申请/专利权人：东南大学

申请日：2021-10-28

公开（公告）日：2024-06-21

公开（公告）号：CN114048801B

主分类号：G06F18/23

分类号：G06F18/23;G06F18/214;G06N20/20;G06Q10/04;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.03.04#实质审查的生效;2022.02.15#公开

摘要：本发明提供了一种基于规则的个体活动‑出行行为决策协同建模方法。通过居民个体及家庭出行调查获取居民出行数据，构建完整的全日活动链；采用聚类分析方法提取典型全日活动链和活动模式；根据活动链的主要特征指标，定义并分解活动‑出行行为决策单元；利用集成学习算法建立各决策单元的启发式决策规则，提取互为条件变量和决策变量的决策单元；根据互联决策变量之间的相互影响程度，结合个体、家庭等潜在因素，构建互联决策单元协同选择模型；利用循环迭代算法和人工智能搜索算法，综合考虑各类约束条件，确定个体活动‑出行的协同决策规则。

主权项：1.一种基于规则的个体活动-出行行为决策协同建模方法，其特征在于，该方法包括以下步骤：1数据采集：进行居民个体及家庭出行调查，收集居民全日出行数据；2数据初步筛选：利用步骤1采集的出行数据，将出行者一整天参与的各种活动以信息链的形式串联起来，构成完整的全日活动链；利用聚类分析方法提取典型的全日活动链和活动模式；3决策单元生成：统计全日活动链和活动模式的特征指标，将全日活动链进行分解，将每一个关键环节定义为一个决策单元，用于描述全日活动链的各个组成元素，包括活动类型、出发时间、出发地点、活动目的地、到达时间、持续时间、出行方式，也是个体完成出行和活动需要作出的各项决策；4活动-出行行为决策规则建立：基于居民个人、家庭、地理区域以及交通网络属性的特征分布，利用随机森林集成学习算法建立各决策单元的启发式决策规则，挖掘影响每个决策单元的条件变量，分析各条件变量对相应决策变量的影响程度；5互联决策单元协同模型构建：利用步骤4建立的启发式决策规则，提取所构建决策规则中互为条件变量和决策变量的决策单元，定义为互联决策单元，构建互联决策单元协同选择模型，即以一个决策单元和其他相关变量构成另一个决策单元的条件变量进行预测，得到的预测值与其他变量再构成第一个决策单元的条件变量，以此类推，利用循环迭代和人工智能搜索算法，确定个体活动-出行的协同决策规则，获得个体对互联决策单元的协同选择结果。

全文数据：

权利要求：

百度查询： 东南大学 一种基于规则的个体活动-出行行为决策协同建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD