《表1 2 模型参数标定结果对比》
将社交网络交通信息接受情况作为因变量,分别对只考虑个体属性变量的BL模型和涵盖信息接收行为潜变量的混合模型HBL进行计算与分析。297组数据经多次迭代后得到各变量参数估计结果见表12。在模型拟合方面,BL模型与HBL模型的L(0)系数均为-108.786,L(θ!)系数分别为-86.921、-71.146。个体属性系数中,汽车拥有情况C、驾照拥有情况P、婚育情况M等3个变量在两个模型中系数变化较大,表面模型中不考虑信息接收行为潜变量将夸大个体属性变量对结果的影响。同时,各潜变量系数均大于个体属性变量,说明相较个体属性的静态特征影响,社交网络中交通信息接收行为,更趋向于一种受主观心理因素影响的个体行为,出行者对社交网络交通信息心理意向的改善,将对信息接收结果带来显著提升。模型精确性方面,BL模型和HBL的优度比分别为0.201、0.346,HBL模型较BL模型提高了0.145,表明混合模型较传统模型解释能力和精度更高,心理潜变量对社交网络中交通信息接收行为,具有不可忽略的作用。
图表编号 | XD00185139800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 陈坚、余豪、张弛 |
绘制单位 | 重庆交通大学交通运输学院、重庆交通大学交通运输学院、华设设计集团股份有限公司、重庆交通大学交通运输学院 |
更多格式 | 高清、无水印(增值服务) |