一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法及应用技术

本发明专利技术涉及一种基于混合Logit模型和贝叶斯模型平均(Bayesian ModelAveraging,BMA)的出行行为建模方法，包括如下步骤：(1)在目标区域按照预设的规则确定样本采集地点，并根据预设的调研项目类型确定所要采集的变量类型，变量类型包括出行者个人社会经济属性、出行属性及假设场景下出行者的出行方式选择偏好；(2)针对样本数据，用预设的数据处理方法对样本数据中的缺失值、错误值进行填充或者纠错，并进行数据结构化处理；(3)基于混合Logit模型构建出行行为选择模型；(4)基于贝叶斯模型平均方法对混合Logit模型进行后验概率估计。与现有技术相比，本发明专利技术通过实地调研获取数据，准确率及合理性较好，分析软件为常用软件，普及性较广，因此本发明专利技术可实现性较高。因此本发明专利技术可实现性较高。因此本发明专利技术可实现性较高。

【技术实现步骤摘要】
一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法及应用


[0001]本专利技术涉及一种城市智慧交通出行系统领域，具体为一种出行行为建模方法，尤其是涉及一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法。

技术介绍

[0002]近些年来，随着我国经济的快速发展和城市化进程的不断加快，城市区域一体化趋势加强，交通设施的建设速度和规模也随之加快和扩大。同时，各种交通问题也随之出现。交通运输供需平衡问题日益突出，严重影响着居民的出行服务质量。出行是城市居民生活中重要组成部分，同时也是交通管理者制定和实施出行需求管理措施的优化对象。由于缺乏对城市居民个体出行行为的研究，会使得制定出的出行需求管理政策往往未能达到预期效果。因此对城市区域内或跨境区域间的出行行为分析是十分必要的，这也对道路交通管理者提出了要求。
[0003]目前，我国城市区域交通治理形势仍然十分严峻，有限的人力、物力和资金的条件下，难以保障城市交通基础设施的建设和运营效率，那么如何在有限的资源下达到更好、更高效的治理效果就显得尤为重要。在这样的要求下，需要对影响本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法，其特征在于，该方法包括如下步骤：(1)根据既定的研究目标确定样本采集地点，按照预设的调研项目类型确定所要采集的变量类型，包括出行者个人社会经济属性、出行属性及假设场景下出行者的出行方式选择偏好；(2)针对样本数据，用预设的数据处理方法对样本数据中的缺失值、错误值进行填充或者纠错，并进行数据结构化处理；(3)基于混合Logit模型构建出行行为选择模型；(4)基于贝叶斯模型平均方法对混合Logit模型进行后验概率估计。2.根据权利要求1所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法，其特征在于，步骤(1)具体为：(11)预设的调研项目类型为用户出行行为选择项目，采集的个人信息属性变量类型包括性别、年龄、收入、职业、教育程度，出行属性变量包括出行时间、出行花费、随行人数，出行方式选择偏好变量包括各假设场景设置下的出行方式选择情况；(12)出行方式选择偏好变量的设置依赖于通过合理的情境组合设计方法，将不同属性变量及其水平进行有效的组合，从而得出合理的调查方案供出行者选择。3.根据权利要求1所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法，其特征在于，步骤(2)中具体为：(21)针对收集的样本数据，进行数据清洗，获得有效数据集；(22)将获得的有效数据集转换数据形式。4.根据权利要求1所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法，其特征在于，步骤(3)中具体为：(31)假设随机参数β的分布f(β|θ)；(32)构建混合Logit模型中效用函数U
nj
＝V
nj
+ε
nj
+ξ
nj
，V
nj
＝βX
nj
，其中，V
nj
为固定效用，X
nj
为解释变量，β为解释变量系数，ε
nj
为随机效用，ξ
nj
为随机误差项；(33)计算混合Logit模型的出行者n选择i方式的概率P
ni
：5.根据权利要求4所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法，其特征在于，步骤(33)中利用计算机仿真模拟求解混合Logit模型中概率P
ni
具体为：(331)求仿真概率在给定θ的前提下，从密度函数f(β|θ)中随机抽取一个随机向量β，记作β
r
，第一次抽取时记r＝1，(332)根据下述公式，计算L
ni
(β
r
)的值
(333)重复步骤(331)和(3...

【专利技术属性】
技术研发人员：林波，吴兵，邹亚杰，李林波，张越，韩宛兵，
申请(专利权)人：同济大学，
类型：发明
国别省市：