一种基于出行模式识别的乘客出行时间价值计算方法

技术特征：
1.一种基于出行模式识别的乘客出行时间价值计算方法，其特征在于，包括：构建出租车及地铁乘客的时空需求矩阵；根据所述时空需求矩阵识别出出租车乘客的出行模式；根据所述出租车乘客的出行模式对各地铁站间出租车乘客的出行模式进行划分；根据各地铁站间出租车乘客的出行模式构建出租车与地铁乘客出行方式选择方程，对所述出租车与地铁乘客出行方式选择方程进行求解，得到出租车及地铁乘客的出行时间价值。2.根据权利要求1所述的方法，其特征在于，所述的构建出租车及地铁乘客的时空需求矩阵，包括：在空间维度上，通过搜索出租车行程的起终点对应的映射地铁站点，将出租车出行需求集计到地铁网络；在时间维度上，通过划分时间窗，将出发时间处于同一时间窗的乘客进行集计；建立出租车乘客时空需求矩阵p
m
×
h
，该出租车乘客时空需求矩阵p
m
×
h
的每一行代表一个地铁站点对，储存出行需求的空间维度信息；每一列代表一个时间窗，储存出行需求的时间维度信息；其中，p表示出租车乘客数量；v
n
表示第n个地铁站点；d表示第d天；h为时间窗个数；m为站点对个数，矩阵中第(v
i
v
j
)行，第(h)列的元素表示行程起点映射到地铁站点v
i
，行程终点映射到站点v
j
，且出发时间在h时间窗内的出租车乘客数量。3.根据权利要求1所述的方法，其特征在于，所述的根据所述时空需求矩阵识别出出租车乘客的出行模式，包括：将乘客时空需求作为原始矩阵，基于步骤3.1-步骤3.6的nmf求解方法，求解公式(2)p
m
×
h
≈s
m
×
δ
b
δ
×
h
(δ＜＜min(m,h))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中，δ表示特征个数；步骤3.1：在nmf算法中输入乘客时空需求矩阵p
m
×
h
，特征个数k和容差e；步骤3.2：随机生成初始化的基矩阵s和特征矩阵b；步骤3.3：计算损失函数欧几里得范数的平方值||p
m
×
h-sb||2；步骤3.4：当||p
m
×
h-sb||2＞e，转至步骤2.5，否则转至步骤2.6；步骤3.5：按照乘法更新规则更新矩阵s和b，矩阵表达式如下，其中i,j分别代表矩阵的第i行和j列，b
ij
代表特征矩阵b中第i行和j列对应的元素，其他矩阵下标含义相同：
步骤3.6：返回s和b；出租车乘客时空需求矩阵p中的任意行向量表示为行向量与特征矩阵b的乘积，如公式(4)，矩阵b提取了出租车乘客在某个时间维度h上潜在的δ个出行模式；矩阵s为不同地铁站点之间，各出行模式对应的权重系数，其中权重系数最大的模式为地铁站点之间出租车乘客的主要出行模式b
l
(l∈[1,δ])，将求得的特征矩阵b
l
在时间维度上展开，在不同的出行模式数量l取值下，制作横轴为时间纵轴为特征矩阵元素值的折线图，根据l个出行模式折线图的峰值分布和分离情况，确定合理的出行模式数量，若l取3，表示该案例下的出行模式具体有3种类型；4.根据权利要求3所述的方法，其特征在于，所述的根据所述出租车乘客的出行模式对各地铁站间出租车乘客出行模式进行划分，包括：在特征矩阵b中，搜索具有相同出行模式的出租车乘客，将搜索得到的出租车乘客聚合到映射地铁站点，建立映射地铁站点od集合，在地铁站点od集合中，各个站点对的权重系数代表不同出租车乘客出行模式的占比大小；在基矩阵s中，每个元素代表地铁站点对之间不同出行模式的权重系数，搜索映射地铁站点od集合中任一地铁站点对的权重系数，当某个地铁站点对之间的出行模式b
l
对应的权重系数s
od,l
最大时，则将出行模式b
l
确定为所述某个地铁站点对之间的出租车乘客出行模式，仅保留该地铁站点对，更新映射地铁站点od集合，实现了利用地铁站点间出租车乘客的出行模式划分对应地铁站点od集合类别。5.根据权利要求1所述的出租车与地铁乘客出行方式选择方程的构建及标定，其特征在，所述的根据各地铁站间出租车乘客的出行模式构建出租车与地铁乘客出行方式选择方程，包括：根据乘客自身属性、出行费用和随机误差项建立乘客出行效用的数学表达式如下：u
i,od
(k)＝v
i,od
(k) ε
i,od
(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中，u
i,od
(k)表示乘客i从o点到d点选择出行方式k的效用；v
i,od
(k)表示出行方式k的效用固定项，为广义出行成本，ε
i,od
(k)为随机误差项；根据效用最大化理论，乘客i从o点到d点选择k
m
的概率的计算公式如下：式中k表示备选出行方式的集合；假设随机误差项ε相互独立，且服从二重指数分布，推导得到logit形式的选择概率，表达式为：
进一步地，得到乘客i选择出租车和地铁两种交通方式的概率之比如下：上式表明乘客在备选集中选定哪种交通方式取决于各交通方式的广义成本之差，即各影响因素差值的线性组合；上述方程(8)就是出租车与地铁乘客出行方式选择方程，所述出租车与地铁乘客出行方式选择方程基于各地铁站间出租车乘客的出行模式，划分对应地铁站点od集合的类别，以每一类别的站点对集合中每个od为单位，该od上的乘客作为一个整体，进行集计处理，建立并求解方程(8)，即可得到乘客的出行时间价值。6.根据权利要求5所述的方法，其特征在于，所述的对所述出租车与地铁乘客出行方式选择方程进行求解，得到出租车及地铁乘客的出行时间价值，包括：通过nmf-logit算法求解上述公式(8)的表达式，筛选出具有相似出行模式的乘客以及相应的映射站点对，进而计算乘客出行时间价值；所述nmf-logit算法的计算过程如下：步骤6.1：构建出租车与地铁乘客的广义成本，表达式如下：v
i,od
(k)＝a1t
ivt,i,od
(k) a2t
change,i,od
(k) a3f
i,od
(k) b
i,od
(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)式中，t
ivt,i,od
(k)为从起点o到终点d，乘客i使用方式k出行的在车时间；t
change,i,od
为换乘时间；f
i,od
表示费用；b
i,od
为常数项；a1,a2,a3为各项系数；步骤6.2：以站点对集合中每个od为单位，该od上的乘客作为一个整体，进行集计处理，建立如下方程：其中，步骤6.3：将式(9)代入式(10)，则有式中，表示从站点v
o
到站点v
d
，乘客群体选择出行方式k
m
的概率；表示两种交通方式行程时间差值的平均值；表示换乘时间差值的平均值；表示费用差值的平均值；为常数；a1,a2,a3为待标定系数；步骤6.4：以公式(11)中为因变量，以在车时间差、换乘时间差和费用差为自变量，构建多元线性回归方程，利用最小二乘法求解所述多元线性回归方程，标定各项系数，具体计算过程包括：步骤6.4.1：计算出租车和地铁乘客的在车时间，出租车在车时间通过出行数据中起终点对应时间直接可得，地铁在车时间根据进出站刷卡时间及换乘时间进行估算；步骤6.4.2：计算出租车和地铁乘客的换乘时间，出租车的换乘时间为0，地铁的换乘时
间计算步骤如下：步骤6.4.2.1：利用dijkstra算法求解两地铁站之间的最短路径，此时最短路径的定义为时间最短；步骤6.4.2.2：确定最短路径经过的换乘站点；步骤6.4.2.3：通过查阅北京地铁换乘站步行时间，叠加得到最短路径上的总换乘时间；步骤6.4.3：利用最小二乘法求解方程，标定各项系数；步骤6.5：出租车及地铁乘客的出行时间价值计算；通过求解公式(11)，得到乘客在车时间以及换乘时间的出行价值，具体计算表达式如下：下：式中，vot
ivt
为乘客在车时间的出行价值，vot
change
为乘客换乘时间的出行价值，v(k)为乘客选择出行方式k的广义成本，f(k)为出行方式k的费用，t
ivt
(k)为出行方式k的在车时间，t
change
(k)为出行方式k的换乘时间。

技术总结
本发明提供了一种基于出行模式识别的乘客出行时间价值计算方法。该方法包括：构建出租车及地铁乘客的时空需求矩阵；根据所述时空需求矩阵识别出出租车乘客的出行模式；根据所述出租车乘客的出行模式对各地铁站间出租车乘客的出行模式进行划分；根据各地铁站间出租车乘客的出行模式构建出租车与地铁乘客出行方式选择方程，对所述出租车与地铁乘客出行方式选择方程进行求解，得到出租车及地铁乘客的出行时间价值。本发明实施例方法提供了更加合理的乘客划分方法，有效避免了人工划分所产生的误差，提高了模型计算结果的准确性，乘客出行时间价值的计算可作为出行方式选择研究中重要的输入参数，展现了其在实际应用中的作用。用。用。


技术研发人员：刘晓冰 马斯玮 王蕊 闫学东 高自友
受保护的技术使用者：北京交通大学
技术研发日：2022.05.24
技术公布日：2022/9/6