基于RIPPER的有限理性下出行路徑選擇行為

欒琨+雋志才

摘要：文章在有限理性理論指導下構(gòu)建出行路徑?jīng)Q策過程理論框架。通過參數(shù)化表達路徑的屬性，實現(xiàn)空間知識的量化分析，采用貝葉斯理論完成認知更新，結(jié)合調(diào)研數(shù)據(jù)建立基于RIPPER算法的出行路徑搜索模型和決策模型。研究表明：以析取范式形式表達的規(guī)則，完整地復制了出行路徑選擇的行為規(guī)則。

關(guān)鍵詞：有限理性；RIPPER算法；出行路徑選擇；出行決策；空間知識 文獻標識碼：A

中圖分類號：U491 文章編號：1009-2374（2016）35-0011-02 DOI：10.13535/j.cnki.11-4406/n.2016.35.006

1 概述

傳統(tǒng)的路徑選擇行為研究大都在完全理性的規(guī)范假設(shè)下展開，假定出行者遵循效用最大化準則，決策時選擇阻抗最小或者廣義成本最小的路徑。與“最優(yōu)化理性”相比，現(xiàn)實中個體受到自身認知水平的約束和決策環(huán)境不確定性的影響，在決策過程中表現(xiàn)為有限理性。本文從有限理性的角度描述出行路徑選擇行為，引入信息獲取、學習、認知更新和方案搜索等關(guān)鍵行為要素，構(gòu)建有限理性下基于RIPPER的出行路徑選擇模型。

2 考慮有限理性的出行路徑?jīng)Q策過程

以“經(jīng)濟人”為理論基礎(chǔ)的理性行為模型假設(shè)出行者掌握全部的出行信息，并總能理性地選擇認知方案中效用最大的方案，忽略了非理性因素在出行決策中的重要作用。圖1中顯示了路徑?jīng)Q策過程中體現(xiàn)有限理性的方案搜索、信息獲取和認知更新。

3 有限理性下出行路徑選擇行為建模

3.1 出行路徑選擇行為數(shù)據(jù)分析

數(shù)據(jù)為受訪者在給定路網(wǎng)中畫出的從家到單位的出行路徑，包括高峰前的路徑（A）、高峰中的路徑（B）和避開擁堵路段的路徑（C）。通過算法生成每對OD之間的所有路徑，與出行者實際選擇路徑一起共同組成用于提取搜索規(guī)則的數(shù)據(jù)集。

3.2 空間知識和學習

Peruch等研究表明：路網(wǎng)以層次結(jié)構(gòu)的形式存在于認知地圖。本文假設(shè)個體的初始空間知識由路網(wǎng)連通性和道路層次結(jié)構(gòu)組成，并認為個體具有在不同層次道路上的出行成本意識。路徑選擇的初始空間知識由兩部分組成：（1）過程部分。包括一系列的移動和轉(zhuǎn)彎，以便出行者沿著路徑出行；（2）說明部分。包括路線和路段的屬性，比如出行速度、時間和距離等。

假設(shè)出行者在先驗經(jīng)驗中已經(jīng)有次觀察到類別對應的出行時間（出行時間閾），用對出行者在備選路徑上出行次數(shù)的說明部分進行描述，用代表個體的主觀信念。應用貝葉斯理論可用于說明經(jīng)驗和知識不斷積累時空間知識的變化情況。假設(shè)的主觀信念服從分布，建立和之間的定量關(guān)系。根據(jù)分布的特性，當貝葉斯學習中的先驗概率服從分布時，其后驗概率也服從分布。于是可用式（1）來表示，其中代表樣本數(shù)量（）。

以為分類變量，采用有監(jiān)督的離散化方法對數(shù)據(jù)中的連續(xù)變量離散化處理。代入CFS子集評價算法中，采用最佳優(yōu)先搜索方法，得到出行路徑搜索模型的屬性子集為，其中“”表示可行路徑與實際選擇路徑對應屬性的差值。

3.4.3 推導搜索規(guī)則。本文選擇RIPPER（Repeated Incremental Pruning to Produce Error Reduction，重復增量修剪減少誤差）算法作為出行路徑搜索規(guī)則算法。RIPPER先通過貪心算法得到最初的規(guī)則集，對規(guī)則集優(yōu)化處理降低規(guī)則集的規(guī)模，然后將特征滿足某個規(guī)則的樣本歸為一類。

將出行者實際出行路徑與其相同OD之間的其他路徑一一對比，提取出以析取范式形式表達的路徑搜索規(guī)則。規(guī)則中“0”代表替代路徑、“1”代表當前路徑。

模型得到8條規(guī)則，以規(guī)則2為例：高峰期如果在替代路徑和實際出行路徑（B）上的總出行時間相差約10左右，路徑T和B在主干道上的出行時間之差在（-3.4～8.05）分鐘范圍內(nèi)，在路徑T的路網(wǎng)轉(zhuǎn)換次數(shù)比路徑（B）少一次或者二者相等時，出行者傾向于選擇替代路徑出行這些規(guī)則反映了出行者在現(xiàn)有的經(jīng)驗和知識的基礎(chǔ)上搜索出行路徑方案的啟發(fā)法。

RIPPER規(guī)則集有效性檢驗主要通過Precision、Recall、F-Measure和ROC Area四個指標判斷，本例中兩個類別的四個指標值分別為：1、1、0.986、1；0.912、1、0.986、0.954。指標值均接近1，說明模型的分類性能良好。

3.5 基于RIPPER算法的路徑?jīng)Q策規(guī)則

出行者根據(jù)搜索規(guī)則找到替代路徑后，面臨著兩種選擇：要么維持當前的出行路徑方案，要么選擇新的路徑出行。這里同樣采用RIPPER算法得到路徑?jīng)Q策規(guī)則。

3.5.1 數(shù)據(jù)來源。結(jié)合SP調(diào)查法，確定出行路徑選擇意愿調(diào)查的選項為出行者從家到單位的三條不同出行路徑；調(diào)查屬性為：從家到單位的平均出行時間（分鐘）、出行時間變化范圍（分鐘）、出行時間中交通擁堵時間所占的百分比（%）和總出行成本（元）；每個屬性設(shè)定三個水平值。

3.5.2 模型估計。意愿調(diào)查中，請出行者根據(jù)自己的出行習慣用“1、2、3”對每個情境組合中的三條路徑進行排序并依次兩兩對比，利用RIPPER算法提取出5條路徑?jīng)Q策規(guī)則，其中“N”代表選擇新路徑。出行路徑?jīng)Q策規(guī)則如表3所示：

以Rule2為例，若新路徑的出行時間比當前路徑少（27.2%～37.5%），同時新路徑的出行時間可變性比當前路徑多5分鐘時，出行者會選擇新路徑出行。該決策規(guī)則集中兩個類別有效性檢驗的四個指標分別為：1、1、0.964、1；0.901、1、0.9646、0.925，模型分類性能良好。

4 結(jié)語

本文構(gòu)建了有限理性下基于RIPPER算法的出行路徑搜索模型和決策模型。研究結(jié)果表明：在有限理性決策理論框架下，運用機器學習算法從數(shù)據(jù)中提取出以析取范式形式表達的規(guī)則，能合理地代表決策過程，完整地復制了出行路徑選擇行為啟發(fā)法。說明個體因缺乏全智全能，在出行路徑?jīng)Q策時尋求的并非全局最優(yōu)解，而是在現(xiàn)有知識和認知水平的前提下以閾值來表示的可接受解。

參考文獻

[1] Péruch P，Giraudo M-D，Garling T.Distance cognition by taxi drivers and the general public[J].Journal of Environmental Psychology，1989，9（3）.

[2] Cohen W W.Fast effective rule induction[A].Proceedings of the twelfth international conference on machine learning[C].1995.

基金項目：江蘇省教育廳高校哲學社會科學基金項目（2013SJD630005，2012SJD63005）；江蘇省高校自然科學研究項目（14KJB580002）。

作者簡介：欒琨（1977-），女，吉林白山人，講師，博士，研究方向：居民出行行為。

（責任編輯：黃銀芳）