一种面向差异化收费的货车出行选择路径预测方法与流程

本发明涉及公路交通出行控制，尤其是涉及一种面向差异化收费的货车出行选择路径预测方法。

背景技术：

1、高速公路差异化收费能够调整货车的出行时间和路径选择，起到改善路网流通质量、提高物流运输效率和降低物流运输成本的作用。货车交通作为差异化收费高速公路交通的主体，运输货物、车型、重量和体积更加丰富多样，货车驾驶员出行更容易受到内外环境的影响，且货车交通是高速公路经营收入的主要来源。但在实施高速公路差异化收费后，仍有一大部分比例货车驾驶员未选择高速公路出行。因此提取实施差异化收费后货车驾驶员关键出行行为特征，揭示货车驾驶员出行选择的内在机理，是科学精准制定高速公路货车差异化收费方案的重点。

2、现有研究大多基于传统的统计模型分析差异化收费对货车出行路径选择行为的影响，其模型结果仅给出差异化收费变量与货车司机出行路径选择之间的统计显著性，无法量化各个属性变量对货车司机出行路径选择的影响程度；此外，还有研究采用假设的高速公路费率变化分析对货车驾驶员路线选择的影响，难以准确反映出高速公路差异化收费后货车出行选择偏好，并不能确保货车出行路径预测结果的可靠性。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向差异化收费的货车出行选择路径预测方法，能够有效提高货车出行选择路径预测的准确性。

2、本发明的目的可以通过以下技术方案来实现：一种面向差异化收费的货车出行选择路径预测方法，包括以下步骤：

3、s1、构建随机效用函数，以效用函数最大化理论拟合模型；

4、s2、基于随机效用函数，通过建立二元logit模型来描述差异化收费前后货车驾驶员的出行选择过程；

5、s3、应用高速公路及对应的平行公路交通流量数据对二元logit模型进行模型参数标定，构建得到货车出行选择模型；

6、s4、将当前实际的驾驶员个人属性、车货属性、道路属性、时间与经济性属性数据输入货车出行选择模型，输出得到对应的出行路径预测结果。

7、进一步地，所述步骤s1的具体过程包括：

8、考虑到影响货车驾驶员出行选择的影响因素，效用函数从个人属性、车辆属性、道路属性和货物属性四个方面出发，构建随机效用函数，以效用函数最大化理论来拟合货车驾驶员出行选择的过程，效用函数为：

9、uij＝c+θ1aij+θ2bij+θ3cij+θ4dij

10、其中，aij为货车驾驶员个人属性的指标，bij为车货属性的相关指标，cij为道路属性相关指标，dij为时间与经济属性相关指标，c为常数项，θi(i＝1,2,3,4)为各属性对应的系数。

11、进一步地，所述步骤s2包括以下步骤：

12、s21、建立货车驾驶员选择某出行路径的效用函数；

13、s22、基于效用最大化理论，构建货车驾驶员选择某出行路径的概率；

14、s23、建立基于gumbel分布的logit货车出行选择模型。

15、进一步地，所述步骤s21的具体过程为：

16、假设有m个货车驾驶员，出行路径集合为am，货车驾驶员选择的出行方案j所对应的效用值为ujm，那么该货车驾驶员选择路径i出行的关系满足：

17、uim>ujm,i≠j,j∈am

18、uim＝vim+εim

19、其中，ujm为货车驾驶员m选择出行方案j的效用值，uim为货车驾驶员m选择某出行路径i的效用函数，包括固定项vim和随机概率项εim两项，固定项是可观测的，而随机项是不可观测的。

20、进一步地，所述步骤s22的具体过程为：

21、根据效用最大化理论，货车驾驶员m选择出行路径i的概率pim为：

22、pim＝prob(uim>ujm,i≠j,j∈am)

23、＝prob(vim+εim>vjm+εjm；i≠j,j∈am)

24、其中，0≤pim≤1，

25、进一步地，所述步骤s23的具体过程为：

26、假设随机项εjm(j＝1,2,…,jm)服从0到1的gumbel分布，则货车驾驶员选择方案1的概率为：

27、p1m＝prob(u1n≥ujm,j＝2,3,…,jm)

28、＝prob(v1m+ε1m≥vjm+εjm,j＝2,3,…,jm)

29、＝prob[v1m+ε1m≥maxj(vjm+εjm)]

30、令则p1m变形为：

31、

32、则基于gumbel分布的logit分布，得到：

33、

34、其中，由于货车驾驶员在高速公路和平行公路之间的选择是一个二元的结果，p高速为货车驾驶员选择高速公路的概率。

35、进一步地，所述步骤s3的具体过程为：

36、货车驾驶员出行时，每个货车驾驶员对出行路径的选择是相对独立的，将m个货车驾驶员选择出行路径，看作m次贝努利试验，m个货车驾驶员选择n种出行路径的人数分别是m1,m2,……,mn的联合概率表示为：

37、

38、其中，m为货车驾驶员总数，mi为选择路径i的货车数，pi为货车驾驶员对路径i的选择概率，为系数向量，对上式两边取对数，再分别对θ1,θ2,θ3和θ4求偏导，令各偏导数为0，即可确定θ1,θ2,θ3和θ4的值；

39、应用高速公路及对应的平行公路差异化收费前后交通流量数据对模型进行标定，完成模型构建。

40、进一步地，所述驾驶员个人属性数据包括性别、年龄、驾龄、平均月收入、每月使用高速公路次数及选择重视因素。

41、进一步地，所述车货属性数据包括货车类型和货物类型。

42、进一步地，所述时间与经济性属性数据包括付费方式、运输时间、运输里程及通行费。

43、与现有技术相比，本发明具有以下优点：

44、本发明基于随机效用函数，通过建立二元logit模型来描述差异化收费后货车驾驶员的出行选择过程，并应用高速公路及对应的平行公路差异化收费前后交通流量数据对模型进行标定，能够有效提高货车出行选择模型的准确性，准确反映出高速公路差异化收费后货车驾驶员出行选择偏好，进而确保货车出行选择路径预测的准确性。

45、本发明基于多源差异化收费前后的交通数据，以弥补通过假设的高速公路费率变化分析对货车驾驶员路线选择的影响，构建二元logit货车出行选择模型，通过提取差异化收费前后货车出行信息，能够充分利用差异化收费前后交通数据，以刻画差异化收费后货车的出行特征，由此借助于多源差异化收费前后的交通数据较为真实、有效、准确的优势，能够实现二元logit货车出行选择模型的构建与校正，确保二元logit货车出行选择模型的准确性。

46、本发明应用高速公路及对应的平行公路门架、收费站、交调站等多源交通流量数据对模型进行标定，由此能够将差异化收费相关数据充分有效融合，进而提升二元logit货车出行选择模型构建的精准性、可靠性。