[发明专利]基于空间自回归选择模型的电动自行车通勤出行预测方法

说明书

本发明公开了一种基于空间自回归选择模型的电动自行车通勤出行预测方法，包括：(1)计算莫兰指数；(2)应用空间自回归Logit模型的形式，建立电动自行车通勤出行的空间自回归出行选择模型结构；(3)电动自行车通勤出行的空间自回归出行选择模型的参数估计；(4)居民电动自行车通勤出行选择预测。本发明利用已有的城市家庭出行调查数据对交通小区电动自行车通勤出行特性进行分析，并且具有较好的出行预测精度，克服了现有预测方法存在的缺陷和不足，在电动自行车通勤出行预测方面具有实际的应用价值。

技术领域

本发明属于城市交通出行需求管理与预测领域，涉及一种基于空间自回归选择模型的电动自行车通勤出行预测方法。

背景技术

由于车辆使用和城市化进程的加剧，中国在环境问题上面临巨大的挑战。车辆尾气排放被认为是中国城市空气污染的主要来源。为了减少车辆使用对气候的影响，环保和可持续交通方式如电动自行车的使用推广越来越受到重视。有了电动机的助力和集成的铅酸电池，电动自行车克服了传统人力自行车在出行距离和地形的限制。这对增加城区自行车使用非常有利。此外随着城市交通拥堵日益严重，尤其在早晚通勤高峰时期，电动自行车因其便利、环保、方便停放的等特点成为城市居民通勤出行的重要出行方式。

为了制定有利于电动自行车使用推广的政策和措施、保障电动车出行安全，针对电动自行车出行特征和模式选择行为进行了大量研究，其中包括电动自行车选择建模研究。电动自行车选择模型表征了电动自行车出行可能性和不同成因之间的关系。这些因素包括社会人口统计特征、物理建筑环境、态度因素和出行特征。

近几年，越来越多的研究开始关注空间依赖性及其对出行行为产生的影响。通常认为相邻的出行者相比于间隔距离较远的出行者会有更加相似的出行行为。研究者也在公共交通使用、汽车所有量和出行持续时间等出行行为研究中发现了空间依赖性。这种空间依赖性可以用统计回归模型中的空间自回归结构表示。尽管这并不是一个新的研究领域，但是还鲜有研究侧重电动自行车出行选择中的空间效应。现有的电动自行车选择模型也没有结合空间自回归结构，在实际中，这样的模型会导致有偏和无效的参数估计。

此外，以往的研究都是在设定不同个体之间相同的空间依赖效应的基础上进行的。本发明中的预测模型考虑了不同个体的异质性，模型中针对不同个体设定了各自特有的空间效应，结合已有的城市家庭出行调查数据，使电动自行车通勤出行选择预测的精度大大增加，为制定有效安全的电动自行车使用推广策略具有重要意义。

发明内容

技术问题：本发明提供一种提高了预测精度，为城市规划管理提供了更为准确和有效预测结果的基于空间自回归选择模型的电动自行车通勤出行预测方法。

技术方案：本发明的基于空间自回归选择模型的电动自行车通勤出行预测方法，包括以下步骤：

(1)根据下式计算莫兰指数Moran′s I：

其中N是交通小区的数量；E_i和E_j分别是第i个和第j个交通小区的电动自行车通勤出行比例；表示所有交通小区的平均电动自行通勤出行比例；C_ij是未标准化的空间权重矩阵的一个元素，用来表示第i个和第j个交通小区之间的地理连接情况，即G_ij＝1时两个交通小区是相邻的，C_ij＝0时两个交通小区不相邻；

当莫兰指数显著大于0时，通勤出行起讫点的电动自行车出行比例均具有空间相关性，继续进行步骤(2)；当莫兰指数不显著大于0时，则结束本方法流程；