[发明专利]一种基于不完备人口信息的交通模式选择分析方法

说明书

一种基于不完备人口信息的交通模式选择分析方法。通过贝叶斯网络模型建立人口属性特征的联合分布，针对人口调查资料部分不完全、存在缺失问题，在交通模式选择建模中，通过部分人口属性数据推理出其他缺失属性的后验分布，使在不完备人口数据的情况下建立的交通选择模型可获得良好的解释结果。本发明在人口属性数据不足或缺失时，通过贝叶斯网络对多个人口属性特征进行联合建模，得到缺失数据的概率分布，进而使交通模式选择模型获得更好的估计和解释结果。

技术领域

本发明涉及交通模式选择分析领域，特别是涉及一种基于不完备人口信息的交通模式选择分析方法。

背景技术

使用代理人基模型(Agent-Based Model，ABM)城市交通和土地利用微观模拟模型的发展极大地促进了城市建设与发展。但这些微观模拟模型需要一个完整的代理人列表，其中包含个人和家庭层面的详细人口和社会经济信息。然而，使用这样一个详细和分类的数据集是高度敏感的，大多数政府机构并没有公布完整的数据，而是以1％到10％的比率从全体人口中抽取一个子集，用于城市模型建立。因此需要捕捉人口属性数据间的关联关系，为选择模型建模提供更完备的数据。

发明内容

为了解决上述存在的问题，本发明提供一种基于不完备人口信息的交通模式选择分析方法，通过贝叶斯网络模型建立人口属性特征的联合分布，针对人口调查资料部分不完全、存在缺失问题，在交通模式选择建模中，通过部分人口属性数据推理出其他缺失属性的后验分布，使在不完备人口数据的情况下建立的交通选择模型可获得良好的解释结果。本发明在人口属性数据不足或缺失时，通过贝叶斯网络对多个人口属性特征进行联合建模，得到缺失数据的概率分布，进而使交通模式选择模型获得更好的估计和解释结果，为达此目的，本发明提供一种基于不完备人口信息的交通模式选择分析方法，包括以下步骤，其特征在于：

步骤一，对城市居民人口信息的多项属性如性别、年龄、收入、受教育程度、工作类型、拥有私家车数量、是否有驾照等建立联合分布，使用贝叶斯网络模型表示各个属性间的相关关系，并生成试验数据集；

步骤二，假定生成的试验人口数据依照一定的选择模型进行出行的交通方式选择，生成其交通模式选择数据；

步骤三，随机删除人口信息数据的部分属性，形成缺失数据集；

步骤四，使用贝叶斯网络模型通过已知的部分属性数据，推理出缺失部分数据的后验概率分布；

步骤五，使用贝叶斯网络和交通模式选择模型对数据联合建模，获得选择模型的估计结果。

本发明的进一步改进，所述步骤1)中模型建立的特征包括：

对各属性数据进行离散化处理，将不受其他因素影响的属性如性别、年龄设置为所建立贝叶斯网络的根节点，各个节点表示模型选取的变量，有向连接线段表示变量之间的条件概率关系，该贝叶斯网络模型将为本方法后续提供试验数据集。

本发明的进一步改进，所述步骤4)中数据推理的特征包括：

贝叶斯网络用条件概率表达各个信息要素之间的相关关系，随机对一个或多个属性数据进行删除，对剩余的部分数据使用贝叶斯网络模型对已缺失的数据集进行推断，获取其后验概率分布。

本发明的进一步改进，所述步骤5)中联合建模的特征包括：

在获得了缺失部分属性数据的后验分布后，对数据再进行模式选择建模，比较不同数据缺失情况、程度下选择模型的估计结果。

本发明提出的一种不完备人口数据下的交通模式选择分析方法，与现有技术相比有点如下：