基于租房与购房两类选择者住房选择模型的微观仿真方法技术

本发明专利技术涉及一种基于租房与购房两类选择者住房选择模型的微观仿真方法。本发明专利技术通过研究两类选择者在进行住房选择时的选择影响因素，建立了两类选择者住房选择子模型，利用多元离散选择方法来计算效用概率，并通过最大似然估计法来估计效用方程系数，可利用t统计值和可调对数似然比对子模型的贡献度、信任度和拟合优度进行检测。应用本发明专利技术的方法能动态模拟城镇居民的住房选择行为，能为居民个人住房选择提供科学、有效、全局的决策建议，应用本方法也能有效模拟和预测城市土地利用的变化，为城市建设、管理和规划工作提供辅助决策支持。

【技术实现步骤摘要】
基于租房与购房两类选择者住房选择模型的微观仿真方法
本专利技术涉及一种仿真预测方法，具体地说是涉及一种基于租房与购房两类选择者住房选择模型的微观仿真方法。
技术介绍
城市作为一个复杂的巨系统，伴随着系统内外资金、信息、人口、技术等要素的流动与转换，不断经历着城市增长、城市更新、城市衰退等过程。为适应目前城市发展和规划的要求,需要建立科学的城市规划体系,对城市规划区域做出科学的、全局性的和可持续的规划决策，并通过城市规划模型来模拟城市发展的基本规律。随着城市体系的愈加复杂化，城市中的主体密切地联系在一起，智能城市规划不再是单一问题的解决，而是土地利用、交通规划以及政策管理的相结合。因此，城市规划模型应以城市科学、地理学、经济学等学科作为理论基础,以计算技术、地理信息系统、遥感和虚拟现实等多智能体技术作为技术支撑，实现反映城市与区域发展的规律。而在现阶段中，没有深入研究租房与购房两类选择者在进行住房选择时所考虑的因素，微观仿真方法中，也没有对租房与购房两类模型的研究，因而在居民住房选择决策分析领域及城镇土地规划政策的决策分析领域存在一定的缺失，也不能为不同需求的居民的住房选择提供科学的选择决策建议。
技术实现思路
本专利技术的目的是提供一种基于租房与购房两类选择者住房选择模型的微观仿真方法，通过该方法仿真输出结果能有效模拟和预测城市土地利用变化，为租房与购房两类选择者提供合理的住房选择建议，同时模拟出城市各区域人口和消费能力的动态变化，为城市发展、建设、管理和规划提供决策支持。为了实现上述目的，本专利技术所采用的技术方案是：提供一种基于租房与购房两类选择者住房选择模型的微观仿真方法，具体步骤为：步骤一：先通过对租房与购房两类选择者类型，实际选择情况，及实际选择时租房与购房两类选择者选择时考虑因素的研究分析，获得租房与购房两类选择者住房选择因素，并根据选择者类型及两类选择者住房选择因素确定租房与购房两类子模型效用变量；步骤二：采用蒙特卡洛技术对城市土地空间资源和现有城市居民信息进行处理，产生新的空房信息，并结合选择者类型、租房与购房两类子模型效用变量得到住房选择子模型的效用方程，建立基于租房与购房两类选择者的住房选择子模型；步骤三：利用现有城市居民信息，对现有住房信息进行抽样；利用最大似然估计法和抽样住房信息对步骤二中所确定的住房选择子模型的效用方程进行β系数预测，并返回β系数预测值、标准误差、t统计值和可调对数似然比，利用t统计值和可调对数似然比对子模型的贡献度、信任度和拟合优度进行检测；步骤四：对步骤二中产生新的空房信息进行模拟住房选择，模拟选择过程，通过步骤三中所对应的租房或购房的住房选择子模型效用方程的β系数预测值，先计算出住房选择子模型的效用值U，并计算得到住址选择效用概率P及其累计概率；再通过蒙特卡洛方法产生T次0到1之间的随机数，选择随机数落入累计概率区间所对应的住房为所选择的住房，完成了住房选择的整个过程后，将选择结果结合GIS技术进行动态图形化显示；本专利技术步骤一中所述的两类选择者住房选择因素确定为：购房者考虑的住房选择因素为房价、交通便利度、工作地、教育资源、公共设施、环境，租房者选择因素为租房价格、交通便利度、工作地、公共设施。本专利技术所述步骤三中对住房选择子模型效用方程进行β系数预测的步骤如下:1).对第n个人的选择能够准确预测到的概率是：当第n个人选择i时，уni＝1，否则уni＝0；其中i为第i个住房，Pni为住址选择效用概率；2).假定每个选择者之间的选择是独立的，则每个选择者的选择能够被准确观测到的概率为:其中β为子模型效用方程的系数；i为第i个住房，Pni为住址选择效用概率；3).将L(β)取对数线性化得到最大似然估计函数对于第n个选择者选择结果已知时，样本平均最大似然概率函数为：其中Pn(β)为选择者n准确预测结果概率，β为K*1阶矩阵；极大似然估计法是：在系数β的取值范围内，选取使L(β)达到最大的系数作为β的估计量，从而得到β系数，但在实际住房选择时，由于效用值是非线性的，所以在取最大值时不能对LL(β)直接微分，即不能通过来求β的值；4).对LL(β)进行泰勒二阶展开求β系数：其中：gt为K*1阶矩阵，Ht为k*k阶矩阵，(βt+1-βt)′为(βt+1-βt)的转置；t为统计值；对泰勒展开式求导，当导数等于0时，能得到最大值：则βt+1＝βt+(-Ht-1)gt，通过迭代法求β的最大值；令βt+1＝βt+λ(-Ht)-1gt其中：(-Ht)-1gt指方向，λ指步长，并且假定(-Ht)-1>0；迭代过程：若λ＝1时，LL(βt+1)>LL(βt)，则继续进行迭代，其中λ＝(2)n，n＝1,2,3….直到LL(βt+1)<LL(βt)时；若λ＝1时，LL(βt+1)<LL(βt)，则继续进行迭代，其中λ＝(1/2)n，n＝1,2,3….直到LL(βt+1)>LL(βt)时；通过上述方法找到函数的转折点，并且每次迭代时，都将把前一次β值传递给下一个，所求的最大值为本次迭代和前一次迭代值中较大的MAX(LL(βt+1)n，LL(βt+1)n+1)，从而得到与最大值相对应的系数预测值β。本专利技术所述的步骤二中进行模拟住房选择过程，具体步骤如下：步骤⑴.由居民信息和GIS空间数据计算出每个选择者对待选择住址的效用值U，再计算得到住址选择效用概率P,其中第n个选择者对第i个住房的选择效用为Uni，住址选择效用概率Pni；①求第n个选择者对第i个住房的选择效用Uni，其中Uni＝Vni+εni；式中：Vni＝β·xni是线性参数模型，可被观测，其值直接与权重因子相关，εni是一个随机量，服从独立同分布；其中xni表示第n个住房选择者对第i个住房的选择；②.求住址选择效用概率Pni，其中Pni推导如下：已知εni是一个随机量，服从独立同分布；εni的概率密度分布函数可表示为：即εni的分布满足：考虑效用最大化原则，得到住址效用选择概率：已知εni的分布，可估计出εnj的分布：其中εni、εnj服从独立同分布，对于得到用εni的密度分布函数对所有εni的取值进行积分，即为住址效用选择概率；步骤⑵.根据步骤⑴中第n个选择者对每个待选住房的住址选择效用概率Pni，计算得出每个待选住房的累计概率，并将待选住房分配到(0，1)累计概率区间中；步骤⑶.利用蒙特卡罗方法产生T次随机数，随机数的产生概率服从(0，1)上的均匀分布，随机数落入步骤⑵中的累计概率区间，落入随机数次数最多的累计概率区间所代表的住房将为所应选的住房；步骤⑷.当不同选择者对同一住房有选择趋势，则比较选择次数，该住房为选择次数多的选择者所得，其他选择者退而求其次；步骤⑸.结合GIS技术，将选择结果动态显示，供决策者参考。本专利技术提出了基于租房与购房两类选择者住房选择模型的微观仿真方法，本专利技术的方法基于对两类选择者在进行住房选择时选择影响因素的研究，并以经济学、城市科学、地理信息科学和计算机技术作为技术支持，建立了租房与购房两类选择者的住房选择子模型，将不同选择者的影响因素反应到子模型中，再利用蒙特卡洛技术产生新的空房信息，进行模拟住房选择。应用本专利技术的方法能动态模拟城镇居民的住房选择行为，能为居民个人住房选本文档来自技高网...

【技术保护点】
一种基于租房与购房两类选择者住房选择模型的微观仿真方法，具体步骤为：步骤一：通过对选择者类型，实际选择情况，及实际选择时租房与购房两类选择者选择时考虑因素的研究分析，获得租房与购房两类选择者住房选择因素，并根据选择者类型及两类选择者住房选择因素确定租房与购房两类子模型效用变量；步骤二：采用蒙特卡洛技术对城市土地空间资源和现有城市居民信息进行处理，产生新的空房信息，并结合选择者类型、租房与购房两类子模型效用变量得到住房选择子模型的效用方程，建立基于租房与购房两类选择者的住房选择子模型；步骤三：利用现有城市居民信息，对现有住房信息进行抽样；利用最大似然估计法和抽样住房信息对步骤二中所确定的住房选择子模型的效用方程的β系数进行预测，并返回β系数预测值、标准误差、t统计值和可调对数似然比，利用t统计值和可调对数似然比对子模型的贡献度、信任度和拟合优度进行检测；步骤四：对步骤二中产生新的空房信息进行模拟住房选择，模拟选择过程，通过步骤三中所对应的租房或购房的住房选择子模型效用方程的β系数预测值，先计算出住房选择子模型的效用值U，并计算得到住址选择效用概率P及其累计概率；再通过蒙特卡洛方法产生T次0到1之间的随机数，选择随机数落入累计概率区间所对应的住房为所选择的住房，完成了住房选择的整个过程后，将选择结果结合GIS技术进行动态图形化显示。...

【技术特征摘要】
1.一种基于租房与购房两类选择者住房选择模型的微观仿真方法，其特征在于，具体步骤为：步骤一：先通过对租房与购房两类选择者类型，实际选择情况，及实际选择时租房与购房两类选择者考虑因素的研究分析，获得租房与购房两类选择者住房选择因素，并根据选择者类型及两类选择者住房选择因素确定租房与购房两类子模型效用变量；步骤二：采用蒙特卡洛技术对城市土地空间资源和现有城市居民信息进行处理，产生新的空房信息，并结合选择者类型、租房与购房两类子模型效用变量得到住房选择子模型的效用方程，建立基于租房与购房两类选择者的住房选择子模型；步骤三：利用现有城市居民信息，对现有住房信息进行抽样；利用最大似然估计法和抽样住房信息对步骤二中所确定的住房选择子模型的效用方程进行β系数预测，并返回β系数预测值、标准误差、t统计值和可调对数似然比，利用t统计值和可调对数似然比对子模型的贡献度、信任度和拟合优度进行检测；步骤四：对步骤二中产生新的空房信息进行模拟住房选择，模拟选择过程，通过步骤三中所对应的租房或购房的住房选择子模型效用方程的β系数预测值，先计算出住房选择子模型的效用值U，并计算得到住址选择效用概率P及其累计概率；再通过蒙特卡洛方法产生T次0到1之间的随机数，选择随机数落入累计概率区间所对应的住房为所选择的住房，完成了住房选择的整个过程后，将选择结果结合GIS技术进行动态图形化显示；所述步骤三中对住房选择子模型效用方程进行β系数预测的步骤如下:1).对第n个人的选择能够准确预测到的概率是：当第n个人选择i时，уni＝1，否则уni＝0；其中i为第i个住房，Pni为住址选择效用概率；2).假定每个选择者之间的选择是独立的，则每个选择者的选择能够被准确观测到的概率为:其中β为子模型效用方程的系数；i为第i个住房，Pni为住址选择效用概率；3).将L(β)取对数线性化得到最大似然估计函数对于第n个选择者选择结果已知时，样本平均最大似然概率函数为：其中Pn(β)为选择者n准确预测结果概率，β为K*1阶矩阵；极大似然估计法是：在系数β的取值范围内，选取使L(β)达到最大的系数作为β的估计量，从而得到β系数，但在实际住房选择时，由于效用值是非线性的，所以在取最大值时不能对LL(β)直接微分，即不能通过来求β的值；4).对LL(β)进行泰勒二阶展开求β系数：其中：gt为K*1阶矩阵，Ht为k*k阶矩阵，(βt+1-βt)′为(βt+1-βt)的转置,t为统计值；对泰勒展开...

【专利技术属性】
技术研发人员：许进，方思雨，陈丽锋，林可儿，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42