On the identification of thresholds in travel choice modelling

در این مقاله روشی متفاوت برای تخمین آستانه ها با توجه به تفاوت ویژگی در مدل های انتخاب گسسته ارائه شده است. توابع تبدیل جدید پیشنهاد شده به راحتی می توانند در نرم افزار برآورد بکار روند. سودمندی این توابع با داده های مصنوعی تست شده است. شبیه سازی گسترده نشان می دهد که بسیاری از مشاهدات برای شناسایی آستانه ضروری است. علاوه بر این، ارزش صرفه جویی در زمان سفر یک مدل نادیده گرفتن این آستانه، بی اعتبار است. نرم افزار به داده های انتخاب شده نشان دهنده یک آستانه قابل توجه است. با این حال، دلیل و فرم دقیق این آستانه را نمی توان از داده ها بیان کرد. رویکرد ارائه شده نیز ممکن است مفید باشد برای مدل سازی آستانه در سایر زمینه های رفتار انتخابی.