Aggregate modal choice model calibration

Abstract

Estimation of aggregated mode choice models has to face the problem of reliability of data used for calibration. Samples in travel surveys that are used for these estimations are generally too small for the needs of aggregate models. Therefore the number of observed trips per origin-destination is very small for the majority of them. Solution which is generally chosen needs on the one hand to reduce the number of zones by zones aggregation and on the other hand to keep for calibration only those origins-destinations for which sample size is above a minimum threshold. But we demonstrated that calibration results are highly sensitive to the choice of zones aggregation and to the choice of the threshold. In response to this problem this paper proposes an estimation method which allows very small-scale zoning to be retained and to keep the available information. The method is based on an iterative process whose convergence appears quite rapid and more importantly gives stable calibration results regarding zoning and threshold choices. To overcome one of the main problems of this method, which do not allow the calculation of confidence interval, we have used bootstrap method. This empirical analysis of mode choice between car and public transport on Lyon data allows us to study the benefits of our method in comparison with more conventional methods. L'estimation des modèles agrégés de choix modal doit faire face au problème de la fiabilité des données utilisées pour le calage. Les enquêtes ménages déplacements utilisées pour ce calage conduisent le plus souvent à des effectifs de déplacements observés très faibles pour la très grande majorité des origines-destinations des matrices par mode. La solution généralement retenue conduit d'une part à réduire le nombre de zones en agrégeant les zones entre elles et d'autre part à ne conserver que les origines-destinations dont on estime que l'effectif enquêté est suffisant. Nous montrons toutefois que l'estimation d'un tel modèle est très sensible au choix du découpage et au choix du seuil de " fiabilité " en nombre de déplacements observés. Pour faire face à ce problème, nous proposons une méthode d'estimation qui permet de conserver un découpage très fin et qui permet d'utiliser toute l'information disponible. Cette méthode repose sur un processus itératif dont la convergence apparaît assez rapide et qui surtout conduit à des résultats stables en fonction du choix du découpage et du choix du seuil de " fiabilité " retenu pour le processus d'agrégation. La principale limite de cette méthode est de ne pas permettre le calcul direct d'intervalles de confiance. Nous avons donc utilisé la technique du bootstrap pour pallier cette limite. Nous pouvons ainsi tester la qualité de cette méthode sur le contexte du choix modal entre la voiture particulière et les transports collectifs sur l'agglomération lyonnaise.