一种基于不完备人口信息的交通模式选择分析方法技术

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。本发明专利技术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。

An analysis method of traffic mode selection based on incomplete population information

【技术实现步骤摘要】
一种基于不完备人口信息的交通模式选择分析方法
本专利技术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。
技术介绍
使用代理人基模型(Agent-BasedModel，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。
技术实现思路
为了解决上述存在的问题，本专利技术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。本专利技术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，本专利技术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。本专利技术的进一步改进，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。本专利技术的进一步改进，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。本专利技术的进一步改进，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。本专利技术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：现有研究中人口数据的合成是通过克隆或复制获得而不是真正的合成来创建的，因此，合成数据的质量在很大程度上取决于可用小样本的准确性和数量。贝叶斯网络作为识别随机变量之间因果关系和依赖关系的另一种建模范式，是一种很有前途的数据驱动框架，它将复杂的关系抽象为一个简单的图形模型，将复杂的相互依赖模式转换为一个简洁紧凑的结构。贝叶斯网络具有强大的不确定性问题处理能力，在部分属性数据缺失的情况下仍能进行学习和推理。本专利技术克服了前人模型中的缺陷，将机器学习的方法与交通选择模型相结合，通过部分数据推理出缺失数据的后验分布，为更加优化了交通选择建模的估计结果。附图说明图1为本专利技术的技术路线流程图；图2为本专利技术中使用的贝叶斯网络模型结构示意图。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述：本专利技术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。本专利技术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。图1为本专利技术的技术路线流程图。下面结合流程图对本专利技术的步骤作详细介绍。1)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。一组变量的贝叶斯网络由两部分组成：(1)定性部分是一个有向无环图(DAG)形式的网络结构G，其中节点与随机变量X成一对一的映射关系，连接表示变量之间的依赖关系；(2)定量部分是一组局部概率分布或表θ。每个节点在给定其父节点的情况下其后验概率为：我们应用禁忌搜索算法，学习贝叶斯网络的结构，在寻找最佳结构时，我们选择AIC作为得分函数。并采用极大似然估计法对其模型参数进行学习。使用得到的贝叶斯网络模型生成若干人口作为后续试验的数据集。2)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。3)随机删除人口信息数据的部分属性，形成缺失数据集。将模型中提到的人口属性数据进行随机删除，删除操作分为对一个至多个属性数据的完全删除，与对数据按比例进行部分删除，由此形成多个缺失数据集。4)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。给定已知变量的数据，可计算推理出缺失变量的后验概率分布，能有效地按信息的相关关系进行融合。5)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。交通模式选择的影响因素均为非连续数据，且并不是互不相关的，因此采用混合Logit模型进行建模。第n个个体选择第i种交通出行方式的概率为：通过对不同缺失数据的试验，估计结果表明，本专利技术提出的模型方法能使交通选择模型获得更好的解释与估计结果。以上所述，仅是本专利技术的较佳实施例而已，并非是对本专利技术作任何其他形式的限制，而依据本专利技术的技术实质所作的任何修改或等同变化，仍属于本专利技术所要求保护的范围。本文档来自技高网...

【技术保护点】
1.一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：/n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；/n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；/n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；/n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；/n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。/n

【技术特征摘要】
1.一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。


2.根据权利要求1所述的一种基于不完备人口信息的交通模式选择分析方法，其特征在于：所述步骤1)中模型建立的特征包括：
对各属性数...

【专利技术属性】
技术研发人员：李大韦，张雨嘉，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32