[論文レビュー] Capturing positive network attributes during the estimation of recursive logit models: A prism-based approach

Yuki Oyama|arXiv (Cornell University)|Apr 4, 2022

Transportation Planning and Optimization被引用数 4

ひとこと要約

本稿では、状態拡張ネットワークと選択段階制約を用いて経路選択を制限することにより、パrameter更新時の不適切な価値関数に起因する数値不安定性を解消する、プリズム制約付き再帰的ロジット（Prism-RL）モデルを提案する。この手法により、ストリートグリーンリーフィングなどの正のネットワーク属性を含む場合でも信頼性の高い推定が可能となり、標準RLモデルよりフィットと予測性能に優れ、迂回路や環境的嗜好を含む現実の歩行者経路選択行動を的確に捉えることができる。

ABSTRACT

Although the recursive logit (RL) model has been recently popular and has led to many applications and extensions, an important numerical issue with respect to the computation of value functions remains unsolved. This issue is particularly significant for model estimation, during which the parameters are updated every iteration and may violate the feasibility condition of the value function. To solve this numerical issue of the value function in the model estimation, this study performs an extensive analysis of a prism-constrained RL (Prism-RL) model proposed by Oyama and Hato (2019), which has a path set constrained by the prism defined based upon a state-extended network representation. The numerical experiments have shown two important properties of the Prism-RL model for parameter estimation. First, the prism-based approach enables estimation regardless of the initial and true parameter values, even in cases where the original RL model cannot be estimated due to the numerical problem. We also successfully captured a positive effect of the presence of street green on pedestrian route choice in a real application. Second, the Prism-RL model achieved better fit and prediction performance than the RL model, by implicitly restricting paths with large detour or many loops. Defining the prism-based path set in a data-oriented manner, we demonstrated the possibility of the Prism-RL model describing more realistic route choice behavior. The capture of positive network attributes while retaining the diversity of path alternatives is important in many applications such as pedestrian route choice and sequential destination choice behavior, and thus the prism-based approach significantly extends the practical applicability of the RL model.

研究の動機と目的

• パrameter更新時の不適切な価値関数に起因する再帰的ロジット（RL）モデル推定における数値不安定性を解消すること。
• 計算上の問題によりしばしば除外されるが、ストリートグリーンリーフィングなどの正のネットワーク属性を経路選択モデルに組み込むことを可能にすること。
• 横浜市、日本におけるGPS実データを用いて、プリズム制約付きRLモデル（Prism-RL）の実用的推定を検証すること。
• 選択段階制約（T）が推定性能およびモデル整合性に与える影響を検討すること。
• Prism-RLが、経路多様性を損なわずに、内蔵された経路の迂回やループの制限により、モデルのフィットと予測を向上させることを示すこと。

提案手法

• 各経路に沿った選択回数を追跡する状態を備えた状態拡張ネットワークを用いて、プリズム制約付き経路集合を導入する。
• 選択段階制約Tを課し、経路が含めることが許容される最大選択回数（例：交差点や曲がり角）を制限する。
• プリズム制約付きネットワーク内での価値関数を再定義し、効用パrameter値にかかわらず数値的に解けるようにする。
• 観察された迂回率（例：75%の経路が迂回率 ≤ 1.33以下）に基づき、Tをデータ駆動的に設定することでプリズム制約を適用する。
• 反復的パrameter更新を伴う最尤推定を実施し、プリズム制約により各ステップで妥当性が保証される。
• 横浜のGPSを用いた歩行者経路データを用いて、実世界行動との比較においてモデルをキャリブレーションおよび検証する。

実験結果

リサーチクエスチョン

• RQ1 正のネットワーク属性を含む場合に、プリズム制約付きRLモデルが、パrameter推定における数値不安定性を克服できるか？
• RQ2 選択段階制約Tが推定収束性およびモデル性能に与える影響は何か？
• RQ3 Prism-RLモデルは、迂回路や環境的嗜好を含む現実の歩行者経路選択行動をよりよく捉えられるか？
• RQ4 標準RLモデルと比較して、プリズムベースの手法がモデルのフィットや予測精度を維持または向上できるか？
• RQ5 実世界応用において、Prism-RLモデルの計算コストは標準RLモデルと比べてどの程度か？

主な発見

• 標準RLモデルでは価値関数の収束が不可能な場合でも、Prism-RLモデルは初期パラメータと真のパラメータが不適切であっても、パラメータを正常に推定できた。
• モデルは、ストリートグリーンリーフィングが歩行者経路選択に統計的に有意な正の効果を持つことを捉え、有効性係数β_green = 2.00（p < 0.05）を示したが、標準RLモデルでは信頼性のある推定が不可能であった。
• Prism-RLは標準RLモデル（-6730.22）よりも優れた対数尤度（-6729.71）を達成し、GPS実データへのフィットが優れていることを示した。
• Prism-RLの推定時間はTに比例して線形に増加したが、実行可能であった（例：T=100で複雑なパラメータセットの場合、31.22秒；標準RLでは1.02秒）。
• プリズム制約により、迂回やループを多用する経路が効果的に制限され、経路多様性を損なわず、現実性が向上した。
• 初期パラメータ値が真の値から大きく離れている場合（例：β_init = (-4,3)）であっても、Prism-RLは一貫した推定性能を維持したが、標準RLモデルでは同様ではなかった。