论文部分内容阅读
传统交通需求回归模型中，反映交通需求影响因素权重的模型参数通常被假定为某一确定的常数，这类模型存在一个突出的问题是不能反映同样数量的一个影响因素在不同研究对象之间的差异，比如这类模型会认为城市中不同位置的两个面积同为10000平方米的商业用地将产生同样的交通需求。本文打破传统回归模型的模型参数为常数的假定，假定反映交通需求影响因素权重的模型参数为满足一定分布的随机参数，构建了随机参数的交通需求预测模型，因为新模型为复杂的非线性模型，传统算法难以求解，采用遗传算法求解新模型，最后通过案例研究，具体分析了随机参数模型对传统模型的具有实际意义的改进。