- 文献综述（或调研报告）：
（一）离散选择模型的应用研究
非集计模型，又称为离散选择模型，该模型基于出行者总是选择“效用值”最大的交通方式的假设，以个体出行者为基本单位，对各种出行方式的选择概率进行预测。其中交通方式的效用值不仅与该方式的属性有关，还受到出行者自身的属性（个人属性）的影响，是一类相对完善的模型，从微观经济学角度对人的交通方式选择行为进行客观解释，目前在交通方式划分中应用广泛。
离散选择模型中最基础的模型为Logit模型和Probit模型。该模型假设出行方式的效用函数值为确定性效用值与随机误差项之和，其中确定性效用为交通方式及出行者个人属性的函数，Logit模型随机误差项服从参数固定且相等的耿贝尔分布，Probit模型则服从正态分布。其中Probit模型往往需依赖于极其复杂的Monte -Carlo仿真算法或者多项式Clark求解逼近算法[1] , 因此对交通方式分担率的预测技术尚需作进一步的深入研究。Logit模型物理意义明确且便于计算，在实践中得到广泛应用。
其中，尹逸云等[2]结合BP神经网络原理及算法对Logit模型进行改进，依据实际数据，把各影响因素的无量纲化后的属性值和个人交通出行的实际选择结果代入构造好的BP 人工神经网络的进行学习与训练, 最终确定各影响因素的权重值，使得Logit模型在计算交通方式分担率时更加符合实际。周强[3] 在公交方式选择效用函数中加入起点和终点交通小区的交通可达性(考虑公交站点到达时间、站台数量、线路条数、发车频率等)，对Logit模型进行改进，并用海口市居民出行调查数据对改进模型进行验证，所得实际结果更为接近实际出行的方式选择比例。曾文创等[4]应用Logit模型预测现状交通方式结构，根据环境资源可持续发展原则和城市个性发展原理确定城市交通方式结构的目标。再以各种交通方式现状和目标分担率的差值平方和最小为目标函数，以居民按照已建立的交通方式选择Logit 模型进行重新选择和敏感度较大的可控制影响因素变量调整倍数为约束条件，建立交通方式结构优化模型。最后根据可控制影响因素变量的敏感度和模型求解的调整倍数以及结合城市的个性和经济社会发展趋势，制定城市的交通方式结构优化实施策略。陈晖[5] 从城市综合交通系统出发，提出了基于Logit 模型的城市轨道交通票价制定方法，根据不同的轨道交通票价来确定各种交通方式之间的分担情况，并以各种交通方式之间的均衡为基本目标，从而确定轨道交通的合理价格，有利于充分发挥各种交通方式的利用效率，达到各种交通方式之间的系统最优，有利于缓解城市交通压力。陈东光等[6]以贵阳市为例，根据城市交通发展趋势以及国家政策变化，结合贵阳市城市交通发展特征，构造了多种可能实施的交通费用政策措施，应用Logit模型进行相关的预测分析及评价，作为政策制定的依据，从而最大限度提高政策措施实施后所要获得的效果，并可以节约政策评估的成本。
随着Logit模型研究及应用的深入，该模型暴露出许多弊端，例如模型无法考虑异质性及相似性问题。为克服Logit模型的局限性发展出Logit的多种衍生模型。其中包括巢式Logit（NL）模型、交叉巢式Logit（CNL）模型、HMNL模型等等。
NL模型为在MNL基础上的改进模型，该模型将不同交通方式之间的关系分为相关和无关，并将相关的交通方式划分在一个上层巢中，形成树状结构，在同一个上层巢中可看做独立的MNL模型，而每个上层巢的确定项效用的值为
其中phi;为表示各个选项相关性的参数。可以看出该模型考虑了各个选项之间的相关性，因此理论上存在一定的优越性。但是NL模型要求每两个选择枝之间的交叉弹性约束相等，这一假设对于多数案例是不现实的[7]，据此提出了交叉巢式Logit（CNL）模型，在NL模型的基础上，CNL模型的选择枝可交叉分组，并通过加入变量表明下层交叉选择枝k对上层效应m的贡献比例。此外，HMNL模型,也直接由囚模型发展而来,它保留了MNL模型的形式、特性和同一的交叉弹性。它认为不同出行者对效用的感受能力和应对方法是不同的,这种不同可以通过随机效用项异方差表达在模型中,所以它允许效用随机项之间具有相异方差[8]。
此类衍生模型在交通领域也存在较为广泛的应用。其中蒋登英等[9] 利用非集计理论与随机效用理论，从经济性、快速性、方便性、舒适性方面讨论了交通服务特性，建立效用函数，利用极大似然估计法对问卷调查数据进行处理并计算了效用函数参数; 根据效用函数建立改进的巢式Logit 模型，并用该模型对武汉至咸宁的城际交通方式进行研究，并应用于城际交通方式合理规划等问题。易富君等[10]针对经济圈交通运输的特点，构建了适合经济圈各交通方式特性的广义费用函数, 并将具有共性的交通方式进行分类，应用巢式Logit模型进行交通方式划分。李信等[11] 以城市居民出行为研究对象，通过对成都到龙泉片区居民出行进行调查分析，建立巢式logit 模型，并分析模型结果，得出对出行者选择公共交通具有显著影响的因素，并通过弹性分析定量展示这些显著因素对公共交通选择率的影响，对公交服务水平改善和公共交通政策制定具有重要意义。刘玲玲等[12]指出，提出交叉巢式Logit 模型能从多个维度研究交通出行方式选择，捕捉了各个选择方案间的相关性，对人们出行选择行为的刻画能力更强。并以居住选址和交通出行方式联合选择模型为例，展现CNL 模型的应用过程。Manski[13]认为出行者选择某种交通方式的概率存在“突变”，而仅用NL或Logit等模型无法描述这一现象，因此提出引入阈值的概念，将每个人的出行方式选择行为分为2个阶段，分别为出行者选择肢集合的生成阶段和补偿性选择过程。这样便可以解决因阈值存在导致选择概率发生突变的问题，以更好地描述和理解出行者的选择行为过程，提高预测精度。
（二）Weibit模型及其应用研究
Anthony Chen[14]指出，在Logit模型中，存在不同方式之间误差项独立不相关且服从同一分布的假设，且由于其效用函数为加法形式，导致其不能感知选项间的异质方差及选项之间的相似性。当所有效用函数增加同一个常数时各个方式被选择的概率不变，但在实际情况中结果与该情况不符。
