Kan vi lita på trafikprognoser?
Kan vi lita på trafikprognoser?
Kan vi lita på trafikprognoser?
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
fördelningen påminner mycket om en normalfördelning men är beräkningstekniskt lättare att<br />
hantera.<br />
Sannolikheten Pi för att en indi<strong>vi</strong>d väljer alternativ i blir då:<br />
P i =<br />
eµV i<br />
e µV j<br />
∑<br />
j∈C<br />
där<br />
µ är en skalparameter och<br />
C är mängden av möjliga alternativ för indi<strong>vi</strong>den<br />
Vi kan inte avgöra <strong>vi</strong>lket alternativ indi<strong>vi</strong>den uppfattar som bäst utan bara beräkna sannolikheten<br />
för att ett <strong>vi</strong>sst alternativ väljs.<br />
Skalparametern µ som ingår i modellen är omvänt proportionell mot standardav<strong>vi</strong>kelsen för<br />
slumptermen ε i . Ju större "slumpdel" desto mindre skalparameter µ. Skalparametern µ går<br />
dock inte att skatta separat, utan de parametrar som <strong>vi</strong> skattar är en produkt av skalparametern<br />
och de sanna parametrarna βi.<br />
Strukturerade logitmodeller<br />
Om man <strong>vi</strong>ll att modellerna ska återspegla val på olika nivåer i en beslutsstruktur så uppstår<br />
problem med antagandet om att εi−termerna är oberoende och identiskt fördelade. Det kan t<br />
ex gälla om man <strong>vi</strong>ll studera det kombinerade valet av resfrekvens, destinationsval och<br />
färdmedelsval. I det fallet kan olika färdmedelsalternativ till samma destination uppfattas som<br />
mer lika av indi<strong>vi</strong>den med avseende på den slumpmässiga termen än samma färdmedelsalternativ<br />
till olika destinationer (dvs D1F1 och D1F2 uppfattas som mer lika än D1F1 och<br />
D2F1). Ett sätt att hantera detta är att tillåta statistiskt beroende mellan slumptermerna genom<br />
s k strukturerade logitmodeller. Logitmodeller av den strukturerade typen används vanligen i<br />
modellsystem för <strong>trafikprognoser</strong>. En strukturerad logitmodell i tre nivåer med resgenerering,<br />
destinationsval och färdmedelsval på de olika nivåerna skulle kunna ha följande utseende:<br />
Resfrekvens<br />
0<br />
1<br />
Destination<br />
D1<br />
D2<br />
.......<br />
DJ<br />
Färdmedel<br />
F1 F2 ...... FJ<br />
F1 F2 ...... FJ F1 F2 ...... FJ<br />
De undre nivåerna påverkar val i överliggande nivå. Färdmedelsvalet inverkar på destinationsvalet<br />
och destinationsvalet i sin tur påverkar resegenereringen. Koppling mellan nivåerna<br />
sker i modellerna med sk logsummor som i princip är logaritmen för summan av den typ som<br />
uppträdde i uttrycket för valsannolikheten Pi ovan. I ovanstående bild skulle logsumman i<br />
8