1.一种基于交通出行数据的人类出行选择信息挖掘方法，其特征在于，利用收集的汽车出行数据分析某一地区人类出行需求以及对于不同交通工具的选择特征，包括以下步骤：
步骤1.建立通用的交通选择模型；
步骤2.收集数据，进行参数估计；
步骤3.参数分析、比较和应用；
所述步骤1包括：
2-1)假设人类出行距离分布，一般用幂律分布，或其他适当的分布形式；
2-2)设定不同距离下不同交通工具的效用函数；
2-3)根据效用函数确定不同交通工具的选择概率；
2-4)将出行距离分布和交通工具选择概率结合起来，得到交通选择模型；
所述步骤2包括：
3-1)收集整理数据；
3-2)将数据和模型结合起来，利用非线性拟合的方式获得模型中的各个参数；
3-3)有多套数据的时候，重复上面的操作；
所述步骤3包括：
4-1)根据参数，解释出行分布特征和出行方式的选择；
4-2)根据参数和解释，协助制定更好的交通设施建设规划；
4-3)当有多套数据时，进行比较。
2.如权利要求1所述的方法，其特征在于，所述步骤1建立一个通用的交通选择模型，基于在一定路程下不同交通工具对个体的效用以及个体的优化选择建立交通选择模型，具体过程如下：
假设个体出行有三种交通方式供选择：步行、开车和乘飞机，出行效用ui由观测效用项vi和随机效用项εi组成，vi包括交通费用，花费时间，也包含舒适的行程体验等相对稳定可预测因素，而其他随机效用项εi包括天气随机不可观测或者预测的因素，将其统一约化为时间；
一种交通方式的行程时间越长，其产生的效用就越低，因此出行效用与时间呈负相关关系；假设每种交通方式的时间成本由两部分组成，固定成本ci与实际行程的时间成本，因此效用函数表示为：
x表示出行距离，vi表示该种交通方式的速度，其概率分布函数和概率密度函数如下所示：
其中γ在本模型中表示出行者的理性指数，γ趋于0时出行者对与交通工具的选择更加随机；
根据消费者效用最大化理论，出行者会选择具有最大效用的交通方式，因此选择某种交通方式出行的概率，即为该交通方式有最大出行效用的概率；在3种交通方式中，若出行者选择第2种交通方式出行，是因为这种方式的收益最大，其概率为：
因为选择不同交通方式的不确定效用是随机因素导致的，假设ε1和ε3独立，结合前述ε的分布函数，得出行者选择第2种交通方式的概率为：
假设整体出行的分布服从幂律分布p(x)＝ax-α，出行需求与出行交通方式选择独立，则汽车出行的距离分布表达式：
其中，
3.如权利要求1所述的方法，其特征在于，所述步骤2收集数据，进行参数估计，具体如下：
通过不同手段收集汽车出行数据，包括出租车数据、汽车出行数据，概率密度在短距离和长距离出行时小于理论值，中等距离时拟合较好；在出行距离较短时，考虑到停车所需要的固定时间成本，人们大概率选择步行前往目的地；在出行距离较长时考虑到出行时间过长的问题，人们倾向于选择飞机等更高速的交通方式，反映在概率密度分布图像中就表现为曲线两端向内弯折；
基于模型(6)，对数据采用最小二乘法非线性拟合获得参数：
min∑(d(x)-p(x)p2)2(7)
其中，d(x)为真实获得的汽车出行分布数据，寻找一组参数a,α,γ,c21,η21,c23,η23，使得上式最小。
4.如权利要求1所述的方法，其特征在于，所述步骤3参数分析、比较和应用，具体如下：
α表示人类出行距离分布的幂律指数，这个值越大说明人类出行距离比较一致，越小说明出行距离非常不一致，大部分出行需求集中在小距离范围，很大距离的出行需求概率很低；
c21表示开车与步行的固定成本之差，这个值越大，说明开车相对步行越不值得，人们更愿意采用步行的方式，相反若这个值越小，说明不愿意步行，而更愿意开车，对于停车场更多、交通更加便利的城市这个值将会更小；
开车与乘飞机的固定成本之差c23，这个值越大说明更加愿意坐飞机，越小说明大家更愿意开车出行，当机场设施建设好的时候这个值将会变大，若这个值较小，说明需要加强机场建设；
开车与步行的速度倒数之差η21，开车与飞机的速度倒数之差η23；这个值反映出城市的交通情况，若总是堵车，则这两个值会变大。