[发明专利]基于出行链的居民出行次数建模与仿真方法

说明书

技术领域

本发明涉及对居民出行次数的建模与仿真，尤其是基于出行链的思想。属于交通规划领域中的需求预测部分。 

背景技术

人均出行次数主要反映居民出行需求和出行能力，是衡量城市居民的出行状况和评价城市居民出行需求程度的重要指标。在传统的交通预测四阶段中，出行次数也常用于预测区域出行的发生吸引量。目前国内外专家学者对出行次数的研究还是以定性分析为主，定量研究主要是采用数理统计的方法。国外的研究学者对出行次数也做了大量的研究。和国内研究侧重在宏观影响因素回归、聚类分析为主不同，国外的研究重点在居民出行链特征以及模拟日常出行链出行方面。然而，不同文献中通过回归、聚类等方法得到的方程差异性较大。另一方面，非集计模型所需的个体特征数据难以获取。 

发明内容

为了克服现有方法的不足，本发明将人口结构、收支等宏观参数运用到微观的非集计模型中，对居民出行链进行仿真，从而得到平均出行次数。 

城市居民人均日出行次数与城市社会经济发展水平、人口结构、城市规模、出行目的、方式和时间以及交通环境有关。同一城市不同时期人均出行次数的改变，一方面归因于经济发展、人口增长和城市规模扩大；另一方面受居民的出行方式、目的变化的影响：城市人口越多、规模越大,居民平均出行距离就越远,相应的出行次数就越低；而随着经济的发展，居民收入和城市机动化水平随之提高，造成通勤出行比例下降，机动车出行比例上升，这在一定程度上又提高了人均出行次数。 

通过对出行链的研究可以较好的反应这些变化对出行次数的影响。出行链是从家出发，最终又回到家的一系列活动所引起的一系列出行所构成的封闭的链，它形象地刻画了个体的 出行行为。一天中这种以家为起点、最终又回到家的出行链可能不止一个，因此分为主要出行链和次要出行链。一般而言，依据“时间分配最大原则”将一天中参与的耗时最多的活动定义为主要活动，而将该活动所在的出行链定义为主要出行链，其他出行链为次要出行链。对于城市居民通勤出行活动而言，上班通常为一天中的主要活动，因此．上班所在的通勤链就为主要链．而其他出行链则为次要链。 

考虑我国退休人员和驾驶员年龄限制，本发明将城市居民中的出行者分为四类：7岁至18岁的学生，19至60岁的男性，19至55岁的女性，其余的60岁以上的男性和55岁以上的女性统称为老人。考虑到非集计模型对于出行者个体差异性数据难以获取，本发明出行链选择模型中选取的个人参数全部源于城市宏观数据，其中固定数据包括：性别、年龄、收入、是否拥有私家车以及首次出行选择时间；可变数据包括：可支配费用、时间和出行次数。 

对于学生，假设全部就学，除上学以外没有其他目的出行，考虑中午是否回家，其概率与家到学校的出行时间相关，采用二项logistics回归（罗杰斯迪克回归），学生的日出行次数为2次或4次。 

对于老人，他们的出行受体能的限制最大，仅考虑出行所花费的时间，当日已出行次数越多，下一次选择出行的概率越低，因此可以将老人的出行概率看作符合泊松分布， 

对于就业者，出行目的分为上班、购物以及回家，其中购物会产生消费，且消费量与个人收入相关，当超过一定的时间或缺少用于下一次出行的费用时，不再出行。就业者收入越高，拥有私家车的可行性越大。 

根据附图1，就业者以家为出行起点，选择是否外出，若选择否，则经过一定时间再次面临选择；若选择是，则面临刚性出行（上班）和弹性出行（购物），其中上班出行这一选择肢具有一定的时间窗。此外在中午会根据从家到工作地点的时间选择是否回家，若回家则增加2次出行。从工作地点下班可以选择回家或购物，同样从家也可以直接出发至商店，在商店消耗了一定的时间和成本后，选择是否停留，停留则继续消费，离开则转移到其他商店或回家，最终回到家，结束一天的出行。 

每当出行者经过一次位移，增加一次出行次数，其中是否出行以及出行终点的选择概率与出行者性别、年龄、是否拥有私家车、时间、收入、当前可支配费用有关。考虑到决策的层次性，本发明采用效用最大化理论描述就业者的出行选择行为，当某对选择肢的效用差越大，则效用较大的选择肢被选概率也越高。