基于遺傳算法的家庭活動-出行決策研究

何保紅 ,段玉琳,郭 淼

(1.昆明理工大學 交通工程學院,云南 昆明 650500;2.北京工業大學 城市交通學院,北京 100124)

0 引 言

隨著交通設施建設趨于飽和,城市交通規劃開始由“設施規劃”向“政策設計”轉型[1]。通過調控出行者出行決策過程,促使城市宏觀交通總量、出行結構和時空分布趨于合理,正成為交通領域重要的政策調節手段[2]。個體作為家庭網絡中的一員,在行為決策時既不能脫離客觀物質環境,也不能脫離與家庭成員交互的微觀社會情境[3]。傳統以個體為單元的行為研究,往往忽視了家庭微觀社會情境中存在家庭成員之間互動會對個體行為產生影響這一事實,導致難以準確客觀分析城市交通需求變化和預見交通政策實施效果。

近年來,國內外交通學者開始關注家庭成員交互與個體活動-出行決策間的關系。C.HO等[4]針對家庭交互行為中較為顯著的聯合出行,采用嵌套Logit模型探究了家庭聯合出行與個體出行方式選擇間的關系,發現聯合出行受家庭資源、活動類型等要素影響;Y.O.SUSILO等[5]通過建立家庭時間分配模型,發現活動-出行時間在家庭成員間存在交互,且這種時間分配不僅是個人決定的結果,也是家庭內部成員之間互動的結果;J.X.FENG等[6]通過構建有序Probit模型分析發現,與老年人同住的家庭成員用于工作和休閑活動的時間普遍較長,家庭中有老年人存在會在一定程度上影響個體活動-出行行為。

蔣晨等[7]通過多元受限因變量模型,探究家庭活動參與和性別差異之間的關系,發現家庭中女性出行行為不僅受自身活動安排影響,還與其配偶的出行行為有關;何保紅等[8]通過構建結構方程模型,探究老年人對家庭成員日常活動-出行行為的影響,發現隨著老年人對家庭貢獻度增加,其他成員在家務活動上的分配時間減少,自由活動時間增加;A.ERMAGUN等[9]、W.ADAM等[10]關注到家庭中兒童的特殊性,利用出行鏈刻畫其行為特征,探討了家庭成員受到的時空制約與接送兒童之間的關聯性,發現家庭接送兒童行為不僅取決于兒童自身能力,還取決于家長工作地時空制約。上述研究雖然認識到家庭成員間的互動會對個體活動-出行決策產生影響,但關注的焦點大多落在外部因素對決策層級的影響,缺乏對家庭成員間的內部交互進行深入剖析。

鑒于此,筆者在時間地理學的基礎上結合最優化理論,將家庭聯合活動視為在特定時空制約下,成員間通過相互協作做出效用最大化的活動安排和出行選擇結果。通過構建家庭活動-出行決策模型,以期最大限度還原個體活動-出行選擇行為,并以此為新時期“以人為本”的交通規劃和交通需求預測提供科學參考。

1 家庭活動-出行特征描述

家庭作為個體日常活動-出行決策的基本單元,其外部環境及內部屬性的變化會改變個體的日常活動-出行行為。在這一過程中,家庭成員會通過利他主義在一定程度上平衡自身或他人所受到的制約,以陪伴、互助和替代等形式幫助個體更好完成活動-出行計劃[11]。這種聯合特性在個人層面是隱藏的,難以通過個體行為,透視家庭活動-出行行為背后復雜的決策過程。為深入剖析個體活動-出行背后決策過程,將個體活動-出行行為置于家庭中觀察,家庭活動-出行決策過程及聯合活動解構如圖1。在時空制約和活動需求作用下,個體視角下活動-出行決策維度較為單一,家庭成員出行鏈之間彼此相互獨立,不存在交織與嵌套現象,難以體現活動的聯合特性,也就無法從中透視家庭聯合活動-出行背后決策過程。相較于個體視角,家庭視角下的活動-出行決策主體和行為模式更為豐富,家庭成員出行鏈之間不僅存在交織與嵌套現象,而且更能體現活動聯合特性。

圖1 家庭活動-出行決策機制及聯合活動解構Fig.1 Family activity-travel decision-making mechanism and joint activity deconstruction

從上述分析中可以看出,家庭具有一定自我調節功能,即在外在環境制約下,家庭會通過成員間互助協作以平衡外在制約。若僅從個體視角,則難以透視這種交互關系,而將活動-出行置于家庭中觀察時,家庭成員在活動-出行決策上存在著交互關系,在這種關系作用下將會產生家庭視角特有的聯合活動模式,主要包括陪伴活動、接送活動和替代活動,具體特征分析如表1。

表1 家庭聯合活動特征描述

2 家庭活動-出行決策模型

2.1 問題描述

CHAPIN認為個體活動-出行決策是在一個時空連續體內發生的一系列有序的活動,涉及活動-出行的要素決策包括:活動類型、活動位置、活動順序以及出行距離等[11]。事實上,活動-出行決策過程才是導致決策行為結果的源頭與核心,家庭交互決策行為本質上是特定時空制約下,以交互關系為介質,以均衡成員間制約為目標的家庭內部自組織現象。

2. 活動符號來自于文獻[12],表示成員間活動-出行時空過程的聯合性。

家庭活動-出行決策問題可以描述為多個成員在有限的家庭資源下,通過彼此間互助協作完成家庭活動的過程。由于決策個體增加,在家庭成員彼此間交互作用下,個體活動-出行時空路徑擴展為與他人時空路徑的重合來表征其聯合特征。

通過擴展決策變量以表達不同家庭成員的出行鏈,從出行上體現家庭成員間的關聯性;引入相容參數以實現家庭成員和活動類型的匹配,從活動上體現家庭成員間的關聯性;出行時間、活動開始和結束時刻是家庭成員進行活動-出行決策時的重點考慮因素,應將其納入目標函數中;由于外部環境主要是從時間和空間的角度對成員的活動-出行決策施加制約,將具有代表性的活動時間窗、活動空間位置等轉化為模型的主要約束條件,系統建立家庭聯合活動-出行決策效用模型。

2.2 參數圖示

基于家庭的活動-出行決策是家庭成員在外部環境制約與內部成員交互作用下,共同做出的活動安排和出行選擇(圖2),家庭活動-出行決策過程主要涉及決策變量、決策環境與相容參數。

圖2 家庭活動-出行決策過程中涉及參數Fig.2 Diagram of parameters involved in household activity-travel decision-making process

2.3 模型建立

在時間地理學時空制約思想和最優化理論基礎上,兼顧家庭活動-出行決策過程中出行效用與活動效用,以實現家庭效用最大化為目標,建立家庭活動-出行決策模型,模型中涉及參數如表2。

表2 模型參數說明

模型具體形式如下:

U=max(U1+U2)

(1)

式中:

(2)

(3)

式(1)～式(3)為目標函數,式(1)表示家庭成員在出行過程中執行活動的效用最大;式(2)表示家庭成員在相鄰兩個活動位置之間的移動時間最短;式(3)表示家庭成員執行活動的持續時長。

約束條件:

(4)

(5)

(6)

(7)

(8)

(9)

(10)

Vi≤Wik,Vik≤Wi

(11)

(12)

Vik-Wik=Si, ?i∈N, ?k∈M

(13)

(14)

(15)

2.4 模型求解

遺傳算法是一種較為完善的啟發式算法,受自然界進化論啟發,該算法將種群中所有個體作為對象,對所有個體的染色體進行編碼后實施選擇、交叉、變異操作以生成下一代,持續重復此過程,直至滿足預先設定的收斂標準,即得到問題的解[13]。與此同時,遺傳算法可以針對實際情況對參數進行調整[14],使得其有較高的使用靈活性與應用廣泛性。

大量實踐表明,遺傳算法在求解多目標優化問題方面有顯著成效。考慮筆者所建模型為尋找使家庭活動-出行效用最大化的家庭成員活動-出行安排,屬于組合優化問題,因此,使用遺傳算法為每個家庭成員安排最優活動-出行方案分配,以實現整個家庭活動-出行效用最大化。

模型進行求解思路為:假設家庭中所有活動都需要完成,工作活動應由相對應人員完成,活動執行必須要滿足前一個活動最早結束時間及中途移動時間要早于后一個活動最晚開始時間。求解步驟如下:

步驟 1參數初始化。結合模型特征,經過多次試驗最終確定求解相關參數如下:種群初始化數量為40,最大迭代次數為30,交叉概率為0.9,變異概率為0.000 1。考慮到實際出行方式的多樣性,結合模型驗證數據特征,參考昆明市城市道路交通工具運行速度特征將不同交通方式的出行速度值設置為:小汽車35 km/h,電動助力車25 km/h,自行車10 km/h,公交車20 km/h,步行4 km/h。

步驟 2染色體編碼及初始化。借助MATLAB編程,采用整數編碼方式,對需要執行的活動和家庭成員進行編號。0表示家,1、2分別表示男、女家長工作,3、4分別表示接、送兒童,5、6、7分別表示家庭中3個成員,5為男家長,6為女家長,7為兒童。假設所有成員均從家出發并最后回到家,故在編碼中進行簡化將0去除。此外,接送兒童作為家庭中典型的聯合活動,需要家長和兒童共同參與完成,因此在編碼中分別設置兩個3和4分布于染色體中,表示家長和兒童聯合參與,如圖3。

圖3 染色體編碼方案Fig.3 Chromosome coding scheme

步驟 3染色體排序。將家庭中所有成員的活動位置空間坐標、活動時間窗及出行方式作為輸入集,根據約束條件進行遺傳操作,輸出排列好的編號即為出行鏈,詳細步驟如下:

1)選擇算子,采用輪盤賭選擇,根據個體適應度值大小決定其在下一代中的存活概率;

2)交叉算子,結合筆者采用的編碼方式,為避免染色體在任意位置進行交叉,導致新個體中存在基因缺失和重疊產生無效解,采用單親交叉算子(圖4),使交叉操作在一個個體上完成,以保證子代個體基因的有效性和完整性。對于不合法的編碼則重新進行交叉操作,直到產生符合條件的染色體序列;

圖4 交叉示意Fig.4 Schematic diagram of crossing

3)變異算子,通過隨機對染色體進行交換或插入產生新的個體,完成變異操作。

步驟 4計算適應度。將式(2)、式(3)計算之和作為適應度值,選取適應度值最大時輸出的出行鏈作為模型求解結果。

3 實證結果分析

3.1 數據來源

實證數據來源于2016年昆明城市居民出行調查,調查包括個人信息、家庭信息,以及居民整日活動-出行數據。依據筆者研究目標,考慮到所建立決策模型需要體現家庭聯合決策特點,而城市兒童接送行為則較能體現家庭成員聯合決策特點,故從中選取500個存在兒童通學出行需求的核心家庭所有成員整日活動-出行數據作為模型驗證樣本。需要說明的是,500個樣本家庭當日均有聯合活動,其中,445個家庭存在接送活動,剔除完成接送活動后及時返回家且不從事通勤活動的樣本家庭,將余下327個家庭作為驗證樣本。除去存在接送活動445個家庭,余下55個家庭存在替代活動,替代活動的判別是依據接送兒童活動分別嵌套在男女家長的出行鏈中。利用存在接送活動的327個家庭驗證模型在基礎場景中的正確性;為進一步驗證模型的有效性,用存在替代活動的55個家庭驗證模型在擴展場景中的適用性。

3.2 場景描述

3.2.1 基礎場景

家庭中共有3名成員,分別是男家長、女家長和兒童,共有4項活動需要執行,分別是男、女家長的工作活動、送兒童上學、接兒童放學,接送兒童活動均由同一個家長完成。

3.2.2 擴展場景

家庭成員組成及需執行活動與基礎場景相同。不同的是,擴展場景中男女家長一方執行了送兒童上學活動,但由于其下班時間與學校放學時間相隔較大,不能在規定時間內到達學校接兒童放學,導致需要由另一位家長替代完成接兒童放學活動。

3.3 結果描述

采用遺傳算法求解模型,若求解輸出結果與實際出行鏈一致,則模型驗證成功,并對兩種場景下家庭活動-出行行為進行解構分析。

選取基礎場景中一個驗證成功的家庭進行時空路徑分析(圖5)。女家長07:30順路送兒童去距家2.8 km的學校上學,之后行駛2.7 km到達工作地,16:00離開工作地前往學校接兒童,16:30從學校回家;男家長07:30獨自前往距家6.7 km的工作地,16:07離開工作地返回家。就活動時空臨近性而言,兒童學校不僅與女家長工作地在空間上較為臨近,且上下學時間也與女家長上下班時間較為接近。可見在家庭活動-出行決策過程中,在時間允許的情況下,為使家庭活動得以完成,通常將接送兒童活動分配給空間位置距離學校最近的家庭成員,最終以順路接送模式完成該類活動,以減少對其他成員出行的制約。依次對類似的327個家庭進行出行鏈求解,發現有248個家庭符合,符合率為75.84%,即模型設定目標函數符合大多數家庭活動-出行情況。

圖5 基礎場景中成員活動-出行時空路徑Fig.5 Spatio-temporal path of member's activity-travel in normal scene

選取擴展場景中一個驗證成功的家庭進行時空路徑分析(圖6)。女家長07:20順路送兒童去距家2.8 km的學校,之后再行駛0.8 km到達工作地,18:00離開工作地返回家;男家長07:30從家出發前往距家1.6 km的工作地上班,16:30從工作地前往距工作地2.5 km的學校接兒童。就活動的空間鄰近性而言,女家長工作地較男家長工作地離學校更近,但女家長下班時間晚于兒童放學時間,導致其不能在兒童放學前到達學校接兒童。考慮到兒童上下學安全性,避免兒童放學后長時間滯留學校,家庭中符合接兒童放學條件的男家長替代女家長接兒童放學。從個體視角看,男家長為完成接兒童放學活動,額外增加出行距離并導致出行時間增加,不符合個人活動-出行效用最大化原則的,但從家庭視角看,是因為女家長不具備完成接兒童放學活動,將活動轉移至男家長出行鏈中,使家庭活動得以完成。由此可見,在家庭中會存在一定的利他主義,即為協助某一成員完成活動,通常會迫使其他家庭成員付出較高的時空成本。依次對存在替代活動的55個家庭進行出行鏈求解,發現有46個家庭符合,符合率為83.64%。即模型設定目標函數符合大多數家庭活動-出行情況,也說明模型具有一定動態性,能及時響應輸入條件變化并做出調整。

圖6 擴展場景中家庭活動-出行時空路徑Fig.6 Spatio-temporal path of member's activity-travel in extended scene

此外,筆者對驗證不符的家庭進行剖析,發現這些家庭主要存在以下2類特征:

1) 家庭在指定兒童接送人員時可能考慮了時空鄰近性,但出于對兒童安全性的考慮,小汽車使用者更可能會通過付出較高的時空成本而成為接送活動的執行者,這與王俠等[15]對通學出行研究結論基本吻合,也從側面證實了小汽車在可達性和安全性方面比其他交通工具更具優勢,這類家庭占比高達50.34%;

2) 受傳統“男主外,女主內”家庭責任分工影響,女性比男性更有可能會承擔接送兒童任務,女性因其自身特點而在家庭交互關系中呈現獨特性,照顧兒童、接送兒童的可能性更大。在不具備時空鄰近性條件下,可能會通過將出發時間提前或借助機動化方式等完成接送活動,這與塔娜等人[16]對城市女性日常出行行為研究的結論基本吻合,這類家庭占比為32.76%。

4 結 論

以時間地理學方法和最優化理論為基礎,構建了家庭活動-出行行為決策模型,通過對不同時間情境的實證分析得出結論如下:

1)基礎場景中有75.84%的家庭模型輸出結果與實際出行鏈相符,而擴展場景符合率為83.64%,表明了所建模型的合理性和適用性。

2)家庭成員交互對于出行者的活動-出行決策以及執行具有重要影響,將通過家庭關系使不同成員的活動-出行過程在時間或者空間上發生部分或全部重疊。當某一家庭成員無法完成該活動時,家庭會通過成員之間的依賴性進行傳遞,由其他成員以替代活動的形式進行協助,以實現家庭成員時空制約的平衡。