分层抽样框架用于家庭出行调查：一种用于样本量优化的蒙特卡洛模拟方法

《Future Transportation》：Stratified Sampling Framework for Household Travel Survey: A Monte Carlo Simulation Approach for Sample Size Optimization

　　

微分析区（Micro-Analysis Zone, MAZ）用于本地化交通规划，由于大样本量导致成本和物流挑战，延误了家庭出行调查。因此，研究人员开发了一种基于家庭规模为人口统计分层的分层抽样框架，以降低MAZ的抽样率。利用达沃市一个描笼涯（barangay）的普查数据，通过蒙特卡洛模拟（Monte Carlo simulation）在比例分配（proportional allocation）和内曼分配（Neyman’s allocation）两种分层方法下，对20%至1%的多种抽样率进行了100万次迭代检验。模拟结果显示，低至8%的抽样率能在约95%的概率下估计出行频率，误差在10%以内（平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）≤10%）。然而，这些指标之间存在权衡，在两种分层方法下，为将误差控制在5%以内（MAPE≤5%），概率降至68%。此外，出行生成建模（trip generation modeling）显示，用于估计出行频率的R²值有95%的概率达到0.7或更高。尽管如此，仍应谨慎，因为某些次要预测变量在较低抽样率下失去了统计显著性。最终，本研究认可了低抽样率对小型城市描笼涯的表现，缓解了交通规划人员在开展家庭出行调查时面临的挑战。

**论文解读：基于蒙特卡洛模拟的分层抽样框架优化家庭出行调查样本量**

**研究背景与问题**
在交通规划中，微分析区（Micro-Analysis Zone, MAZ）因降低聚合偏差并提高对交通系统效应的敏感性而被用于本地化规划。然而，标准样本量公式旨在确保高置信水平（如95%）和窄误差范围（如5%），导致小人口区域（如描笼涯）的抽样率需占人口极高比例（如20%），造成巨大财政和后勤负担。现有研究缺乏以家庭规模为分层变量、通过蒙特卡洛模拟（Monte Carlo simulation）优化样本量的方法，且多数家庭出行调查采用随机抽样或地理分层，未考虑家庭规模与出行决策的强相关性。因此，本研究旨在开发一个基于蒙特卡洛的分层抽样框架，通过概率准确性分析确定最优抽样率，为交通规划者提供支持。该论文发表在《Future Transportation》。

**主要技术方法**
研究人员采用分层抽样框架，以家庭规模（household size）为分层变量，通过Dalenius–Hodges规则确定最优分层边界。使用两种分配方法：比例分配（proportional allocation, PA）和内曼分配（Neyman’s allocation, NA）。基于达沃市Poblacion区Barangay 15-B的741户普查数据，对20%至1%的九种抽样率分别进行100万次蒙特卡洛模拟迭代，评估平均绝对百分比误差（MAPE）、标准误差（SE）、变异系数（CV）及经验概率分布。通过多元线性回归（Multiple Linear Regression, MLR）构建出行生成模型，验证8%最优抽样率在预测变量显著性和决定系数（R²）上的表现，并利用方差膨胀因子（VIF）排除多重共线性（剔除家庭规模变量V1）。

**研究结果**
**3.1 分层边界（Stratification Boundary）**
使用Dalenius–Hodges规则，将家庭规模划分为四个分层：Stratum 1（1–2人，257户）、Stratum 2（3–4人，322户）、Stratum 3（5–6人，125户）和Stratum 4（≥7人，37户）。累积平方根频率间隔近似相等，表明分层内部同质性较高。

**3.2 比例分配（Proportional Allocation）**
在100万次模拟中，所有抽样率的平均分层均值（Average Stratified Mean）稳定在5.95次出行。随着抽样率从20%降至1%，MAPE、CV和SE均上升。8%抽样率的CV为4.91%（低于5%阈值），平均MAPE为3.92%，且在MAPE≤10%阈值下的经验概率为95.82%，但在MAPE≤5%阈值下降至68.64%。20%和15%抽样率虽精度更高，但资源成本翻倍，8%被视为最优权衡点。

**3.3 内曼分配（Neyman’s Allocation）**
内曼分配通过优先分配高方差分层（Stratum 2）以降低标准误差。8%抽样率的CV为4.69%（低于比例分配的4.91%），MAPE≤10%的概率为96.69%，MAPE≤5%的概率为71.39%，均优于比例分配。内曼分配在低抽样率下提供更稳健的离群值保护。

**3.4 通过出行生成模型验证（Validation Through Trip Generation Modeling）**
**3.4.1 比例分配下的MLR分析**
在8%抽样率下，主要预测变量（男性成员数V2、女性成员数V3、7岁以下儿童数V4）在模拟中保持高概率显著性（分别96.33%、94.55%、72.22%），而次要变量（工作成员数V6、机动车数V8、租户身份V11a、自有住房身份V11b）概率低（6.97%–10.43%），表明对样本量敏感。非显著变量（如老年人V5、收入V9、驾照持有者V10、家庭结构V12）在模拟中同样不显著。R²均值为0.80，95.97%的迭代中R²≥0.7。

**3.4.2 内曼分配下的MLR分析**
内曼分配下，8%抽样率对主要预测变量（V2、V3、V4）的捕获概率分别为95.78%、85.15%、77.04%，略低于比例分配但趋势一致。次要变量（V6、V8、V11a、V11b）同样表现出低概率（6.23%–14.58%）。R²均值为0.81，96.86%的迭代中R²≥0.7，略优于比例分配。

**讨论与结论**
**讨论总结**
两种分配方法在平均分层均值上无差异（均收敛于5.95次），但内曼分配在CV和MAPE经验概率上略优。8%抽样率被确认为最优，在MAPE≤10%时概率≥95%，但更严格阈值（MAPE≤5%）下概率降至68%–71%，表明精度与成本存在权衡。出行生成模型验证显示，8%抽样率能可靠捕获主要人口统计变量（性别分布、儿童数），但次要变量（工作成员、车辆数、房屋所有权）因高变异性而失去显著性。R²均值0.8–0.81，表明模型整体预测能力良好，但低样本量降低了统计检验力。研究局限性包括：基线数据仅来自达沃市一个高城市化描笼涯，8%为局部校准值；模拟假设理想采样条件，未考虑现场非响应偏差和结构障碍。因此，未来应用需结合本地环境调整，且8%更适合以出行频率估计为主要目标的研究，若需解析次要预测变量则需更大样本量。

**结论翻译**
微分析区因降低聚合偏差和提高对交通系统效应的敏感性而成为本地化规划的首选，但需要更大的样本量。由于标准样本量公式无论人口规模如何均追求高置信水平，这通常要求调查占MAZ总人口不成比例的高百分比，使精细数据收集面临后勤和财务挑战。为解决此问题，本研究旨在开发一种基于蒙特卡洛的分层抽样框架，用于MAZ家庭调查中不同抽样率的概率准确性比较。与传统随机抽样不同，分层抽样通过将总样本的特定比例分配至各子群，确保不同社会人口群体的公平代表性。具体而言，本研究采用家庭规模作为分层变量，利用其与家庭出行模式的直接相关性最大化框架的预测准确性。

研究中使用了两种分层方法：比例分配和内曼分配。通过100万次蒙特卡洛模拟，所有分层策略在所有抽样率下均产生相似的平均分层均值（5.95次家庭出行）。结果还显示，随着抽样率降低，所有测试参数呈上升趋势。基于CV、MAPE和经验概率选择最优抽样率：8%抽样率的CV低于5%，表明出行频率均值相对于真实总体均值的变异性较低。此外，模拟显示，8%抽样率在MAPE≤10%阈值下至少有95%的经验概率，但在更保守的5%阈值下概率降至68.64%，表明更高精度存在权衡。

不同分层方法对确定最优抽样率至关重要。不同分配方法之间未观察到测试参数的重大差异。内曼分配产生更低的CV和更高的经验概率，且与比例分配在MLR稳定性上相似。然而，比例分配的方法复杂度低于内曼分配。因此，方法选择仍由调查研究者自行决定，需平衡目标精度、项目时间表和调查成本。

为进一步证实8%最优抽样率，通过MLR运行出行生成模型进行额外验证。对于比例分配和内曼分配，预测变量结果不一，某些在基线模型中显著的变量在样本模型中不一致。样本组中识别出与总体相似的主要预测变量，特别是男性与女性成员数及7岁以下儿童数，这些变量在大多数情况下为显著指标，而对比指标（机动车数、工作成员数、房屋所有权状态）则不一致。这一差异表明，虽然这些变量在较大数据集中显著，但随着样本量减小，它们变得更加敏感。

另一方面，蒙特卡洛模拟揭示高平均R²值为0.8，且至少95%的概率达到R²≥0.7。这一高R²值可归因于家庭规模分层框架，反映了已识别主要预测变量（特别是性别分布和儿童数）的强影响。尽管R²稳定且高，降低抽样率也降低了捕获高度敏感变量的能力。因此，重要的是根据兴趣数据谨慎选择低样本量，无论目标是严格估计家庭出行频率，还是可靠识别次要出行预测变量。

所开发的分层抽样框架和蒙特卡洛模拟方法为样本量优化提供了全面的数据驱动方法论。然而，必须承认某些局限性。首先，用于验证框架的实证基线数据收集自单一高城市化行政单元——达沃市Barangay 15-B。该研究区以高人口密度、混合用途商业分区以及对本地化准公共交通模式和主动交通的高度依赖为特征。这意味着本研究识别的特定8%最优抽样率代表局部校准结果，而非所有MAZ的通用阈值。其次，区分估计量的数学验证与真实现场调查部署至关重要。蒙特卡洛模拟从理想假设的完美抽样和高响应率的普查框架中取样。在实际现场调查中，家庭出行调查常遇到非响应偏差、无法到达的家庭和结构障碍——这些动态本模拟未建模。因此，尽管框架展示了高统计精度，实际实施必须考虑现场偶发因素，可能需要重新校准样本量。总体而言，本研究建议未来交通调查谨慎对待本地背景，8%主要适用于以家庭规模为分层、从城市环境中单一低人口区域收集的研究。背景之外，最优抽样率对于旨在估计出行频率的研究更可靠，强调如此低抽样率可能失去解释出行生成模型中敏感预测变量的能力。若这些假设被违反，建议采用更大抽样率以保持结果的准确性和可靠性。同时建议进一步研究以校准其他社区的最优抽样阈值，特别是社会人口分布和建成环境不同的农村和郊区MAZ。