(19)中华 人民共和国 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 202111615033.3 (22)申请日 2021.12.27 (71)申请人 东南大学 地址 210000 江苏省南京市玄武区新 街口 街道四牌楼 2号 (72)发明人 李大韦　陈诗嘉　楼碧霞　宋玉晨　 朱治邦　白桦　周涛　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 罗运红 (51)Int.Cl. G06Q 10/04(2012.01) G06F 16/906(2019.01) G06F 16/909(2019.01) G06K 9/62(2022.01) (54)发明名称 一种基于Nested Logit模型的全天多模式 出行链的选择建模方法 (57)摘要 本发明公开了一种基于Nested  Logit模型 的全天多模式出行链的选择建模 方法， 该方法包 括旅客全天出行数据采集、 旅客家庭身份信息获 取、 全天出行链分类、 出行方式选择集制约值设 置、 旅客选择出行方式影 响因素判定和全天出行 链生成的六大步骤。 本发明通过采集旅客一天完 整出行数据及个人社会经济属性， 分析个人全天 出行特征， 对旅客全天出行链选择偏好进行离散 选择建模分析， 以隐式选择集生成方法， 降低选 择集数量过大对个人选择误差影 响， 并将该选择 集生成模式嵌入传统Nested  Logit模型， 得到不 同旅客一天所有出行方式选择时的影 响因素， 通 过计算出的出行链选择模型， 进行个性化的出行 方案推荐。 权利要求书4页 说明书10页 附图1页 CN 114399090 A 2022.04.26 CN 114399090 A 1.一种基于Nested  Logit模型的全天多模式出行链的选择建模方法， 其特征在于， 包 括如下步骤： 步骤一、 对N名旅客特定一天的出 行数据进行采集， 得到 旅客一天的完整出 行链； 步骤二、 对N名旅客中有效出 行的旅客采集 其家庭身份信息属性信息； 步骤三、 根据步骤一和步骤二采集的信息对有效出 行旅客的全天出 行链进行分类； 步骤四、 对每种出 行链分别设置出 行链选择集制约值； 步骤五、 采用步骤四中设置的制约值生成出行链的隐式选择集， 并将隐式选择集嵌入 到Nested  Logit模型中， 采用极大似然法计算出旅客选择出行方式的影 响因素及相应属性 参数、 模型尺度参数、 隐式选择集的约束变量参数； 从而得到Nested  Logit模型的效用函 数， 生成出 行链选择模型； 步骤六、 在出行链选择模型中输入与步骤五中求出的影响因素对应的变量值， 得到出 行链选择的最优建议结果。 2.根据权利要求1所述的一种基于Nested  Logit模型的全天多模式出行链的选择建模 方法， 其特征在于： 步骤一中， 第i名旅 客第j次的出行为 i＝1,2,3 …N， 出行次数j的取值 范围为大于2的整数； 采集的出行数据包括出行方式 出行距离 出行费用 出行 时间 出行目的Pij和出行同乘人 数 其中， 第i名旅客第j次出行的出行方 式 的取值范围是1 ‑4， 表示旅客i第j次出行的 出行方式为步行， 表示旅客i第j次出行的出行方式为骑行， 表示旅客i第 j次 出行的出行方式为驾车 出行， 表示旅客 i第j次出 行的出行方式为公交出 行； 第i名旅客第j次出行的出行距离为 k与出行方式对应， k取值范围为1 ‑4， 表示旅 客i第j次出行在步行情况下的出行距离， 表示旅客i第j次出行在骑行情况下的出行距 离， 表示旅客i第j次出行在驾车情况下 的出行距离， 表示旅客i第j次出行在公交情 况下的出行距离； 其中， 衍生变量 为乘公交前后且包括公交换乘阶段的步行距离， 为公交运行距离， 第i名旅客第j次出行的出行费用为 表示旅客i第j次出行在步行情况下的出行 费用， 取0； 表示旅客i第j次出 行在骑行情况下的出行费用， 表示旅客 i第j次出行在驾 车情况下的出行费用， 表示旅客 i第j次出 行在公交情况 下的出行费用； 第i名旅客第j次出行的出行时间为 表示旅客i第j次出行在步行情况下的出行时 间， 表示旅客i第j次出行在骑行情况下的出行时间， 表示旅客i第j次出行在驾车情况 下的出行时间， 表示旅客i第j次出行在公交情况下 的出行时间， 其中， 衍生变量 权　利　要　求　书 1/4 页 2 CN 114399090 A 2为乘公交前后且 包括公交换乘阶段的步行时间， 为公交运行时间， 第i名旅客第j次出行的出行目的Pij的取值范围是 1‑4， Pij＝1表示旅客i第j次出行的出 行目的为上班上学， Pij＝2表示旅客i第j次出行的出行目的为回家， Pij＝3表示旅客i第j次 出行的出行目的为餐饮购物娱乐， Pij＝4表示旅客 i第j次出 行的出行目的为 其它； 第i名旅客第j次出 行的出行同乘人 数为 表示旅客结伴出 行的人数。 3.根据权利要求2所述的一种基于Nested  Logit模型的全天多模式出行链的选择建模 方法， 其特征在于， 步骤二中， 采集旅客信息包括年龄Ai、 性别Gi、 职业Oi、 月均收入Ii、 是否 有固定工作地点Fi和是否有驾照同时家 庭有汽车Li， 第i名旅客的个人 特性为Yi； 其中， 第i名旅客年龄Ai的取值范围为1 ‑5， Ai＝1表示旅客年龄小于等于15岁， Ai＝2表示旅客 年龄16岁到30岁， Ai＝3表示旅客年龄31岁到45岁， Ai＝4表示旅客年龄46岁到60岁， Ai＝5表 示旅客年龄大于等于 61岁； 第i名旅客 性别Gi的取值范围为1 ‑2， Gi＝1表示旅客 为男性， Gi＝2表示旅客 为女性； 第i名旅客职业Oi的取值范围为1 ‑5， Oi＝1表示旅客为学生， Oi＝2表示旅客为政府及企 事业单位员工， Oi＝3表示旅客为个体工商户， Oi＝4表示旅客为离退休人员， Oi＝5表示旅客 职业为其它； 第i名旅客月均收入Ii的取值范围为1 ‑5， Ii＝1表示旅客月均收入小于四千元， Ii＝2表 示旅客月均收入为四千到六千元， Ii＝3表示旅客月均收入为 六千到八千元， Ii＝4表示旅客 月均收入为八千到一 万元， Ii＝5表示旅客月均收入大于一 万元； 第i名旅客是否有固定工作地点Fi的取值范围为1 ‑3， Fi＝1表示旅客有除家庭外的固定 工作地点， Fi＝2表示旅客为自由职业或无固定工作地点， Fi＝3表示旅 客在家上班或在小区 工作； 第i名旅客是否有驾照同时家庭有汽车Li的取值范围为1 ‑2， Li＝1表示旅客有驾照且家 庭有汽车， Li＝2表示旅客没有驾照或家 庭没有汽车。 4.根据权利要求3所述的一种基于Nested  Logit模型的全天多模式出行链的选择建模 方法， 其特征在于， 根据步骤一收集到的出行数据以及步骤二收集到的旅客信息， 得出旅客 i一天出行n次的出行链特征， 剔除出现频率低于百分之二的出行链， 将剩余样本分为出行 方式不变及出行方式改变两大类； 分析相同类别下 的出行链特征， 得到各出行链下出行距 离、 出行时间和出 行费用的百分之八十五分位 值。 5.根据权利要求4所述的一种基于Nested  Logit模型的全天多模式出行链的选择建模 方法， 其特 征在于， 步骤四具体包括： 选取出行距离制约值进行设置： 分别取步行、 骑行、 驾车和公交出行距离的百分之八十 五分位值作为参考值， 设置k型出行方式的出行距离最大值 k表示出行方式的组合类 型； 选取出行 费用制约 值进行设置： 分别取驾车和公交出行 费用的百分之八十五分位值作 为参考值， 设置k型 出行方式的出 行费用最大值 选取出行时间制约值进行设置： 分别取步行、 骑行、 驾车、 公交出行的百分之八十五分 位值作为参考值， 设置k型 出行方式的出 行时间最大值 权　利　要　求　书 2/4 页 3 CN 114399090 A 3