文件名称：POI数据分析的具有不同选择集的选择模型-研究论文
文件大小：883KB
文件格式：PDF
更新时间：2024-06-08 09:29:31
Choice Model; Constrained Maximum Likelihood
兴趣点（POI）是一个地理位置，可能会引起公众的兴趣。 POI提供了一种方便的方法，可通过移动设备注册人们的位置，从而获得POI数据。 POI数据包含准确的位置信息，对于基于位置的服务（LBS）极为有价值。 因此，需要可以用于回归和/或预测的原理统计方法。 为了部分弥补这一理论空白，我们提出了一种用于POI选择分析的条件logit方法。 这个新模型是经典选择模型（McFadden，1974，1978）的自然扩展，但具有两个关键特征。 首先，远离当前位置的POI不太可能被选作下一个POI选择。 结果，当前位置和下一个POI候选者之间的距离（或其适当的变换）是重要的预测因素，应将其包括在模型中。 其次，经典选择模型考虑了有限选择集。 相比之下，新模型研究的是不同的选择集，主要是因为实践中POI位置的总数通常很大。 不同的选择集产生了最大似然估计（MLE）的昂贵计算。 为了减轻计算成本，我们进一步提出了一种约束最大似然估计（CMLE）方法。 与MLE相比，CMLE仅利用合理距离内的POI。 这种优先级划分导致以合理的效率损失显着减少了计算量。 为了证明该方法的有限样本性能，提出了基于模拟和真实数据集的数值研究。