[发明专利]一种基于计算图的交通出行方式选择预测方法

权利要求书

1.一种基于计算图的交通出行方式选择预测方法，其特征在于，该方法包括如下步骤：

步骤1：获取居民出行的特征数据和社会经济属性数据，并对其进行筛选预处理，得到用于路网上的相对独立的交通出行数据，在离散选择模型的随机效用最大化理论下，给出每种方式的效用函数，和出行者选择某种交通方式的概率计算方法；

步骤2：基于多项Logit模型原理，设计具有特定激活函数的多层人工神经网络，以搭建出行者选择每种交通方式概率的深度学习网络预测框架；

步骤3：根据步骤2设计的深度学习网络，根据实际交通含义，添加相应顶点来表示整个模型当中的输入、输出和中间变量/参数，将深度学习网络扩展为一个计算图框架，采用自动差分技术在该计算图框架中进行正向传递，对交通方式选择概率进行预测；

步骤4：在步骤3建立的计算图框架中，建立损失函数最小化的目标函数，应用链式求导法则，用反向传播算法和随机梯度下降算法，更新步骤3中的各变量和参数；

步骤5：根据步骤3和步骤4的方法，对模型进行反复迭代，循环往复，直至满足最小损失误差时，达到该预测方法的最小精度要求，求得任一出行者选择小汽车、公交车或自行车的概率预测值。

2.根据权利要求1所述的一种基于计算图的交通出行方式选择预测方法，其特征在于，所述步骤1中获取居民出行的特征数据和社会属性数据包括：

居民社会经济属性收入状况INC；

选择小汽车的出行成本TT_car；

选择公交车的出行成本TT_bus；

选择自行车或共享单车的出行成本TT_bike；

出行者在乘坐小汽车出行时的效用感受程度，即出行满意度β_car,1；

出行者在乘坐公交车出行时的效用感受程度，即出行满意度β_bus,1；

出行者在使用自行车或共享单车出行时的效用感受程度，即出行满意度β_bike,1；

出行者对于出行时间所具有的货币价值度量，即出行时间价值β₂；

所述步骤1中，根据离散选择模型随机效用最大化理论，给出每种交通方式的效用函数的具体计算为：

U_car＝β_car,1INC-β₂TT_car

U_bus＝β_bus,1INC-β₂TT_bus

U_bike＝β_bike,1INC-β₂TT_bike

其中，U_car为使用小汽车出行的效用函数，U_bus为使用小汽车出行的效用函数，U_bike为使用小汽车出行的效用函数；

根据离散选择模型中常用的多项Logit模型计算概率的原理，每位出行者出行时选择小汽车的概率P_car、选择公交车的概率P_bus、选择自行车的概率P_bike分别计算如下：