[发明专利]一种家庭多日出行距离累计分布预测方法

权利要求书

1.一种家庭多日出行距离累计分布预测方法，其特征在于，包括建立家庭多日出行距离累计分布预测模型和对家庭多日出行距离累计分布进行预测两个步骤，所述建立家庭多日出行距离累计分布预测模型包括如下步骤：

(1)采集家庭多日出行数据，并将采集到的数据进行结构化作为样本；设采集到的样本数为m，每个样本有l个观测变量；

(2)对样本数据应用因子分析法降维，提取特征值大于1的k个公共因子和对应的因子得分矩阵B；设降维后每个样本保留n个观测变量，n<l；

(3)在提取的k个公共因子中，以其中包含出行距离的公共因子作为内生潜变量，其余k-1个公共因子作为外生潜变量，构建结构方程，计算外生潜变量和内生潜变量间的标准化路径系数Γ；

计算每个样本的家庭多日出行活跃度η_i，步骤为：

(3-1)计算第i个样本所对应的k-1个外生潜变量：

其中β_jq为因子得分矩阵B中的第j行q列的元素，x_ij为第i个样本保留的第j个观测变量结构化后的值；

(3-2)计算第i个样本出行活跃度η_i：

η_i＝Γξ_i+ζ；

其中T表示向量的转置，ζ为结构方程的残差；i＝1..m；

(4)对所有样本的家庭多日出行活跃度η_i进行分级，设分为M个等级；统计每个活跃度等级E_u下样本的出行距离累计分布概率p_u；u＝1..M；

用量子模型的累计概率密度分别拟合活跃度等级E_u下的样本的出行距离累计分布概率p_u与结构化后出行距离的关系，计算出量子模型的参数，得到每个活跃度等级下家庭多日出行距离累计分布预测模型；

所述对家庭出行距离累计分布进行预测，步骤为：

(5)以步骤(3)中外生潜变量所对应的观测变量为属性，获取待预测家庭的观测变量，进行结构化，计算其家庭多日出行活跃度η^*，并根据η^*的值判断对应的活跃度等级E^*以及E^*所对应的家庭多日出行距离累计分布预测模型，得到待预测家庭的家庭多日出行距离累计分布概率预测值。

2.根据权利要求1所述的家庭多日出行距离累计分布预测方法，其特征在于，步骤(1)中采用问卷调查的方式采集家庭多日出行数据，所述家庭多日出行数据包括被访者年龄、被访者职业、家庭就业人数、家庭拥有驾照人数、家庭拥有私家车数、家庭类型、被访者学历、家庭常住城市等级、家庭年收入、出行目的、出行次数、出行距离、出行时长、出行费用、出行方式。

3.根据权利要求1所述的家庭多日出行距离累计分布预测方法，其特征在于，步骤(2)中采用SPSS 24软件进行因子分析。

4.根据权利要求1所述的家庭多日出行距离累计分布预测方法，其特征在于，步骤(3)中采用AMOS 24软件计算外生潜变量和内生潜变量间的标准化路径系数Γ。

5.根据权利要求1所述的家庭多日出行距离累计分布预测方法，其特征在于，步骤(4)中，所述量子模型的累计概率密度为：

其中a为量子模型的参数。

6.根据权利要求1所述的家庭多日出行距离累计分布预测方法，其特征在于，步骤(4)中，所述量子模型的累计概率密度为：

F₂(x)＝1-(bx+1)e^-bx，b>0

其中b为量子模型的参数。

7.根据权利要求1所述的家庭多日出行距离累计分布预测方法，其特征在于，步骤(4)中，采用MATLAB 2015b中的curve fitting工具拟合活跃度等级E_u下的样本的出行距离累计分布概率p_u与出行距离的关系。