【技术实现步骤摘要】
本专利技术涉及停车选择，具体地说，涉及一种基于mnl的停车信息选择方法。
技术介绍
1、由于社会经济水平不断提高，城市化进程速度加快，私家车数量增长迅猛且居高不下。与此同时，居民消费水平提升，居民出行比例不断增长，特别是人口流动密集的区域，例如城市中心商业区、热门景点、高薪产业园、大型三甲医院附近，停车场的车位数量往往供不应求，造成停车拥堵，城市交通停车难的矛盾日益突出，特别像成都这座新兴的一线城市，更是如此。
2、与此同时，停车泊位空间分布不均，导致热门停车场过热，冷门停车场却鲜人问津，造成城市交通需求与供给严重不平衡、停车资源闲置等问题。另外，有文献研究表明居民驾车出行具有习惯性行为的特点，即他们经常使用相同的停车设施来停放车辆，这在一定程度上也会影响停车位的利用率。再者，停车信息共享平台尚未普及，并不是所有出行者都可以获得有利、可靠的交通及停车场信息，并按照最短时间路线出行，这对个人来说大大增加了出行的时间和成本。
3、由于上述的客观原因，居民在出行中遇到重重阻碍和困扰，停车难的问题已经迫在眉睫。停车拥堵过程中势必会造成居民的第一希望停车场车位已满，出行者缺少备选停车场的信息，停车搜索活动增加，巡航时间过长，无效交通的比例加大，降低了居民的停车效率；其次，部分出行者找不到可停车的位置，开始违法占道和非法停车，不利于交通秩序的良性发展；另外，停车设施的供应和管理逐渐成为私人企业，停车费迅速上涨，出行者倾向于使用免费的停车设施，这大大降低了城市停车位的利用率，停车资源闲置的问题开始凸显。最后，停车服务设
技术实现思路
1、本专利技术的内容是提供一种基于mnl的停车信息选择方法，其能够克服现有技术的某种或某些缺陷。
2、根据本专利技术的基于mnl的停车信息选择方法，其包括以下步骤：
3、一、对影响因素进行单变量筛选，剔除不显著的变量；
4、二、用基于随机效用理论建立了显著变量的多项logit模型，运用spss对模型进行拟合，并对模型拟合信息、拟合优度、似然比进行检验及评价；
5、三、对预测的模型进行讨论分析，探讨影响因素的效果。
6、作为优选，步骤一中，采用先单因素后多因素的回归方法进行单变量筛选。
7、作为优选，步骤二中，具体包括以下步骤：
8、1)确定效用函数的形式；
9、2)选择特性变量；
10、3)选择调查方法；
11、4)收集并整理数据；
12、5)极大似然估计法标定参数；
13、6)模型的检验。
14、作为优选，步骤1)中，若效用函数的固定项vin与特性变量xink之间呈线性相关，出行者n选择第i个方案的概率pin表达为：
15、
16、
17、其中，k是变量的个数，θ是所有变量的参数集合，θk是第k个变量所对应的参数，xink是个体n的第i个方案中所包含的第k个变量，xjnk是个体n的第j个方案中所包含的第k个变量，j是方案总数，vjn是第j个方案固定项，xin＝(xin1,xin2,...,xink,…xink)是个体n选择方案i的k个变量组成的向量。
18、作为优选，步骤3)中，调查方法选择为行为rp调查和意向sp调查。
19、作为优选，步骤4)中，在总体中采用随机抽取的方式，选出一部分出行者作为样本，其中，需要将离散变量的数量化，连续变量的离散化。
20、作为优选，步骤5)中，极大似然估计是利用选择结果已知的原始数据，反推出最具可能导致这些选择结果出现的模型参数，若有3个样本数据，用p21表示序号为1的样本选择了第2个方案的概率；同样地，其他样本表示为p12和p23；同时不同个体间的选择互不影响，令相同时间点产生这三个样本结果的概率为l*，具体表示如下式所示：
21、l*＝p21·p12·p23
22、序号为1的样本个体最终选择第2个方案可表达为下式，概率p的上标表示为几次幂，则有：
23、
24、带入后得到：
25、
26、将3个样本的情况类比到n个样本，样本序号用n表示；选择方案i的个数增加到j，可得:
27、
28、其中δin表示序号为n的样本的选择结果，pin表示序号为n的样本选择了第i个方案的概率，由于l*与lnl*在函数性质上是不变的，则有：
29、
30、
31、其中,
32、将mnl的最终表达形式带入得出极大似然函数的最终形式：
33、
34、
35、an是出行者n的选择集整合；
36、用θk对l进行微分得出；
37、
38、则根据上式，可以得出mnl的梯度向量▽l为：
39、
40、θl对▽l进行微分所得到的hessian矩阵▽2l为：
41、
42、其中，
43、
44、θl为第l个变量所对应的参数，通过采用nr法求解l这一非线性方程，便可求解得出参数θ的值。
45、作为优选，步骤6)中，模型的检验包括优度比检验和似然比检验，ρ2指模型的优度比，lr(x)指模型的似然比；
46、优度比公式为：
47、
48、似然比公式为：
49、
50、l(c)为仅包含常数的对数似然检验值，为包含所有解释变量的对数似然检验值。
51、作为优选，步骤2)中，选择性别、年龄、收入、驾龄、驾车频率作为个人特性变量，选择预定空闲停车位、可用停车位的数量、停车费用、到目的地的距离、停车位置追踪作为方案特性变量，则选择方案的效用函数表达为：
52、
53、yink表示方案特性变量，βk表示方案特性变量所对应的参数；ascn表示常数项；
54、第一方案集合为：
55、i1＝{预定空闲停车位、可用停车位的数量、停车位置追踪}
56、i2＝{预定空闲停车位、到目的地的距离、停车费用}
57、i3＝{停车费用、停车位置追踪}
58、i4＝{到目的地的距离、可用停车位的数量}
59、每个方案的效用函数具体的为如下所示：
60、v1＝asc1+θ1·x1n1+θ2·x1n2+θ3·x1n3+θ6·x1n6+θ7·x1n7+β1·y1n1+β2·y1n2+β3·y1n3+β4·y1n4
61、v2＝asc2+θ1·x2n1+θ2·x2n2+θ3·x2n3+θ6·x2n7+θ7·x2n7
62、+β1·y2n1+β2·y2n2+β3·y2n3+β4·y2n4
63、v3＝asc3+θ1·x3n1+θ2·x3n本文档来自技高网...
【技术保护点】
1.基于MNL的停车信息选择方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于MNL的停车信息选择方法，其特征在于：步骤一中，采用先单因素后多因素的回归方法进行单变量筛选。
3.根据权利要求2所述的基于MNL的停车信息选择方法，其特征在于：步骤二中，具体包括以下步骤：
4.根据权利要求3所述的基于MNL的停车信息选择方法，其特征在于：步骤1)中，若效用函数的固定项Vin与特性变量Xink之间呈线性相关，出行者n选择第i个方案的概率Pin表达为：
5.根据权利要求4所述的基于MNL的停车信息选择方法，其特征在于：步骤3)中，调查方法选择为行为RP调查和意向SP调查。
6.根据权利要求5所述的基于MNL的停车信息选择方法，其特征在于：步骤4)中，在总体中采用随机抽取的方式，选出一部分出行者作为样本，其中，需要将离散变量的数量化，连续变量的离散化。
7.根据权利要求6所述的基于MNL的停车信息选择方法，其特征在于：步骤5)中，极大似然估计是利用选择结果已知的原始数据，反推出最具可能导致这些选择结果出现的
8.根据权利要求7所述的基于MNL的停车信息选择方法，其特征在于：步骤6)中，模型的检验包括优度比检验和似然比检验，ρ2指模型的优度比，LR(x)指模型的似然比；
9.根据权利要求8所述的基于MNL的停车信息选择方法，其特征在于：步骤2)中，选择性别、年龄、收入、驾龄、驾车频率作为个人特性变量，选择预定空闲停车位、可用停车位的数量、停车费用、到目的地的距离、停车位置追踪作为方案特性变量，则选择方案的效用函数表达为：
...【技术特征摘要】
1.基于mnl的停车信息选择方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于mnl的停车信息选择方法，其特征在于：步骤一中，采用先单因素后多因素的回归方法进行单变量筛选。
3.根据权利要求2所述的基于mnl的停车信息选择方法，其特征在于：步骤二中，具体包括以下步骤：
4.根据权利要求3所述的基于mnl的停车信息选择方法，其特征在于：步骤1)中，若效用函数的固定项vin与特性变量xink之间呈线性相关，出行者n选择第i个方案的概率pin表达为：
5.根据权利要求4所述的基于mnl的停车信息选择方法，其特征在于：步骤3)中，调查方法选择为行为rp调查和意向sp调查。
6.根据权利要求5所述的基于mnl的停车信息选择方法，其特征在于：步骤4)中，在总体中采用随机抽取的方式，选出一部分出行者作为样本，其中，需要将离散变量的数量化，连续变量的离散化。...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。