.png){kind=icon}
返回
Stochastic Encoder Nested Logit model for mode choice prediction
.png){kind=icon}
PRE
AI
DOI：10.1080/19427867.2026.2701806.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了基于随机效用最大化概念的Stochastic Encoder Nested Logit (SENL)模型，该模型是一种基于人工神经网络的框架，用于预测出行方式选择。该模型通过编码器潜在空间的随机化保留了有用的可解释性见解，同时提高了预测能力。该模型允许对看似相似的个人进行多样化的表征，并通过嵌套结构放宽了MNL模型的IIA特性。这使得我们能够结合离散选择模型（尤其是嵌套Logit模型）的可解释性和深度学习技术的灵活性。SENL模型在真实世界数据集测试中表现出超越基准模型的预测能力。本文比较了SENL模型的两种变体，以理解起讫点变量在出行方式选择分析中的影响。对于表现更优的变体，log-sum参数被确定为0.652，从而强化了模型的理论合理性。
Keyword:
Stochastic encoder
discrete choice
nested logit
artificial neural network
interpretable coefficients
期刊
T
IF:
3.3
论文数:
928
被引数:
2.1K
机构
引用论文
暂无论文信息