[论文解读] Modeling and Forecasting the Evolution of Preferences over Time: A Hidden Markov Model of Travel Behavior

Feras El Zarwi, Akshay Vij+1 more|arXiv (Cornell University)|Jul 28, 2017

Economic and Environmental Valuation参考文献 52被引用 8

一句话总结

本文提出一种带有离散选择核的动态隐马尔可夫模型（HMM），用于基于智利圣地亚哥在Transantiago公交改革前后收集的纵向出行日记数据，对随时间演变的出行方式偏好进行建模与预测。该模型识别出四种不同的出行方式风格——驾驶员、公交车使用者、公交-地铁使用者及汽车-地铁使用者，显示改革后人口分布出现显著变化，之后趋于稳定，且在预测政策影响方面优于静态模型。

ABSTRACT

Literature suggests that preferences, as denoted by taste parameters and consideration sets, may evolve over time in response to changes in demographic and situational variables, psychological, sociological and biological constructs, and available alternatives and their attributes. However, existing representations typically overlook the influence of past experiences on present preferences. This study develops, applies and tests a hidden Markov model with a discrete choice kernel to model and forecast the evolution of individual preferences and behaviors over long-range forecasting horizons. The hidden states denote different preferences i.e. modes considered in the choice set, and sensitivity to level-of-service attributes. The evolutionary path of those hidden states is hypothesized to be a first-order Markov process. The framework is applied to study the evolution of travel mode preferences, or modality styles, over time, in response to a major change in the public transportation system. We use longitudinal travel diary from Santiago, Chile. The dataset consists of four one-week pseudo travel diaries collected before and after the introduction of Transantiago, a complete redesign of the public transportation system in the city. Our model identifies four modality styles in the population: drivers, bus users, bus-metro users, and auto-metro users. The modality styles differ in terms of the travel modes that they consider and their sensitivity to level-of-service attributes. At the population level, there are significant shifts in the distribution of individuals across modality styles before and after the change in the system, but the distribution is relatively stable in the periods after the change. Finally, a comparison between the proposed dynamic framework and comparable static frameworks reveals differences in aggregate forecasts for different policy scenarios.

研究动机与目标

• 为现有模型中忽略过往经历对当前出行偏好影响的问题提供解决方案。
• 开发一种动态框架，以捕捉长期预测时间范围内个体偏好的演变。
• 建模交通系统变化如何影响不同人口群体间出行方式偏好的分布。
• 将动态HMM框架在预测政策结果方面的表现与静态离散选择模型进行比较。

提出的方法

• 该模型采用隐马尔可夫过程，其中未观测状态代表不同的出行方式偏好（出行方式风格）及其对服务水准属性的敏感度。
• 观测数据由在Transantiago系统性公交改革前后四个为期一周的纵向出行日记组成。
• 离散选择核将隐藏状态（偏好）与观测到的出行方式选择联系起来，实现对个体决策的概率建模。
• 隐藏状态之间的转移概率遵循一阶马尔可夫过程，以捕捉偏好的时间演化。
• 通过Baum-Welch算法使用最大似然法估计模型参数，从而实现对偏好动态的推断。
• 该框架可通过随时间模拟状态转移，实现对不同政策情景下总体行为的预测。

实验结果

研究问题

• RQ1 在重大交通系统变革背景下，个体出行方式偏好如何随时间演变？
• RQ2 人群中涌现出哪些不同的出行方式风格，它们在对服务属性的敏感度上如何不同？
• RQ3 在大规模公交改革前后，个体在不同出行方式风格之间的分布如何变化？
• RQ4 与静态离散选择模型相比，动态HMM框架在多大程度上提升了预测准确性？

主要发现

• 该模型识别出四种截然不同的出行方式风格：驾驶员、公交车使用者、公交-地铁使用者及汽车-地铁使用者，每种风格具有独特的考虑集合及对服务属性的敏感度。
• Transantiago改革后，人口在不同出行方式风格之间的分布发生了显著变化，表明发生了重大的行为转变。
• 在初始过渡期过后，个体在不同出行方式风格之间的分布趋于稳定，表明偏好已形成新的均衡。
• 与静态模型相比，动态HMM框架在不同政策情景下产生了不同的总体预测结果，证明其在长期规划中的附加价值。