مدل اندازه گیری مبتنی بر لینک برای تخمین پارامترهای انتخاب مسیر در پیاده رو های شهری

• tccogpsadmin
• 0
• GNSS, GPS

مانیتورینگ منفعل با سیستم موقعیت یابی جهانی (GPS) برای کنترل خودکار داده های سفر استفاده می شود. با این حال ، داده های ردیابی GPS شامل خطاهای اندازه گیری است که به دستگاه نظارت و توضیحات شبکه در مدل بستگی دارد. در مورد شبکه های عابر پیاده شهری مانند مراکز شهری ، محیط ساخته شده توسط انسانها اغلب متنوع است و این تاثیر بسزایی در اندازه گیری دارد. خطاها باعث مشاهدات مغرضانه در انتخاب مسیر می شوند و بنابراین نتایج تخمین پارامترهای مدل های انتخاب مسیر نیز مغرضانه است.

برای مقابله با مشکل تخمین مغرضانه، این مطالعه یک مدل اندازه گیری مسیر مبتنی بر لینک را پیشنهاد می کند که به صورت پیوسته لینک ها را با استفاده از توالی های تجزیه شده از داده لینک می دهد و واریانس خطا، لینک اختصاصی اندازه گیری GPS را تخمین می زند. ما همچنین یک مدل انتخاب مسیر مبتنی بر لینک را به عنوان دانش اولیه  برای تصحیح مدل اندازه گیری با در نظر گرفتن مکانیسم رفتاری، بدون شمارش مسیر در نظر می گیریم.

علاوه بر این ، برای حذف جهت گیری های  موجود در اطلاعات اولیه، این مطالعه یک روش تخمین ساختاری را پیشنهاد می کند که در آن مشکل نقطه ثابت پارامتر رفتاری با فرآیند تکرار حل می شود. میزان کارایی روشهای پیشنهادی از طریق مثال عددی و همچنین مطالعه در یک شبکه عابر پیاده واقعی بررسی می شود.

به عنوان نتایج ، روشها عملکرد مدل اندازه گیری مسیر را تصحیح می کنند، و پارامترهای تخمین زده شده مدل انتخاب مسیر به دست آمده با استفاده از روش تخمین ساختاری، جهت گیری کمتر دارد  و روند متفاوتی نسبت به روشهایی که از مشاهدات انتخاب مسیر مغرضانه استفاده می کنند ، نشان می دهند. همچنین ، واریانس های تخمینی خطاهای اندازه گیری GPS واقع بینانه هستند.

Link-based measurement model to estimate route choice parameters in urban pedestrian networks

A B S T R A C T
Passive monitoring with the Global Positioning System (GPS) is increasingly used to automatically monitor trip data. However, GPS tracking data includes measurement errors that depend on the monitoring device and network description in the model. In the case of urban pedestrian networks, such as city centers, the built environment of streets is often diverse, and this has a significant impact on the measurement. The errors cause the biased observations of route choices, and thus the parameter estimation results of route choice models are also biased.

To deal with this problem of biased estimation, this study proposes a link-based route measurement model that sequentially infers links using decomposed sequences of data and estimates the link specific variance of the GPS measurement error.

We also incorporate a link-based route choice model as the prior to correct the measurement model by considering behavioral mechanism without path enumeration.

Additionally, to remove the biases included in the prior information, this study proposes a structural estimation method in which the fixed point problem of behavioral parameter is solved by the iteration process.

The performance of the proposed methods is examined both through a numerical example and a case study on a real pedestrian network.

As the results, the methods refine the performance of the route measurement model, and the estimated parameters of a route choice model obtained by the structural estimation method are less biased and exhibit a different trend than those using the biased route choice observations.

Also, the estimated variances of the GPS measurement errors are realistic.