Resumen

Hasta hace poco, la mayoría de las tareas de modelización de la planificación del transporte, especialmente en la modelización de elección discreta, se realizaban con la ayuda de software comercial y sólo se preocupaban por el resultado de las estimaciones de los parámetros para obtener una interpretación sensible a las políticas. Esta práctica habitual impide a los investigadores adquirir un conocimiento sistemático del mecanismo de estimación. En esta investigación, para arrojar luz sobre estas prácticas de modelización limitadas, se estima el parámetro de un modelo estándar de elección discreta utilizando el método Quasi-Newton, DFP y BFGS. Se proponen por primera vez dos algoritmos ampliados, denominados DFP-GSM y BFGS-GSM, para superar los puntos débiles del método Quasi-Newton. El método de la sección áurea (GSM) incorpora una técnica de programación no lineal para elegir automáticamente un tamaño de paso óptimo. Las derivadas parciales de la función log-verosimilitud se derivan y codifican mediante una aplicación de Visual Basic (VBA). Mediante una amplia evaluación numérica, se compara la capacidad de estimación de cada uno de los algoritmos de estimación propuestos en términos de medidas de rendimiento. Los algoritmos propuestos muestran un rendimiento de estimación estable y se estudian y discuten las razones. Además, se presentan conocimientos útiles educados en la modelización a medida.

• Materias:Máquina de vectores Estudio numérico Controlador Método computacional Modelado matemático
• Subjects:Vector machine Numerical study Controller Computational method Mathematical modeling
• Palabras claves:GSM, método Newton, modelo estándar de elección discreta, aplicación Visual Basic, modelización de elección discreta, evaluación numérica extensiva, método de la sección áurea, prácticas de modelización limitadas, técnica de programación no lineal, tamaño óptimo del paso
• Keywords:GSM, Newton method, standard discrete choice model, Visual Basic Application, discrete choice modeling, extensive numerical evaluation, golden section method, limited modeling practices, nonlinear programming technique, optimal step size