[發(fā)明專利]一種動態(tài)結構下考慮群體異質性的出行方式鏈選擇方法

有效

• 申請?zhí)枺?/td>: 202110823723.1
• 申請日: 2021-07-21
• 公開（公告）號: CN113656746B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設計）人: 李大韋;宋玉晨;邱樹榮;任剛;楊敏;劉攀
• 申請（專利權）人: 東南大學
• 主分類號: G06F17/11
• 分類號: G06F17/11;G06F17/16;G06F17/18
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種動態(tài)結構下考慮群體異質性的出行方式鏈選擇方法，其特征在于，包括如下步驟：

(1)利用Logit模型表示每個出行者屬于各個不可觀測類型的先驗概率；

(2)應用貝爾曼最優(yōu)準則計算出行者屬于不可觀測類型的期望效用方程，優(yōu)化期望效用方程，確定選項特定的價值函數(shù)，利用價值函數(shù)確定條件選擇概率函數(shù)：

在每一個階段k∈{1,2,…,K_n}出行者從可行子集里做出選擇，以最大化當前和折減后的未來效用值為選擇規(guī)則，組合效用包括三個部分：當前階段k的即時效用u_k(x_k,y_k,a_k,ζ)、誤差項ε和折減未來效用，在應用貝爾曼最優(yōu)準則和對誤差項ε積分后，出行者的狀態(tài)變量為x_k、非狀態(tài)變量為y_k時，屬于不可觀測類型為ζ的期望效用V_k(x_k,y_k,ζ)方程為：

其中a_k表示出行者每個階段k的行動，C_k為行動a_k的有限選擇集合；ε_k為未觀測的誤差變量，ε_k+1與上一階段的變量相獨立，ε_k在所有階段獨立且服從同分布；狀態(tài)變量x_k包括出行目的p∈P、已使用的出行方式序列s∈S＝{m₁,m₂,…,m_k-1}、可行的方式子集為h∈H，當前階段的出發(fā)時間st，st是以半小時為間隔的離散變量，因此x_k＝{p_k,s_k,h_k,st_k}，P表示所有出行目的的集合，H表示所有可行的出行方式集合，θ∈(0,1)表示折減系數(shù)，X_k為狀態(tài)變量x_k的集合，非狀態(tài)變量為y_k包括人口屬性變量和不同方式的通行時間，m_k表示階段k使用的出行方式，f(x_k+1|x_k,a_k,ζ)表示給定(x_k,a_k,ζ)下獲得狀態(tài)變量x_k+1的轉移概率，g(ε_k)為未觀測變量的轉移概率，且每一個變量定義域為實數(shù)域；x_k+1包括x_k所轉移的所有有效信息；

為獲得閉合形式的計算結構，假設ε_k獨立同分布于耿貝爾Gumbel分布，則有g(ε)＝∏_jg(ε_j)，j表示不同的選項，從而期望效用方程簡化成：

其中v_k(x_k,y_k,a_k,ζ)為選項特定的價值函數(shù)，γ為歐拉常數(shù)，則行動a_k的條件選擇概率表達式為：

其中a′_k為有限選擇集合C_k的所有元素；

通過條件選擇概率表示期望效用方程為：

從上式可知狀態(tài)向量(x_k,y_k,ζ)的期望效用V_k(x_k,y_k,ζ)是以下幾個值的和：選項特定的價值函數(shù)v_k(x_k,y_k,a_k,ζ)、對數(shù)轉換后的負條件選擇概率以及歐拉常數(shù)γ；當選擇a_k的條件選擇概率P(a_k|x_k,y_k,ζ)與1的差值小于預設閾值時，期望效用V_k(x_k,y_k,ζ)趨近于最優(yōu)的選項特定價值函數(shù)v_k(x_k,y_k,a_k,ζ)加上常數(shù)γ，表明不同價值函數(shù)v_k(x_k,y_k,a_k,ζ)的差為對應條件概率的函數(shù)，則選項特定的價值函數(shù)表達式為：

(3)利用條件選擇概率計算出行者每個階段出行選擇的似然函數(shù)，然后根據(jù)每個階段的似然函數(shù)計算得到所有出行者做出連續(xù)出行方式選擇的組合似然函數(shù)；

(4)根據(jù)先驗概率和似然函數(shù)計算出行者屬于各個不可觀測類型的后驗概率，利用后驗概率更新條件選擇概率；

(5)通過最大化似然函數(shù)計算動態(tài)離散選擇模型的效用參數(shù)和類型參數(shù)；

(6)利用期望最大算法迭代優(yōu)化先驗概率、后驗概率和組合似然函數(shù)，最大化組合似然函數(shù)以同時獲得效用參數(shù)和類型參數(shù)；

(7)利用已知數(shù)據(jù)對步驟(6)最終得到的效用參數(shù)和類型參數(shù)進行參數(shù)估計，利用交叉驗證驗證模型精度。