[发明专利]一种基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法

权利要求书

1.一种基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，主要步骤包括：

(1)、特征提取：根据手机GPS应用程序每秒记录一次的纬度、经度、时间、航向、瞬时速度和其他数据质量信息提取出行特征，通过问卷调查确定个人特征和家庭特征；

(2)、通过基于多边形的信息和三个来自调查问卷的虚拟变量确定出行终点的土地使用类型；

(3)、选取训练集和测试集；

(4)、人工神经网络结构设置；

(5)、粒子群算法优化人工神经网络。

2.根据权利要求1所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述出行特征包括：周末、出行持续时间、出行开始时间、出行方式为步行、自行车、电动车、公共汽车、小汽车和13种目的地土地利用类型。

3.根据权利要求2所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述13种土地利用类型包括：基于多边形的信息划分的十种土地利用类型，即住宅、行政和公共服务、商业和商业设施、工业、物流和仓库、街道和交通、市政设施、绿地、水体、其他；三种额外类型包括：如果行程终点位于距离家庭、工作/教育和杂货店地址500米的缓冲区内，则行程终点假定为家庭、工作/教育和杂货店。

4.根据权利要求1所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述个人特征包括：年龄、性别、教育程度、工作时间、月收入。

5.根据权利要求1所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述家庭特征包括：家庭至少一位3至12岁的儿童和至少一名13至18岁的儿童。

6.根据权利要求1所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述训练集和测试集数据采用等比例划分的方式，对于每个出行目的，随机选择四分之三的样本作为训练数据集，其余的作为测试数据集。

7.根据权利要求1所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述人工神经网络包括三层：输入层、隐藏层和输出层。

8.根据权利要求7所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述人工神经网络输入层包括29个输入神经元，输出层包括6个神经元。

9.根据权利要求1所述的基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，所述人工神经网络采用粒子群算法进行优化。

10.一种基于智能手机的出行调查和人工神经网络粒子群优化算法的出行目的识别方法，其特征在于，包括：

特征描述步骤，通过出行、个人和家庭三方面确定的29个特征变量用于人工神经网络的输入层；

数据集划分步骤，对于每个出行目的，随机选择四分之三的样本作为训练数据集，其余的作为测试数据集；

参数优化步骤，粒子群算法用于更新每次迭代的参数；

人工神经网络识别步骤，即根据输入特征变量，最终识别回家、工作/教育、外出就餐、购物、社交访问和接送某人共六种出行目的。