トップ >>> 演習課題説明

演習課題

説明

今回の行動モデル夏の学校では,事前に演習課題を公開します.事前公開の目的は,データに目を通す作業や基礎分析,推定ツールの動作確認などに当日時間を割かれないようにし,また当日初日に事前課題の進捗を発表することで講師陣からのエスキースを受けることで,演習時間を成果のブラッシュアップのために有意義に使えるようにすることです.

大口参加者の方にはグループ分けの連絡を致しますので,そのグループで事前課題に取り組んでいただきたいと思います.個人参加の方はデータに目を通すこと,推定ツールの動作確認,おおまかな分析方針について考えて頂ければと思います.

課題

横浜を中心とした移動を表すトリップデータから,交通手段選択などのモデルを構築し,推定,政策シミュレーションを行うことで行動モデルについての理解を深めることを課題とします.データは交通手段選択を行うことを想定して作成してありますが,参加者独自の視点の下,異なる選択モデルの構築も可能となっています.課題の詳細については以下をダウンロードし,演習課題書をご覧ください.

2011行動モデル夏の学校課題資料

データにはパスワードがかかっています.参加者希望者にはデータ展開用のパスワードを直接お知らせ致しますので,事務局までご連絡ください.

※注意点(9/9)
・9/9までに配布しておりましたデータのensyu.csvに不備があり,推定が出来ないという問題がありました.申し訳ございません.修正したensyu.csvのみのデータは以下からDLしてください.上記の課題資料全体のデータのensyu.csvは修正済みのものとなっております.具体的には,csvデータの末尾,402~554行目にデータの入っていない不要な行が存在しているという不備があります.メモ帳などでデータを開き,その行を削除すれば推定できるようになります.
・各csvデータにおける,列の名前「実トリップ時間_秒」となっているものがありますが,正しくは「実トリップ時間」です.データにおける時間は全て分に揃えてあります.

修正済みensyu.csvデータ

※追加データの配布を開始いたしました(9/3)
本データは推定に用いるためのトリップデータであり,男女別,曜日別など特定の条件に従ってサンプリングしたものとなっております.上記のパッケージに含まれている基本的なトリップデータと比較などにお使いください.データ展開用のパスワードは上記のパッケージと同様です.

追加データ

追加データの配布を開始いたしました.本データは推定に用いるためのトリップデータであり,男女別,曜日別など特定の条件に従ってサンプリングしたものとなっております.上記のパッケージに含まれている基本的なトリップデータと比較などにお使いください.データ展開用のパスワードは上記のパッケージと同様です.

※捕捉(9/12)
・配布データのensyu.csvの出発日時・到着日時の秒は切り捨てとなっています.ensyu.xlsxの出発日時・到着日時は秒単位まで正確な値となっておりますので,もし細かい分析が必要であればそちらのデータをご利用ください.

演習データ

今回の演習では,2009年に横浜市で行われたプローブパーソン調査によって取得されたデータを用いています.電車・バス・自動車・自転車・徒歩の代替選択肢LOSが取得されており,このトリップデータから交通手段選択モデルを生成することが可能です.全データからランダムサンプリングした基本的なトリップデータに加え,特定の条件に沿ってサンプリングしたトリップデータを用意しておりますので,皆さんの興味に沿ったデータを用いて課題に取り組んでください.

推定

推定にはRというフリーの統計ソフトを利用しています.R向けのモデル構造データとしてMNL,NLのサンプルコードを用意しました.詳しくはRについての説明資料をご覧ください.

Q&A

  • 個人参加なんですけど・・・
  • →個人参加の方はデータに目を通していただき,推定ツール(R)が回ることを確認して頂くだけで結構です.分析方針についても考えておいて頂ければ当日にスムーズな議論ができるかと思います.

  • グループとは?
  • →大口の参加者の方々は事前にグループを組ませていただきます.個人参加や少人数での参加の方は当日にグループを振り分けさせて頂きます.

  • R以外で普段やってるんですけど.
  • →普段の推定にR以外(STATA,TSPなど)を用いておられる方につきましては,動かせる環境をご自身で用意できるのであればそちらを使って頂いてかまいません.

  • Rの推定結果に「線形方程式系は正確に特異です」と出る場合
  • →一番よく考えられる原因は説明変数間のスケール(桁数)が大きく異なる場合です.例えば距離(m)と乗換回数の説明変数を用いたとき,データの平均は距離だと数千単位,乗換回数だと0~2になり,両者のスケールが大きく異なります.この場合は推定用コードの効用関数の式で,説明変数の距離に1000分の1を掛けておけば正しく推定できる可能性があります.

    他に考えられる原因としてはデータに欠損がある場合,推定コードに不備がある場合があります.原因が不明の場合は事務局までご連絡ください.

    更新履歴

  • 2011/9/1 演習データの配布を開始しました.
  • 2011/9/3 追加演習データの配布を開始しました.
  • 2011/9/9 演習データに不備があった点を修正しました.