計モデル(ロジットモデル)法
個人ごとの目的地の選択行動をモデルで表
現し,一人一人の行動を加算して推計する.
分担率曲線
第3回仙台都市圏PT調査による分担率 仙台都心までのトリップでは、長距離ほど鉄道が多い運賃やサービスレベ
ルの影響が考慮でき
ない
連続的選択と離散的選択
標準的消費者行動モデル(連続的選択)
一定期間に購入する
財・サービスの量を説明
(お金・時間をいくらずつ割り振るか?)
離散的(質的)選択モデル
どの種類の財を選択するか?
(どこへ行くか?何を買うか?)
離散的(discrete)な
選択肢(alternative)からの選択
5万円離散的選択のモデル化
個人は,採りうる選択肢
alternativeを列挙する
それぞれの選択肢の特徴と費用に基づいて,評
価得点utilityをつける
評価点が高いものを選ぶ
中国旅行 60点 フランス旅行 40点 アメリカ旅行50点確定的選択モデル
個人は「評価得点が少しでも高いほうの選択肢を
必ず選ぶ」と考えるモデル
全員が同じ考え方で評価
同じ状況に直面する人は,全員同じ選択肢を選択
異なる条件の人の選択結果から効用関数を推定
判別関数モデル,数量化理論II類モデル
同じ状況に対する個人間での考え方の違いを考慮
例:高齢者は着席可能性を,若者は低運賃を重視
犠牲量(最小化)モデル
比較における「あいまいさ」を認める
ファジィ選択モデル
評価点の差と選択率
実際には
ほとんど評価点が同じときは,どちらも選択される可
能性がある
評価点の差が大きいときは,片方しか選ばれない.
選択肢Aが選ばれる可能性 1 0 選択肢Aの得点-選択肢Bの得点 2つは同じ魅力 50%ずつ Aが圧倒的に良い ほとんどAだけが 選ばれる Aが圧倒的に劣る Aが選ばれること はほとんどないロジットモデル
S字型の曲線として,
という式で表わされる曲線を使うと,
いろいろな計算が簡単にできる
3つ以上の選択肢からの選択も同じ形になる
2000年ノーベル経済学賞
McFadden(1937-)が提案
各自の評価点が安定している部分と確率的に変
動する部分の和である場合の選択から理論的に
導いた。(ランダム効用モデル)
ロジットモデル
選択肢が2つの2項ロジットモデル
Binary Logit
選択肢が多数(n個)ある場合の
多項ロジットモデル
Multinominal Logit
N k k j jV
V
P
1exp(
)
)
exp(
1 2 1 2 2 2 1 1 1exp(
)
exp(
)
1
)
exp(
,
)
exp(
)
exp(
)
exp(
P
V
V
V
P
V
V
V
P
ロジットモデルの限界と注意点
青バス・赤バス問題(I.I.A特性)
例:バスと自動車の交通機関選択モデル
バスも自動車も共に一般化交通費用が等しい
→バス,自動車の選択率は1/2ずつになる
バスの半数を赤く,半数を青く塗って区別
→青バス,赤バス,自動車の選択率は1/3ずつ
色を変えたらバスのシェアが1/2から2/3に上昇?
各選択肢の
確率的効用の間に相関がある場合
には,非現実的な選択率を与える
モデルの使用手順
選択モデルの定式化(得点からSカーブで選択率を計算)
パラメータη,βの推定
(実際の選択結果から、どういう得点付けだったかを推測)
将来の選択率の予測
(将来の選択肢の状況から得点を計算し、選択率を計算)
実際の観測結果から、
もとの事象の発生確率を推定する
手品師がイカサマかも知れないコインを6
回振ったら、表が5回、裏が1回出た。
このコインは正しいコインだろうか?表が出や
すいようなイカサマのコインだろうか?
表5回、裏1回という観測結果から、このコ
インを
1回振ったときに表が出る確率p
の値
を推測したい。
比率を用いてそのままp=5/6と推測する方法
さいゆうほう(最尤法)
最尤法による推定
(個々の事象の組み合わせを考える)
コインを続けて
6回振ったところ、そのうち5回が表であっ
た
.このコインの表の出る確率qはいくらか?
母数(ここでは表の出る確率q
)を変えたときに,
観察され
た事象
が実現する確率を求める
(尤度関数L(q))
観察された事象の発生確率が最大になるqの値を求める
尤度関数を求めてみよう
確率qの事象が5回,(1-q)の事象が1回観察されたの
だから、何回目が裏かが6通りあることを踏まえると、
)
1
(
6
)
1
(
!
1
!
5
!
6
)
1
(
)
(
5 1 5 5 5 6C
q
q
q
q
q
q
q
L
最尤法による母数の推定の例
L(θ) 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.00 0.20 0.40 0.60 0.80 1.00)
1
(
6
)
(
q
q
5q
L
尤度関数を最大化する
あるいは対数をとったものをqに
ついて最大化してもよい
333
.
8
6
/
5
0
)
1
(
6
5
)
1
(
)
1
(
5
)
1
(
1
5
*
)
1
ln(
ln
5
6
ln
)
(
ln
)
(
*
q
q
q
q
q
q
q
q
q
q
dq
dL
q
q
q
L
q
L
これは,6回のうち5回という割合に一致
0
)
6
5
(
6
)
5
5
(
6
)
1
(
5
6
)
(
4 4 5 4
q
q
q
q
q
q
q
q
dq
q
dL
比率によるロジットモデルの推定
集計的方法(集団の選択率にあわせる)
ある選択肢の状況下で観測された集団の選
択確率pを用いる
ロジットモデルから、その時の2つの選択肢の
魅力度V
AとV
Bの差が逆算できる
魅力度の差がうまく一致するように、魅力度の
関数の形を調整する
先の例:6回のうち5回表だから、p=5/6と推測した。
最尤法によるロジットモデルの推定
非集計的方法(各個人の選択を考える)
魅力度の関数形を仮定する
各個人が直面した選択肢の状況をもとに、ロ
ジットモデルで各自の選択確率を求める。
それらを掛け合わせて、観測された事象の発
生確率(尤度関数)を求める
尤度関数の値が最大になるように、魅力度の
関数の形を調整する
njN
n
nj
J
j
P
L
1
1
交通手段選択モデル
ある
ODを移動する消費者が,複数の交通手段
の所要時間や費用を考えて手段を選択
2項ロジットモデル
CAR ij CAR ij CAR ij BUS ij BUS ij BUS ijc
t
V
c
t
V
2 , 1exp(
)
)
exp(
k k iV
V
j
i
i
V
U
]
)
(
:
ob[
Pr
U
U
k
i
K
P
i
i
k
選択肢jの魅力度が他の選択肢よりも高い確率集計データ
(比率)を用いた
ロジットモデルの推定
3 11 10 3 11 7 8 2 10 8 3 1 3 2 1 tCij 表3.16 自動車の所要時 間 単位:分 7 16 14 3 12 12 10 2 13 11 5 1 3 2 1 tBij 表3.15 バスの所要時間 単位:円 19 60 58 3 60 42 45 2 58 45 21 1 3 2 1 cCij 表3.18 自動車の所要費用 単位:円 130 220 180 3 220 130 140 2 180 140 130 1 3 2 1 cBij 表3.17 バスの所要費用 0.756 0.808 0.761 3 0.745 0.752 0.718 2 0.747 0.735 0.727 1 3 2 1 PCij 表3.20 自動車の分担率 0.244 0.192 0.239 3 0.255 0.248 0.282 2 0.253 0.265 0.273 1 3 2 1 PBij 表3.19 バスの分担率集計データ(比率)を用いた
ロジットモデルの推定
(
)
(
)
]
/
ln[
BUS ij CAR ij BUS ij CAR ij BUS ij CAR ijP
t
t
c
c
P
tBij tCij
cBij
cCij
PBij
PCij
ln(PC/PB) tC-tB cC-cB
5
3
130
21 0.273
0.727
0.979
-2 -109
10
8
140
45 0.282
0.718
0.935
-2
-95
14
10
180
58 0.239
0.761
1.158
-4 -122
11
8
140
45 0.265
0.735
1.020
-3
-95
12
7
130
42 0.248
0.752
1.109
-5
-88
16
11
220
60 0.192
0.808
1.437
-5 -160
13
10
180
58 0.253
0.747
1.083
-3 -122
12
11
220
60 0.255
0.745
1.072
-1 -160
7
3
130
19 0.244
0.756
1.131
-4 -111
ロジットモデル式から、2つの選択率の比は以下のようになる
回帰分析
Linear Regression
1x
x
2y
2つ(以上)の変数を用いて、目的の変数yの値をうまく予
測できるような平面を決める方法
]
/
ln[
BUS ij CAR ijP
P
y
)
(
1 BUS ij CAR ijt
t
x
2(
)
BUS ij CAR ijc
c
x
x
1x
2y
平面
をうまく決める
集計データ(比率)を用いた
ロジットモデルの推定
390
.
0
00387
.
0
0796
.
0
00387
.
0
0796
.
0
CAR ij CAR ij CAR ij BUS ij BUS ij BUS ijc
t
V
c
t
V
係数 標準誤差 t
P-値 下限 95%上限 95%下限 95.0
上限 95.0
切片
0.3898
0.045
8.731
1E-04
0.281 0.499055 0.281 0.499
X 値
-0.0796
0.006
-13.2
1E-05
-0.09
-0.0648 -0.09 -0.06
X 値
-0.0039
3E-04
-12.2
2E-05
-0 -0.00309
-0
-0
回帰統計
重相関 0.9899
重決定 0.9799
補正 0.9732
標準誤差
0.0237
観測数
9
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 -2 -1 0 1 2 VBUS-VCAR バスの分担率最尤法による
ロジットモデルの推定
単位:分 3 11 10 3 11 7 8 2 10 8 3 1 3 2 1 tCij 表3.16 自動車の所要時 間 単位:分 7 16 14 3 12 12 10 2 13 11 5 1 3 2 1 tBij 表3.15 バスの所要時間 単位:円 19 60 58 3 60 42 45 2 58 45 21 1 3 2 1 cCij 表3.18 自動車の所要費用 単位:円 130 220 180 3 220 130 140 2 180 140 130 1 3 2 1 cBij 表3.17 バスの所要費用表 バスの利用者数
NBij
1
2
3
1
39
22
21
2
11
31
25
3
16
15
50
表 自動車の利用者数
NCij
1
2
3
1
104
61
62
2
28
94
73
3
51
63
155
最尤法による
ロジットモデルの推定
尤度関数
最大になるように値を調整
時間
費用
選択人数
魅力度(仮定値)
個人の選択率 事象発生確率
tBij tCij cBij cCij NBij NCij Vbij
Vcij
Pbij
Pcij
Pb^Nb
Pc^Nc
5
3 130
21
39
104 -0.8878
0.0831 0.27 0.72529 1.3E-22 3.1E-15
10
8 140
45
11
28 -1.3163
-0.399 0.29 0.71449
1E-06 8.2E-05
14 10 180
58
16
51 -1.7816
-0.605 0.24 0.76436
9E-11 1.1E-06
11
8 140
45
22
61 -1.3944
-0.399 0.27 0.73014 3.1E-13 4.7E-09
12
7 130
42
31
94 -1.4341
-0.31 0.25 0.75484 1.2E-19 3.3E-12
16 11 220
60
15
63 -2.0908
-0.691
0.2 0.80222 2.8E-11 9.3E-07
13 10 180
58
21
62 -1.7035
-0.605 0.25 0.75001 2.3E-13 1.8E-08
12 11 220
60
25
73 -1.7786
-0.691 0.25 0.74801 1.1E-15 6.2E-10
7
3 130
19
50
155 -1.0439
0.0907 0.24 0.75669
2E-31 1.7E-19
魅力度関数の係数の仮定値
α
-0.0780456E-139 7.8E-87
β
-0.003828尤度関数 5E-225
γ
0.397569最尤法による
ロジットモデルの推定
ソルバー機能:
表計算ソフト:
Excel の中では、いくつかの数値が
別のセルの数値に影響を与える場合、
目的のセルの数値を最大にするように、元の数値
を決定する計算ができる。
実際には、
この尤度関数は、あまりに値が小さい
ため、数値計算誤差の影響でうまく計算できない。
尤度関数の対数(log)を取ったもの
を考え、それを
最大化する。
nj
N
n
J
j
nj
N
n
J
j
P
nj
P
nj
1
1
1
1
ln
ln
最尤法による
ロジットモデルの推定
時間 費用 選択人数 魅力度(仮定値) 個人の選択率選択率の対数 人数分を合計 tBij tCij cBij cCij NBij NCij Vbij Vcij Pbij Pcij lnPbij lnPcij NblnPb NclnPc
5 3 130 21 39 104 -0.8878 0.0831 0.27 0.725 -1.292 -0.321 -50.39 -33.4 10 8 140 45 11 28 -1.3163 -0.399 0.29 0.714 -1.253 -0.336 -13.79 -9.413 14 10 180 58 16 51 -1.7816 -0.605 0.24 0.764 -1.445 -0.269 -23.13 -13.7 11 8 140 45 22 61 -1.3944 -0.399 0.27 0.73 -1.31 -0.315 -28.82 -19.19 12 7 130 42 31 94 -1.4341 -0.31 0.25 0.755 -1.406 -0.281 -43.58 -26.44 16 11 220 60 15 63 -2.0908 -0.691 0.2 0.802 -1.621 -0.22 -24.31 -13.88 13 10 180 58 21 62 -1.7035 -0.605 0.25 0.75 -1.386 -0.288 -29.11 -17.84 12 11 220 60 25 73 -1.7786 -0.691 0.25 0.748 -1.378 -0.29 -34.46 -21.19 7 3 130 19 50 155 -1.0439 0.0907 0.24 0.757 -1.413 -0.279 -70.67 -43.21 魅力度関数の係数の仮定値 α -0.078045 -318.3 -198.3 β -0.003828 対数尤度関数 -516.5 γ 0.397569