Five papers on large scale dynamic discrete choice models of transportation

• Travel demand models have long been used as tools by decision makers and researchers to analyse the effects of policies and infrastructure investments. The purpose of this thesis is to develop a travel demand model which is: sensitive to policies affecting timing of trips and time-space constraints; is consistent with microeconomics; and consistently treats the joint choice of the number of trips to perform during day as well as departure time, destination and mode for all trips. This is achieved using a dynamic discrete choice model (DDCM) of travel demand. The model further allows for a joint treatment of within-day travelling and between-day activity scheduling assuming that individuals are influenced by the past and considers the future when deciding what to do on a certain day.Paper I develops and provides estimation techniques for the daily component of the proposed travel demand model and present simulation results provides within sample validation of the model. Paper II extends the model to allow for correlation in preferences over the course of a day using a mixed-logit specification. Paper III introduces a day-to-day connection by using an infinite horizon DDCM. To allow for estimation of the combined model, Paper III develops conditions under which sequential estimation can be used to estimate very large scale DDCM models in situations where: the discrete state variable is partly latent but transitions are observed; the model repeatedly returns to a small set of states; and between these states there is no discounting, random error terms are i.i.d Gumble and transitions in the discrete state variable is deterministic given a decision.Paper IV develops a dynamic discrete continuous choice model for a household deciding on the number of cars to own, their fuel type and the yearly mileage for each car. It thus contributes to bridging the gap between discrete continuous choice models and DDCMs of car ownership.Infinite horizon DDCMs are commonly found in the literature and are used in, e.g., Paper III and IV in this thesis. It has been well established that the discount factor must be strictly less than one for such models to be well defined.Paper V show that it is possible to extend the framework to discount factors greater than one, allowing DDCM's to describe agents that: maximize the average utility per stage (when there is no discounting); value the future greater than the present and thus prefers improving sequences of outcomes implying that they take high costs early and reach a potential terminal state sooner than optimal.

• Modeller för reseefterfrågan har länge använts av besultsfattare såväl somforskare för att analysera effekterna av transportpolitiska åtgärder. Avhandlingenshuvudsakliga syfte har varit att bidra till utvecklandet av modellerför reseefterfrågan som är: känsliga för åtgärder som påverkar tidsvalför resor eller tids-rums begränsningar; och konsistent behandlar valet avantalet resor, avresetid, destination och färdmedel för en individ. Dettauppnås genom användandet av en dynamisk diskret valmodell (DDCM) förreseefterfrågan. Modellen klarar vidare av att gemensamt modellera bådedagligt resande med hänsyn till hur det påverkar behovet av andra resoröver en längre tidshorisont, där individer antas ta hänsyn till både när desenaste utfört olika aktiviteter samt framtida effekter av sina besult.Papper I utvecklar den dagliga komponenten i den föreslagna modellenför reseefterfrågan, presenterar en estimeringsteknik samt resultat från simuleringarmed valideringsresultat. Papper II förbättrar modellen genom attinkludera korrelation i preferenser under dagen med hjälp av en mixed-logitspecifikation. Papper III introducerar en koppling mellan dagar genom enDDCM med oändlig tidshorisont. För att den kombinerade modellen skullevara möjlig att estimera härleddes vilkor under vilka sekvensiell estimeringvar möjlig. Dessa vilkor möjligör därmed estimering av en specific typ avstorskaliga DDCM modeller i situationer när: den diskreta tillståndsvariabelnär delvis latent men där val observeras; där modellen återkommer tillett mindre tillståndrum; och där det mellan återkomsten till detta mindretillståndrum inte sker någon diskontering, nyttofunktionernas feltermer gesav i.i.d Gumble termer och övergångarna mellan disrekta tillståndsvariablerär deterministisk givet valet.Papper IV utvecklar en dynamiskt diskret-kontinuerlig valmodell för etthushålls beslut gällande antalet bilar att äga, deras bränsletyp samt årligamiltal för varje bil. Det därmed till att komibinera dynamiska och diskretkontinulerligavalmodeller för bilägande.DDCM med oändliga tidshorisonter är vanligt förekommande och användsi bland annat Papper III och IV i den här avhandlingen. Det harvarit väl etablerat att diskonteringsfaktorn måste vara strikt mindre än ettför att sådana modeller ska vara väldefinerade. Papper V visar hur det ärmöjligt tillåta diskonteringsfaktorer större än eller lika med ett, och därmedbeskriva agenter som: maximerar den genomsnittliga nyttan per steg (närdet inte sker någon diskontering); värderar framtiden högre än nutiden ochdärmed föredrar förbättrande sekvenser vilket också implicerar att de tarhöga kostnader så tidigt som möjligt och når ett potentiellt sluttillståndtidigare än optimalt.

Ämnesord

TEKNIK OCH TEKNOLOGIER  -- Samhällsbyggnadsteknik -- Transportteknik och logistik (hsv//swe)

ENGINEERING AND TECHNOLOGY  -- Civil Engineering -- Transport Systems and Logistics (hsv//eng)

Nyckelord

Transportvetenskap

Transport Science

Publikations- och innehållstyp

vet (ämneskategori)

dok (ämneskategori)