rutevalgsmodeller

Rutevalgsmodeller er en del af transportøkonomiske og trafiktekniske modeller, der forudsiger, hvilken rute en rejsende vil vælge i et givent vej- eller kollektivtrafiknetværk. Modellerne antager, at hver rute har en latent nytteværdi, der består af en systematisk del og en tilfældig fejlkomponent, og at valget følger sandsynligheder fra en fordeling af nytten. Formålet er at kunne forklare tidligere observeret adfærd og forudsige fremtidige rutevalg under ændrede forhold.

De mest brugte metoder er diskrete valgsmodeller baseret på random utility theory. Den mest udbredte er multinomial logit (MNL), der beregner valgssandsynligheder ud fra rute-nytter og antager uafhængighed af alternative (IIA). For større eller mere ensartede ruter sker korrelationen ofte, og dermed anvendes nested logit eller mixed logit (random-parameters logit), som kan indfange smagssvingninger hos rejsende og korrelation mellem ruter. Der findes også probitbaserede tilgange, men de er mere data- og beregningskrævende.

Data til rutevalgsmodeller kommer typisk fra revealed preference (RP) eller stated preference (SP) undersøgelser og kan omfatte rejsetider, omkostninger, pålidelighed og afstand. Estimering udføres normalt ved maksimal likelihood, og for mixed logit anvendes simuleringer. Populære softwareværktøjer inkluderer Biogeme, Apollo og PyLogit eller tilpassede modeller i R og Python.

Anvendelser omfatter trafiksimulering og ruteguide-systemer, infrastrukturplanlægning og evaluering af politikker som hastigheds- og prisstigninger eller forbedringer i driftspålidelighed. Begrænsninger omfatter IIA-udfordringer i MNL, behov for høj kvalitet af data og computerkraft samt at modelerne ofte er statiske eller ikke fuldt dynamiske, hvilket kan begrænse realtidsforudsigelser.

Historisk stammer rutevalgsmodeller primært fra random utility theory, som blev udviklet af Daniel McFadden, og er videreudviklet i retning af nested- og mixed logit af forskere som Moshe Ben-Akiva og Lerman.