[發明專利]一種基于交通出行數據的人類出行選擇信息挖掘方法

有效

• 申請號: 201911109505.0
• 申請日: 2019-11-13
• 公開（公告）號: CN110837973B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 陳清華;王明燕;梁夏宇涵;狄增如;王友廣
• 申請（專利權）人: 北京師范大學;北京甲子科技有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/02;G06Q50/30
• 代理公司: 江蘇海越律師事務所 32402
• 代理人: 唐小紅

1.一種基于交通出行數據的人類出行選擇信息挖掘方法，其特征在于，利用收集的汽車出行數據分析某一地區人類出行需求以及對于不同交通工具的選擇特征，包括以下步驟：

步驟1.建立交通選擇模型；

步驟2.收集數據，進行參數估計；

步驟3.參數分析、比較和應用；

所述步驟1包括：

1-1)假設人類出行距離分布用冪律分布；

1-2)設定不同距離下不同交通工具的效用函數；

1-3)根據效用函數確定不同交通工具的選擇概率；

1-4)將出行距離分布和交通工具的選擇概率結合起來，得到交通選擇模型；

所述步驟2包括：

2-1)收集整理數據；

2-2)將數據和交通選擇模型結合起來，利用非線性擬合的方式獲得交通選擇模型中的各個參數；

2-3)有多套數據的時候，重復上面的操作；

所述步驟3包括：

3-1)根據參數，解釋出行分布特征和出行方式的選擇；

3-2)根據參數和解釋，協助制定交通設施建設規劃；

3-3)當有多套數據時，進行比較；

所述步驟1建立交通選擇模型，基于在預定路程下不同交通工具對個體的效用以及個體的優化選擇建立交通選擇模型，具體過程如下：

假設個體出行有三種交通方式供選擇：步行、開車和乘飛機，出行效用U_i由觀測效用項V_i和隨機效用項ε_i組成，V_i包括交通費用，花費時間以及行程體驗可預測因素，隨機效用項ε_i包括天氣隨機不可觀測或者預測的因素，統一化為時間；

一種交通方式的行程時間越長，其產生的效用就越低，因此出行效用與時間呈負相關關系；假設每種交通方式的時間成本由兩部分組成，固定成本C_i與實際行程的時間成本，因此出行效用U_i表示為：

x表示出行距離，v_i表示第i種交通方式的速度，概率分布函數F(ε)和概率密度函數f(ε)如下所示：

其中γ表示出行者的理性指數；

根據消費者效用最大化理論，出行者會選擇具有最大效用的交通方式，因此選擇某種交通方式出行的概率，即為該交通方式有最大出行效用的概率；在3種交通方式中，若出行者選擇第2種交通方式出行，是因為這種方式的收益最大，其概率為：

假設ε₁和ε₃獨立，結合ε的概率分布函數，得出行者選擇第2種交通方式的概率為：

假設整體出行的分布服從冪律分布P(x)＝Ax^-α，出行需求與出行交通方式選擇獨立，則汽車出行的距離分布表達式：

其中，C₂₁＝C₂-C₁,C₂₃＝C₂-C₃,

基于公式(6)，對數據采用最小二乘法非線性擬合獲得參數：

min∑(D(x)-P(x)p₂)² (7)

其中，D(x)為真實獲得的汽車出行分布數據，尋找一組參數A,α,γ,C₂₁,η₂₁,C₂₃,η₂₃，使得上式最小；

α表示人類出行距離分布的冪律指數，C₂₁表示開車與步行的固定成本之差；C₂₃為開車與乘飛機的固定成本之差，開車與步行的速度倒數之差η₂₁，開車與飛機的速度倒數之差η₂₃。