[发明专利]一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法及应用

说明书

本发明涉及一种基于混合Logit模型和贝叶斯模型平均(Bayesian ModelAveraging,BMA)的出行行为建模方法，包括如下步骤：(1)在目标区域按照预设的规则确定样本采集地点，并根据预设的调研项目类型确定所要采集的变量类型，变量类型包括出行者个人社会经济属性、出行属性及假设场景下出行者的出行方式选择偏好；(2)针对样本数据，用预设的数据处理方法对样本数据中的缺失值、错误值进行填充或者纠错，并进行数据结构化处理；(3)基于混合Logit模型构建出行行为选择模型；(4)基于贝叶斯模型平均方法对混合Logit模型进行后验概率估计。与现有技术相比，本发明通过实地调研获取数据，准确率及合理性较好，分析软件为常用软件，普及性较广，因此本发明可实现性较高。

技术领域

本发明涉及一种城市智慧交通出行系统领域，具体为一种出行行为建模方法，尤其是涉及一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法。

背景技术

近些年来，随着我国经济的快速发展和城市化进程的不断加快，城市区域一体化趋势加强，交通设施的建设速度和规模也随之加快和扩大。同时，各种交通问题也随之出现。交通运输供需平衡问题日益突出，严重影响着居民的出行服务质量。出行是城市居民生活中重要组成部分，同时也是交通管理者制定和实施出行需求管理措施的优化对象。由于缺乏对城市居民个体出行行为的研究，会使得制定出的出行需求管理政策往往未能达到预期效果。因此对城市区域内或跨境区域间的出行行为分析是十分必要的，这也对道路交通管理者提出了要求。

目前，我国城市区域交通治理形势仍然十分严峻，有限的人力、物力和资金的条件下，难以保障城市交通基础设施的建设和运营效率，那么如何在有限的资源下达到更好、更高效的治理效果就显得尤为重要。在这样的要求下，需要对影响城市居民的出行行为的关键因素进行甄别，明晰城市区域内或区域间居民出行行为的内在规律和机理，这样才能合理分配有限的交通供给资源，制定更加合理的交通管理政策，从而更好地满足城市居民出行需求，缓解道路交通拥堵等问题。

出行方式的选择是出行行为中最基本的选择行为，出行行为建模方法可以较为有效地分析出所研究区域内的出行者的出行方式选择行为。目前的出行行为建模方法主要有基于效用最大化理论的离散选择模型、结构方程模型、神经网络模型等，其中离散选择模型的应用最为广泛。

传统的离散选择模型大多采用非集计理论中的Logit模型方法，包括多项Logit模型、巢式Logit模型等，这些方法可以对居民出行方式选择模型进行标定，但是忽略了个体选择行为的异质性。

混合Logit模型可以避免Logit模型中存在的IIA属性(即对于任何出行个体，选择两种出行方式的概率之比与任何其他出行方式的属性无关)以及重复观察的偏差问题，并且其解释变量具有随机的系数，能够表征居民出行中的个体差异，从而体现了决策者价值取向的异质性。但是，同其他离散选择统计模型一样，该模型忽略了模型选择的不确定性，即构造模型的众多解释变量哪个应被选入模型中无法判定，其后果是模型拟合结果往往精确性较差。

贝叶斯模型平均方法利用后验概率作为权重平均所有纳入考虑范围内的候选统计模型。采用该方法进行二次建模处理，不仅利用了全部可能的候选模型，并且将模型后验概率当作模型优劣判断的准则。可以解决所构建的混合Logit模型中存在的模型不确定性问题，将多个模型输出结合到一个新的模型中来提高预测效果，克服了单个模型的局限性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法。

本发明的目的可以通过以下技术方案来实现：

一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法，该方法包括如下步骤：

(1)根据既定的研究目标确定样本采集地点，按照预设的调研项目类型确定所要采集的变量类型，包括出行者个人社会经济属性、出行属性及假设场景下出行者的出行方式选择偏好；