[发明专利]基于非对称离散选择模型的路径选择方法

说明书

本发明公开了一种基于非对称离散选择模型的路径选择方法，考虑了路径选择建模中选择概率随效用函数不均匀变化的现象。非对称离散选择模型包括互补双对数模型、Scobit模型和非均匀Logit模型等均具有闭合形式的选择概率函数。在进行路径选择建模时，根据出行者选择集内路径确定非对称离散选择模型的表达式，采用极大似然法进行模型估计，最终根据所得参数值大小和显著性，分析出行者对路径属性的感知与偏好。经GPS轨迹数据的检验，非对称模型的拟合效果优于传统的Logit模型，验证了该路径选择方法的有效性。本发明能更好地描述实际出行行为，解释了路径选择建模中的类别不平衡现象，在优化道路资源分配方面具有积极意义。

技术领域

本发明涉及路径选择技术领域，尤其涉及一种基于非对称离散选择模型的路径选择方法。

背景技术

路径选择研究交通网络中出行者在起讫点之间的具体行为，是交通行为分析和交通分配的重要组成部分。路径选择建模虽具有挑战性，但应用前景广泛，包括评价出行者对路径特征的感知、预测出行者在假设情景下的行为、预测交通网络上的交通状况、理解出行者对信息源的反应与适应等。

当前，基于随机效用理论的多项Logit(MNL)模型在路径选择建模中应用广泛。该模型的重要特性之一是以选择概率为50％的点为基准，当某条路径的系统效用等量地增加或减少时，其选择概率将等量地增加或减少。然而，大规模交通网络中的路径选择行为常表现出不对称性，即出行者似乎“先验地”偏爱某些路径。在这种类别不平衡的选择情景下，MNL模型无疑具有局限性。

解决类别不平衡问题可以从数据或模型角度考虑，前者包括采用各类重采样法，后者则包括改进现有模型或提出新模型。近年来，有关文献中提出了一组闭合形式、含有限参数的多项非对称离散选择模型，其允许选择概率以50％概率点为基准，不对称地增加或减少，从而在模型层面上化解了类别不平衡问题。如果将此类非对称模型应用于路径选择研究，将形成一种更符合实际行为的路径选择方法。然而，路径选择建模中每个出行者的选择集内路径数量不同，不宜直接估计模型中的非对称参数，故需作出一定调整。

发明内容

针对以上问题，本发明提出一种基于非对称离散选择模型的路径选择方法，其放宽了传统Logit模型对路径选择概率的对称性假设，允许其以50％概率点为基准，不对称地增加或减少，从而在模型层面上化解了类别不平衡问题，能更准确地解释和预测出行者的实际行为，在优化道路资源分配方面具有积极意义。具体将一组闭合形式、含有限参数的多项非对称离散选择模型应用于路径选择建模，并针对路径选择的特点，提出了其非对称参数的构造方法，用GPS轨迹数据标定了这些非对称模型，结果表明路径选择中确实存在类别不平衡现象，而非对称模型更符合实际出行行为。

为实现本发明的目的，提供一种基于非对称离散选择模型的路径选择方法，包括如下步骤：

S10，根据选定交通方式的GPS轨迹数据生成每个出行者的路径选择集，并计算路径选择集每条路径的客观属性数据及路径尺度；

S20，根据选择集内路径的客观属性数据及路径尺度，确定非对称离散选择模型的效用函数V、非对称参数的表达式；

S30，用极大似然法估计所述非对称离散选择模型的参数，以得到效用参数向量β、第一类非对称参数向量τ和γ、第二类非对称参数向量τ′和γ′；

S40，根据所述效用参数向量β、第一类非对称参数向量τ和γ、以及第二类非对称参数向量τ′和γ′的显著性，以及非对称离散选择模型的拟合优度，选取拟合效果最优的模型；进一步分析参数值的大小和显著性，可得出行者对路径属性的感知与偏好。

在一个实施例中，所述非对称离散选择模型具有不同的闭合形式选择概率函数。

具体地，所述非对称离散选择模型包括互补双对数模型、Scobit模型、非均匀Logit模型或者非对称Logit模型。