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建出行路徑決策過程理論框架。通過參數化表達路徑的屬性，實現空間知識的量化分析，采用貝葉斯理論完成認知更新，結合調研數據建立基于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則，完整地復制了出行路徑選擇的行為規則。

關鍵詞：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

傳統的路徑選擇行為研究大都在完全理性的規范假設下展開，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“最優化理性”相比，現實中個體受到自身認知水平的約束和決策環境不確定性的影響，在決策過程中表現為有限理性。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鍵行為要素，構建有限理性下基于RIPPER的出行路徑選擇模型。

2 考慮有限理性的出行路徑決策過程

以“經濟人”為理論基礎的理性行為模型假設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中顯示了路徑決策過程中體現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據分析

數據為受訪者在給定路網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則的數據集。

3.2 空間知識和學習

Peruch等研究表明：路網以層次結構的形式存在于認知地圖。本文假設個體的初始空間知識由路網連通性和道路層次結構組成，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。

假設出行者在先驗經驗中已經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驗和知識不斷積累時空間知識的變化情況。假設的主觀信念服從分布，建立和之間的定量關系。根據分布的特性，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，其中代表樣本數量（）。

以為分類變量，采用有監督的離散化方法對數據中的連續變量離散化處理。代入CFS子集評價算法中，采用最佳優先搜索方法，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則算法。RIPPER先通過貪心算法得到最初的規則集，對規則集優化處理降低規則集的規模，然后將特征滿足某個規則的樣本歸為一類。

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則。規則中“0”代表替代路徑、“1”代表當前路徑。

模型得到8條規則，以規則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，在路徑T的路網轉換次數比路徑（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則反映了出行者在現有的經驗和知識的基礎上搜索出行路徑方案的啟發法。

RIPPER規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算法的路徑決策規則

出行者根據搜索規則找到替代路徑后，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算法得到路徑決策規則。

3.5.1 數據來源。結合SP調查法，確定出行路徑選擇意愿調查的選項為出行者從家到單位的三條不同出行路徑；調查屬性為：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）；每個屬性設定三個水平值。

3.5.2 模型估計。意愿調查中，請出行者根據自己的出行習慣用“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條路徑決策規則，其中“N”代表選擇新路徑。出行路徑決策規則如表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 結語

本文構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據中提取出以析取范式形式表達的規則，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法。說明個體因缺乏全智全能，在出行路徑決策時尋求的并非全局最優解，而是在現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）