一种基于异质心理账户的复合路网出行方式选择方法技术

本发明专利技术公开了一种基于异质心理账户的复合路网出行方式选择方法。S1.绘制研究区域交通小区，绘制建筑物边界，获取建筑物分类与建筑物面积；S2.通过IPU算法反演出研究区域带有人口特征属性的个人属性表，根据出行者收入分级与年龄分级将出行者进行分类，并依据重力模型进行OD数据生成；S3.构建复合交通网络系统；S4.构建心理账户模型，分析并设置成本心理账户，计算各类型出行者的成本心理账户参照点，判断收益与损失，并计算不同类型出行者在不同成本账户中的敏感参数与损失厌恶参数，计算心理账户加权效用；S5.将加权效用值作为MNL模型的效用值，计算OD对之间选择交通方式概率。本发明专利技术克服了出行方式选择中有限理性出行选择行为难以考虑的技术问题。行为难以考虑的技术问题。行为难以考虑的技术问题。

【技术实现步骤摘要】
一种基于异质心理账户的复合路网出行方式选择方法


[0001]本专利技术属于交通规划、出行方式划分
，具体涉及一种基于异质心理账户的复合路网出行方式选择方法。

技术介绍

[0002]构建交通出行方式选择行为模型，分析出行者选择行为特征，能够引导出行者合理出行，缓解城市交通拥堵，为城市设施建设合理规划提供指导。期望效用理论是交通出行方式选择中最常用的分析方法，出行者选择效益最高的交通方式，该理论假设出行者在决策过程中是完全理性的，但实际决策过程中出行者受到自身属性、路况条件、社会经济条件等影响，而期望效用理论中出行者无法感知到这些属性，不能很好地反映出行者对交通方式选择的偏好。另外，现有的出行方式选择方法，大多数仅根据出行者的个体经济水平、出行目的等社会属性作为出行选择的依据，但是出行者作为一个“非理性个体”，出行心理会很大程度影响出行方式选择。因此前景理论被引入到交通行为研究中，该理论描述了有限理性个体的决策行为，出行者表现出风险规避行为，并根据自身喜好和经验有一定心理预期，将个体的心理影响刻画于交通方式选择中。同时另一种以个体有限理性行为为假设的后悔理论也被应用于交通行为分析中，行为人被认为在决策过程中尽可能使自身的后悔情绪最小，但后悔理论难以将损失行为带给人的痛苦感大于收益带来的愉悦较好的描述于模型中。而前景理论在交通方式选择的研究中，只涉及时间类属性的交通方式选择或路径选择，无法对涉及多属性的决策问题进行解决。

技术实现思路

[0003]本专利技术的目的是：提供了一种基于异质心理账户的复合路网出行方式选择方法。本专利技术克服了出行方式选择中有限理性出行选择行为难以考虑、不同类型出行者选择行为异质性高、心理账户中各种账户如何设置、多属性决策问题无法全面考虑、复合出行网络难以构建、路径查询中如何建立换乘约束与额外换乘惩罚分析、集计OD数据无法与个人属性数据对应的问题。
[0004]本专利技术的技术方案是：一种基于异质心理账户的复合路网出行方式选择方法，包括下述步骤：
[0005]S1.根据数字地形图和影像地图绘制研究区域交通小区；根据开放地图绘制建筑物边界，获取建筑物分类与建筑物面积；
[0006]S2.通过迭代比例更新算法(Iterative Proportional Updating，IPU算法)，根据研究区域总人口约束与人口分段特征，反演出研究区域带有人口特征属性的个人属性表，根据出行者收入分级与年龄分级将出行者进行分类，并依据重力模型进行OD数据生成；所述的人口特征属性包括个人编号、所属家庭编号、年龄、性别、收入、工作类型和交通小区id；
[0007]S3.构建复合交通网络系统；所述的复合交通网络系统由地铁
‑
公交加权复合网
络、小汽车出行网络和慢行交通网络构成；所述的地铁
‑
公交加权复合网络由公交子网络、地铁子网络和地铁
‑
公交换乘网络组成；
[0008]S4.构建心理账户模型，分析并设置成本心理账户，计算不同类型出行者的成本心理账户参照点，判断收益与损失，并计算不同类型出行者在不同成本账户中的敏感参数与损失厌恶参数，计算心理账户加权效用；
[0009]S5.将加权效用值作为MNL模型的效用值，计算OD对之间选择交通方式概率，由此计算出OD对之间选择不同交通方式的出行量。
[0010]前述的基于异质心理账户的复合路网出行方式选择方法中，步骤S2具体如下：
[0011]S2.1.对研究区域详细的家庭属性和个人属性进行抽样调查，为确保数据的全面性，抽样比例应占各区域总人口的5％以上，从统计年鉴(http://www.stats.gov.cn/tjsj/ndsj)获取研究区域的总人口边际约束和各类特征人口总量；
[0012]S2.2.基于研究区域的家庭总量、人口年龄构成、人口性别构成与家庭户规模构成数据，得到不同户规模的家庭比例与数量、不同类型人口的比例与数量；对样本数据进行置信度分析，使用Cronbachα系数进行样本数据的可信度分析，剔除Cronbachα系数不到0.7的不可信数据，并保证可信数据仍满足5％以上的占比；
[0013]S2.3.将剔除了不可信数据的样本数据整理为样本家庭表；所述的样本家庭表包括家庭编号hhid，家庭规模属性hhsize，家庭每人月平均收入等级属性hhinc，年龄属性age，性别属性gender和交通小区编号parcel_id；
[0014]通过IPU算法对所述样本家庭表的属性列进行循环迭代，当迭代次数达到最大值或拟合度优化值达到阈值时，取此时的样本家庭权重作为最终样本家庭比例；
[0015]拟合度δ是完成一次迭代后计算得到的整体拟合度。迭代比例更新算法通过拟合度δ的计算作为对算法是否收敛的判断，拟合度δ越小说明结果越好。拟合度变量δ计算公式为：
[0016][0017]其中，j表示不同的属性，i表示家庭的编号,d
ij
表示第i个家庭的第j个属性的数值，C
j
表示第j个属性的边际约束，w
j
表示第i个家庭的权重，m为属性的总数。
[0018]Δ＝|δ
‑
δ
prev
|
[0019]其中，Δ表示拟合度优化值，δ表示本次比例更新记数后的拟合度，δ
prev
表示上次比例更新记数后的拟合度。
[0020]基于所述的最终样本家庭比例，通过蒙特卡洛模拟方法抽取所述样本家庭表中的家庭获得微观人口数据，输出个人属性表；
[0021]S2.4.将个人属性表根据性别、收入分段和年龄分段分为10类特征人群，用于后续引入心理账户后将出行者进行分类；其中，未成年人与退休者不进行低中高收入的分类，在职工作者按照性别与收入进行交叉分类；
[0022]S2.5.利用个人属性表分类后的数据分类型进行重力模型OD表生成。
[0023]前述的基于异质心理账户的复合路网出行方式选择方法中，步骤S2.5的具体过程如下：
[0024]重力模型的基本形式为：
[0025][0026][0027][0028]式中，α、β、γ为待定参数；表示第k类出行者在小区i和小区j之间的交通量；表示小区i中第k类出行者的出行量，由第k类人口数量乘以研究区域平均出行次数Y
i
得到；表示小区j中第k类出行者的吸引量，为小区j中k类人口数量与交通小区j第k类人口的出行次数之积；d
ij
表示小区i和小区j之间的直线距离；
[0029]由于重力模型产生量不满足平衡条件，即需要进行校正：
[0030][0031]满足出行产生量约束后，需要进一步考虑同时平衡吸引量平衡，再次校正：
[0032][0033]反复校正至两个约束同时满足，得到最终分类出行OD结果。
[0034]根据生成的出行OD结果，首先将慢行交通与其他交通方式进行划分。以800m作为慢行交通的出行阈值，即当OD出行距离小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异质心理账户的复合路网出行方式选择方法，其特征在于，包括下述步骤：S1.根据数字地形图和影像地图绘制研究区域交通小区；根据开放地图绘制建筑物边界，获取建筑物分类与建筑物面积；S2.通过迭代比例更新算法，根据研究区域总人口约束与人口分段特征，反演出研究区域带有人口特征属性的个人属性表，根据出行者收入分级与年龄分级将出行者进行分类，并依据重力模型进行OD数据生成；所述的人口特征属性包括个人编号、所属家庭编号、年龄、性别、收入、工作类型和交通小区id；S3.构建复合交通网络系统；所述的复合交通网络系统由地铁
‑
公交加权复合网络、小汽车出行网络和慢行交通网络构成；所述的地铁
‑
公交加权复合网络由公交子网络、地铁子网络和地铁
‑
公交换乘网络组成；S4.构建心理账户模型，分析并设置多种成本心理账户，计算不同类型出行者的成本心理账户参照点，判断收益与损失，并计算不同类型出行者在不同成本账户中的敏感参数与损失厌恶参数，计算心理账户加权效用；S5.将加权效用值作为MNL模型的效用值，计算OD对之间不同类型出行者选择交通方式概率，由此计算出OD对之间选择不同交通方式的出行量。2.根据权利要求1所述的基于异质心理账户的复合路网出行方式选择方法，其特征在于，步骤S2具体如下：S2.1.对研究区域详细的家庭属性和个人属性进行抽样调查，同时获取研究区域的总人口边际约束和各类特征人口总量；S2.2.基于研究区域的家庭总量、人口年龄构成、人口性别构成与家庭户规模构成数据，得到不同户规模的家庭比例与数量、不同类型人口的比例与数量；对样本数据进行置信度分析，使用Cronbachα系数作为进行样本数据的可信度分析指标，剔除Cronbachα系数不到0.7的不可信数据，并保证最终可信数据仍占总人数5％以上；S2.3.将最终可信数据整理为样本家庭表；包括家庭编号hhid，家庭规模属性hhsize，家庭每人月平均收入等级属性hhinc，年龄属性age，性别属性gender和交通小区编号parcel_id；通过IPU算法对所述样本家庭表的属性列进行循环迭代，当迭代次数达到最大值或拟合度优化值Δ达到阈值时，取此时的样本家庭权重作为最终样本家庭比例；拟合度δ及拟合度优化值Δ计算公式分别为：Δ＝|δ
‑
δ
prev
|其中，j表示不同的属性，i表示家庭的编号，d
ij
表示第i个家庭的第j个属性的数值，C
j
表示第j个属性的边际约束，w
j
表示第j个家庭的占比，m为属性的总数；Δ表示拟合度优化值，δ表示本次比例更新记数后的拟合度，δ
prev
表示上次比例更新记数后的拟合度；基于所述的最终样本家庭比例，通过蒙特卡洛模拟方法抽取所述样本家庭表中的家庭获得微观人口数据，输出个人属性表；
S2.4.将个人属性表根据性别、收入分段和年龄分段分为10类特征人群，用于后续引入心理账户后将出行者进行分类；其中，未成年人与退休者不进行低中高收入的分类，在职工作者按照性别与收入进行交叉分类；S2.5.利用个人属性表分类后的数据分类型进行重力模型OD表生成。3.根据权利要求2所述的基于异质心理账户的复合路网出行方式选择方法，其特征在于，步骤S2.5的具体过程如下：重力模型的基本形式为：重力模型的基本形式为：重力模型的基本形式为：式中，α、β、γ为待定参数；表示第k类出行者在小区i和小区j之间的交通量；表示小区i中第k类出行者的出行量，由第k类人口数量乘以研究区域平均出行次数Y
i
得到；表示小区j中第k类出行者的吸引量，为小区j中k类人口数量与交通小区j第k类人口的出行次数之积；d
ij
表示小区i和小区j之间的直线距离；由于重力模型产生量不满足平衡条件，即需要进行校正：同时进行吸引量平衡，再次校正：反复校正至两个约束同时满足，得到最终分类出行OD结果；根据生成的出行OD结果，首先将慢行交通与其他交通方式进行划分；以800m作为慢行交通的出行阈值，即当OD出行距离小于800m时，出行者选择步行或非机动车，得到OD间分出行者类型的私家车和公共交通的最终出行总量4.根据权利要求1所述的基于异质心理账户的复合路网出行方式选择方法，其特征在于，步骤S3的具体步骤如下：S3.1小汽车出行网络与慢行交通出行网络构建：获取研究区域道路网数据，包括节点编号、节点坐标、路段编号、路段名称和路段等级路网属性；根据研究区域边界过滤道路网并将孤立的道路节点删除；将过滤后的路网数据进行拓扑简化，得到有向道路网图；向路段中补全路段等级和最高限制速度信息，并依据《城市道路设计规范》添加自由流通行速度属性，完成构建小汽车出行网络与慢行交通出行网络；S3.2.地铁
‑
公交加权复合网络构建：(1)公交子网络、地铁子网络构建
根据地铁、公交线路数据、站点数据构建地铁和公交子网络；将地铁、公交站点作为节点，由公交实际边、地铁实际边、虚拟换乘边构成网络边；公交子网络中，网络边由公交实际边、同站换乘虚拟等待边、异站换乘虚拟步行边构成；地铁子网络的构建方法和公交子网络构建方法一致，只是缺少异站换乘边的构建；(2)标识地铁
‑
公交接驳站点及地铁
‑
公交换乘边的构建：寻找地铁站点770m缓冲区内的公交站点，即为可换乘站点；在地铁站点及与其可换乘公交站点之间构建边，即为公交
‑
地铁虚拟换乘边；S3.3.复合网络边的权重设置：实际边权重设置：基于小汽车出行路网的路网计算实际边长度，将实际边的权重设置为线路实际边的长度除以平均运行速度；虚拟边权重设置：将公交同站换乘虚拟等待边的权重按平均公交候车时间七分钟赋值；将地铁换乘边的权重设置为平均地铁等待时间三分钟；将地铁
‑
公交换乘边和公交异站换乘虚拟步行边的权重设置为实际步行距离除以步行速度，并加上等待时间3分钟；S3.4.可行备选路径集的查找结合k短路算法，以加入换乘惩罚的总阻抗C
n
为序查找出复合网络中的前N条最短路径作为备选路径；并删除超过最大换乘次数T的备选路径，最终得到N条可行备选路径；出行者的换乘过程存在三部分阻抗，其中，第一部分是每条实际边的阻抗，即每条边的走行时间，一部分是每条虚拟边的阻抗，即换乘时间，另一部分是独立于换乘时间的换乘惩罚；将路径的总阻抗作为出行者的实际出行时间；路径n的总阻抗C
n
计算如下：计算如...

【专利技术属性】
技术研发人员：郑小毅，徐琳，蔡军旗，李慧君，汤文，陈玲娟，何雅琴，
申请(专利权)人：中国电建集团贵阳勘测设计研究院有限公司，
类型：发明
国别省市：