certain threshold, commuters will n

certain threshold, commuters will not take transit alternatives into
consideration.
One of the early rail transit station choice models was developed
by Kastrenakes (1988) in an effort to prepare a basis for forecasting
railway travel in the New Jersey area. With origin-destination pair
data, he analysed the choice process for a departure station and
identified location of station, access time,frequency of service and
generalised cost were uncorrelated factors affecting station choice
for commuters. Then, Wardman and Whelan (1999) studied railway
station choice for the London area and determined parking
availability and other station facilities are also important factors
and should be introduced into a choice model. Later, travel time to
station and access mode were discovered as important factors
affecting station choice by many authors (Davidson and Yang,1999;
Fan et al., 1993; Wardman and Whelan, 1999; Debrezion, G., et al.,
2009). Recently, Debrezion, G., et al. (2009) discovered that rail
service quality and accessibility to the station are indispensable
factors for station choice models during a study of Dutch railway
users for access mode and departure railway stations.
The most common approach for modelling station choice
include discrete choice model, logistic regression model, multinomial
logit model, cross-nested logit model and nested logit model
(Mcfadden, 1974; Hensher et al., 2005; Train 2002; Tversky, 1972;
Wardman et al., 2007; Cervero, 2007; Debrezion, G., et al., 2009).
For example, one of the earliest studies, develop by Desfor (1975)
proposed binary station choice models to understand the
commuters’ mode and station choice based on regression and
probit models with a two stage decision process. Trip cost was used
as a measure for representing disutility of station choice between
station and the next least cost station. Debrezion, G., et al. (2009)
developed a study for understanding Dutch travellers’ access mode
and departure station choice behaviours using nested logit models.
The contribution of the study is to develop a rail service quality
index (RSQI), which provides a measure of rail accessibility to all
other stations and has the potential for the improvement of
hedonic price analysis in an area and investigation of railway
accessibility at a neighbourhood level. Instead of estimating station
choice, some studies have focused on railway route choice in a very
high density network (Morichi et al., 2001). For example, Yai et al.
(1997) improved a multinomial probit model to route choice
behaviours along a railway network in Tokyo by introducing a
individual choice-tree structure in a covariance matrix to represent
any overlapped relation between route alternatives. In the context
Perth, Western Australia, we have a very low dense railway
network (five train lines in a radial shape). Therefore, we do not
need such a sophisticated model to understand route choice
behaviours along the railway network. The station choice, more
precisely, the nearest station choice is the focus of this study.
Based on our knowledge, a logit model estimate probability of
choosing a nearest station or a non-nearest station based on the
attributes of both alternatives (nearest or non-nearest). However,
for our study, we only know user’s chosen station and can calculate
whether it is the nearest station to the origin or not. If the chosen
station is the nearest station, we would not be able to determine an
alternative station in order to form the choice set of a nearest
station or a non-nearest station because there are so many
alternatives, non-nearest station in the railway network. In order
to simplify the research problem, we adopted logistic regression
models to understand whether the chosen station is the nearest
station or not and why these choices were made. In other words, if
distance is not a dominating optimising factor for a station choice,
and we think travellers are trip utility maximisers, then what other
factors could be included in their choice utility? Therefore, as a
first
approximation we estimate binary choice using logistic regression
to model the nearest station choice process and identify significant
determinants.

ผลลัพธ์ (ไทย) 1:

ขีดจำกัดบางอย่าง สำรวจจะไม่นำทางส่งต่อไปพิจารณาหนึ่งช่วงรถไฟขนส่งสถานีเลือกรุ่นได้รับการพัฒนาโดย Kastrenakes (1988) ในความพยายามที่จะเตรียมพื้นฐานสำหรับการคาดการณ์เดินทางรถไฟในพื้นที่นิวเจอร์ซี่ มีจุดเริ่มต้นปลายคู่ข้อมูล เขา analysed การเลือกสำหรับสถานีระดับ และระบุตำแหน่งที่ตั้งของสถานี ถึงเวลา ความถี่ของบริการ และต้นทุน generalised ถูก uncorrelated ปัจจัยที่ส่งผลกระทบต่อทางสถานีสำหรับผู้ แล้ว Wardman และ Whelan (1999) ศึกษารถไฟสถานีทางเลือกสำหรับพื้นที่ลอนดอน และกำหนดที่จอดรถความพร้อมและสิ่งอำนวยความสะดวกอื่น ๆ สถานียังเป็นปัจจัยสำคัญและควรนำมาใช้เป็นแบบเลือก เวลาการเดินทางภายหลังสถานีและเข้าโหมดถูกค้นพบเป็นปัจจัยสำคัญส่งผลกระทบต่อการเลือกสถานี โดยผู้เขียนหลาย (Davidson และยาง 1999แฟนร้อยเอ็ด al., 1993 Wardman และ Whelan, 1999 Debrezion กรัม et al.,2009) การล่า Debrezion กรัม et al. (2009) พบว่ารถไฟคุณภาพบริการและการเข้าถึงสถานีจะขาดไม่ได้ปัจจัยสำหรับรุ่นเลือกสถานีในระหว่างการศึกษารถไฟดัตช์ผู้ใช้สำหรับเข้าโหมดและออกเดินทางสถานีรถไฟวิธีการทั่วไปสำหรับการสร้างแบบจำลองทางสถานีรวมแบบจำลองตัวเลือกไม่ต่อเนื่อง แบบจำลองถดถอยโลจิสติก ก็ตามแบบจำลอง logit แบบจำลอง logit ข้ามซ้อน และแบบจำลอง logit ซ้อน(Mcfadden, 1974 Hensher et al., 2005 รถไฟ 2002 Tversky, 1972Wardman et al., 2007 Cervero, 2007 Debrezion กรัม et al., 2009)ตัวอย่าง หนึ่งศึกษาเร็วที่สุด พัฒนา โดย Desfor (1975)นำเสนอสถานีฐานแบบจำลองทางเลือกเข้าใจการเลือกโหมดและสถานีของผู้ใช้การถดถอย และแบบจำลอง probit กับกระบวนการตัดสินใจขั้นที่สอง ใช้ต้นทุนการเดินทางเป็นการวัดสำหรับการแสดง disutility สถานีเลือกระหว่างสถานีและสถานีต้นทุนน้อยที่สุดต่อไป Debrezion กรัม et al. (2009)พัฒนาการศึกษาการเข้าใจโหมดการเข้าถึงของนักท่องเที่ยวเนเธอร์แลนด์และระดับสถานีทางพฤติกรรมโดยใช้แบบจำลอง logit ซ้อนสัดส่วนของการศึกษาคือการ พัฒนาคุณภาพบริการรถไฟดัชนี (RSQI), ซึ่งเป็นการวัดถึงรถไฟทั้งหมดอื่น ๆ สถานี และมีศักยภาพในการพัฒนาวิเคราะห์ราคา hedonic ในพื้นที่และตรวจสอบรถการเข้าถึงในระดับพื้นที่ใกล้เคียง แทนที่จะประเมินสถานีทางเลือก มีเน้นที่เส้นทางรถไฟในบางการศึกษามีมากเครือข่ายความหนาแน่นสูง (Morichi et al., 2001) ตัวอย่าง ใหญ่ et alแบบจำลอง probit ก็ตามการเลือกเส้นทางที่ดีขึ้น (1997)วิญญาณตามเครือข่ายรถไฟในโตเกียวโดยการแนะนำตัวแต่ละทางเลือกโครงในเมทริกซ์ความแปรปรวนร่วมแสดงมีความสัมพันธ์ที่คาบเกี่ยวกันได้ระหว่างกระบวนการผลิตทาง ในบริบทเพิร์ธ ออสเตรเลียตะวันตก เรามีรถไฟหนาแน่นต่ำมากเครือข่าย (รถไฟห้าเส้นรูปรัศมี) ดังนั้น เราไม่ต้องการดังกล่าวมีความซับซ้อนเข้าใจเลือกกระบวนการผลิตวิญญาณตามเครือข่ายรถไฟ เลือกสถานี เพิ่มเติมแม่นยำ เลือกสถานีที่ใกล้ที่สุดเป็นจุดสำคัญของการศึกษานี้ขึ้นอยู่กับความรู้ของเรา แบบจำลอง logit ประเมินความน่าเป็นของเลือกสถานีที่ใกล้ที่สุดหรือไม่ใกล้สถานีตามแอตทริบิวต์ทั้งสองทางเลือก (ที่ใกล้ที่สุด หรือไม่ที่ใกล้ที่สุด) อย่างไรก็ตามการศึกษาของเรา เราเพียงสถานีท่านผู้รู้ และสามารถคำนวณไม่ว่าจะเป็นสถานีที่ใกล้ที่สุดเป็นจุดเริ่มต้น หรือไม่ ถ้าเลือกสถานีเป็นสถานีที่ใกล้ที่สุด เราจะไม่สามารถตรวจสอบการสถานีอื่นเพื่อเป็นทางเลือกที่ตั้งของสุดสถานีหรือไม่ใกล้สถานีเนื่องจากมีจำนวนมากทางเลือก ไม่ใกล้สถานีในเครือข่ายรถไฟ ในใบสั่งเพื่อลดความซับซ้อนของปัญหาการวิจัย เรานำถดถอยโลจิสติกรูปแบบเข้าใจว่า ที่ท่านอยู่ใกล้ที่สุดสถานี หรือไม่ และทำไมทำตัวเลือกเหล่านี้ ในคำอื่น ๆ ถ้าระยะทางไม่ใช่ตัว optimising พลังอำนาจเหนือการเลือกสถานีและเราคิดว่า นักท่องเที่ยวเดินทางโปรแกรมอรรถประโยชน์ maximisers แล้วสิ่งอื่น ๆปัจจัยอาจจะรวมอยู่ในโปรแกรมอรรถประโยชน์ทางเลือกของพวกเขา ดังนั้น เป็นการครั้งแรกประมาณเราประเมินเลือกไบนารีโดยใช้การถดถอยโลจิสติกรูปแบบการเลือกสถานีที่ใกล้ที่สุด และระบุความสำคัญดีเทอร์มิแนนต์

ผลลัพธ์ (ไทย) 2:

เกณฑ์บางอย่างผู้โดยสารจะไม่ใช้ทางเลือกในการขนส่งเข้าสู่การพิจารณา.
หนึ่งในสถานีขนส่งทางรถไฟในช่วงต้นรุ่นทางเลือกที่ได้รับการพัฒนาโดย Kastrenakes (1988) ในความพยายามที่จะเตรียมความพร้อมพื้นฐานสำหรับการคาดการณ์หนึ่งเดินทางรถไฟในพื้นที่รัฐนิวเจอร์ซีย์ คู่กับต้นกำเนิดปลายทางข้อมูลเขาวิเคราะห์กระบวนการทางเลือกสำหรับสถานีต้นทางและระบุตำแหน่งของสถานีเวลาในการเข้าถึงความถี่ของการให้บริการและค่าใช้จ่ายทั่วไปเป็นปัจจัยที่มีผลต่อการเลือกที่uncorrelated สถานีสำหรับผู้โดยสาร จากนั้น Wardman และเวแลน (1999) การศึกษารถไฟทางเลือกสถานีพื้นที่ในกรุงลอนดอนและความมุ่งมั่นที่จอดรถว่างและสิ่งอำนวยความสะดวกที่สถานีอื่น ๆ นอกจากนี้ยังมีปัจจัยที่สำคัญและควรได้รับการแนะนำในรูปแบบทางเลือก ต่อมาเวลาในการเดินทางไปยังสถานีและโหมดการเข้าถึงที่ถูกค้นพบเป็นปัจจัยสำคัญที่มีผลต่อการเลือกที่สถานีโดยผู้เขียนหลายคน(เดวิดสันและหยาง 1999; พัดลม et al, 1993;. Wardman และวีแลน, 1999. Debrezion กรัม, et al, 2009 ) เมื่อเร็ว ๆ นี้ Debrezion กรัม, et al (2009) พบว่ารถไฟคุณภาพการให้บริการและการเข้าถึงไปยังสถานีที่ขาดไม่ได้ปัจจัยสำหรับรูปแบบทางเลือกที่สถานีในระหว่างการศึกษาของรถไฟดัตช์ผู้ใช้สำหรับโหมดการเข้าถึงและสถานีรถไฟออกเดินทาง. วิธีการที่พบมากที่สุดสำหรับการเลือกสถานีการสร้างแบบจำลองรวมถึงรูปแบบทางเลือกที่ไม่ต่อเนื่อง, การถดถอยโลจิสติก รูปแบบพหุรุ่นlogit รุ่น logit ข้ามซ้อนกันและรูปแบบ logit ซ้อนกัน(McFadden 1974; Hensher et al, 2005;. รถไฟ 2002; Tversky 1972;. Wardman et al, 2007; Cervero 2007; Debrezion กรัม et al., 2009). ตัวอย่างหนึ่งของการศึกษาที่เก่าแก่ที่สุดในการพัฒนาโดย Desfor (1975) นำเสนอรูปแบบทางเลือกที่สถานีไบนารีที่จะเข้าใจโหมดผู้โดยสารและสถานีทางเลือกที่อยู่บนพื้นฐานของการถดถอยและรุ่นprobit มีสองขั้นตอนการตัดสินใจ ค่าใช้จ่ายในการเดินทางถูกนำมาใช้เป็นตัวชี้วัดในการเป็นตัวแทนของทางเลือก disutility สถานีระหว่างสถานีและสถานีค่าใช้จ่ายน้อยที่สุดต่อไป Debrezion กรัม, et al (2009) การพัฒนาการศึกษาสำหรับการทำความเข้าใจโหมดการเข้าถึงนักท่องเที่ยวชาวดัตช์ 'a และพฤติกรรมสถานีเดินทางทางเลือกโดยใช้แบบจำลองโลจิตซ้อนกัน. การมีส่วนร่วมของการศึกษาคือการพัฒนาคุณภาพการให้บริการรถไฟดัชนี (RSQI) ซึ่งมีตัวชี้วัดของการเข้าถึงรถไฟทุกอื่นๆ สถานีและมีศักยภาพในการปรับปรุงของการวิเคราะห์ราคาความชอบในพื้นที่และการตรวจสอบของทางรถไฟการเข้าถึงในระดับที่ใกล้เคียง แทนการประเมินสถานีทางเลือกการศึกษาบางส่วนมีความสำคัญในการเลือกเส้นทางรถไฟในมากเครือข่ายความหนาแน่นสูง(Morichi et al., 2001) ยกตัวอย่างเช่นใหญ่ et al. (1997) การปรับปรุงรูปแบบพหุนาม probit ทางเลือกเส้นทางพฤติกรรมตามเครือข่ายทางรถไฟในโตเกียวโดยการแนะนำแต่ละโครงสร้างทางเลือกต้นไม้ในแปรปรวนเมทริกซ์เพื่อเป็นตัวแทนใดๆ ความสัมพันธ์ที่คาบเกี่ยวกันระหว่างทางเลือกเส้นทาง ในบริบทเมืองเพิร์ ธ ออสเตรเลียตะวันตกเรามีรถไฟหนาแน่นต่ำมากเครือข่าย(ห้ารถไฟสายในรูปทรงรัศมี) ดังนั้นเราจึงไม่จำเป็นต้องมีรูปแบบดังกล่าวมีความซับซ้อนที่จะเข้าใจทางเลือกเส้นทางพฤติกรรมพร้อมเครือข่ายรถไฟ ทางเลือกที่สถานีมากขึ้นได้อย่างแม่นยำทางเลือกสถานีที่ใกล้ที่สุดคือจุดเน้นของการศึกษาครั้งนี้. อยู่บนพื้นฐานของความรู้ของเราเป็นรูปแบบ logit น่าจะเป็นประมาณการของการเลือกสถานีที่ใกล้ที่สุดหรือสถานีที่ไม่ได้อยู่ใกล้ที่สุดขึ้นอยู่กับลักษณะของทางเลือกทั้งสอง(ที่ใกล้ที่สุดหรือไม่ ใกล้ที่สุด) อย่างไรก็ตามสำหรับการศึกษาของเราเรารู้เพียงว่าสถานีที่เลือกผู้ใช้และสามารถคำนวณไม่ว่าจะเป็นสถานีที่ใกล้ที่สุดที่มาหรือไม่ หากเลือกสถานีคือสถานีที่ใกล้ที่สุดเราก็จะไม่สามารถที่จะกำหนดสถานีทางเลือกเพื่อให้รูปแบบชุดของใกล้ทางเลือกที่สถานีหรือสถานีที่ไม่ได้ใกล้เคียงที่สุดเพราะมีจำนวนมากดังนั้นทางเลือกสถานีที่ไม่ใช่ที่ใกล้ที่สุดในรถไฟเครือข่าย เพื่อที่จะลดความซับซ้อนของปัญหาการวิจัยที่เรานำมาใช้การถดถอยโลจิสติกรุ่นที่จะเข้าใจว่าเลือกสถานีที่ใกล้ที่สุดอยู่ที่สถานีหรือไม่และทำไมตัวเลือกเหล่านี้ถูกสร้างขึ้นมา ในคำอื่น ๆ ถ้าระยะทางไม่ได้เป็นปัจจัยที่มีอำนาจเหนือการเพิ่มประสิทธิภาพสำหรับการเลือกสถานีและเราคิดว่านักเดินทางmaximisers ยูทิลิตี้การเดินทางแล้วสิ่งอื่น ๆปัจจัยที่อาจจะรวมอยู่ในยูทิลิตี้ทางเลือกของพวกเขา ดังนั้นจึงเป็นครั้งแรกประมาณเราประเมินทางเลือกไบนารีโดยใช้การถดถอยโลจิสติกแบบสถานีที่ใกล้ที่สุดกระบวนการทางเลือกที่สำคัญและระบุปัจจัย

ผลลัพธ์ (ไทย) 3:

บางเกณฑ์ , ผู้โดยสารจะใช้เวลาในการพิจารณาทางเลือกในการขนส่ง
.
ของรถไฟสถานีก่อนเลือกรูปแบบถูกพัฒนาขึ้นโดย kastrenakes
( 1988 ) ในความพยายามที่จะเตรียมพื้นฐานสำหรับการพยากรณ์
รถไฟท่องเที่ยวในพื้นที่รัฐนิวเจอร์ซีย์ กับประเทศปลายทางคู่
ข้อมูล เขาวิเคราะห์กระบวนการการเลือกสถานีที่ออกเดินทางและระบุตำแหน่งของ
สถานี เวลาเข้าความถี่ของบริการ และเป็นปัจจัยที่มีผลต่อค่าใช้จ่ายทั่วไป

uncorrelated สถานีทางเลือกสำหรับผู้โดยสาร งั้น วอร์ดเมิ่น วีแลน ( 1999 ) และทำการเลือกบริเวณสถานีรถไฟ

ลอนดอนและมุ่งมั่นพร้อมที่จอดรถและสิ่งอำนวยความสะดวกสถานีอื่น ๆ นอกจากนี้ยังมีปัจจัยที่สำคัญ
และควรเข้าไปเลือกแบบ ต่อมา เวลาเดินทาง