(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111669743.4 (22)申请日 2021.12.31 (71)申请人 同济大学 地址 200092 上海市杨 浦区四平路1239号 (72)发明人 林波　吴兵　邹亚杰　李林波　 张越　韩宛兵　 (74)专利代理 机构 上海科律专利代理事务所 (特殊普通 合伙) 31290 专利代理师 叶凤 (51)Int.Cl. G06F 30/20(2020.01) G06N 7/00(2006.01) G06F 17/18(2006.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01)G06F 111/08(2020.01) (54)发明名称 一种基于混合Logit模型和贝叶斯模型平均 的出行行为建模方法及应用 (57)摘要 本发明涉及一种基于混合Logit模型和贝叶 斯模型平均(Bayesian  ModelAveraging,BMA)的 出行行为 建模方法， 包括如下步骤： (1)在目标区 域按照预设的规则确定样本采集地点， 并根据预 设的调研项目类型确定所要采集的变量类型， 变 量类型包括出行者个人社会经济属性、 出行属性 及假设场景下出行者的出行方式选择偏好； (2) 针对样本数据， 用预设的数据处理方法对样本数 据中的缺失值、 错误值进行填充或者纠错， 并进 行数据结构化处理； (3)基于混合Logit模型构建 出行行为选择模型； (4)基于贝叶斯模型平均方 法对混合Logit模型进行后验概率估计。 与现有 技术相比， 本发明通过实地调研获取数据， 准确 率及合理性较好， 分析软件为常用软件， 普及性 较广， 因此本发明可实现性较高。 权利要求书3页 说明书9页 附图3页 CN 114491971 A 2022.05.13 CN 114491971 A 1.一种基于混合Logit模型和贝叶斯模型平均的出行行为建模方法， 其特征在于， 该方 法包括如下步骤： (1)根据既定的研究目标确定样本采集地点， 按照预设的调研项目类型确定所要采集 的变量类型， 包括出行者个人社会经济属 性、 出行属 性及假设场景下出行者的出行方式选 择偏好； (2)针对样本数据， 用预设的数据处理方法对样本数据中的缺失值、 错误值进行填充或 者纠错， 并进行 数据结构化处 理； (3)基于混合 Logit模型构建出 行行为选择模型； (4)基于贝叶斯模型平均方法对混合 Logit模型进行后验概 率估计。 2.根据权利要求1所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模 方法， 其特 征在于， 步骤(1)具体为： (11)预设的调研项目类型为用户出行行为选择项目， 采集的个人信息属性变量类型包 括性别、 年龄、 收入、 职业、 教育程度， 出行属性变量包括出行时间、 出行花费、 随行人数， 出 行方式选择偏好变量包括各假设场景设置下的出 行方式选择情况； (12)出行方式选择偏好变量的设置依赖于通过合理的情境组合设计方法， 将不同属性 变量及其水平进行有效的组合， 从而得 出合理的调查方案供 出行者选择。 3.根据权利要求1所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模 方法， 其特 征在于， 步骤(2)中具体为： (21)针对收集的样本数据， 进行 数据清洗， 获得有效数据集； (22)将获得的有效数据集 转换数据形式。 4.根据权利要求1所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模 方法， 其特 征在于， 步骤(3)中具体为： (31)假设随机参数β 的分布f( β | θ )； (32)构建 混合Logit模型中效用函数 Unj＝Vnj+ εnj+ξnj， Vnj＝β Xnj， 其中， Vnj为固定效用， Xnj为解释变量， β 为解释变量系数， εnj为随机效用， ξnj为随机误差 项； (33)计算混合 Logit模型的出 行者n选择i方式的概 率Pni： 5.根据权利要求4所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模 方法， 其特 征在于， 步骤(3 3)中利用计算机 仿真模拟求 解混合Logit模型中概 率Pni具体为： (331)求仿真概率 在给定θ 的前提 下， 从密度函 数f( β |θ )中随机抽取一个随机向量β， 记作βr， 第一次抽取时记 r＝1， (332)根据下述公式， 计算 Lni( βr)的值权　利　要　求　书 1/3 页 2 CN 114491971 A 2(333)重复步骤(331)和(332)R次(>＝100)， 计算Lni(βr)的均值作为概率的仿真值， (334)记样本容量为N， 选择枝个数为J， 定义辅助变量 样本的仿真似然函数为 (335)取步骤(3 34)的SL( β )对数 形式即得到 仿真极大似然算子 (336)通过不断改变θ 的值， 直到 仿真极大似然算子取 得最大值， 从而求 解θ 。 6.根据权利要求1所述的一种基于混合Logit模型和贝叶斯模型平均的出行行为建模 方法， 其特 征在于， 步骤(4)具体为： (41)构建由解释变量任意组合所构成的较优 模型空间M＝{M1,M2...MK} (42)构建待估参数β 的后验密度分布概 率p( β |D)： 其中， p(β |Mk,D)表示候选模型MK下参数β 的后验概率分布； p(Mk|D)表示模型后验概率 (PMP)， 是正确预测模型MK时的概率； 在模型空间中， (43)计算模型后验概 率值p(Mk|D) 其中， p(D|Mk)＝ ∫p(D| θk,Mk)p( θk|Mk)dθk， 为模型MK的边际似然函数， θk为模型MK的参数向量； p( θk|Mk)为参数θk的先验概率分布， p(D| θk,Mk)为该模型MK及参数θk的似然函数； p(Mk)为模型被假定为 “真”时的先验概 率； (44)在模型空间中PMP占得权重最高的作为筛选后的最优模型， 以表征居民的出行行 为； (45)计算模型参数βj不为0的后验概 率， 即p( βj≠0|X)： 其中， Mk∈A表示筛选后的模型空间的候选模型； (46)计算模型后验均值与方差：权　利　要　求　书 2/3 页 3 CN 114491971 A 3