交通機関選択モデルおよび鉄道経路選択モデルは、以下のような入れ子構造を適用する。

　

　

　非集計行動モデルは、個人の交通行動をモデル化しているため論理性を有し、運政審答申第7号（1985年、東京圏における鉄道計画）の需要予測で用いられたことを契機として、最近では鉄道需要予測の主流になってきている。非集計行動モデルには、種々の手法があるが、本予測ではロジットモデルを採用する。
　路線別交通量予測方法には、大きく分類して「最短経路一括配分法」と「複数経路配分法」がある。
　「最短経路一括配分法」は、OD間の鉄道経路を1経路のみ設定する方法である。このうち最もよく用いられる方法は、ダイクストラ法等により所要時間最短の経路に一括配分する方法である。この方法は、モデルが単純化されて非常にわかりやすいが、実証的かどうか疑問である。
　「複数経路配分法」は、OD間の鉄道経路を複数設定する方法である。交通行動を観察してみると、同じトリップメーカーがある目的地へ行く場合は、A路線のX駅にアクセスし、他の目的地へ行く場合は、B路線のY駅にアクセスしたり、また、同じ目的地であっても、幾通りかのアクセス駅や経路がある場合には、所要時間や運賃等の経路選択要因を考慮して経路を決定するのが常である。このような実際の交通行動をモデル化しようとするのが「複数経路配分法」であり、近年までは「時間比配分法」やこれに費用を考慮した方法などが用いられてきた。しかしながら、経路選択要因には、所要時間や運賃のほか、乗換回数や運行本数等の影響が大きいことが昨今の意識調査等で判明してきている。このため、多くの要因から経路選択および経路分担率を得ることが可能な非集計行動モデルを用いた鉄道経路配分モデルの研究が近年活発となり、実用化されている。
　以上から、本調査においても、非集計行動モデルを用いた鉄道経路配分モデルを構築することとした。非集計行動モデルには数種類あるが、OD間の経路が複数（1〜N）になるので、交通機関別交通量の予測と同様、マルチ・ロジットモデル（ML法）を採用する。

　

　式の定義は下図のとおりである。

　

　

　鉄道経路配分モデルの概要は、次のとおりである。

1）ゾーン間利用路線の設定

　出発ゾーンから利用可能な鉄道駅（現況分析結果から最大20駅程度）と到着ゾーンから利用可能な鉄道駅の組み合わせで、ゾーン間鉄道利用駅を設定する。例えば、前者が5駅、後者が4駅あるとするならば、5×4＝20駅間の組み合わせとなる。
　次に、1駅間1ルートと考えて（実際には、同一駅間であっても複数経路考えられるが、電算利用技術等からこのように考える）、最短所要時間になる経路を1駅間ごとに設定する。

2）ゾーン間鉄道経路配分率の設定

　ゾーン間各経路の交通特性（所要時間、運賃、ピーク時運行本数等）の値を計算して、鉄道経路配分モデルに代入して、各経路の効用を算定する。
　次に、効用の高い経路のうちN路線（今回は、最大10路線とする）を選んで配分対象経路とする。配分対象経路の効用から、各経路の配分率を算定する。

　

　交通機関別交通量の予測は、各個人のトリップに関するデータを用いて個人の行動を直接モデル化する非集計行動モデルを用いることとする。
　非集計行動モデルは、個人の交通行動をモデル化しているため論理性を有し、運政審答申第7号（1985年、東京圏における鉄道計画）の需要予測で用いられたことを契機として、最近では鉄道需要予測の主流になってきている。非集計行動モデルには、種々の手法があるが、本予測ではネスティッドロジットモデル（以下、NLモデルと略す）を採用する。
　前述の交通手段選択について、自動車・公共交通（マストラ）利用確率をP（a）、マストラ利用時の鉄道、路線バス利用の確率（条件付き確率）をP（a｜b）とすると、定式化は以下のとおりとなる。

　

　

V_a：自動車・マストラ選択（第1段階）の効用値

V_b：鉄道・バス選択（第2段階）の効用値

V_ab：2段階双方に関係した効用値

　

V＝θ₁χ₁＋θ₂χ₂＋・・・θ_nχ_n　x：説明変数、θ：パラメータ値

　

　このときの未知数は説明変数xにかかるパラメータ値θのほか、効用の分散の大小を表現する係数λとなる。NLモデルの推定は、個々のサンプルの選択行動（P）が最も適合度の良くなるようなθとλを求めることである。
　なお、ここでλ＝1のときは、効用の分散がすべて等しくなり、通常の同時選択ロジットモデルと一致する。λ＝0のときは、2つの異なる選択が相互に独立であることを示している。（第2段階の効用が第1段階に影響しない）

　

　交通手段の利用のしやすさは、その交通手段の持つ特性（運賃・所要時間など）と個人属性（性・年齢など）によって異なると考えられる。しかしそれぞれの特性はそれぞれ単位（円・分など）が異なっているほか、非数値データ（性別など）も含まれているため、これらを同一尺度で数量的に評価することにより、それぞれの交通手段の利用のしやすさを考慮する必要がある。そこで、上式では、各特性を同等に評価する手段として、「効用」という同一尺度を定義して用いている。
　ここで、効用とは、交通手段n（鉄道・バス・自動車）のもつ「望ましさ」、すなわちその交通手段の利用しやすさを示しており、下図に示すように、各特性の線形和で定義される。

　

　上図に基づいて、各個人の各交通手段における効用を計算できる。そしてその効用値を前述の利用確率式に代入することにより、各個人が、それぞれの交通手段をどのような確率で選択するかを計算することが出来る。上式は、すべての交通手段の効用の和に対する、1つの交通手段の効用の比と考えられるので、すなわち、「効用が高い（＝より望ましい）交通手段ほど、選択される確率は高い」と言える。

　

　

　非集計行動モデルは、基本的に個人を単位とするが、予測に当たってはゾーンOD間を単位とした地域分類法を用いて集計する。このため、予測精度が悪くなることが予想されるので、予測手法の現況再現性を検討し、現況における実績値と推計値の誤差率をゾーンOD間機関別特性値として求め、予測に当たってはこの特性値を加味して、各ゾーン間の交通機関別交通量を求めることとする。
　交通機関選択モデルにおいて、効用値の計算は、鉄道にあっては鉄道経路配分モデルにおける経路の合成効用値、バス・自動車にあっては時間最短経路の効用値とする。