[发明专利]一种基于规则的个体活动-出行行为决策协同建模方法

权利要求书

1.一种基于规则的个体活动-出行行为决策协同建模方法，其特征在于，该方法包括以下步骤：

(1)数据采集：进行居民个体及家庭出行调查，收集居民全日出行数据；

(2)数据初步筛选：利用上述步骤(1)采集的出行数据，将出行者一整天参与的各种活动以信息链的形式串联起来，构成完整的全日活动链；利用聚类分析方法提取典型的全日活动链和活动模式；

(3)决策单元生成：统计全日活动链和活动模式的特征指标，将全日活动链进行分解，将每一个关键环节定义为一个决策单元，用于描述全日活动链的各个组成元素，包括活动类型、出发时间、出发地点、活动目的地、到达时间、持续时间、出行方式，也是个体完成出行和活动需要作出的各项决策；

(4)活动-出行行为决策规则建立：基于居民个人、家庭、地理区域以及交通网络属性的特征分布，利用随机森林集成学习算法建立各决策单元的启发式决策规则，挖掘影响每个决策单元的条件变量，分析各条件变量对相应决策变量的影响程度；

(5)互联决策单元协同模型构建：利用上述步骤(4)建立的启发式决策规则，提取所构建决策规则中互为条件变量和决策变量的决策单元，定义为互联决策单元，构建互联决策单元协同选择模型，即以一个决策单元和其他相关变量构成另一个决策单元的条件变量进行预测，得到的预测值与其他变量再构成第一个决策单元的条件变量，以此类推，利用循环迭代和人工智能搜索算法，确定个体活动-出行的协同决策规则，获得个体对互联决策单元的协同选择结果。

2.根据权利要求书1所述的一种基于规则的个体活动-出行行为决策协同建模方法，其特征在于，所述步骤(2)对提取的数据进行初步筛选，其具体操作方法为：

(21)导出步骤(1)中采集得到的居民个体及家庭出行调查数据文件；

(22)统计步骤(1)中居民的全日活动链，利用聚类分析方法提取出典型的全日活动链和活动模式。

3.根据权利要求1所述的一种基于规则的个体活动-出行行为决策协同建模方法，其特征在于：所述步骤(3)生成决策单元，其具体步骤为：

(31)提取步骤(22)聚类分析中得到活动链，分析活动链长度、结构特征指标；

(32)根据上述步骤(31)的特征指标，将活动链分解成活动类型、出发时间、出发方式，将其定义为活动-出行行为的各个决策单元。

4.根据权利要求3所述的一种基于规则的个体活动-出行行为决策协同建模方法，其特征在于：所述步骤(4)基于居民个人、家庭、地理区域以及交通网络属性的特征分布，建立活动-出行行为决策规则，具体步骤为：

(41)针对步骤(32)定义的每个决策单元，分析居民个人、家庭、地理区域以及交通网络属性的特征分布，挖掘影响每个决策单元的条件变量，利用随机森林集成学习算法建立各决策单元的启发式决策规则，用于模拟个人全日活动-出行的决策过程；

(42)根据上述步骤(41)建立的启发式决策规则，利用袋外数据(Out-Of-Bag,OOB)预测误差分析各条件变量对相应决策变量的影响程度。

5.根据权利要求书4所述的一种基于规则的个体活动-出行行为决策协同建模方法，其特征在于：所述步骤(5)建立互联决策单元协同模型，具体步骤为：

(51)根据步骤(41)建立的启发式决策规则，提取所构建决策规则中互为条件变量和决策变量的决策单元，定义为互联决策单元，利用各决策规则中包含的其他条件变量，分析影响互联决策过程的潜在因素；

(52)根据步骤(42)计算的互联决策变量之间的相互影响程度，构建互联决策单元协同选择模型，即以一个决策单元和其他相关变量构成另一个决策单元的条件变量进行预测，得到的预测值与其他变量再构成第一个决策单元的条件变量，以此类推，利用循环迭代和人工智能搜索算法，确定个体活动-出行的协同决策规则，综合考虑个人与家庭、时间与空间约束条件，确定模型可行解的选取方法，获得个体对互联决策单元的协同选择结果。