[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

摘要

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。

主权项

1.一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，其特征在于，该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；G_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；(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，该选择模型结构包括线性部分、空间自回归项和误差项，某居民某一次通勤出行是否选择电动自行车作为出行方式为因变量，用ym表示，m＝1，2，...，M，共进行M次出行预测，其对应的隐变量用zm表示，具体关系式如下：①线性部分：每一次出行选择都对应着该居民本次出行相关的一组交通特性数据，即K个特征参数，以此作为自变量，用向量xm＝[x1，m，x2，m，...，xK，m]表示；隐变量zm和自变量xm之间为线性关系，常系数为β0，系数向量为β＝[β1，β2，...，βK]’；②空间自回归项：表示空间因素对不同出行者在电动自行车出行选择上的影响，用θm表示，m＝1，...，M，其具体形式如下：这里ρ为随机参数，其向量形式，即随机参数向量用P表示，wij是M×M的标准化后的空间权重矩阵里的元素，是对cij进行归一化处理的结果，即：其中，cij用来表示第i条和第j条出行线路的地理连接情况，即cij＝1时两条出行线路的起点或者终点在同一小区，cij＝0时表示不在同一小区；③误差项：用ε_m表示，该误差项服从概率密度函数为f(ε_m)＝e^‑εm/(1+e^‑εm)²的分布，记为(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：用Θ表示步骤(2)中建立的空间自回归出行选择模型结构的所有未知参数的向量集合，包括常数项β0、变量系数β、随机参数向量P、P的方差uρ和均值∑ρ，即Θ＝[β0，β，P，uρ，∑ρ]；使用基于仿真的马尔可夫链蒙特卡罗贝叶斯方法，结合所有未知参数的向量集合Θ的非信息先验分布和全数据似然概率，估计所有未知参数的向量集合Θ的后验分布，并通过所述参数后验分布确定所述空间自回归出行选择模型结构的参数；将确定的空间自回归出行选择模型结构的参数，即常数项β0、变量系数β、随机参数向量P带入所述步骤(2)建立的电动自行车通勤出行的空间自回归出行选择模型结构中，得到电动自行车通勤出行的空间自回归出行选择模型，如下式(5)所示；(4)居民电动自行车通勤出行选择预测：将居民和具体出行的相关交通特性数据即xm＝[x1，m，x2，m，...，xK，m]和cij带入式(5)，计算ym值，并根据该值判断居民的电动自行车通勤选择，具体来说，若ym＝0，则认为居民不会选择电动自行车进行通勤出行；若ym＝1，则认为居民会选择电动自行车。