本發(fā)明屬于商業(yè)空間規(guī)劃設(shè)計技術(shù)領(lǐng)域，特別涉及商業(yè)綜合體模擬器。

背景技術(shù)：

隨著我國經(jīng)濟社會的發(fā)展，消費者的需求層級也不斷提高，商業(yè)綜合體作為一種新興的商業(yè)空間發(fā)展模式，表現(xiàn)出從強大的競爭力和廣闊的發(fā)展前景。商業(yè)綜合體是以商業(yè)功能為主導，集零售、餐飲、休閑、娛樂、文化、交通等多種功能于一體的，統(tǒng)一開發(fā)、統(tǒng)一經(jīng)營、統(tǒng)一管理的新興大型商業(yè)設(shè)施，它的出現(xiàn)反映了商業(yè)空間發(fā)展的必然需求。與傳統(tǒng)商業(yè)設(shè)施(如百貨商店、超市、商業(yè)街等)相比，商業(yè)綜合體表現(xiàn)出許多新的特點，如功能與業(yè)態(tài)更加復合多樣、空間利用更為集約、注重豎向空間的發(fā)展、空間形式不限于線型而更加靈活多樣、在空間維度外更強調(diào)時間效應(yīng)等。

商業(yè)綜合體的上述特征迎合了新時代的消費方式與理念，因而得到了迅速發(fā)展，正呈現(xiàn)全面鋪開、井噴建設(shè)的迅猛發(fā)展態(tài)勢。然而，從已投入運營的商業(yè)綜合體來看，這一新型設(shè)施在給消費者帶來各種便利的同時，也暴露出了諸多問題，包括消費環(huán)境擁擠混亂、新興服務(wù)密集型業(yè)態(tài)等待時間過長、設(shè)施配建不足、個人安全存在隱患等。以上對商業(yè)綜合體內(nèi)常見的消費者負面體驗進行了總結(jié)，顯然，這些問題都與商業(yè)綜合體功能、空間的規(guī)劃設(shè)計密切相關(guān)。另一方面，從開發(fā)、運營主體與規(guī)劃設(shè)計人員的視角出發(fā)，如何更加合理地進行功能配比與空間配置，從而改善消費體驗，吸引客流，帶動更多消費活動的產(chǎn)生，是迫切需要解決的問題。

解決這些問題的關(guān)鍵在于在建設(shè)或改建商業(yè)綜合體之前，對商業(yè)綜合體內(nèi)的客流情況有一個前瞻性的把握。如果能夠做到這一點，就可以通過規(guī)劃設(shè)計手段盡量避免造成擁擠、排隊過長、安全隱患等影響消費者體驗的問題，同時可以讓經(jīng)營管理者更合理地協(xié)調(diào)空間關(guān)系，優(yōu)化空間布局，使之能夠更好地滿足消費者需求，平衡各方利益，創(chuàng)造最大價值。

既有研究對商業(yè)綜合體的問題雖然有很多關(guān)注，但大多采用定性研究的辦法，研究者更多從理念、經(jīng)驗與價值判斷出發(fā)，提出對“商業(yè)綜合體應(yīng)該如何建設(shè)”這一問題的個人對策。僅有少數(shù)研究試圖對商業(yè)綜合體的客流分布進行分析，但這些研究一般采用集合層面的匯總數(shù)據(jù)，利用空間句法、回歸分析、相關(guān)分析等方法對客流分布進行總體解釋，并不具有真正意義上的預測能力。特別地，這些定量研究采用的集計方法明顯精度不足。

有少數(shù)歐美和日本的研究通過多代理人技術(shù)(multiagentsystem,mas)開發(fā)了針對購物中心的個體模擬平臺，但這些平臺所依賴的消費者空間行為機制都是一般都是基于確定性規(guī)則的。這些已有的個體模擬平臺對數(shù)據(jù)的要求很高，一般都需要預知每個消費者的完整計劃，如購物清單(shoppinglist)、活動日程表(agenda)等，再依照這樣的計劃運用預設(shè)的規(guī)則開展模擬。此外，既有的國外個體模擬平臺對模擬結(jié)果的可靠性和精度缺乏驗證，也大多沒有對其在規(guī)劃設(shè)計中的應(yīng)用價值進行闡述。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供商業(yè)綜合體模擬器，也是一套完整的方法路線，使得規(guī)劃設(shè)計人員和商業(yè)綜合體的開發(fā)運營者可以利用消費者的空間行為機制規(guī)律，針對某個商業(yè)綜合體的布局方案開展可靠、高精度的消費者個體空間行為模擬預測，得到在商業(yè)綜合體內(nèi)部空間內(nèi)的客流分布等模擬結(jié)果，由此為商業(yè)綜合體的空間配置優(yōu)化提供決策支持。

一種商業(yè)綜合體模擬器，包括表現(xiàn)層、功能層和數(shù)據(jù)層，

表現(xiàn)層包括功能菜單、快速操作區(qū)、繪圖區(qū)和即時窗口，

功能層包括的模塊有：輸入基礎(chǔ)數(shù)據(jù)、設(shè)定離散選擇模型、設(shè)定邊界條件、運行個體模擬、模擬結(jié)果分析和模擬結(jié)果可視化模塊，設(shè)定離散選擇模型包括使用既有模型和估計新模型，輸入基礎(chǔ)數(shù)據(jù)、設(shè)定邊界條件的設(shè)定離散選擇模型的輸出均連接運行個體模擬模塊，運行個體模擬模塊的輸出連接到模擬結(jié)果分析和模擬結(jié)果可視化模塊，運行個體模擬模塊包括模擬空間行為、時空行為、消費和動態(tài)響應(yīng)/排隊，

數(shù)據(jù)層包括基礎(chǔ)數(shù)據(jù)、選擇模型數(shù)據(jù)、模擬設(shè)定和邊界條件數(shù)據(jù)和結(jié)果數(shù)據(jù)模塊，

基礎(chǔ)數(shù)據(jù)包括方案和分區(qū)，選擇模型數(shù)據(jù)包括內(nèi)置默認模型參數(shù)和自定義模型參數(shù)，模擬設(shè)定和邊界條件數(shù)據(jù)包括模擬設(shè)定參數(shù)、入口分布、各類時間分布和消費分布，結(jié)果數(shù)據(jù)包括模擬結(jié)果和對照結(jié)果，消費者行為實測數(shù)據(jù)作為選擇模型數(shù)據(jù)、模擬設(shè)定和邊界條件數(shù)據(jù)和結(jié)果數(shù)據(jù)模塊的輸入，

商業(yè)綜合體模擬器的運行過程包括：

用戶通過功能菜單和快速操作區(qū)輸入數(shù)據(jù)并完成指令操作，從繪圖區(qū)和即時窗口中獲得結(jié)果；

在內(nèi)部功能層，首先需要用戶輸入基礎(chǔ)數(shù)據(jù)，同時還要求用戶設(shè)定反映消費者空間活動機制的離散選擇模型，模型既可以利用內(nèi)置的默認模型，也可以由用戶提供實測數(shù)據(jù)估計新模型；

在已完成基礎(chǔ)數(shù)據(jù)和模型的準備工作后，用戶可以設(shè)定模擬的邊界條件(模擬人數(shù)、入口分布、模擬次數(shù)等)，然后運行個體模擬，模擬的內(nèi)容包括空間行為、時間行為、消費行為、排隊行為；

在完成模擬后，用戶通過模擬結(jié)果分析和模擬結(jié)果可視化模塊對結(jié)果進行分析和輸出，并通過繪圖和視頻的方式對結(jié)果進行可視化；

數(shù)據(jù)層中的數(shù)據(jù)包括基礎(chǔ)數(shù)據(jù)中的方案分區(qū)和解釋變量取值，離散選擇模型數(shù)據(jù)中的內(nèi)置默認模型參數(shù)和用戶自定義模型參數(shù)，模擬設(shè)定和邊界條件數(shù)據(jù)中的模擬設(shè)定參數(shù)、消費者的入口分布、消費者到達的時間分布、在各小區(qū)的停留時間分布、在各小區(qū)之間的交通時間分布、在各小區(qū)的消費比例和消費額分布；結(jié)果數(shù)據(jù)中的模擬結(jié)果和對照結(jié)果。

離散選擇模型用以計量解釋消費者空間行為背后的機制，把消費者的空間行為視為一次次連續(xù)不斷的選擇過程：

設(shè)某一消費者從入口e進入后，在回游過程中有k次停留活動p1,p2,…,pk-1,pk，最后離開的去向記為h，其路徑“e→p1→p2→…→pk-1→pk→h”被拆分為以下k+1個od(origin-destination，起訖點)組合，反映其每一步從哪里來、到哪里去：

“從e到p1”、“從p1到p2”、……、“從pk-1到pk”、“從pk到h”，每一個od組合其實都是一次選擇：根據(jù)當前的情景和所在地，在諸多備選項中選擇下一步去哪里；

把商業(yè)綜合體的空間劃分為若干個空間小區(qū)，則這些空間小區(qū)就是消費者空間選擇的備選項，除此之外，在每一步選擇時，消費者還有一個特殊的備選項——結(jié)束活動，離開商業(yè)綜合體，以下將其簡稱為回家；

如果有某商業(yè)綜合體消費者路徑的實際觀測數(shù)據(jù)，將個體路徑拆分為選擇數(shù)據(jù)，用以估計離散選擇模型，在模擬過程中，利用離散選擇模型預測消費者每一步連續(xù)的選擇行為，將預測結(jié)果“組裝”成其個體路徑，再形成其他空間統(tǒng)計結(jié)果。

采用mnl模型(multinomiallogit)作為離散選擇模型的具體形式。

所述的個體模擬以消費者個體空間行為模擬為代表，包括步驟：

從消費者從入口開始，以離散選擇模型計算選擇概率；

以蒙特卡洛模擬執(zhí)行選擇決策，記錄結(jié)果到路徑，如果是回家則結(jié)束模擬；

如果不是回家，則為下次選擇更新個體數(shù)據(jù)，然后再次計算選擇概率，

蒙特卡洛模擬中，設(shè)有n個備選項，其選擇概率分別為pk(k＝1,2,…,n)，則可以把0-1的概率區(qū)間分為n段：其中第i段為由此保證這n個區(qū)段的長度分別對應(yīng)于n個備選項的選擇概率，例如，若有4個備選項a、b、c、d，其選擇概率分別為0.4、0.1、0.2、0.3，則可以把0-1的概率區(qū)間分為4段——[0,0.4]，(0.4,0.5]，(0.5,0.7]，(0.7,1]，三個分段點通過如下的累加方式獲得：

p(a)＝0.4,p(a)+p(b)＝0.4+0.1＝0.5，

p(a)+p(b)+p(c)＝0.4+0.1+0.2＝0.7，

由此保證這4個區(qū)段的長度分別對應(yīng)于4個備選項的選擇概率，進而生成一個0-1的均勻分布隨機數(shù)，根據(jù)其落入的區(qū)段確定哪個對應(yīng)的備選項被選中。

除了基礎(chǔ)的空間行為模擬外，個體行為模擬還包括時空行為和消費行為模擬，其中，

時間維度的模擬為每個消費者增加時間線，在已知消費者入場時間的前提下，根據(jù)消費者每次前往下一目的地所花費的交通時間以及在該處的停留時長，得到其每次活動的開始和結(jié)束時刻，以及任意時刻其所處的狀態(tài)和位置，入場時間、停留時間、交通時間的分布都由用戶提供實際觀察數(shù)據(jù)由商業(yè)綜合體模擬器進行估計，或在缺乏觀察數(shù)據(jù)的情況下由用戶直接輸入；

消費模擬通過實際觀察數(shù)據(jù)估計或用戶直接輸入的方式為每個空間小區(qū)設(shè)定一個消費額分布，考慮到很多小區(qū)中都會有大量未發(fā)生消費的顧客，如果不預先考慮這些0元素將會導致特殊的分布形態(tài)，且在模擬中無法再現(xiàn)未消費的現(xiàn)象，

因此首先設(shè)定每個小區(qū)的未消費比例，再對發(fā)生消費的樣本(消費額>0)設(shè)定消費額分布，在模擬中，每當消費者選擇了一個空間小區(qū)進行活動時，模擬系統(tǒng)首先基于該小區(qū)的未消費比例，通過蒙特卡洛方法預測消費者是否發(fā)生消費，只有當發(fā)生了消費時，再基于該小區(qū)的消費分布隨機生成本次活動的消費額。

本發(fā)明具有高度的靈活性，完全可以在僅有一個商業(yè)綜合體方案的情況下即獲得相當高精度的模擬結(jié)果。本發(fā)明則通過與實際觀察數(shù)據(jù)的對比驗證了結(jié)果具有高精度和高可靠性，并且對規(guī)劃設(shè)計實務(wù)具有顯而易見的決策支持作用。

附圖說明

圖1本發(fā)明商業(yè)綜合體模擬器(ccsim)的基本架構(gòu)。

圖2本發(fā)明中個體行為模擬的基本流程。

圖3本發(fā)明實施例中，個體活動次數(shù)的模擬精度圖。

圖4本發(fā)明實施例中，停留人次分布的模擬精度圖。

圖5本發(fā)明實施例中，od分布的模擬精度圖。

圖6本發(fā)明實施例中，多情景模擬的特征指標結(jié)果對比圖。

具體實施方式

本發(fā)明現(xiàn)已開發(fā)形成了一個終端用戶程序——ccsim(commercialcomplexsimulator，商業(yè)綜合體模擬器)。發(fā)明與程序的基本架構(gòu)如圖1所示。

從圖1中可以看到，用戶可通過功能菜單和快速操作區(qū)輸入數(shù)據(jù)并完成指令操作，從繪圖區(qū)和即時窗口中獲得結(jié)果。在內(nèi)部功能層的任務(wù)實現(xiàn)上，首先需要用戶輸入基礎(chǔ)數(shù)據(jù)；同時還要求用戶設(shè)定反映消費者空間活動機制的離散選擇模型，模型既可以利用內(nèi)置的默認模型，也可以由用戶提供實測數(shù)據(jù)估計新模型；在已完成基礎(chǔ)數(shù)據(jù)和模型的準備工作后，用戶可以設(shè)定模擬的邊界條件(模擬人數(shù)、入口分布、模擬次數(shù)等)，然后運行個體模擬，模擬的內(nèi)容包括空間行為、時間行為、消費行為、排隊行為等；在完成模擬后，用戶可以對結(jié)果進行分析和輸出，并通過繪圖和視頻的方式對結(jié)果進行可視化。在功能實現(xiàn)的過程中涉及到一系列數(shù)據(jù)存儲、管理、交換，這些數(shù)據(jù)包括基礎(chǔ)數(shù)據(jù)中的方案分區(qū)和解釋變量取值；離散選擇模型數(shù)據(jù)中的內(nèi)置默認模型參數(shù)和用戶自定義模型參數(shù)；模擬設(shè)定和邊界條件數(shù)據(jù)中的模擬設(shè)定參數(shù)、消費者的入口分布、消費者到達的時間分布、在各小區(qū)的停留時間分布、在各小區(qū)之間的交通時間分布、在各小區(qū)的消費比例和消費額分布；結(jié)果數(shù)據(jù)中的模擬結(jié)果和對照結(jié)果等。注意到圖1中自定義模型參數(shù)、各類時間分布、消費分布、對照結(jié)果的框線為虛線，表示這些并不是模擬預測的必要數(shù)據(jù)，它們可以由用戶提供額外的消費者行為實測數(shù)據(jù)進行估計。如果用戶有做過調(diào)查而獲得了這樣的數(shù)據(jù)，那么由此可以提供更加契合特定案例的模型和模擬邊界條件，使得預測精度更高；如果用戶沒有這樣的數(shù)據(jù)，本發(fā)明和ccsim程序亦可以得到盡可能高質(zhì)量的模擬結(jié)果。

本發(fā)明采用的主要方法為離散選擇模型和個體行為模擬，其中，后者的核心發(fā)明是蒙特卡洛模擬。以下對它們分別詳細介紹。

離散選擇模型

消費者的選擇行為

離散選擇模型(discretechoicemodel)的主要目的是以計量模型解釋消費者空間行為背后的機制，它把消費者的空間行為視為一次次連續(xù)不斷的選擇過程：設(shè)某一消費者從入口e(entrance)進入后，在回游過程中有k次停留活動p1,p2,…,pk-1,pk，最后離開的去向記為h(home)，那么其路徑“e→p1→p2→…→pk-1→pk→h”顯然可以被拆分為以下k+1個od(origin-destination，起訖點)組合，反映其每一步從哪里來、到哪里去：“從e到p1”、“從p1到p2”、……、“從pk-1到pk”、“從pk到h”，每一個od組合其實都是一次選擇：根據(jù)當前的情景和所在地，在諸多備選項中選擇下一步去哪里。在采用本技術(shù)分析之前需要把商業(yè)綜合體的空間劃分為若干個空間小區(qū)，則這些空間小區(qū)就是消費者空間選擇的備選項，除此之外，在每一步選擇時，消費者還有一個特殊的備選項——結(jié)束活動，離開商業(yè)綜合體，以下將其簡稱為回家。通過這一方式，如果有某商業(yè)綜合體消費者路徑的實際觀測數(shù)據(jù)，就可將個體路徑拆分為選擇數(shù)據(jù)；反之，在模擬過程中，又可以利用離散選擇模型預測消費者每一步連續(xù)的選擇行為，將預測結(jié)果“組裝”成其個體路徑，再形成其他空間統(tǒng)計結(jié)果。

離散選擇模型的基本原理

以下基于本發(fā)明的具體語境簡要介紹離散選擇模型的計量原理。該模型基于隨機效用理論(randomutilitytheory)，假定對于每一個選擇主體(即消費者)n而言，每一個備選項i都對應(yīng)一定的效用uni，該效用由固定和隨機兩部分構(gòu)成，如式2.1所示：

uni＝vni+εni(2.1)

上式中，vni為固定效用，εni為隨機效用。固定效用是總效用中可以被自變量所解釋的系統(tǒng)化成份。然而，盡管可以通過自變量的精心選擇盡可能提高對選擇結(jié)果的解釋力，但由于現(xiàn)實中消費者空間行為本身的極端復雜性，必然有一些影響要素由于分析過程中的取舍、難以準確測度等原因被遺漏在外，再考慮到測量誤差的存在，這些非系統(tǒng)化的，因此也是不可知的部分就構(gòu)成了隨機效用。一般地，固定效用采用各自變量線性組合的形式，如式2.2，式中xni為各自變量的取值向量，β為表征各自變量影響權(quán)重的參數(shù)向量。

vni＝β′xni(2.2)

離散選擇模型遵循效用最大化假設(shè)，即消費者將選擇總效用最高的選項，如式2.3。例如，如果消費者在某一次回游決策時選擇了某個空間小區(qū)，則該空間小區(qū)的總效用應(yīng)較其他所有空間小區(qū)都更高，也應(yīng)高于回家；如果選擇了回家，那么此時回家的總效用應(yīng)高于所有空間小區(qū)。式2.3中，雖然固定效用vni、vnj可以通過各自變量的具體水平唯一確定，但隨機效用εni、εnj的大小是難以明確獲得的，只能通過統(tǒng)計分布進行描述。因此，消費者n在某一次決策時選中備選項i這一事件的發(fā)生與否則隨機的，其概率pni如式2.4所示。

可以看到，pni的計算依賴于εni的分布，這將導致根據(jù)隨機效用分布的不同假設(shè)，離散選擇模型有多種形式，需要再具體設(shè)定。本發(fā)明在理論上允許任何形式的設(shè)定，如一般的多項logit模型(multinomiallogitmodel,mnl)、嵌套logit模型(nestedlogitmodel,nl)等。

具體形式：mnl模型

mnl模型是最簡單、常用的離散選擇模型，它假設(shè)隨機效用εni服從獨立同分布的甘布爾分布(gumbeldistribution)。在有了這樣的假設(shè)后，式2.4中的選擇概率pni就可利用隨機效用的獨立性和甘布爾分布的概率密度函數(shù)進行計算，得到形如式2.5的封閉形式。

mnl模型具有技術(shù)門檻低、易于實現(xiàn)、形式簡潔、結(jié)果穩(wěn)健等優(yōu)點。由于這些優(yōu)點，本技術(shù)將其作為ccsim中的內(nèi)置模型形式，同時提供了一組基于上海市五角場萬達廣場消費者行為調(diào)查數(shù)據(jù)估計的簡化版模型結(jié)果(只保留必要的解釋變量，以保證該模型的通用性)，以供用戶在沒有實測數(shù)據(jù)時直接使用。

補充形式：嵌套logit模型

由于許多商業(yè)綜合體是多建筑多層的空間環(huán)境，所以在劃分空間小區(qū)時可能會出現(xiàn)多個小區(qū)位于同一建筑內(nèi)的情景，例如：如果要考慮樓層對消費者行為的影響，就需要將同一建筑的每一層劃分為一個獨立的空間小區(qū)。此時，作為備選項的各個空間小區(qū)之間就會出現(xiàn)復雜的相關(guān)關(guān)系：處于同一建筑內(nèi)部的小區(qū)之間一般具有更強的相關(guān)性，這與mnl模型的理論假設(shè)在一定程度上有所違合。如果要提高分析和模擬的精度，此時可以選擇更加精細化的嵌套logit模型。該模型將備選項劃分為若干個子集——同一建筑的空間小區(qū)屬于一個子集，由此形成了一個分層嵌套的樹形結(jié)構(gòu)，消費者先選擇位于上層的建筑大選項(枝節(jié)點)，再選擇位于下層的該建筑內(nèi)部的空間小區(qū)(葉子節(jié)點)。來自子集bm(m＝1,…,m)的備選項i被選擇主體n選中的概率如式2.6，式中的非相似系數(shù)λm(0<λm<1)反映了子集bm內(nèi)部相關(guān)性的大小，λm越大，相關(guān)性越小。

由于嵌套logit模型較為復雜，更重要的是其模型設(shè)定依賴于用戶的對具體商業(yè)綜合體案例的空間劃分，所以難以建立一定的默認設(shè)置。因此，在ccsim中沒有采用該模型形式。雖然該模型較一般的mnl模型在理論的科學性上更為優(yōu)越，但如果用戶希望采用該模型，則需要自行完成相關(guān)的數(shù)據(jù)采集、建模、后續(xù)模擬工作。經(jīng)過實踐檢驗，一般的mnl模型在預測精度上已達到非常高的水平。

解釋變量的選擇

ccsim中允許用戶根據(jù)自身案例的實際情況靈活地選擇解釋變量，但如果用戶自定義解釋變量，就需要采集相應(yīng)的消費者空間行為數(shù)據(jù)，建立離散選擇模型對變量系數(shù)進行估計(可通過ccsim自動完成)。為了便于那些缺乏數(shù)據(jù)的用戶使用，ccsim中內(nèi)置了簡化版的模型，只保留了幾乎所有案例都會用到的一般性解釋變量，使之具有最大限度的通用性。這些解釋變量包括：1)各空間小區(qū)的總營業(yè)面積(單位：m²)、2)每兩個空間小區(qū)之間的平面距離(單位：m)、3)豎向距離(單位：層)、4)消費者對每個空間小區(qū)的熟悉度、5)消費者在本次活動中對各空間小區(qū)的已到訪次數(shù)、6)消費者當前已參與的累積活動次數(shù)。對于這6個變量，用戶只需提供前3個或4個(視是否有可靠的熟悉度數(shù)據(jù)而定)，后2個則在模擬中自動生成，無需用戶處理。

個體行為模擬

本發(fā)明提出的消費者個體空間行為模擬系統(tǒng)的基本流程如圖2所示。每個消費者的入口是給定的，在進入以后需要不斷地做選擇，每一次選擇時，模擬系統(tǒng)將收集當前情景下各項解釋變量的取值，并利用消費者空間行為選擇模型計算對各個備選項各自的選擇概率；根據(jù)當前的選擇概率分布，模擬系統(tǒng)將使用蒙特卡洛方法確定最終的選擇結(jié)果，并將其記錄到該消費者的個體路徑的尾端；上述過程即完成了一次選擇，此時模擬系統(tǒng)會檢驗該結(jié)果是否為最后一個備選項——回家，如果是回家，則該消費者的個體路徑模擬即宣告結(jié)束，如果不是，則模擬系統(tǒng)會把其剛剛選擇的空間小區(qū)作為其最新的當前位置，更新各項解釋變量的取值，例如，根據(jù)當前位置更新到其他空間小區(qū)的距離，將當前位置小區(qū)的已到訪次數(shù)加1，增加1次累積活動次數(shù)等，這里需要注意的是，如果消費者在入口的第一次選擇即選擇了回家，則被認為是不合邏輯的而需要重新選擇，當然這種情況發(fā)生的可能性極低(回家的效用在開始時最低)，只是一種理論上的補充；在完成個體數(shù)據(jù)更新后，模擬系統(tǒng)將重新計算其對各個備選項的選擇概率，利用蒙特卡洛方法生成并記錄新一輪的選擇結(jié)果，如此循環(huán)執(zhí)行，直至該消費者選擇回家為止。

如圖2所示，流程中的關(guān)鍵是每一次決策中選擇概率的計算和選擇結(jié)果的確定。前者主要依賴于離散選擇模型，而后者則主要依賴于蒙特卡洛模擬方法(montecarlosimulation)。概率是帶有內(nèi)在不確定性的——雖然在一次選擇中高概率選項被選中的機會更大，但結(jié)果反而可能“恰好”是低概率選項。蒙特卡洛模擬將通過不斷生成隨機數(shù)的方式，合理地根據(jù)不確定性的概率做確定性的預測，其合理性體現(xiàn)為“概率”與事件多次發(fā)生時的“頻率”是一致的。以下以一個例子簡要介紹其在本技術(shù)中的應(yīng)用方式：設(shè)有4個備選項a、b、c、d，其選擇概率分別為0.4、0.1、0.2、0.3，則可以把0-1的概率區(qū)間分為4段——[0,0.4]，(0.4,0.5]，(0.5,0.7]，(0.7,1]，三個分段點通過如下的累加方式獲得：p(a)＝0.4,p(a)+p(b)＝0.4+0.1＝0.5，p(a)+p(b)+p(c)＝0.4+0.1+0.2＝0.7，由此可以保證這4個區(qū)段的長度分別對應(yīng)于4個備選項的選擇概率，進而生成一個0-1的均勻分布隨機數(shù)，根據(jù)其落入的區(qū)段確定哪個對應(yīng)的備選項被選中，顯而易見，雖然在一次嘗試中隨機數(shù)可能落到任何區(qū)段中，但如果有足夠多的嘗試，則落入4個區(qū)段的頻率應(yīng)與它們各自的長度、進而與選擇概率的分布取得一致。由于這種基于隨機數(shù)的方法上類似于擲骰子，因此被冠以蒙特卡洛(世界著名賭城)之名。

以上是對單個消費者的個體模擬過程。用同樣的辦法可以對很多消費者進行模擬，得到每個人的個體路徑作為原始結(jié)果，再對其進行匯總統(tǒng)計，得到更有意義的分析結(jié)果，如個體平均活動次數(shù)、停留人次的空間分布等。至此，只是完成了一次模擬分析的過程，由于蒙特卡洛模擬具有隨機性，為了得到足夠穩(wěn)定的結(jié)果，一般需要多次模擬分析，具體的模擬次數(shù)根據(jù)實際情況確定。

以上的基本流程介紹了最為核心的消費者空間行為模擬，本發(fā)明的研究還增加時間維度，開展時空行為模擬，并考慮消費者在每次停留時的消費情況，開展消費行為模擬，以下簡要介紹其方法。

時間維度的模擬主要是為每個消費者增加時間線，在已知消費者入場時間的前提下，根據(jù)消費者每次前往下一目的地所花費的交通時間以及在該處的停留時長，得到其每次活動的開始和結(jié)束時刻，以及任意時刻其所處的狀態(tài)和位置。入場時間、停留時間、交通時間的分布都可以由用戶提供實際觀察數(shù)據(jù)由ccsim進行估計，或在缺乏觀察數(shù)據(jù)的情況下由用戶直接輸入。在模擬過程中將依賴于這些分布中不斷抽取隨機數(shù)作為預測的入場時間、停留時間、交通時間。此外需要指出，在考慮時間維度的模擬時，用戶可以事先建立一個帶有時間相關(guān)要素的離散選擇模型，使得某些解釋要素只在特定的時間段內(nèi)對消費者的行為發(fā)生影響，這些也可以在ccsim中自動完成。

消費行為模擬較為簡單，與停留時長的模擬方式類似：通過實際觀察數(shù)據(jù)估計或用戶直接輸入的方式為每個空間小區(qū)設(shè)定一個消費額分布。有所不同的是，可以想像很多小區(qū)中都會有大量未發(fā)生消費的顧客，如果不預先考慮這些0元素將會導致特殊的分布形態(tài)，且在模擬中無法再現(xiàn)未消費的現(xiàn)象，為此，本技術(shù)要求首先設(shè)定每個小區(qū)的未消費比例，再對發(fā)生消費的樣本(消費額>0)設(shè)定消費額分布。在模擬中，每當消費者選擇了一個空間小區(qū)進行活動時，模擬系統(tǒng)首先基于該小區(qū)的未消費比例，通過蒙特卡洛方法預測消費者是否發(fā)生消費，只有當發(fā)生了消費時，再基于該小區(qū)的消費分布隨機生成本次活動的消費額。

以下以一個具體的商業(yè)綜合體案例——上海市五角場萬達廣場為例，檢驗?zāi)１景l(fā)明的精度。我們通過消費者行為調(diào)查獲取了五角場萬達323條消費者個體路徑，基于該數(shù)據(jù)建立了離散選擇模型，并利用該模型對基準情景進行了模擬。所謂基準情景(basescenario)即不改變現(xiàn)實中的任何條件，將完全相同的消費者(323個樣本，已知各自的入口，以及對每個小區(qū)的熟悉度)輸入到當前的空間環(huán)境配置中，通過對比模擬得到的結(jié)果與實際觀察結(jié)果，評估模擬的系統(tǒng)誤差。研究在3個層面開展誤差評估：消費者個體活動次數(shù)是只有1個取值的標量(scalar)；各個空間小區(qū)的停留人次分布是有45個取值的一維向量，也是本發(fā)明最關(guān)心的內(nèi)容；各小區(qū)間的od分布是45*45的二維矩陣。從結(jié)果的復雜度可以預期，上述三方面誤差的大小會依次升高，具體分述如下?？紤]到蒙特卡洛方法中的隨機性，模擬的次數(shù)設(shè)定為300次。

圖3顯示了323名消費者個體活動次數(shù)平均值、標準差、中位數(shù)、最大值的實際觀測結(jié)果(粗線)、每次模擬的單次結(jié)果波動(細線)，以及前n次模擬的平均結(jié)果逐漸收斂的情況(粗線，線尾即為全部300次模擬的平均結(jié)果)?？梢钥吹?，雖然單次模擬的結(jié)果有不同程度的波動，但平均結(jié)果在不到50次時即已趨于收斂，此后粗線與粗線之間差距即為穩(wěn)定的系統(tǒng)誤差。323名個體活動次數(shù)均值的實際結(jié)果為4.45次，300次模擬的平均結(jié)果為4.56次，相對誤差率僅有2.49％，表現(xiàn)出了非常高的精度水平；個體活動次數(shù)標準差的平均模擬結(jié)果較實際結(jié)果略低，但誤差水平同樣十分理想；個體中位活動次數(shù)的實際結(jié)果為4次，而單次模擬結(jié)果則均為4次或5次，與實際十分接近；最后，個體最大活動次數(shù)的實際結(jié)果為12次，高于平均模擬結(jié)果的9.34次，該結(jié)果本身即帶有更大的偶然性，在300次模擬中也多次出現(xiàn)了12次的最大活動次數(shù)。綜合以上比較，模擬系統(tǒng)在個體平均活動次數(shù)上誤差很小，有非常好的表現(xiàn)。

圖4(a)和圖4(b)分別顯示了實際空間分布和300次模擬的平均空間分布的對比，圖中的每一個點代表一次消費者的停留活動，可以看到實際與模擬的分布形態(tài)非常接近，直觀反映出模擬結(jié)果在這一層面仍然具有很好的表現(xiàn)。為了更精確地比較兩個分布的相似性，圖4(c)和圖4(d)中分別顯示了實際與模擬平均結(jié)果的折線圖和散點圖：在折線圖中兩條線雖然在少數(shù)小區(qū)有明顯偏離，但整體非常接近，準確把握了基本特征；在散點圖中呈現(xiàn)明顯的線性趨勢，且趨勢線即為對角線(y＝x)，實際與模擬的相關(guān)系數(shù)高達0.95，在1％的水平下顯著。總結(jié)以上對比可以論斷：模擬系統(tǒng)在預測消費者活動的整體空間分布上有著很高的精度，結(jié)果十分可靠。

圖5(a)和圖5(b)分別顯示了實際od分布和300次模擬的平均od分布的對比。由于有大量的od之間的交通聯(lián)系很少，為了顯示便利，真實的od數(shù)據(jù)被歸一化至0-10的區(qū)間內(nèi)，只有取值大于1的主要od對才被顯示出來?？梢钥吹?，實際與模擬結(jié)果仍然具有較高的相似性，模擬系統(tǒng)能夠有效把握od分布的基本格局，但與圖4中的相對簡單的停留人次分布相比，模擬在這一層面的誤差明顯增大。進一步測度實際與模擬od值的相關(guān)系數(shù)，發(fā)現(xiàn)其下降至0.76(p<0.01)，證實了模擬結(jié)果雖然與實際的趨勢保持一致，但在許多細節(jié)上的精度有所下降。雖然如此，考慮到問題的復雜度大大提升，本發(fā)明在既有條件下已達到較好的水平。

本發(fā)明可用于指導規(guī)劃設(shè)計，以下仍以上海市五角場萬達廣場為例。設(shè)想通過一些規(guī)劃設(shè)計策略改變其功能與空間配置，對改變后的環(huán)境進行多情景模擬，以預測和定量評價這些策略的潛在效果，從而為規(guī)劃設(shè)計工作提供決策支持。

五角場萬達的的一大問題是各空間小區(qū)之間消費者的分布不均衡，一些小區(qū)過于擁擠，而另一些小區(qū)則缺乏人氣?？紤]到那些缺乏人氣的小區(qū)大多是支付相對高租金的非主力店鋪，提高消費者分布的均衡度不僅有利于這些店鋪，也是整體商業(yè)綜合體希望看到的結(jié)果。因此，可以將改善整體分布的均衡性、增加當前缺乏人氣場所的活動停留人次作為規(guī)劃設(shè)計措施的目標1與目標2。另一方面，單個消費者的平均活動次數(shù)被視為商業(yè)綜合體活力的重要指標，如果該指標提高，那么同樣數(shù)量的消費者將帶來更多的活動，帶來更多商機。因此，可以把提高消費者的平均活動次數(shù)作為規(guī)劃設(shè)計措施的目標3。

這里以3個情景為例。情景1是在現(xiàn)存地鐵出入口的對側(cè)設(shè)置一個新的地鐵出入口，由于地鐵是消費者到達五角場萬達的主要交通方式，此舉主要旨在平衡客流分布；情景2是升級當前人氣不高的一棟建筑(特力時尚匯)內(nèi)的商鋪品牌，使消費者對其具有很高的熟悉度，旨在提高該建筑的人氣；情景3則是一個純空間策略，在五角場萬達5棟建筑的3層之間設(shè)置空中連廊，使得消費者能夠更加便利的在建筑上層之間移動，此舉希望通過打通聯(lián)系來促進消費者的回游，提高個體的平均活動次數(shù)。

對這3個情景分別進行模擬，并計算相應(yīng)指標?？臻g基尼系數(shù)用以測度各小區(qū)活動分布的不均衡性(目標1)，而特力時尚匯的總到訪次數(shù)以及單個消費者的人均活動次數(shù)則針對目標2和目標3，結(jié)果如圖6。可以看到，增加新出入口(情景1)以及升級特力時尚匯的品牌(情景2)可以顯著地降低空間基尼系數(shù)，然而增加空中連廊(情景3)對這一指標沒有顯著影響。如果要提高當前人氣不高的特力時尚匯的活動人次，在3種情景中直接升級其品牌(情景2)無疑是最有效的。最后，對于提高單個消費者的平均活動次數(shù)這一目標，3種情景中只有增設(shè)空中連廊(情景3)得以實現(xiàn)，而增加出入口(情景1)、提升特力時尚匯品牌(情景2)對此都沒有顯著效果。