[发明专利]一种交通出行方式与出发时刻联合选择的建模与分析方法

说明书

技术领域

本发明涉及一种交通出行方式与出发时刻联合选择的建模与分析方法，属于城市交通出行分析领域。该方法可以揭示通勤者在进行出行方式与出发时刻选择决策时行为机制及其影响因素，并进行不同交通政策下的情景模拟，为交通政策的制定提供新的理论与技术支持。

背景技术

随着城市经济的快速发展，城市交通系统越发完善，多种交通方式的协同运作，提高了交通运行效率，但伴随而来的交通问题也日益突出，亟待解决。研究居民交通出行特征，挖掘出行方式与出发时刻选择机理，是制定合理交通诱导策略，调整优化居民出行结构的前提。相对于其它目的的出行者，通勤者的选择行为在时间和空间上具有更大的恒定性，此外，由于通勤行为集中在一定的短暂时期和一定的区域发生，使得通勤时段(早晚高峰)的交通尤为拥堵，这是城市交通问题中最为突出的问题。

出行方式和出发时刻的选择是居民交通出行的核心内容。目前，国内外对于交通出行的研究，主要是针对出行方式与出发时刻的单一选择，而出行方式与出发时刻之间亦存在关联，通勤者在进行决策时，需要对二者进行综合考虑。同时，现有的研究中主要是基于随机效用理论，建立非集计模型分析个人信息(如性别、年龄、收入等)、出行信息(如费用、时间等)对于出行方式或出发时刻选择的影响关系和影响程度，没有综合考虑建成环境信息，不能很好的揭示居民出行的时空分布规律。

现有的出行方式与出发时刻选择模型主要是多项logit(multinomial logit,MNL)模型和嵌套logit(nested logit,NL)模型。然而，MNL模型具有IIA(independent and irrelevant alternatives)性质，即假设每个备选方案的效用随机项相互独立且服从Gumbel分布，故MNL模型无法刻画备选方案之间的关联性，易导致预测的失误。NL模型允许每个巢内的备选方案之间具有相关性，而不同巢之间的备选方案是相互独立的，故能在一定程度上克服MNL模型的IIA性质，但NL模型在应用上仍具有局限性，对于出行方式与出发时刻联合选择问题，模型仅能考虑备选方案在一个维度上的关联性。

发明内容

本发明的目的为克服上述出行方式与出发时刻联合选择建模局限等技术问题，提出一个以广义极值(generalize extreme value,GEV)理论为基础的交叉巢式logit(cross-nested logit,CNL)模型结构，对交通出行方式与出发时刻联合选择进行建模与分析。本发明从CNL模型切入，不仅克服了现有多种联合选择建模方法的不足，而且充分考虑建成环境信息等多种影响通勤者出行方式与出发时刻选择决策的因素，为交通出行分析提供了方法借鉴，对揭示居民出行的时空分布规律具有重要意义。

本发明是一种交通出行方式与出发时刻联合选择的建模与分析方法，包括以下几个步骤：

步骤一、以居民出行调查数据库早高峰时段的通勤行为为研究对象，确定备选方案，并基于CNL原理构建模型；

步骤二、对城市信息点(Point of Information，POI)数据进行预处理，筛选、分类后得到建成环境信息，并综合考虑家庭信息、个人信息、出行信息中多种影响通勤者交通出行的因素，来建立数据样本文件；

步骤三、采用biogeme软件，基于极大似然估计法进行参数估计，并根据估计结果进行通勤者出行方式与出发时刻联合选择决策行为分析及模型的评价；

步骤四、采用蒙特卡洛(Monte Carlo)方法进行仿真，模拟交通拥堵收费等不同情景下交通出行联合选择结果，评估交通需求管理措施对减少高峰出行及促进公共交通使用的绩效。

本发明的优点在于：

(1)本发明突出的优点就是不再进行出行方式与出发时刻的单一行为分析，而是基于CNL原理，将出行方式与出发时刻放在同一层中来构建模型。该模型可以捕获所有维度的相关性，分析通勤者出行方式与出发时刻联合选择行为，具有很强的创新意义；

(2)本发明创造性地使用POI数据，并对该数据进行完整的汇总及分析，得到建成环境信息，结合原有的家庭信息、个人信息、出行信息，获得更加全面的影响通勤者出行行为的因素；

(3)基于Monte Carlo方法进行仿真，模拟交通拥堵收费等不同情景下交通出行联合选择结果，评估交通需求管理措施对减少高峰出行及促进公共交通使用的绩效，为交通政策的制定提供了理论和技术支持。

附图说明

图1为本发明的方法流程示意图；

图2为本发明模型构建示意图；