一种基于异质心理账户的复合路网出行方式选择方法与流程

本发明属于交通规划、出行方式划分，具体涉及一种基于异质心理账户的复合路网出行方式选择方法。

背景技术：

1、构建交通出行方式选择行为模型，分析出行者选择行为特征，能够引导出行者合理出行，缓解城市交通拥堵，为城市设施建设合理规划提供指导。期望效用理论是交通出行方式选择中最常用的分析方法，出行者选择效益最高的交通方式，该理论假设出行者在决策过程中是完全理性的，但实际决策过程中出行者受到自身属性、路况条件、社会经济条件等影响，而期望效用理论中出行者无法感知到这些属性，不能很好地反映出行者对交通方式选择的偏好。另外，现有的出行方式选择方法，大多数仅根据出行者的个体经济水平、出行目的等社会属性作为出行选择的依据，但是出行者作为一个“非理性个体”，出行心理会很大程度影响出行方式选择。因此前景理论被引入到交通行为研究中，该理论描述了有限理性个体的决策行为，出行者表现出风险规避行为，并根据自身喜好和经验有一定心理预期，将个体的心理影响刻画于交通方式选择中。同时另一种以个体有限理性行为为假设的后悔理论也被应用于交通行为分析中，行为人被认为在决策过程中尽可能使自身的后悔情绪最小，但后悔理论难以将损失行为带给人的痛苦感大于收益带来的愉悦较好的描述于模型中。而前景理论在交通方式选择的研究中，只涉及时间类属性的交通方式选择或路径选择，无法对涉及多属性的决策问题进行解决。

技术实现思路

1、本发明的目的是：提供了一种基于异质心理账户的复合路网出行方式选择方法。本发明克服了出行方式选择中有限理性出行选择行为难以考虑、不同类型出行者选择行为异质性高、心理账户中各种账户如何设置、多属性决策问题无法全面考虑、复合出行网络难以构建、路径查询中如何建立换乘约束与额外换乘惩罚分析、集计od数据无法与个人属性数据对应的问题。

2、本发明的技术方案是：一种基于异质心理账户的复合路网出行方式选择方法，包括下述步骤：

3、s1.根据数字地形图和影像地图绘制研究区域交通小区；根据开放地图绘制建筑物边界，获取建筑物分类与建筑物面积；

4、s2.通过迭代比例更新算法(iterative proportional updating，ipu算法)，根据研究区域总人口约束与人口分段特征，反演出研究区域带有人口特征属性的个人属性表，根据出行者收入分级与年龄分级将出行者进行分类，并依据重力模型进行od数据生成；所述的人口特征属性包括个人编号、所属家庭编号、年龄、性别、收入、工作类型和交通小区id；

5、s3.构建复合交通网络系统；所述的复合交通网络系统由地铁-公交加权复合网络、小汽车出行网络和慢行交通网络构成；所述的地铁-公交加权复合网络由公交子网络、地铁子网络和地铁-公交换乘网络组成；

6、s4.构建心理账户模型，分析并设置成本心理账户，计算不同类型出行者的成本心理账户参照点，判断收益与损失，并计算不同类型出行者在不同成本账户中的敏感参数与损失厌恶参数，计算心理账户加权效用；

7、s5.将加权效用值作为mnl模型的效用值，计算od对之间选择交通方式概率，由此计算出od对之间选择不同交通方式的出行量。

8、前述的基于异质心理账户的复合路网出行方式选择方法中，步骤s2具体如下：

9、s2.1.对研究区域详细的家庭属性和个人属性进行抽样调查，为确保数据的全面性，抽样比例应占各区域总人口的5％以上，从统计年鉴(http://www.stats.gov.cn/tjsj/ndsj)获取研究区域的总人口边际约束和各类特征人口总量；

10、s2.2.基于研究区域的家庭总量、人口年龄构成、人口性别构成与家庭户规模构成数据，得到不同户规模的家庭比例与数量、不同类型人口的比例与数量；对样本数据进行置信度分析，使用cronbachα系数进行样本数据的可信度分析，剔除cronbachα系数不到0.7的不可信数据，并保证可信数据仍满足5％以上的占比；

11、s2.3.将剔除了不可信数据的样本数据整理为样本家庭表；所述的样本家庭表包括家庭编号hhid，家庭规模属性hhsize，家庭每人月平均收入等级属性hhinc，年龄属性age，性别属性gender和交通小区编号parcel_id；

12、通过ipu算法对所述样本家庭表的属性列进行循环迭代，当迭代次数达到最大值或拟合度优化值达到阈值时，取此时的样本家庭权重作为最终样本家庭比例；

13、拟合度δ是完成一次迭代后计算得到的整体拟合度。迭代比例更新算法通过拟合度δ的计算作为对算法是否收敛的判断，拟合度δ越小说明结果越好。拟合度变量δ计算公式为：

14、

15、其中，j表示不同的属性，i表示家庭的编号,dij表示第i个家庭的第j个属性的数值，cj表示第j个属性的边际约束，wj表示第i个家庭的权重，m为属性的总数。

16、δ＝|δ-δprev|

17、其中，δ表示拟合度优化值，δ表示本次比例更新记数后的拟合度，δprev表示上次比例更新记数后的拟合度。

18、基于所述的最终样本家庭比例，通过蒙特卡洛模拟方法抽取所述样本家庭表中的家庭获得微观人口数据，输出个人属性表；

19、s2.4.将个人属性表根据性别、收入分段和年龄分段分为10类特征人群，用于后续引入心理账户后将出行者进行分类；其中，未成年人与退休者不进行低中高收入的分类，在职工作者按照性别与收入进行交叉分类；

20、s2.5.利用个人属性表分类后的数据分类型进行重力模型od表生成。

21、前述的基于异质心理账户的复合路网出行方式选择方法中，步骤s2.5的具体过程如下：

22、重力模型的基本形式为：

23、

24、

25、

26、式中，α、β、γ为待定参数；表示第k类出行者在小区i和小区j之间的交通量；表示小区i中第k类出行者的出行量，由第k类人口数量乘以研究区域平均出行次数yi得到；表示小区j中第k类出行者的吸引量，为小区j中k类人口数量与交通小区j第k类人口的出行次数之积；dij表示小区i和小区j之间的直线距离；

27、由于重力模型产生量不满足平衡条件，即需要进行校正：

28、

29、满足出行产生量约束后，需要进一步考虑同时平衡吸引量平衡，再次校正：

30、

31、反复校正至两个约束同时满足，得到最终分类出行od结果。

32、根据生成的出行od结果，首先将慢行交通与其他交通方式进行划分。以800m作为慢行交通的出行阈值，即当od出行距离小于800m时，出行者选择步行或非机动车，得到od间分出行者类型的私家车和公共交通的最终出行总量

33、前述的基于异质心理账户的复合路网出行方式选择方法中，步骤s3的具体步骤如下：

34、s3.1.小汽车出行网络与慢行交通出行网络构建：

35、获取研究区域道路网数据，包括节点编号、节点坐标、路段编号、路段名称和路段等级路网属性；根据研究区域边界过滤道路网并将孤立的道路节点删除；将过滤后的路网数据进行拓扑简化，得到有向道路网图；向路段中补全路段等级和最高限制速度信息，并依据《城市道路设计规范》添加自由流通行速度属性，完成构建小汽车出行网络与慢行交通出行网络。

36、s3.2.地铁-公交加权复合网络构建：

37、(1)公交子网络、地铁子网络构建

38、根据地铁、公交线路数据、站点数据构建地铁和公交子网络；将地铁、公交站点作为节点，由公交实际边、地铁实际边、虚拟换乘边构成网络边；

39、公交子网络中，网络边由公交实际边、同站换乘虚拟等待边、异站换乘虚拟步行边构成；地铁子网络的构建方法和公交子网络构建方法一致，只是缺少异站换乘边的构建；

40、(2)标识地铁-公交接驳站点及地铁-公交换乘边的构建：

41、寻找地铁站点770m缓冲区内的公交站点，即为可换乘站点；在地铁站点及与其可换乘公交站点之间构建边，即为公交-地铁虚拟换乘边；

42、s3.3.复合网络边的权重设置：

43、实际边权重设置：基于小汽车出行路网的路网计算实际边长度，将实际边的权重设置为线路实际边的长度除以平均运行速度；

44、虚拟边权重设置：将公交同站换乘虚拟等待边的权重按平均公交候车时间七分钟赋值；将地铁换乘边的权重设置为平均地铁等待时间三分钟；将地铁-公交换乘边和公交异站换乘虚拟步行边的权重设置为实际步行距离除以步行速度，并加上等待时间3分钟；

45、s3.4.可行备选路径集的查找

46、结合k短路算法，以加入换乘惩罚的总阻抗cn为序查找出复合网络中的前n条最短路径作为备选路径；根据换乘约束检查n条备选路径是否有效；计算前n条最短路径的换乘次数，删除超过最大换乘次数t的备选路径；

47、出行者的换乘过程存在三部分阻抗，其中，第一部分是每条实际边的阻抗，即每条边的走行时间，一部分是每条虚拟边的阻抗，即换乘时间，另一部分是独立于换乘时间的换乘惩罚；将路径的总阻抗作为出行者的实际出行时间；

48、路径n的总阻抗cn计算如下：

49、

50、

51、

52、其中，cn为路径n的总阻抗；为路径n的实际边阻抗，即走行时间；为路径n的虚拟边阻抗，即换乘时间；为路径n独立于换乘时间阻抗的换乘惩罚；路径换乘惩罚为换乘时间阻抗乘以换乘惩罚系数换乘惩罚系数为路径换乘次数tn除以路径总站点数sn；

53、前述的基于异质心理账户的复合路网出行方式选择方法中，步骤s4的具体步骤如下：

54、s4.1.引入心理账户理论，构建心理账户效用值函数：

55、心理账户效用值函数计算公式如下：

56、

57、式中：为第k类出行者选择路径n的第m种单一成本效用值；为第k类出行者选择路径n的第m类成本计算值；为第k类出行者第m类成本的参照点；为第k类出行者的第m类成本敏感参数；λ为损失厌恶参数；

58、s4.2.分析出行成本，设置四种成本心理账户，分析不同类型出行者对成本的感知并构建心理账户成本计算体系，计算时间价值将出行成本统一量化，调查出行成本的重要程度，用于加权计算效用；四种成本心理账户包括：时间心理账户、费用心理账户、舒适性心理账户、换乘意愿心理账户；

59、采用收入法计算时间价值，计算公式如下：

60、

61、式中：votk为第k类出行者的时间价值；w为出行目的价值指数，此处仅考虑通勤者的出行目的价值指数；ik为第k类出行者的月平均工资；wt为出行者的月平均工作时间；

62、构建第k类出行者路径n的心理账户成本计算体系：

63、(1)通行时间成本计算：利用步骤s3构建的总阻抗cn乘以时间价值votk，得通行时间成本cn，k：

64、cn，k＝cn*votk

65、(2)费用成本计算：

66、小汽车出行费用

67、公共交通出行费用

68、式中：为小汽车路径n的出行费用，hj为小汽车每公里花费的燃油费，tdn为小汽车路径n的出行距离；为公共交通路径n的出行费用，hb为公交车每条线路的乘车费用，ln为路径n包含的公交线路数，为路径n乘坐地铁的费用；

69、(3)舒适性成本计算：计算公式如下：

70、

71、式中：comn，k为第k类出行者选择路径n出行的舒适性成本；βc为不同交通方式的时间价值系数；γc为不同方式恢复疲劳时间的折减系数；cn为路径n的总阻抗，tdn为路径n的出行距离；

72、(4)换乘支付意愿成本计算：计算公式如下：

73、

74、式中：comn，k为第k类出行者选择路径n出行的舒适性成本；βc为不同交通方式的时间价值系数；γc为不同方式恢复疲劳时间的折减系数；cn为路径n的总阻抗，tdn为路径n的出行距离；

75、利用专家问卷调查确定不同出行成本的重要度，将调查结果按照类型进行统计，用于不同类型出行者加权效用值的计算；

76、问卷获取到不同类型出行者基本信息后，对各类出行者选择出行时的影响因素重要性进行打分，包括出行时间、费用、舒适性和换乘次数，将问卷结果统一汇总，得到不同类型出行者的出行成本权重；

77、s4.3.根据出行者的分类设定出行者的参照点；

78、设定出行距离为10公里，问卷收集被调查者对时间、费用、换乘次数的成本期望值，被调查者根据以往出行经历感知情况进行填写；对不同出行者分别统计调查结果，对数据进行检查、筛选，删除明显偏离或不符合实际情况的异常数据；

79、(1)采用个体先前出行经历中的通行时间感知期望值作为参照点，拟合处理后的通行时间数据，发现通行时间服从正态分布，分别计算第k类出行者通行时间的期望值，将其作为出行距离10公里的时间参照点进而得到第k类出行者出行距离tdn时的通行时间参照点

80、

81、式中：rtd为计算时的出行距离参照值，此处取值为10公里；

82、(2)将出行费用感知期望值作为参照点，拟合出行费用统计处理数据，表明出行费用服从正态分布，根据调查数据计算第k类出行者10公里通行费用的期望值同理计算

83、

84、(3)根据调查结果，拟合换乘次数处理数据，服从正态分布，计算不同类型出行者换乘次数的期望值，并计算第k类出行者换乘支付意愿的参照点

85、

86、式中，为第k类出行者的换乘次数期望值；

87、(4)出行舒适性难以通过问卷调查来衡量，因此根据舒适性计算公式结合出行时间参照点来计算舒适性参照点

88、

89、s4.4.计算心理账户模型中敏感参数与损失厌恶参数；

90、根据参照点的取值计算不同成本敏感参数的值，计算公式如下：

91、

92、式中：为k类出行者第m类成本的敏感参数；为k类出行者第m类成本的参照点；τ为出行规模参数，按照出行调查的规模进行取值；

93、对损失厌恶参数进行取值，当计算的出行方式成本高于出行者的期望参照点时，该成本的效用表现为损失，损失厌恶参数代表出行者对成本损失的敏感程度，值越大表示出行者对于损失越敏感，表现为损失规避；

94、s4.5.利用调查权重计算加权心理账户效用；

95、计算公式如下：

96、

97、式中：vn，k是k类出行者选择路径n的加权成本效用，为k类出行者选择路径n的m类单一成本效用值，为m类出行者当前m类成本的权重值。

98、前述的基于异质心理账户的复合路网出行方式选择方法中，步骤s5的具体步骤如下：

99、s5.1.根据mnl模型计算选择不同交通方式的概率，计算出od对之间不同交通方式的出行量；

100、计算od对之间不同类型出行者选择路径n的概率如下：

101、

102、式中:ξ为尺度参数，取值为0～1；

103、将路径n根据属性划分成小汽车路线集合n1与公共交通路线集合n2，则可得到od对及研究区域内选择公共交通，私家车及慢行交通的出行量比例，计算如下：

104、

105、

106、其中，慢行交通已根据步行阈值进行出行量划分，记为n3；

107、将研究区域内所有od选择不同交通方式的出行量综合，除以出行总量，得到选择不同交通方式的比例其中x分别表示不同的交通方式，取值为，1：驾车，2：公共交通，3：慢行交通；

108、

109、s5.2.计算方式选择结果的精度以及模型参数的调整；根据研究区域的居民出行调查结果中全方式出行结构比例，与选择结果比例对比，计算两者的匹配率，若两者匹配率大于80％则认为当前模型选择结果与实际结果相差较小，当前模型参数可用于对城市未来交通出行格局进行预测；若匹配率小于80％则认为当前模型结果还不够用于实例分析，根据模型结果调整计算选择路径概率表达式中的尺度参数ξ；调整后再次选择，与真实数据比较，直至匹配率大于80％；

110、匹配率计算公式如下：

111、

112、式中，pp为选择方式结果匹配率；x为不同的出行方式，即驾车出行、公共交通与慢行交通；为选择交通方式nx的调查比例值。

113、本发明的优点是：为了弥补前景问题中的多属性决策缺陷问题，本发明引入了心理账户理论，心理账户理论为决策者构建多个账户，将决策者按照不同属性进行分割，每个账户都有预算限制，当涉及多属性决策问题时，决策者将对应账户内的预算作为约束条件，评价优势与不足后做出选择。目前，心理账户理论虽然提出了理论基础，但是并没有开发详细的心理账户模型，个体的交通行为决策需要多因素的考虑，在出行中需要衡量各种交通方式的费用、出行时间、换乘情况、舒适性等属性，因此本发明设置开发了多种心理账户，考虑了不同交通方式的费用、出行时间、舒适性、换乘情况等，根据出行者的属性将不同出行者的异质性应用于交通方式选择决策中。

114、现有交通方式选择中大多利用集计的od对数据进行计算，而集计的od对数据中未包含个人属性，但若考虑出行者的异质性则需要出行者的个人属性，而个人属性的获取需要大量的数据调查，需耗费大量人力物力且持续时间长。本发明通过人口反演ipu算法将研究区域的个人属性表反演出来，将个人进行分类后利用重力模型进行od表生成，不仅得到研究区域od表且集计od中也包含了个人的属性，能够用于心理账户的计算。人们在进行交通方式选择时，往往会根据不同路线选择不同的交通方式。由于不同交通方式路网存在差异，在进行未来规划组合出行选择时，路网不能利用开放地图api进行实时数据获取，基于此，本发明建立了复合交通路网系统来克服该技术问题。

115、此外，现有的交通网络中，有的只考虑构建单一方式交通网络，例如常规公交系统或轨道交通系统，有的路网虽然基于多模式交通系统建立，但为了建模和求解便利，往往对模型进行简化，无法反映多模式系统的全部特点。例如在乘客乘坐公交时的换乘行为往往只考虑同站换乘，未考虑乘客存在转至其他站点进行异站换乘。且现有交通方式划分方法中，大多利用分层logit方法，将小汽车与公共交通分开，其中公共交通中又分为地面交通与地下交通，这种方法将公共交通的不同方式划分开，但现在出行者大多是组合出行，既有地面交通也有地下交通，分层logit方法不符合现在出行者的出行趋势。为了克服该技术问题，本发明将地面交通与地下交通一起构建为复合网络，另外，现有多模式交通网络中未考虑换乘约束等换乘行为带来的影响，因此本发明构建了复合交通路网系统，考虑路网换乘带来的时间、经济以及其他影响因素，并在路径查询中建立换乘约束与额外的换乘分析。

116、本发明建立了复合网络交通系统构建模型与换乘惩罚约束分析，实现了适用于众多地区的复合网络交通系统构建普适方法；考虑了公交和地铁之间的换乘行为，将公交出行和地铁出行组合为公共交通出行方式；实现了在寻找备选路径集时考虑换乘约束条件，并对路径进行额外的换乘惩罚分析。

117、本发明在交通方式选择中考虑了多种属性对不同类型出行者选择的影响，建立了包含四种心理账户的心理账户模型，与现有心理账户理论相比，将舒适性与换乘支付意愿也设置为心理账户，更能表达出行者的心理选择偏好；通过不同类型出行者的参照点取值、权重取值等多方面体现出行者选择交通方式的异质性。

118、综上所述，本发明克服了出行方式选择中有限理性出行选择行为难以考虑、不同类型出行者选择行为异质性高、心理账户中各种账户如何设置、多属性决策问题无法全面考虑、复合出行网络难以构建、路径查询中如何建立换乘约束与额外换乘惩罚分析、集计od数据无法与个人属性数据对应的技术问题。