基于RIPPER的有限理性下出行路径选择行为

栾琨+隽志才

摘要：文章在有限理性理论指导下构建出行路径决策过程理论框架。通过参数化表达路径的属性，实现空间知识的量化分析，采用贝叶斯理论完成认知更新，结合调研数据建立基于RIPPER算法的出行路径搜索模型和决策模型。研究表明：以析取范式形式表达的规则，完整地复制了出行路径选择的行为规则。

关键词：有限理性；RIPPER算法；出行路径选择；出行决策；空间知识 文献标识码：A

中图分类号：U491 文章编号：1009-2374（2016）35-0011-02 DOI：10.13535/j.cnki.11-4406/n.2016.35.006

1 概述

传统的路径选择行为研究大都在完全理性的规范假设下展开，假定出行者遵循效用最大化准则，决策时选择阻抗最小或者广义成本最小的路径。与“最优化理性”相比，现实中个体受到自身认知水平的约束和决策环境不确定性的影响，在决策过程中表现为有限理性。本文从有限理性的角度描述出行路径选择行为，引入信息获取、学习、认知更新和方案搜索等关键行为要素，构建有限理性下基于RIPPER的出行路径选择模型。

2 考虑有限理性的出行路径决策过程

以“经济人”为理论基础的理性行为模型假设出行者掌握全部的出行信息，并总能理性地选择认知方案中效用最大的方案，忽略了非理性因素在出行决策中的重要作用。图1中显示了路径决策过程中体现有限理性的方案搜索、信息获取和认知更新。

3 有限理性下出行路径选择行为建模

3.1 出行路径选择行为数据分析

数据为受访者在给定路网中画出的从家到单位的出行路径，包括高峰前的路径（A）、高峰中的路径（B）和避开拥堵路段的路径（C）。通过算法生成每对OD之间的所有路径，与出行者实际选择路径一起共同组成用于提取搜索规则的数据集。

3.2 空间知识和学习

Peruch等研究表明：路网以层次结构的形式存在于认知地图。本文假设个体的初始空间知识由路网连通性和道路层次结构组成，并认为个体具有在不同层次道路上的出行成本意识。路径选择的初始空间知识由两部分组成：（1）过程部分。包括一系列的移动和转弯，以便出行者沿着路径出行；（2）说明部分。包括路线和路段的属性，比如出行速度、时间和距离等。

假设出行者在先验经验中已经有次观察到类别对应的出行时间（出行时间阈），用对出行者在备选路径上出行次数的说明部分进行描述，用代表个体的主观信念。应用贝叶斯理论可用于说明经验和知识不断积累时空间知识的变化情况。假设的主观信念服从分布，建立和之间的定量关系。根据分布的特性，当贝叶斯学习中的先验概率服从分布时，其后验概率也服从分布。于是可用式（1）来表示，其中代表样本数量（）。

以为分类变量，采用有监督的离散化方法对数据中的连续变量离散化处理。代入CFS子集评价算法中，采用最佳优先搜索方法，得到出行路径搜索模型的属性子集为，其中“”表示可行路径与实际选择路径对应属性的差值。

3.4.3 推导搜索规则。本文选择RIPPER（Repeated Incremental Pruning to Produce Error Reduction，重复增量修剪减少误差）算法作为出行路径搜索规则算法。RIPPER先通过贪心算法得到最初的规则集，对规则集优化处理降低规则集的规模，然后将特征满足某个规则的样本归为一类。

将出行者实际出行路径与其相同OD之间的其他路径一一对比，提取出以析取范式形式表达的路径搜索规则。规则中“0”代表替代路径、“1”代表当前路径。

模型得到8条规则，以规则2为例：高峰期如果在替代路径和实际出行路径（B）上的总出行时间相差约10左右，路径T和B在主干道上的出行时间之差在（-3.4～8.05）分钟范围内，在路径T的路网转换次数比路径（B）少一次或者二者相等时，出行者倾向于选择替代路径出行这些规则反映了出行者在现有的经验和知识的基础上搜索出行路径方案的启发法。

RIPPER规则集有效性检验主要通过Precision、Recall、F-Measure和ROC Area四个指标判断，本例中两个类别的四个指标值分别为：1、1、0.986、1；0.912、1、0.986、0.954。指标值均接近1，说明模型的分类性能良好。

3.5 基于RIPPER算法的路径决策规则

出行者根据搜索规则找到替代路径后，面临着两种选择：要么维持当前的出行路径方案，要么选择新的路径出行。这里同样采用RIPPER算法得到路径决策规则。

3.5.1 数据来源。结合SP调查法，确定出行路径选择意愿调查的选项为出行者从家到单位的三条不同出行路径；调查属性为：从家到单位的平均出行时间（分钟）、出行时间变化范围（分钟）、出行时间中交通拥堵时间所占的百分比（%）和总出行成本（元）；每个属性设定三个水平值。

3.5.2 模型估计。意愿调查中，请出行者根据自己的出行习惯用“1、2、3”对每个情境组合中的三条路径进行排序并依次两两对比，利用RIPPER算法提取出5条路径决策规则，其中“N”代表选择新路径。出行路径决策规则如表3所示：

以Rule2为例，若新路径的出行时间比当前路径少（27.2%～37.5%），同时新路径的出行时间可变性比当前路径多5分钟时，出行者会选择新路径出行。该决策规则集中两个类别有效性检验的四个指标分别为：1、1、0.964、1；0.901、1、0.9646、0.925，模型分类性能良好。

4 结语

本文构建了有限理性下基于RIPPER算法的出行路径搜索模型和决策模型。研究结果表明：在有限理性决策理论框架下，运用机器学习算法从数据中提取出以析取范式形式表达的规则，能合理地代表决策过程，完整地复制了出行路径选择行为启发法。说明个体因缺乏全智全能，在出行路径决策时寻求的并非全局最优解，而是在现有知识和认知水平的前提下以阈值来表示的可接受解。

参考文献

[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.

基金项目：江苏省教育厅高校哲学社会科学基金项目（2013SJD630005，2012SJD63005）；江苏省高校自然科学研究项目（14KJB580002）。

作者简介：栾琨（1977-），女，吉林白山人，讲师，博士，研究方向：居民出行行为。

（责任编辑：黄银芳）