随着我国城市经济发展和城市化进程不断加快,人均私人汽车保有量不断增长,与此同时,小汽车出行率不断上升,交通出行结构正朝着不利于节约的方向发展,交通拥挤随之产生。影响城市交通结构最直接的因素是城市居民个体的出行方式选择行为,因此研究方式划分选择行为及方法对解决交通拥挤具有重要意义。 目前应用较广的方式划分模型为非集计模型,众多学者也一直致力于不断改进此类模型及其求解方法的研究工作,并取得了一定成果。本文以非集计模型参数标定为主要研究目标,尝试将新兴的仿真优化算法-蚁群算法用于非集计模型参数标定,以证明蚁群算法在非集计模型参数标定中的合理性及有效性。论文选取了三种典型非集计模型(MNL模型、Nested Logit模型、Mixed Logit模型)进行实例演示,以软件和文献中提供的原始数据作为建模依据,构造似然函数,并根据函数结构性质设计相应蚁群算法,寻找算法参数最优组合。最后将求得结果与传统算法求得的结果做出对比评价。 研究表明,蚁群算法可以用于非集计模型参数标定,但对于简单非集计模型,其有效性不及传统算法；对于复杂非集计模型,其具有的不受目标函数是否连续及可导限制等特点,使其大大优越于传统算法。因此,在未来工作中,可以考虑采用蚁群算法对复杂非集计模型参数进行标定。