homyrouz.ru — Банкетный зал Хоми Роуз

Определив набор выбора, мы можем перейти к определению функции полезности, которая приведет к появлению различных типов моделей. Типология этого типа моделей обширна и может быть классифицирована (Medina, 2003 в соответствии с количеством альтернатив эндогенной переменной (модели дихотомического ответа и модели множественного ответа) или в соответствии с типом функции для оценки вероятности (Linear Probability). Model, Logit Model и Probit Model): являются ли альтернативы исключающими или включают порядковую информацию (модели с неупорядоченными данными и модели с упорядоченными данными) и относятся ли регрессоры к аспектам отдельных лиц или к альтернативам в неупорядоченных моделях ( полиномиальные и условные модели).

Для теоретического обоснования моделей дискретного выбора, основанных на теории случайной полезности, мы можем найти три типа моделей дискретного выбора в зависимости от различных гипотез, которые принимаются для распределения случайного члена. Сначала модель линейной вероятности, предполагающая равномерное распределение, затем модель Probit, предполагающая нормальное распределение, и, в-третьих, модель Logit, предполагающую логистическое распределение.

Модель линейной вероятности — это модель регрессии с линейной аппроксимацией, которая применяется к двоичной зависимой переменной.Эта модель оценивается обычными минимумами до квадрата и легко оценивается и интерпретируется. Расчетные параметры измеряют прогнозируемое изменение вероятности успеха по сравнению с приращением единицы X _i . Хотя есть проблемы с оценкой регрессионной модели, когда эндогенная переменная является бинарной. Конкретные проблемы, с которыми сталкиваются с этой моделью, — это гетероскедастичность члена возмущения, предсказанные вероятности несовместимы, поскольку нельзя гарантировать, что они ограничены между нулем и единицей, ненормальность возмущения и коэффициент детерминации не подходящее.Из-за этих проблем интересна модель, которая правильно воспроизводит поведение функции вероятности и альтернативы, которые, как мы находим, модель Logit и модель Probit схожи численно. Когда нормальное распределение используется в качестве функции вероятности, получается так называемая пробит-модель, в то время как использование логистического распределения обеспечивает модель Logit.

Основным преимуществом модели Пробит является ее способность фиксировать все корреляции между альтернативами, но ее основная проблема заключается в сложности ее формулировки, поэтому разработано очень мало приложений (Daganzo, 1979), и существует более трех альтернатив. Используется для расчетов в процедурах моделирования (Поезд, 2003).

Модель логистической регрессии, также называемая моделями Logit, гораздо более популярна благодаря своей аналитической гибкости. Таким образом, здесь анализируется возможная гипотеза для получения некоторых моделей логита из операции индивидуального выбора: наиболее общий интересующий случай, полиномиальная модель логита (McFadden, 1974), в ее частном случае, за пределами двоичных ситуаций; Иерархическая или вложенная модель Logit (Williams, 1977) и смешанная модель Logit (McFadden and Train, 2000).

Моделирование спроса на услуги: приложение к выбору транспортных услуг

Транспорт вносит значительный вклад в экономическое развитие и позволяет рынку функционировать в глобальном масштабе.Следует отметить, что большинство видов транспорта не влияют на общество только положительно, существуют отрицательные побочные эффекты, такие как заторы, шум и загрязнение воздуха.

Поощрение интермодальности с использованием самолетов и поездов направлено на устранение некоторых негативных последствий транспорта, таких как влияние заторов на окружающую среду, экономику, безопасность и пассажиров (Eurocontrol, 2004b). Например, что касается доступа к аэропорту с продвижением интермодальности, ожидается положительное влияние на экономику, особенно на региональную экономику, и на окружающую среду (Watkiss et al., 2001; Ли и Хеншер, 2012).

Оценка и интернализация внешних затрат на транспорт были важными вопросами для исследований в транспортном секторе в Европейском Союзе. За последнее десятилетие усилилась забота об окружающей среде, и Европейская комиссия подняла вопрос об интернализации в нескольких своих директивах, таких как Зеленая книга 1995 г. (Европейская комиссия, 1995 г.), Белая книга 2001 г. (Европейская комиссия, 2001 г.). ) и Среднесрочный обзор в 2006 г. (Европейская комиссия, 2006 г.).Последние два подчеркивают необходимость справедливого и эффективного ценообразования с точки зрения внешних затрат. С другой стороны, хотя воздействие на окружающую среду или заторы неоспоримы, в литературе есть несколько отчетов, которые пытаются дать количественную оценку, некоторые из них: (Межправительственная группа экспертов по изменению климата (IPCC), 1999; Федерация авиационной окружающей среды (AEF), 2000; INFRAS IWW, 2000, 2004; Whitelegg and Williams, 2001; IATA, 2003; Steer Davies Gleave, 2006; CE Delft, 2008) и (CE Delft, 2011).

В целом, все эти исследования направлены на создание систем ценообразования, которые учитывают внешние затраты, связанные с транспортом, чтобы уменьшить негативные воздействия, повысить эффективность транспортной системы, обеспечить справедливость между видами транспорта и повысить безопасность и устойчивость. .

В последние годы был достигнут значительный прогресс в построении моделей транспортного спроса, основанных на теоретических принципах выбора. В рамках теории случайной полезности можно показать, что структура моделей зависит от воспринимаемого сходства между альтернативами дискретного выбора.Более того, этот аспект можно интерпретировать математически с точки зрения корреляции между компонентами случайных функций полезности. Использование дезагрегированных моделей спроса типа Logit позволяет нам определить вероятность выбора того или иного способа в зависимости от ранее определенных атрибутов, а также количественно оценить готовность этих субъектов платить на основе различных ранее данных характеристик.

Для этого мы должны сначала определить, какие параметры измеряют полезность услуг или определяют атрибуты услуги (Martín et al., 2011; Наваретте и Ортузар, 2013; Чоудхури и др., 2015; Schakenbos et al., 2016; Ettema et al., 2017). Чтобы выбрать вид транспорта, факторы, влияющие на выбор режима, можно разделить на три группы (Евроконтроль, 2004a) по характеристикам вида транспорта (наличие и / или владение автомобилем, водительские права, структура жилья, доход. ), характеристики поездки (на выбор режима сильно влияют цель поездки, время поездки) и характеристики транспортной инфраструктуры и услуг (относительное время в пути, относительная денежная стоимость, комфорт и удобство, надежность и регулярность , охрана и безопасность).

Источники данных

Информация, необходимая для оценки этих моделей, получена посредством обследований мобильности различных людей в данный момент (Martínez and Muro, 2011). Можно выделить два типа опросов: выявленные предпочтения и заявленные предпочтения.

Выявленные предпочтения (RP) показывают данные о текущем поведении людей и предоставляют нам информацию об их решениях о поездках. Они предоставляют нам описательную информацию о характеристиках путешественника на определенном маршруте.До середины 1980-х годов этот тип данных чаще всего использовался для моделирования транспортного спроса. Основными недостатками использования этих данных в моделировании являются стоимость выборки и ее ограниченная способность понимать поведение путешественника; наблюдения за фактическими выборами могут не иметь достаточной изменчивости для построения хороших моделей. Из-за этого трудно определить относительную важность определенных факторов в поведении; (Де Диос Ортуза и Виллумсен, 2001; Эспино, 2003; Эспино и др., 2006). Для случая Толедо-Мадрид получена информация о типе мобильности путешественников в текущей ситуации с учетом социально-экономического профиля и параметров мобильности (Martínez and Muro, 2014).

Заявленные предпочтения (SP) дают информацию о поведении индивида перед определенными гипотетическими ситуациями, выдвинутыми исследователем (Navarette and Ortuzar, 2013). В отличие от данных RP, которые предоставляют информацию о поездках, которые человек обычно совершает, они информируют о поездках, которые человек осуществил бы в определенных условиях.СП были начаты в области рыночных исследований и начали применяться в области анализа спроса на перевозки в конце 1970-х годов. Возможность разработки экспериментов SP позволяет теоретически решить проблемы, которые они представляют для RP (de Dios Ortúza and Willumsen, 2001). Одна из проблем, представленных этими моделями, заключается в том, что аналитик не может гарантировать, что человек выполняет то, что он ответил в опросе SP, поэтому важно построить реалистичные альтернативы и разработать понятные упражнения для представления человека.

В упражнении SP можно выделить три основных элемента (Espino, 2003). Первая — это ситуация, в которой человек оказывается, чтобы заявить о своих предпочтениях, которые могут быть реальной ситуацией (путешествие, совершаемое в этот момент) или гипотетическим (путешествие, которое состоится в будущем при определенных условиях). , и составляет контекст решения. Во-вторых, выбираются альтернативы, которые обычно являются гипотетическими, хотя некоторые из них могут существовать сегодня, они представлены в упражнении как функция набора атрибутов.В-третьих, он определяет, как люди могут заявить о своих предпочтениях. Наиболее частые методы — это иерархия ответов, пунктуация альтернатив и выбор между альтернативами.

В случае Толедо-Мадрид различные альтернативы, которые пользователь должен выполнить в этом путешествии, — это поездка на общественном транспорте, либо на высокоскоростном поезде (HST), либо на рейсовом автобусе (BUS), либо на частном транспорте, частном автомобиле. (АВТОМОБИЛЬ).

Основная методология представления вариантов заявленных предпочтений (SP) — это реализация эффективного дизайна сценариев.В частности, анкета заявленных предпочтений разработана в соответствии со схемой снижения цен и времени в трех блоках или сценариях, чтобы определить вариации выбора отдельных лиц. Опросы SP состоят из двух подходов: первого сравнительного подхода между автобусом и HST и второго подхода, сравнивающего автомобиль и HST. Сценарии согласованы с такими переменными, как цена поездки, время в пути, комфорт и стоимость парковки, последняя переменная относится только к автомобилю.

Исследование SP предлагает имитационное упражнение, демонстрирующее альтернативные сценарии, которые определяют мобильность в будущем. Для разработки этих сценариев используется комбинация переменных цены и времени в пути. Перед определением опций проводится характеристика услуг и инфраструктуры, доступных в настоящее время для каждого вида транспорта. Эта текущая цитата послужит основой для расчета различных вариантов прибытия в аэропорт Мадрида из Толедо и выбора лучшего.

Таким образом, использованная методология заключалась в том, чтобы рассчитать цену и среднее время в пути для каждого вида транспорта от пункта отправления, которым в данном случае является Толедо, до пункта назначения в текущей ситуации и сравнить их с различными гипотетическими сценариями. Поэтому сценарии, представленные в вопросниках СП, рассчитываются на основе средних цен и времени, рассчитанных на этом маршруте, и сравниваются в каждой паре видов транспорта (Muro, 2012).

Следовательно, устанавливаются три сценария маршрута:

• Толедо-аэропорт без перевалки с новой инфраструктурой, совершая поездку по HST из Толедо в аэропорт Мадрида с двумя остановками, одну на станции Аточа, а другую на станции Чамартин, но без пересадки.

• Толедо-аэропорт с пересадкой: с новой инфраструктурой, совершая поездку по HST из Толедо в аэропорт Мадрида, делая остановку на станции Аточа и еще одну остановку с перевалкой на станции Чамартин.

• Толедо-аэропорт с двумя пересадками с использованием новой инфраструктуры, совершая поездку по HST из Толедо в аэропорт Мадрида с остановкой с перевалкой на станции Аточа и еще одной остановкой с перевалкой на станции Чамартин.

Выбранные оптимальные варианты шины и автобуса (CAR) фиксируются и сравниваются блоками по три в соответствии с тремя сценариями, предложенными для HST.Цены и время в пути для вида транспорта — автобуса и частного автомобиля — постоянны для всех сценариев и основаны на текущих значениях. Цены на автобус рассчитываются в соответствии с ценами на билеты, а цены на частный автомобиль рассчитываются с применением стоимости проезда за километр, которая включает техническое обслуживание транспортного средства, страховку и т. Д., Добавляя к стоимости дорожного сбора. Эта цена не включает стоимость парковки, поскольку она представлена ​​как другая переменная, измеряемая в евро за день парковки.

Таким образом, для расчета этих значений времени и цены были приняты во внимание следующие гипотезы:

1. Наличие единого билета для случая HST, с информацией о возможном переходе для всех сценариев. Таким образом, время пересадки между поездами при необходимости сводится к минимуму.

2. Время в пути складывается из суммы времени от пункта отправления, времени ожидания и доступа, а также времени в пути.

3. Цены, относящиеся к различным этапам поездки в HST, рассчитываются как вариации базовой цены, которая рассчитывается на основе текущей поездки.

С эконометрической точки зрения основное различие обоих типов данных (RP и SP) заключается в типах ошибок, которые каждый из них представляет. Данные RP страдают от ошибок в измерении независимых переменных, а данные SP представляют ошибки в зависимой переменной, мотивированные сомнением в том, действительно ли человек будет выполнять то, что он декларирует. Совместная оценка обоих типов данных основана на различных упомянутых ошибках и может быть уточнена, если мы рассмотрим составляющие ошибки с разной дисперсией.Бен-Акива и Морикава формулируют смешанные оценки данных, в которых сочетаются выявленные предпочтения и заявленные предпочтения с целью избежать их недостатков и использовать преимущества различных источников информации (Бен-Акива и Морикава, 1990).

Технические характеристики и оценка

Чтобы объяснить математический подход моделей дискретного выбора, применяемый к случаю выбора транспорта, можно начать с предположения, основанного на выборе индивидуума между двумя доступными альтернативами (моделями бинарного ответа), а затем расширить это предположение. к доступным альтернативам j (модели с множественным откликом).Модели дихотомической реакции делятся на две категории, и они обычно указывают на то, что событие произошло, что какая-то особенность присутствует или что выбран вариант.

При моделировании выбора транспорта цель будет заключаться в анализе выбора различных альтернатив, которые пользователь должен совершить в этом путешествии, и это, например, поездка на общественном транспорте, либо на высокоскоростном поезде (HST). либо на рейсовом автобусе (АВТОБУС), либо на личном транспорте в личном автомобиле (АВТО).

Поскольку это исследование фокусируется на вероятности выбора вида транспорта, доступными альтернативами будут высокоскоростной поезд, а не автобус и автомобиль. Это позволяет определять и оценивать модели бинарной логистической регрессии, которые будут служить основой для первого анализа качества базы данных. Таким образом, указаны две модели, которые будут иметь функциональную форму модели биномиальной логистической регрессии, альтернативами которой будут HST-BUS и HST-CAR, соответственно.

Функциональная форма моделей биномиальной логистической регрессии с альтернативами HST-BUS / HST-CAR будет представлена ​​следующим образом:

Где U — общие коммунальные услуги высокоскоростного поезда ( a ) и автобуса / автомобиля ( r ) соответственно.

Если предполагается, что детерминированный компонент полезности, V , является линейным по отношению к параметрам, как в большинстве подходов к дезагрегированной модели, то:

где:

β-, вектор коэффициентов.

X-, — вектор независимых переменных.

Итак, если у нас есть две альтернативы, например, будет представлена ​​биномиальная модель Logit

Если предположить, что α = 1, поскольку в случае линейных полезностей по параметрам параметр α не может быть выделен из общего масштаба β.

Взяв логарифм с обеих сторон из приведенного выше уравнения, мы получим формулировку, которая подходит для применения методов линейной регрессии:

Поскольку вероятность выбора альтернативы r определяется как: P ( r ) = 1 — P ( a )

Окончательная функциональная форма модели с аддитивной линейной функцией полезности выглядит следующим образом:

Основными объясняющими переменными, которые учитываются при анализе спроса на перевозки, являются дифференциал между атрибутами и социально-экономическими переменными (де Диос Ортуза и Виллумсен, 2001; Кокасова, 2003; Эспино, 2003; Евроконтроль, 2005a; Стир Дэвис Глив, 2006; Muro, 2012), а именно:

(1) Переменные атрибутов:

— Путевые расходы:

Цена с переменной ценой, измеряемая в евро, будет ценой, уплачиваемой за каждое транспортное средство, используемое в качестве общественного транспорта, а для частного автомобиля — стоимость бензина, основанная на пройденных километрах, включая стоимость амортизации транспортного средства. (страхование, техобслуживание и т. д.). Переменная транспортных расходов представляет собой уплаченную цену в евро за маршрут в соответствии с выбранным видом транспорта. Помимо личного автомобиля, цена автомобиля разная, поэтому общая стоимость автомобиля будет складываться из стоимости поездки плюс стоимость парковки.

— Время в пути:

Общее время в пути — один из наиболее важных факторов, который путешественник принимает во внимание при выборе вида транспорта (Steer Davies Gleave, 2006). Следовательно, это основной фактор увеличения спроса, поскольку время в пути сокращается (IATA, 2003).Переменная времени в пути, измеряемая в минутах, может быть представлена ​​как общее время поездки или временем, выделенным на каждый из этапов поездки, например, время ожидания, трансфер и т. Д. Переменное время, рассматриваемое в этом исследовании, — это общее время, затраченное на поездку выбранным видом транспорта.

— Комфорт:

Эта переменная измеряет уровень обслуживания и представлена ​​фиктивными переменными, которые включают значения, кодирование которых содержит различные уровни обслуживания, воспринимаемые человеком.В этом случае комфорт пытается измерить, как человек воспринимает перегрузки, которые представлены как гипотетические сценарии будущих услуг HST в аэропорт Мадрида (для остальных альтернатив они будут текущими вариантами путешествия). Комфорт — это фиктивная переменная, определяемая как количество пересадок, выбранных для альтернативного поезда. Так что в первом сценарии без пересадок комфорт равен 1; во втором сценарии с одним трансом для комфортности 2; и третий сценарий, с двумя пересадками комфорт 3.Если вы не выберете опцию HST, уровень комфорта будет равен 0.

(2) Социально-экономические переменные:

-Пол:

Переменная пола включена как дихотомическая фиктивная переменная для анализа их влияния на решения.

— Уровень дохода был определен физическим лицом в соответствии с диапазоном месячной заработной платы, который был разделен на пять категорий: первая — доход в размере до 600 евро, затем доход в диапазоне от 601 до 1000 евро, затем — в диапазоне 1001 евро. до 2000, далее в диапазоне от 2001 до 3000 евро и в последний раз выше 3000.

— Возраст:

Эта переменная выражается в четырех диапазонах: значение 1 от 18 до 33 лет; 2 от 34 до 49 лет; 3 от 50 до 64 лет и 4 старше 65 лет. Итак, мы находимся в спецификации трех фиктивных переменных, которые представляют значение один, когда оно соответствует этому диапазону, и ноль в противном случае.

Спецификация коммунальных услуг представлена ​​в виде биномиальной модели Logit для измерения выбора вида транспорта между альтернативами HST / BUS ( MNL1 ) в коридоре Толедо-Мадрид (аэропорт Мадрида):

Утилита HST1: U _HST1 = ASC _HST1 + θ _P P _HST1 + θ _T T _HST1

Коммунальная шина: U _Шина = ASC _шина + θ _P P _шина + θ _T T _шина + ∑θ _Cj C

Бытие,

ASC _{HST 1} и ASC _bus , конкретные константы каждой альтернативы, в которых фиксируется ASC _{HST 1} .

θ _P , θ _T и θ _Cj — это параметры, связанные с каждой из независимых переменных. В этой спецификации две наиболее важные переменные (стоимость, θ _P и время, θ _T ), где C , относятся ко всем социально-экономическим переменным и характеристикам путешествия, таким как доход, пол, возраст. , двигательные путешествия и комфорт.

C _j , является универсальной переменной, которая представляет каждую из переменных, не собранных явно, но упомянутых выше, где j относится к S , пол; ING к доходу; и COM , комфорт в зависимости от передач.

P _HST , P _bus , это цена альтернатив HST1 и Bus соответственно.

T _HST , T _bus , время в пути альтернативных HST1 и Bus, соответственно.

Технические характеристики утилит двух альтернатив модели HST-CAR ( MNL2 ) будут:

Утилита HST2: U _HST2 = ASC _HST2 + θ _P P _HST2 + θ _T T _HST2

Коммунальная машина: U _CAR = ASC _вагон + θ _P P _вагон + θ _T T _вагон + θ _PA PA _вагон + ∑θ _Cj C _j

Бытие, ASC _{HST 2} ; ASC _{автомобиль} , конкретные константы каждой альтернативы.

θ _P ; θ _Т ; θ _PA и θ _Cj — это параметры, связанные с каждой из независимых переменных.

C _j — это общая переменная, которая представляет каждую из переменных, не собранных явно, но упомянутых ранее.

P _HST , P _{легковой} , это цена альтернатив HST2 и CAR соответственно.

T _HST , T _вагон , время в пути альтернатив HST2 и CAR соответственно.

Результаты оценок биномиальной модели показаны в таблицах 1, 2 (Bierlaire, 2003).

Таблица 1 . Расчетные результаты биномиальной логит-модели MNL1 (HST1-BUS).

Таблица 2 . Расчетные результаты биномиальной модели MNL2 (HST2-CAR).

Таблица 1 моделей MNL1 является результатом оценки данных альтернатив HST1 и BUS.Модели MNL1.1, MNL1.2, MNL1.3, MNL1.4, MNL1.5, MNL1.6 и MNL1.7 представляют собой варианты указанных моделей с различными независимыми переменными. В общем, эти переменные статистически значимы, как показано в таблице 1, и с правильными знаками (отрицательные значения для обратной связи).

Результаты первых биномиальных моделей показывают низкие коэффициенты детерминации, что является отражением неадекватной подгонки логит-биномиальной модели на уровне около 1% в случае альтернатив HST-BUS (MNL1.1: 0,057; MNL1.2: 0,080; MNL1,6: 0,81). Это может быть вызвано меньшим количеством людей, выбравших вариант BUS по сравнению с вариантом HST.

Модели MNL2 Таблица 2 представляет собой результаты оценки данных альтернатив HST1 и BUS. Модели MNL1.1, MNL1.2, MNL1.3, MNL1.4, MNL1.5, MNL1.6 и MNL1.7 представляют собой варианты указанных моделей с различными независимыми переменными. В общем, эти переменные статистически значимы, как показано в таблице 2, и с правильными знаками (отрицательные значения для его обратной зависимости), за исключением MNL2.2, где мы можем найти стоимость поездки с положительными значениями. По этой причине данная модель аннулируется, и в окончательные модели включена только стоимость всей поездки.

Модели MNL2 (Таблица 2) являются результатами оценки с данными альтернатив HST2 и CAR. Модели MNL2.1, MNL2.2, MNL2.3, MNL2.4, MNL2.5, MNL2.6 и MNL2.7 такие же, как и предыдущие варианты оригинала. Эти модели показывают коэффициенты детерминации около 53% (MNL2,1: 0,522, MNL2,3: 0,522; MNL2.7: 0.531).

По результатам оценочных моделей переходим к расчету схем оплаты пользователей. Эти схемы оплаты рассчитываются как частное от параметров, оцениваемых по времени и цене, поэтому они интерпретируются как готовность платить или ожидание, чтобы сэкономить время в пути (Espino et al., 2006).

Условия оплаты биномиального HST-BUS колеблются от 0,397 до 0,431, что означает, что люди будут готовы платить от 23 до 25 евро, чтобы сэкономить час поездки.

В случае моделей Logit Binomial HST-CAR, таблица 2, результаты очень высоки и составляют 600 евро в час, что позволяет сэкономить время в пути. Это может быть мотивировано людьми, которые ответили в лексикографической форме, в которой, независимо от вариантов, пользователи выбрали автомобиль, хотя это было во всех вариантах, а также сложностью захвата обычных пользователей автомобиля.

Далее, если мы предположим, что есть три доступных альтернативы выбора для индивидуума на этом пути, предлагается модель с тремя альтернативами: HST, автобус и автомобиль, функциональная форма которых будет формой полиномиальной модели логистической регрессии.

Спецификация основана на подходе четырех альтернатив, по две из каждой из суббаз данных:

Утилита HST1: U _HST1 = ASC _HST1 + θ _P P _HST1 + θ _T T _HST1

Коммунальная шина: U _Шина = ASC _Шина + θ _P P _Шина + θ _T T _Шина

Utility HST2: U _HST = ASC _HST2 + θ _P P _HST2 + θ _T T _HST2

Коммунальная машина: U _CAR = ASC _CAR + θ _P P _CAR + θ _T T _CAR + θ _PA PA _CAR + ∑θ _Cj C _j

Совместная обработка обеих баз данных требует, в спецификации полиномиальной модели, особой обработки и равной проблематике, применимой к смешанным данным (RP и SP).

Таким образом, модель Logit Multinomial (MNL3) с альтернативами HST-BUS-CAR будет иметь вид:

Вероятность выбора каждой из альтернатив будет:

Следовательно, указана полиномиальная логит-модель ( MNL3 ) с подбазами 1 и 2, так что спецификация выполняется со смешанной обработкой данных с различными ошибками и, следовательно, дисперсиями, так что ε является стохастической ошибкой Данные HST-BUS (База 1) и η данные базы HST-CAR (База 2).Его можно выразить как: σε2 = μ2. ση2, где μ — неизвестный параметр.

Значит, утилиты обеих баз данных выражены

где:

θ, α и w — параметры, которые необходимо оценить.

XjBI и XjB2 являются общими атрибутами альтернативы j для баз данных 1 и 2 соответственно, в то время как YjB1 и ZjB2 не являются общими атрибутами альтернативы j для каждого набора данных.

Путем умножения функции полезности данных Базы 2 на неизвестный параметр μ получается, что стохастическая ошибка этого типа данных имеет ту же дисперсию, что и данные Базы 1.

Принимая во внимание эти функции полезности, нам разрешено усреднить тип усредненной ошибки за счет умножения параметров SP, где, умножая функцию полезности данных подбазы 2 на неизвестный параметр μ, мы гарантируем, что стохастический Ошибка этого типа данных имеет такую ​​же дисперсию, как и данные подбазы 1.

В смешанных данных предполагается, что данные SP должны иметь больше шума, чем данные RP. В этом случае значение μ, известное как масштабный коэффициент модели, будет между 0 и 1. Если значение> 1, это будет означать, что данные с наивысшим уровнем шума являются данными РП. В нашем случае и из-за обнаруженных ошибок мы предполагаем, что база 2 (HST-CAR) будет иметь больше шума (Ben-Akiva and Morikawa, 1990).

С учетом разнородных данных ( MNL3.1 ) спецификация модели будет следующей: U _HST1 = OP * (ASC _HST1 + BETA1 * P _HST1 + BETA2 * T _HST1 ) + (1-OP) * μ * (ASC _HST2 + BETA1 * P _HST2 + BETA2 * T _HST2 ) U _BUS = OP * (ASC _BUS + BETA1 * P _BUS + BETA2 * T _BUS ) + (1-OP) * μ * (ASC _Шина + BETA1 * P _Шина + BETA2 * T _Шина ) U _HST2 = OP * (ASC _HST1 + BETA1 * P _HST1 BETA2 * T _HST1 BETA2 * T _{HST1 HST1 (1-OP) * μ * (ASC HST2 + BETA1 * P HST2 BETA2 * T HST2 ) U CAR = OP * (ASC CAR + BETA1 * CT CAR + BETA2 * T CAR ) + (1-OP) * μ * (ASC CAR + BETA1 * PT CAR + BETA2 * T CAR )}

Мы приступили к оценке полиномиальных моделей с тремя и четырьмя альтернативами.Результаты оценки моделей показаны в таблицах 3, 4 (Bierlaire, 2003) для полиномиальных простых моделей (MNL) с четырьмя и тремя альтернативами, соответственно.

Таблица 3 . Расчетные результаты MNL с четырьмя альтернативами и смешанными данными.

Таблица 4 . Результаты моделей MNL оценены с тремя альтернативами и масштабированными данными.

Впоследствии модели, которые объединяют две базы данных, были оценены с применением конкретной проблемы смешанных данных (Ben-Akiva and Morikawa, 1990), оценивая модели полиномиального логита с тремя и четырьмя альтернативами.Как только обнаружено, что значение масштаба смешанных данных является значительным, что означает, что есть различия в ошибках в двух базах данных, мы начинаем масштабировать данные, проверяя, что результаты улучшаются с масштабированными данными. С этого момента при оценке моделей полиномиального логита данные подбазы 2 масштабируются этим вычисленным коэффициентом в модели MNL3.1.

Из таблицы 3 можно проверить, что переменная Theta (μ) может быть проверена как статистически значимая. По этой причине база данных 1 должна быть масштабирована, чтобы иметь возможность устанавливать альтернативы HST1 и HST2 в качестве единственной альтернативы HST.Таким образом, три модели предполагаемых альтернатив будут иметь масштабированные данные. (Таблицы 4, 6).

В Таблице 4 показана оценочная модель с тремя альтернативами. Из модели MNL4.1 с тремя альтернативами без масштабированных данных мы можем проверить, как в последующих моделях с масштабированными данными результаты улучшаются с точки зрения псевдо-R2 (ρ2). Следовательно, на основе масштабированных данных предлагаемые спецификации оцениваются с помощью трех альтернатив моделей полиномиального логита и смешанного логита. По каждому из этих результатов рассчитываются резервы, подлежащие выплате, как частное от оценочных параметров по времени и цене.

Наконец, выполняется спецификация модели Logit Mixed (ML) с фиксированными параметрами. Модель Logit Mixed с компонентами ошибок используется при анализе произвольных шаблонов заменяемости или корреляции. В этом случае полезность альтернативы i указывается как:

где:

α, представляет собой вектор фиксированных коэффициентов и представляет вектор параметров независимых переменных альтернативы i .

μ _q и ε _iq , независимы, будучи μ _q , представляет собой вектор случайных коэффициентов со средним 0 и ковариацией W y ε _iq , являются случайными величинами, iid Gumbel (0, β).

В этой формулировке случайный член:

Можно проверить, что с этой формулировкой существует корреляция между любой парой альтернатив:

Вероятность выбора может быть получена аналогично предыдущему случаю, обусловленная значением μ _q .В связи с тем, что нет никакой гарантии, что можно будет решить интеграл, вероятность получается путем моделирования.

Обе модели (случайных параметров и компонентов ошибки) эквивалентны, когда векторный параметр β разбивает клоун на его среднее значение α плюс отклонения μ _q (β _q = α + μ _q ) . И наоборот, если z _iq = x _iq , модель компонента ошибки эквивалентна модели случайных параметров: и если z _iq = x _iq , мы получили бы модель случайных параметров с фиксированными коэффициентами для x _iq и случайными коэффициентами с нулевым средним для z _iq .

Спецификация модели Logit Mixed ( ML ) с эффектом панели для анализа корреляции между переменными с использованием модели фиксированных эффектов, где сначала указываются четыре альтернативы, а затем — три.

Сначала предлагается смешанная модель Logit ( ML5.1 ) для определения эффекта панели со смешанными данными и с одним и тем же компонентом ошибки для двух баз данных, так что модель будет иметь вид:

Бытие: OP = 1 со значениями подосновы 1 и 0 для значений подосновы 2 (OP-1 = База 2)

И позже указывается с разными ошибками для каждой базы (ZERO_SIGMA1 и ZERO_SIGMA2)

Выполняются спецификации трех альтернатив, сначала без масштабирования данных, ML 6.2:

И с масштабированными данными Base 2 с масштабным коэффициентом, полученным в оценке MNL3.1 (μ = 0,0830), модель задается с тремя альтернативами, такими как ML.6.4:

Таблицы 5, 6 показывают результаты для моделей Logit Mixto с тремя и четырьмя альтернативами (Bierlaire, 2003).

Таблица 5 . Результаты моделей машинного обучения, оцененных с четырьмя альтернативами, с панельным эффектом.

Таблица 6 . Результаты моделей машинного обучения, оцененные с тремя альтернативами, с панельным эффектом и с масштабированными данными.

Результаты моделей полиномиального логита с тремя вариантами выбора (HST-CAR и BUS) улучшаются с точки зрения коэффициента детерминации, показывая более реалистичные схемы оплаты. Даже в том случае, когда мы включаем переменную комфорта (измеряемую по количеству пересадок), вместе с общей стоимостью поездки (которая отдельно включает стоимость поездки и стоимость парковки для автомобиля, имеет значение.Помимо результатов, полученных на моделях, переменные которых не являются значимыми и с непредвиденными признаками времени, результаты значительно улучшаются.

Выводы и рекомендации

В этой статье показано применение моделей спроса или осторожного выбора типа Logit для получения положений об оплате потребителями транспортных услуг, особенно в коридоре Толедо-Мадрид / Мадридский аэропорт. В этом случае анализируется, что выберут путешественники, которые совершат это путешествие, учитывая, что в настоящее время у них есть три альтернативы: высокоскоростной поезд, автомобиль и автобус.

Теоретическая основа этих эмоций начинается с теории случайной полезности, а именно с теории максимизации полезности. Эта модель основана на существовании рационального потребителя, который представляет собой среднее поведение группы потребителей на основе ряда параметров, измеряющих эту полезность. В случае транспорта этими переменными обычно являются время в пути, стоимость или цена услуги и удобство поездки, а также различные социально-экономические переменные человека.

Данные модели получены путем опроса заявленных предпочтений. В нем предлагается моделирование альтернативных сценариев, которые настраивают мобильность в будущем. Эта мобильность основана на новой инфраструктуре связи с аэропортом. Таким образом, на маршруте есть разные варианты обслуживания: две пересадки, одна пересадка или отсутствие пересадки.

В целом, из результатов, представленных выше, мы выделяем переменные уравнения и меры качества модели.

Logit, которые измеряют вероятность выбора HST перед автобусом или автомобилем независимо и в соответствии с социально-экономическими характеристиками объекта и характеристиками различных видов транспорта. В каждую из моделей включены следующие переменные: время, цена, пол и доход. Таким образом, атрибутами для каждого из видов транспорта являются (1) HST, цена и время в пути, (2) автобус, цена и время в пути и (3) автомобиль с учетом цены, стоимости парковки и времени в пути.

В частности, результаты показывают, что готовность платить биномиальные модели HST-Car слишком велика (600 евро в час, сэкономленные на поездке), мотивируется людьми, которые ответили лексикографическим способом, и мотивируется меньшим числом людей, у которых есть Выбран вариант автобуса перед вариантом HST. Условия оплаты биномиального автобуса HST более разумны и колеблются от 23 до 25 евро в час.

В полиномиальных моделях условия оплаты более реалистичны, за исключением случаев, когда мы включаем переменную комфорта вместе с общей стоимостью поездки, с помощью которой получаются модели, переменные которых не являются значимыми, и даже с указанием времени, которое не ожидается, оценка Модель без независимых членов, с которой вы получаете результат 26.3 € в час.

По результатам моделирования мы можем проанализировать, как потребитель готов платить 26,3 евро за каждый сэкономленный час поездки, что дает нам информацию о важности времени в пути над заплаченной ценой.

В заключение, основываясь на этой информации, рекомендуется проводить устойчивую транспортную политику с упором на интермодальные перевозки HST-самолет, чтобы способствовать сокращению времени в пути, поощряя использование эффективного общественного транспорта в качестве высокоскоростного поезда, чтобы добраться до аэропорта. .

Транспортная политика, направленная на замену частного транспорта общественным (HST), дает преимущества, с одной стороны, пользователям, которые будут иметь более короткое время в пути, и в целом транспортной системе, чтобы уменьшить загруженность доступа к Мадриду и к аэропорту Мадрида. (Ли и Хеншер, 2012).

Основными переменными, способствующими интеграции воздушных и высокоскоростных видов транспорта, являются наглядность предложения, интегрированное управление бронированием и посадочными талонами, регистрация на рейс и контроль багажа, полная ответственность за поездки, управление программами лояльности пассажиров. , простота стыковки в интермодальном режиме, время в пути и цена (Muro, 2012).Что касается этого предложения, и, прежде всего, сообщения между Толедо и аэропортом Мадрида, появилась новая линия прямых автобусов до аэропорта (Muro and Pérez, 2016), а недавно, в феврале 2017 года, появилось предложение комбинированных железнодорожных и авиабилетов. (Поезд и полет) из города Толедо, что свидетельствует об улучшении интермодальности по воздуху и железной дороге ( интермодальность по воздуху и железной дороге ).

Взносы авторов

AM: моделирование и согласование. ИП: методологическая база. SG: введение и концептуальная основа.

Финансирование

Эта статья финансировалась исследовательскими группами по оказанию помощи при Университете Кастилья-Ла-Манча, 2017. Исследовательская группа «Observatorio de la Innovación en Distribución Comercial». Этот документ финансируется Министерством экономики и конкуренции (Испания), исследовательский проект со ссылкой: ECO2014-59688-R, Programa Estatal de Investigación, Desarrollo e Innovación Orientada a los Retos de la Sociedad, Plan Estatal de Investigación Científica y Técnica y de Innovación 2013–2016.Редакция перевода финансировалась при сотрудничестве контрактной программы факультета юридических и социальных наук Толедо.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы благодарны нашему учителю, профессору Тимотео Мартинес Агуадо, за сотрудничество и помощь, которые он всегда нам оказывал, и, в частности, за его вклад в эту работу.

Сноски

Ссылки

Федерация авиационной среды (AEF) (2000). От самолетов к поездам — ​​реализация потенциала перехода на железнодорожные перевозки с коротких рейсов. Лондон: Друзья Земли.

Бен-Акива, М. Э. и Морикава, Т. (1990). Оценка моделей переключения на основе выявленных предпочтений и заявленных намерений. Пер. Res. А 24, 485–495. DOI: 10.1016 / 0191-2607 (90)

CrossRef Полный текст | Google Scholar

Бен-Акива, М., и Лерман, С. (1985). Анализ дискретного выбора: теория и применение к спросу на поездки . Кембридж, Массачусетс: MIT Press.

Google Scholar

Бирлер, М. (2003). «BIOGEME: бесплатный пакет для оценки моделей с дискретным выбором», в материалах Труды 3-й Швейцарской конференции по исследованиям в области транспорта, (Аскона).

Google Scholar

Блок, Х. Д., Маршак, Дж. (1960). «Случайный порядок и стохастические теории откликов», в Contributions to Probability and Statistics , ред. I.Олкин, С. Г. Гурье, В. Хёффдинг, В. Г. Мадоу и Х. Б. Манн (Stanford University Press), 97–132.

Google Scholar

Cantillo, V., and Ortúzar, J. d. Д. (2005). Полукомпенсаторная модель дискретного выбора с явными атрибутивными порогами восприятия. Пер. Res. B 39, 641–657. DOI: 10.1016 / j.trb.2004.08.002

CrossRef Полный текст | Google Scholar

Чоудхури, С., Седер, А. (2016). Готовность пользователей пользоваться интегрированной службой общественного транспорта: обзор литературы. Пер. Политика 48, 183–195. DOI: 10.1016 / j.tranpol.2016.03.007

CrossRef Полный текст | Google Scholar

Чоудхури, С., Седер, А., и Швальгер, Б. (2015). Влияние экономии времени и затрат на решение пассажиров использовать маршруты общественного транспорта с пересадками. J. Trans. Геогр. 43, 151–159. DOI: 10.1016 / j.jtrangeo.2015.01.009

CrossRef Полный текст | Google Scholar

Чокасова, А. (2003). Моделирование интермодальных перевозок по воздуху и железным дорогам с точки зрения пассажиров в ГЛАВНЫХ аэропортах Европы .Экспериментальный центр Евроконтроль, Жилинский университет.

Коллинз, К. М., и Чемберс, С. М. (2005). Психологические и ситуативные влияния на выбор режима пригородного транспорта. Environ. Behav. 37, 640–661. DOI: 10.1177 / 0013916504265440

CrossRef Полный текст | Google Scholar

Даганзо, К. Ф. (1979). Полиномиальный пробит: теория и ее приложения для прогнозирования спроса . Нью-Йорк, штат Нью-Йорк: Academic Press.

Google Scholar

Доменчих, Т.А., и Макфадден Д. (1975). Спрос на городские поездки. Поведенческий анализ . Амстердам: Северная Голландия.

Google Scholar

Эспино Р. (2003). Análisis y Predicción de la Demanda de Transportes de Pasajeros: Una Aplicación al Estudio de dos Corredores de Transporte en Gran Canaria . Докторская диссертация Тесиса, Университет лас-Пальмас-де-Гран-Канария.

Эспино Р., Ортузар Дж. Д. и Роман К. (2006). Доверительный интервал для готовности платить измеряет в моделях выбора режима. Netw. Пространственная экономика. 6, 81–96. DOI: 10.1007 / s11067-006-7694-3

CrossRef Полный текст | Google Scholar

Ettema, D., Friman, M., Olsson, L.E., and Gärling, T. (2017). Сезон и погода влияют на настроение и удовлетворенность путешествием. Фронт. Psychol. 8: 140. DOI: 10.3389 / fpsyg.2017.00140

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Евроконтроль (2004a). Анализ и моделирование выбора пассажиров между воздушным и железнодорожным транспортом .Проект инновационных действий CARE, инновационные схемы сборов, рабочий пакет 3.

Евроконтроль (2004b). Обзор текущей ситуации с интермодальностями. CARE II: Аэропорт будущего: центральное звено интермодальных перевозок?

Евроконтроль (2005a). Возможное развитие интермодальности в аэропортах, CARE II MODAIR, Измерение и развитие интермодальности в аэропорту AIRport .

Евроконтроль (2005b). Показатели интермодальности в аэропортах, CARE II: MODAIR Измерение и развитие интермодальности в аэропорту.СИСТЕМЫ M3, ANA, ENAC-AEEL .

Европейская комиссия (1995). На пути к справедливому и эффективному ценообразованию в транспорте: варианты политики интернализации внешних затрат на транспорт в Европейском Союзе . Зеленая книга, Генеральный директорат по транспорту — ГД VII. Bruselas, COM (1995) 691.

Европейская комиссия (2001). La Pol í tica Europea de Transportes de Cara al 2010: La Hora de la Verdad . Libro Blanco de la Comisión Europea от 12 сентября 2001 г., COM (2001) 370 final.

Европейская комиссия (2006). Por una Europa en Movimiento. Movilidad Sostenible Para Nuestro Continente . Revisión Intermedia del Libro Blanco del Transporte de la Comisión Europea de 2001, 22 Junio ​​de 2006. COM (2006) 314 Final.

Houdek, P. (2016). Взгляд на потребителей 3.0: они принимают решения не лучше, чем предыдущие поколения. Фронт. Psychol. 7: 848. DOI: 10.3389 / fpsyg.2016.00848

CrossRef Полный текст | Google Scholar

ИАТА (2003 г.). Исследование смешанных авиа и железнодорожных перевозок . Заключительный отчет Международной ассоциации воздушного транспорта IATA, Хаунслоу: Консультационная служба по воздушному транспорту.

INFRAS и IWW (1995). Внешние затраты на транспорт. Международный союз железных дорог (МСЖД), Карлсруэ / Цюрих / Париж.

INFRAS и IWW (2000). Внешние затраты на транспорт — аварии, экологические издержки и заторы в Западной Европе. Международный союз железных дорог (UIC), Цюрих / Карлсруэ.

INFRAS и IWW (2004). Внешние затраты на транспорт — обновление исследования . Международный союз железных дорог (МСЖД), Цюрих / Карлсруэ.

Межправительственная группа экспертов по изменению климата (МГЭИК) (1999). Авиация и глобальная атмосфера. Cambridge University Press (опубликовано для Межправительственной группы экспертов по изменению климата).

CE и Делфт, Infras Fraunhofer ISI. (2008). Справочник по оценке внешних затрат в транспортном секторе, выпущенный в рамках исследования «Меры и политика интернализации для всех внешних затрат на транспорт» (ВОЗДЕЙСТВИЕ).Европейская комиссия DG TREN .

CE и Делфт, Infras Fraunhofer ISI. (2011). Внешние затраты на транспортировку в Европу — обновленное исследование за 2008 г. . Международный союз железных дорог, U. I. C., Цюрих / Карлсруэ .

Ли, З., и Хеншер, Д. А. (2012). Зарядка заторов и использование автомобилей: обзор заявленных предпочтений и исследований мнений, а также данных мониторинга рынка. Пер. Политика 20, 47–61. DOI: 10.1016 / j.tranpol.2011.12.004

CrossRef Полный текст | Google Scholar

Люс, Р.(1959). Поведение индивидуального выбора. Теоретический анализ . Нью-Йорк, штат Нью-Йорк: Уилли.

Google Scholar

Мартин, Дж. К., Роман, К., и Эспино, Р. (2011). Оценка программ для часто летающих пассажиров с точки зрения авиапассажиров. J. Air Trans. Управлять. 17, 364–368. DOI: 10.1016 / j.jairtraman.2011.02.008

CrossRef Полный текст | Google Scholar

Мартинес Т. и Муро А. И. (2011). Caso de Estudio3: Corredor Toledo-Madrid, Tercer Informe de Seguimiento, Proyecto AEROAVE: La integrationción del transporte aéreo con las redes ferroviarias de larga distancia .Recuperado de: http://www.vialibre-ffe.com/pdf/AEROAVE.pdf

Мартинес, Т., и Муро, А. И. (2014). Perfil socialeconómico del viajero en el Corredor Madrid-Toledo. Praxis Sociol. 18, 217–233.

Макфадден Д. (1974). Условный логит-анализ поведения качественного выбора . Нью-Йорк, штат Нью-Йорк: Academic Press.

Google Scholar

Макфадден Д. (1981). «Эконометрические модели вероятностного выбора», в «Структурный анализ данных дискретного выбора с эконометрическими приложениями» , ред.Мански и Д. Макфадден (Кембридж: MIT Press), 198–272.

McFadden, D. (2001a). «Disaggregate Behavioral Travel Demand’s RUM Side — 30 Year Retrospective», в Travel Behavior Research , ed D. A. Hensher (Амстердам: Elsevier), 17–63.

McFadden, D. (2001b). Decisiones económicas, Rev. Asturiana Econ. 21, 261–303.

Google Scholar

Макфадден Д. и Трейн К. (2000). Смешанные модели MNL дискретного выбора. J. Appl. Экон. 15, 447–470. DOI: 10.1002 / 1099-1255 (200009/10) 15: 5 <447 :: AID-JAE570> 3.0.CO; 2-1

CrossRef Полный текст | Google Scholar

Медина, Э. (2003). Modelos de Elección Discreta . Documento de Doctorado en Modelización Económica Aplicada, Facultad de Ciencias Económicas y Empresariales. Автономный университет Мадрида.

Муро, А. И. (2012). Intermodalidad Entre Los Modos Aéreo y Ferroviario: Aplicación al Corredor Toledo-Madrid .Тесис докторская. Университет Кастилии-Ла-Манча.

Муро А. И., Перес И. Р. (2016). La intermodalidad aéreo-ferroviaria del turismo en la ciudad de Toledo. Расследование. Turíst. 12, 121–141. DOI: 10.14198 / INTURI2016.12.06

CrossRef Полный текст | Google Scholar

Navarette, F. J., and Ortuzar, J. d. Д. (2013). Субъективная оценка опыта транзитных трансферов: пример Сантьяго-де-Чили. Пер. Политика 25, 138–147. DOI: 10.1016 / j.tranpol.2012.10.006

CrossRef Полный текст | Google Scholar

де Диос Ортуза, Д., и Виллумсен, Л. Г. (2001). Моделирование транспорта, 3-е издание. Чичестер: Джон Уайли и сыновья.

Родригес, Э. (1991). Los movimientos cotidianos de población por motivos laborales en las ciudades pequeñas. Cuadernos Estudios Manchegos 21, 151–168.

Rouwendal, J., и Blaeij, A. T. (2004). Непоследовательные и лексикографические варианты выбора в анализе заявленных предпочтений .Документ для обсуждения Института Тинбергена TI 2004-038 / 3.

Sælensminde, K. (2002). Влияние несоответствия выбора в исследованиях заявленного выбора. Environ. Res. Экон. 23, 403–420. DOI: 10.1023 / A: 1021358826808

CrossRef Полный текст | Google Scholar

Сандовал, М. (1994). La psicología del consumidor: una Discusion de su estado actual y aportes al mercadeo. Suma Psicol. 1, 163–176.

Google Scholar

Шакенбос, Р., La Paix, L., Nijenstein, S., and Geurs, K. T. (2016). Оценка трансфера в мультимодальной поездке на общественном транспорте. Пер. Политика 46, 72–81. DOI: 10.1016 / j.tranpol.2015.11.008

CrossRef Полный текст | Google Scholar

Саймон, Х.А. (1957). Модели человека: социальные и рациональные . Нуэва-Йорк: Джон Уайли и сыновья.

Google Scholar

Стир Дэвис Глив (2006). Воздушная и железнодорожная конкуренция и взаимодополняемость . Европейская комиссия DG TREN.

Сент-Луис, Э., Мано, К., ван Лиероп, Д., и Эль-Генейди, А. (2014). Счастливый пассажир пригородных поездов: сравнение удовлетворенности поездками в разных режимах. Пер. Res. Ф 26, 160–170. DOI: 10.1016 / j.trf.2014.07.004

CrossRef Полный текст | Google Scholar

Swait, J. (1984). Формирование набора вероятностных вариантов в моделях транспортного спроса . Кандидат наук. диссертация на кафедре гражданского строительства. Массачусетский технологический институт, Кембридж, Массачусетс.

Танигучи, А., Grääs, C., и Friman, M. (2014). Удовлетворенность путешествием, достижением цели и добровольным изменением поведения. Пер. Res. Ф 26, 10–17. DOI: 10.1016 / j.trf.2014.06.004

CrossRef Полный текст | Google Scholar

Торрес, О. (2008). El Problema de las Reglas de Elección Social en la Teor í a de la Acción Colectiva. Retribución, Justicia y Bienestar . Докторская диссертация Тесиса, Universidad de la Laguna.

Поезд, К. (2003). Методы дискретного выбора с моделированием .Кембридж: Издательство Кембриджского университета.

Google Scholar

Уоткисс П., Джонс Р., Родс Д., Харди А., Хэндли К. и Уокер К. (2001). Сравнительное исследование воздействия на окружающую среду железнодорожных и наземных авиаперевозок. Комиссия по комплексному транспорту.

Уайтлегг, Дж., И Уильямс, Н. (2001). Самолетная правда: авиация и окружающая среда, Транспорт 2000 и Ashden Trus . Лондон.

Google Scholar

Уильямс, Х.К. В. Л. (1977). О формировании моделей спроса на поездки и мерах экономической оценки пользы для пользователей. Environ. Plann. А 9, 167–219. DOI: 10.1068 / a0

CrossRef Полный текст | Google Scholar

Е., X., Пендяла, Р. М., и Готтарди, Г. (2007). Исследование взаимосвязи между выбором режима и сложностью шаблонов цепочки отключения. Пер. Res. В 41, 96–113. DOI: 10.1016 / j.trb.2006.03.004

CrossRef Полный текст | Google Scholar

LEGO IDEAS — Вечеринка года

Будь то роскошный особняк, шумное посольство или сердце нации, одно можно сказать наверняка: это вечеринка года! Пока изящные дамы и хорошо одетые джентльмены беседуют на ступенях, сотрудники службы безопасности проверяют прибывающих гостей и официантов в процессе общения между официальными лицами, на террасе этого впечатляющего дворца чувствуется история… И вы ее строите!

Приветствую вас, дамы и господа!

С радостью представляю вам этот дворец в неоклассическом стиле! В двухэтажное здание, куда можно подняться по двум симметричным лестницам, открывается вид на большую зеленую террасу и балконы.

Дворец состоит из трех этажей:

• Первый этаж состоит из гаража и комнаты охраны, в которую можно попасть через заднюю часть здания.
• Второй этаж состоит из большого входа с мраморным полом, колоннами и красными занавесками, с выходом в гостиную, оформленную в стиле ар-деко, и бильярдную, оформленную в клубном стиле.
• Третий этаж состоит из коридора с красными занавесками, с выходом в спальню и бюро, оба обставлены мебелью в стиле ар-деко.Эркеры и окна расположены по всей крыше, чтобы обеспечить свет на верхний уровень.

Есть еще и роскошный автомобиль, подходящий по размеру гаража.

Присутствующие персонажи — четыре дамы в платьях от кутюр, трое джентльменов в костюмах, официант, два чиновника в форме и, наконец, два сотрудника службы безопасности.

У меня давняя страсть к архитектуре, особенно к стилям неоклассицизма и ар-деко, и лего позволил мне создать свое собственное творение.Я хотел строить в масштабе миниатюрных фигур, поскольку наличие миниатюрных фигурок имеет первостепенное значение, чтобы сделать здание более живым, что является важной особенностью в архитектуре.

Я решил поделиться им на платформе идей лего, поскольку, хотя лего разработал много детализированных и прекрасных зданий, более классические здания остались и отсутствуют в каталоге. Такой дворец предоставит прекрасную возможность получить основу не только для постройки дворца, но, кроме того, для создания своего собственного здания, поскольку он предоставит множество интересных кирпичей довольно редких цветов, а также получит исключительные и шикарные фигурки. .Например, его можно использовать для строительства музея, жилого дома или любого другого впечатляющего исторического здания, которое вы придумаете.

Надеюсь, он вам понравится, и если вы это сделаете, то поддержите и поделитесь, чтобы превратить его в настоящий набор лего!

С уважением,

Уильям