基于出行鏈的居民出行次數建模與仿真方法技術

本發明專利技術涉及一種基于出行鏈的居民出行次數建模與仿真方法，該方法包括以下步驟：首先建立出行者年齡、收入等基本數據庫；其次對當前出行者進行日出行活動仿真；對學生采用二項logistics回歸建模，對老人采用泊松分布建模，對就業者采用樹狀分對數建模，最終生成所有出行者的日出行記錄并統計出行次數。與現有技術相比，本發明專利技術將城市宏觀社會經濟數據運用于微觀個體出行活動中，數據獲取易，結果可靠度高。

【技術實現步驟摘要】

本專利技術涉及對居民出行次數的建模與仿真，尤其是基于出行鏈的思想。屬于交通規劃領域中的需求預測部分。
技術介紹
人均出行次數主要反映居民出行需求和出行能力，是衡量城市居民的出行狀況和評價城市居民出行需求程度的重要指標。在傳統的交通預測四階段中，出行次數也常用于預測區域出行的發生吸引量。目前國內外專家學者對出行次數的研究還是以定性分析為主，定量研究主要是采用數理統計的方法。國外的研究學者對出行次數也做了大量的研究。和國內研究側重在宏觀影響因素回歸、聚類分析為主不同，國外的研究重點在居民出行鏈特征以及模擬日常出行鏈出行方面。然而，不同文獻中通過回歸、聚類等方法得到的方程差異性較大。另一方面，非集計模型所需的個體特征數據難以獲取。
技術實現思路
為了克服現有方法的不足，本專利技術將人口結構、收支等宏觀參數運用到微觀的非集計模型中，對居民出行鏈進行仿真，從而得到平均出行次數。城市居民人均日出行次數與城市社會經濟發展水平、人口結構、城市規模、出行目的、方式和時間以及交通環境有關。同一城市不同時期人均出行次數的改變，一方面歸因于經濟發展、人口增長和城市規模擴大；另一方面受居民的出行方式、目的變化的影響城市人口越多、規模越大，居民平均出行距離就越遠，相應的出行次數就越低；而隨著經濟的發展，居民收入和城市機動化水平隨之提高，造成通勤出行比例下降，機動車出行比例上升，這在一定程度上又提高了人均出行次數。通過對出行鏈的研究可以較好的反應這些變化對出行次數的影響。出行鏈是從家出發，最終又回到家的一系列活動所引起的一系列出行所構成的封閉的鏈，它形象地刻畫了個體的出行行為。一天中這種以家為起點、最終又回到家的出行鏈可能不止一個，因此分為主要出行鏈和次要出行鏈。一般而言，依據“時間分配最大原則”將一天中參與的耗時最多的活動定義為主要活動，而將該活動所在的出行鏈定義為主要出行鏈，其他出行鏈為次要出行鏈。對于城市居民通勤出行活動而言，上班通常為一天中的主要活動，因此.上班所在的通勤鏈就為主要鏈.而其他出行鏈則為次要鏈。考慮我國退休人員和駕駛員年齡限制，本專利技術將城市居民中的出行者分為四類7歲至18歲的學生，19至60歲的男性，19至55歲的女性，其余的60歲以上的男性和55歲以上的女性統稱為老人。考慮到非集計模型對于出行者個體差異性數據難以獲取，本專利技術出行鏈選擇模型中選取的個人參數全部源于城市宏觀數據，其中固定數據包括性別、年齡、收入、是否擁有私家車以及首次出行選擇時間；可變數據包括可支配費用、時間和出行次數。對于學生，假設全部就學，除上學以外沒有其他目的出行，考慮中午是否回家，其概率與家到學校的出行時間相關，采用二項logistics回歸(羅杰斯迪克回歸)，學生的日出行次數為2次或4次。對于老人，他們的出行受體能的限制最大，僅考慮出行所花費的時間，當日已出行次數越多，下一次選擇出行的概率越低，因此可以將老人的出行概率看作符合泊松分布，對于就業者，出行目的分為上班、購物以及回家，其中購物會產生消費，且消費量與個人收入相關，當超過一定的時間或缺少用于下一次出行的費用時，不再出行。就業者收入越高，擁有私家車的可行性越大。根據附圖1，就業者以家為出行起點，選擇是否外出，若選擇否，則經過一定時間再次面臨選擇；若選擇是，則面臨剛性出行(上班)和彈性出行(購物)，其中上班出行這一選擇肢具有一定的時間窗。此外在中午會根據從家到工作地點的時間選擇是否回家，若回家則增加2次出行。從工作地點下班可以選擇回家或購物，同樣從家也可以直接出發至商店，在商店消耗了一定的時間和成本后，選擇是否停留，停留則繼續消費，離開則轉移到其他商店或回家，最終回到家，結束一天的出行。每當出行者經過一次位移，增加一次出行次數，其中是否出行以及出行終點的選擇概率與出行者性別、年齡、是否擁有私家車、時間、收入、當前可支配費用有關。考慮到決策的層次性，本專利技術采用效用最大化理論描述就業者的出行選擇行為，當某對選擇肢的效用差越大，則效用較大的選擇肢被選概率也越高。運用多項Logit (分對數)模型是解決非集計問題最簡單有效的方法，然而當選擇肢間有類似性時，就會出現類似著名的“紅一藍巴士悖論”那樣的IIA (Independence formIrrelevant Alternatives,非相關選擇方案相互獨立特性)問題，因此會造成過高評價具有相似性的選擇肢群，而錯誤地標定模型參數，導致預測偏差的問題。基于此，本專利技術采用NL (Nested — Logit，樹狀分對數)模型。本專利技術采用的技術方案具體如下，其特征在于，該方法包括以下步驟I)首先建立城市居民社會經濟基礎數據庫；2)進行出行者日出行活動仿真；3)生成出行報告，計算平均出行次數。優選地，其中所述步驟I)中的數據庫建立過程如下11)首先,確定研究范圍,根據社會經濟現狀或預測指標,統計當地相關參數,包括性別、年齡、收入結構以及各出行方式的擁有率速度、費用、舒適度；12)根據統計分布隨機產生n個出行者，n隨模型精度要求的提高而增大；所述步驟2)中的出行者日出行活動仿真過程如下21)確定該出行者所屬的人群分類，即學生、老人或就業者；22)對于學生采用二項logistics回歸建模，對于老人采用泊松分布建模，直接得到出行次數； 23)對于就業者，需要根據當前時間、地點和可支配收入根據NL模型選擇是否出行以及出行目的地，直到不滿足再次出行的條件為止；所述步驟3)中的生成出行報告，計算平均出行次數過程如下31)將n個出行者的總出行次數求和并求算數平均值，得到平均出行次數；32)對于就業者，可以得到其他參考數據，包括其出行的時間分布、費用。國外的研究學者對出行次數也做了大量的研究。國內現有對出行次數的研究側重在宏觀影響因素回歸、聚類分析為主，不同的回歸方程差異性較大，得到的結果也不同，沒有通用性。國外的研究重點在居民出行鏈特征以及模擬日常出行鏈出行方面，但是非集計模型所需的個體特征數據難以獲取。本專利技術考慮到這兩個局限和不足，旨在將人口結構、收支等宏觀參數運用到微觀的非集計模型中，對居民出行鏈進行仿真，從而得到平均出行次數。與現有技術相比，通過將城市宏觀社會經濟數據運用于微觀個體出行活動中，繼而模擬仿真，數據獲取容易，結果可靠度高。附圖說明 圖I是出行鏈結構示意圖；圖2是流程圖。具體實施例方式如圖2所示，，包括如下步驟Stepl :出行者非可變參數初始化，生成單位出行者的性別、年齡、收入、是否擁有私家車以及首次出行選擇時間；St印2:若出行者為學生或老人，則分別根據學生或老人的出行次數模型得出出行次數并結束一次仿真；若出行者是成年人，置當前時間為首次出行選擇時間，進入下一步；若為學生考慮中午是否回家，其概率與家到學校的出行時間t相關，采用二項logistics回歸,學生的日出行次數為2次或4次。T=2 X (1+x), X= {0, 1}(I)s. t. In。) 二々。+々/U) I - /VV = 0)(變量對應說明見表I,下同)若為老人他們的出行受體能的限制最大，僅考慮出行所花費的時間，當日已出行次數越多，下一次選擇出行的概率越低，因此可以將老人的出行概率看作符合泊松分布，即p{T=k) = —e~\k=l,2,'''(3)Step3 :本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.基于出行鏈的居民出行次數建模與仿真方法，其特征在于，該方法包括以下步驟 1)首先建立城市居民社會經濟基礎數據庫； 2)進行出行者日出行活動仿真； 3)生成出行報告，計算平均出行次數。2.根據權利要求I所述的基于出行鏈的居民出行次數建模與仿真方法，其特征在于，所述的步驟I)中的數據庫建立過程如下 11)首先，確定研究范圍，根據社會經濟現狀或預測指標，統計當地相關參數，包括性另IJ、年齡、收入結構以及各出行方式的擁有率速度、費用、舒適度； 12)根據統計分布隨機產生n個出行者，n隨模型精度要求的提高而增大。3.根據權利要求I所述的基于出行鏈的居民出行次數建模與仿真方法，其特征在于，所...

【專利技術屬性】
技術研發人員：陳大偉，盧靜，何流，
申請(專利權)人：東南大學，
類型：發明
國別省市：