[发明专利]一种基于交通出行数据的人类出行选择信息挖掘方法

说明书

本发明公开了一种基于交通出行数据的人类出行选择信息挖掘方法，主要包括提出一个通用的考虑个体效用优化的交通选择模型，以及和模型对应的参数估计和分析方法。基于交通选择模型，利用容易获得的汽车等交通出行数据，采用非线性拟合的方法，估计参数，揭示人类总体出行需求的分布情况以及在步行、汽车和飞机等交通工具的选择特征。分析结果可用于城市和国家间的比较，也可以用于城市和国家交通设施的规划。采用这个信息挖掘方法可以有效避免对人群采取大规模调查的高成本和低可信度问题。

技术领域

本发明属于数学建模与信息挖掘，从部分容易获得的某类出行的数据挖掘出人类出行整体需求和出行选择的一些特征。具体方法上涉及数据库技术、参数估计、非线性拟合等。

背景技术

对人类行为规律的探索长久以来一直是自然、经济、社会等各个学科领域的学者关注的研究方向。人类在现实世界中的活动是以一定的空间为基础的，这种空间的移动我们称为出行。人类出行是人类诸多行为中的一种，与人类的社会、经济、政治的各方面息息相关。了解人类出行的规律和特征，有助于了解人类活动模式，规划城市结构及发展，探索无人驾驶车交互设计方法，研究人类健康问题，开发道路选择及规划软件，进行公共安全管理，探寻信息和传染病的传播方式等。

随着科学技术的发展，学者得以从定量角度分析人类行为的时空规律及其动力学机制，并由此改变了很多对人类行为的传统认识。例如，在时间规律上，过去人们假设人类行为的产生是具有均匀特性的泊松过程，而近年来大量实证结果显示人类行为在很多方面具有明显的阵发和重尾特征，即表现为长时间静默和短时间爆发交织，且时间间隔服从重尾分布。研究人类行为的空间规律在疾病传播、交通流控制、异常行为监测、人口迁移等方面具有重大的理论和应用价值。我们的生活总是处于不断的移动当中。那些我们去过的地方一定程度上可以折射出我们的生活方式和人际关系网络。人类空间移动模式分析及相关预测是移动位置信息研究的一个热点问题。基于移动位置信息的研究将有效地帮助我们进行城市交通规划、预测交通的拥挤程度、控制疾病传播、提高LBS推荐的准确度、有效定点投放广告等。例如，利用用户移动行为数据可以进一步分析用户的个人属性特征、对地点的偏好类型、日常爱好，甚至推断出好友关系，那么就可以进一步提前预测用户可能的轨迹，在目的地点投放可能感兴趣的广告，这样便可以实现精准化的广告营销，提高广告的目标人群覆盖率。进一步利用大量用户的轨迹信息，还可以帮助我们了解城市的交通现状，进行交通拥堵的预先判断，便可提前进行拥堵疏导，避免类似上海外滩践踏事故的发生。有研究还表明，通过研究用户的跳转距离分布，可从新的角度来观察城市的发展，即用户的出行跳转距离可以在一定程度上反映城市的发展情况。

这些研究的基础在于大规模精确数据的获得，以前常用的基于调查问卷的分析研究因为数据获取成本高、数据量少而受到质疑和批判，人们寻找另外的方式来获得出行数据。早在2006年，D Brockmann等人发表文章，他们用美钞流通轨迹近似替代人类移动轨迹，通过对美钞轨迹的统计分析，发现人的旅行距离接近幂律分布，说明人类移动具有类似列维飞行(Levy flight)的特征，表示大部分人的日常活动空间范围有限，偶尔去较远的地方旅行，也有少数人在世界各地穿梭游走。近年来，随着信息技术的发展，越来越多的人类行为的数据资料被精确记录，后来通过手机通讯、微博报到的数据都验证了这一点。虽然很多证据表明在很多地方人类的出行分布服从幂律分布，但各个地区的幂律指数并不相同。

关于人类出行的第二个重要问题是交通工具的选择。人类出行的工具并不单一，而是可以有多种选择，例如在较短的距离下选择步行或者汽车(包含公共交通)，对于较长的距离则可以选择火车、飞机等。分析研究人类对于交通工具的选择服从什么样的规律也是有意义的，例如指导城市建设，以及为更好地设置公共交通设施等提供现实数据支持。也可以用于在多个城市和地区之间进行比较，引导人们采用更好的交通出行方式。