不确定环境下收费与信息对路径选择行为影响的实验研究

在不确定环境下考虑信息发布与拥挤收费两种措施,基于交通网络均衡,推导了两路径简单路网的最优收费模型,并推广至一般路网。基于两路径路网设计逐日路径选择行为实验,分析了两种措施对路径选择行为的影响。结果表明:完美信息与收费的实施均能减少流量波动,单独实施收费的效果最佳,但只有两种措施相结合时,路网流量趋于用户均衡的趋势最稳定;完美信息会增加路径切换行为,而收费可有效抑制大幅的路径切换;无收费时路径切换往往会造成出行成本增加,而收费时则相反;收费与信息结合时的出行时间比两种措施单独实施时小。

运营突发事件下城市轨道交通诱导信息发布策略研究

运营突发事件下,向城市轨道交通(城轨)乘客有针对性地发布诱导信息,是实现高效疏导、确保城轨运营安全的重要举措。本文考虑乘客异质性,开展突发事件下城轨诱导信息发布策略研究。首先,基于潜在分类模型(Latent Class Model,LCM)构建城轨乘客在突发事件和诱导信息双重作用下的路径选择行为模型,分析乘客对诱导信息接受程度及路径选择偏好的差异。其次,以线网乘客总出行时间和线网客流分布均衡性基尼系数为优化目标,构建基于路径选择行为分析的信息诱导优化模型,并应用非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)求解,以获得突发事件下受影响起讫点(Origin and Destination,OD)间各有效路径的最优推荐指数。最后,以北京市工作日早高峰城轨区域线网进行案例分析。结果表明:城轨乘客在突发事件下对诱导信息存在“诱导服从型”“诱导中立型”“诱导无视型”这3类不同接受程度的群体。提供诱导信息后,线网乘客总出行时间减少3.906%,线网客流分布均衡性基尼系数下降4.063%,同时减少了高满载率区间数量。事件结束后,诱导信息的继续发布可降低突发事件受影响区间7.08%的满载率,并避免乘客在刚恢复正常运营区间上的再次聚集。

基于混合选择模型的停车换乘地铁行为研究

正确理解智能手机提供的多模式出行信息(SMMI)下通勤者停车换乘地铁(P&R)选择行为,有助于提升城市交通系统的可持续性。基于SP问卷调查数据,从SMMI实时信息、社交网络信息、环保态度和个体属性4个方面,建立混合选择模型分析影响通勤者P&R选择行为的因素。研究结果表明:通勤者的P&R选择行为受到出行时间、P&R总费用、地铁车厢拥挤程度和出行推荐等SMMI信息、社交网络信息、环保态度以及性别、年龄、职业、驾龄和P&R经验等个体属性特征的显著影响;弹性分析表明,P&R出行时间弹性值为-0.85,P&R总成本弹性值为-0.397,通勤者对出行时间更敏感。

预测信息下的驾驶员逐日路径选择行为与系统演化

运用微观仿真方法,研究预测信息作用下驾驶员逐日路径选择行为与路网交通流的演化.首先,分析了目前研究存在的不足,针对预测信息情形,设计了一种可行的行程时间预测方法,根据驾驶员逐日路径选择过程,建立了理解行程时间更新模型和路径选择模型.然后,在2条平行路径的简单路网中,仿真了预测信息条件下驾驶员逐日路径选择过程,分析了模型参数取值不同时路径流量随时间演化的波动性和路网系统的效率.结果表明:路网流量的波动性和系统效率都与驾驶员对预测信息的依赖程度和预测模型参数有关,且二者的变化规律相似.最后,以系统最优为目标,给出了预测模型参数的最佳取值范围.

信息影响下区分潜在类别的公交线路选择模型

为分析实时公交运行信息和用户自身偏好对公交用户路径选择行为的影响,引入三角分布描述公交信息的不确定性,并使用前景函数替代效用函数描述出行者决策的不完全理性,建立基于前景函数的选择概率模型。为进一步区分不同出行者偏好差异,在前景模型的基础上结合潜在类别模型,构建区分出行者潜在类别的前景概率模型。利用2013年北京市的实际调查数据进行参数估计并检验。结果表明:a)出行者的选择行为受自身的偏好影响;b)基于景函数的选择模型比传统的效用函数模型拟合度更好、更贴合实际选择行为;c)区分潜在类别模型的统计学特征更优秀;d)多数公交用户对等车时间更敏感。通过各种措施缩短等车时间或直觉等车时间比提高公交运行速度更能吸引乘客。

城市交通中车辆择路行为实证研究

随机、时变的交通流分布,偶发的交通事故等因素导致了路径随机的车辆旅行时间,也决定了现实城市交通网络中只存在随机最短路.已有的路径选择研究大都假设人们力求选择最短路,而通过实际调查发现:人们的择路行为依赖出行情景,随出行目的、约束时间、对路径的熟悉程度以及路径的不确定程度而变化.验证了城市交通中人们在不确定环境下的择路行为也符合展望理论.

有限理性下考虑出发时间选择的网络交通流演化

假设出行者出发时间与路径选择随历史出行信息的更新而不断调整,研究网络交通流逐日动态演化规律.考虑出行者有限理性,基于累积前景理论,建立了出行者出发时间选择、时间间隔权重更新、路径选择及路径行程时间分布更新模型.通过数值实验表明:出行者对历史理解行程时间依赖程度对每个出发时段的稳定的流量分布无显著影响,但是对路径流量演化有显著影响;当出行者对历史理解行程时间的依赖程度大于等于0.90时,考虑出发时间选择的路网流量演化最终能达到稳定状态;从系统的整体效率来看,当出行者对历史理解行程时间的依赖程度在[0.90,0.95]时,有限理性下的交通分配结果优于完全理性.

考虑风险规避和认知更新的日常择路行为演进

为了刻画出行者的日常择路行为,利用动力学系统方法和不动点理论,建立了一个集成风险规避和认知更新的演化模型,分析了演化过程的稳定性,并在一个简单网络上进行了验证。发现在模拟开始的前15 d内,出行时间预算、路径期望出行时间、实际出行时间以及路径流量都出现了较大的波动,但经过大约30 d的摸索以后,开始趋向于随机用户均衡状态。分析结果表明:模型所设计的择路演化过程类似于经典的相继平均算法的计算过程,可以确保收敛到稳定状态,并与初始状态参数的取值无关。

诱导信息下的路径选择行为模型

本文为诱导信息下的驾驶员路径选择行为提出了一种基于决策场理论和贝叶斯理论的推理、预测、判断和路径选择决策的交互仿真模型.首先,由贝叶斯推理理论建立诱导信息和以往出行经验共同作用下的路况动态更新模型;进而将其与基于决策场理论的动态路径选择模型相结合,构成诱导信息下的路径选择行为交互模型.通过诱导信息下的路径选择行为动态模拟,获取诱导信息对路径选择行为的量化影响效能值.仿真分析显示,诱导信息可信度、出行经验、路径固有偏好、决策速度/质量和路线选择标准是影响驾驶员对诱导信息做出响应的关键因素.分析结果表明,决策场理论与贝叶斯理论相结合能较好地解释驾驶员路径选择行为的动态特性.

基于决策场理论的出行者动态决策行为研究

为了研究出行者进行路径选择时的动态决策过程,本文采用决策场理论,研究了多属性条件下,机动车出行者的微观和宏观动态决策行为.分析了决策场理论的基本模型,构建了出行者动态决策行为场景和框架,以历史出行时间、预测出行时间和两者综合值作为出行者决策的路径属性,并根据属性与实际出行时间的差值为依据,提出了出行者注意力权重矩阵计算方法.通过算例分析发现,自由流出行时间对出行者决策影响较大,出行者对路径属性的依赖性非常强,决策过程中存在路径偏好反转的现象,表明出行者动态决策过程是随时间不断变化的,路径选择是时间累计的结果.

诱导信息下基于博弈论的路径选择模型

诱导信息下的路径选择模型无论是在宏观的交通规划领域，还是在微观的驾驶员行为机理研究过程中都具有重要的意史．通过分析出行者选择路径的过程，将博弈论中的静态多人博弈与路径诱导下的出行者的决策过程进行对比，引入求解蚋什均衡的划线法。采阐述出行者的路径选择模型，以求得到最接近实际的出行者在静态谤导信息下的路径选择模型；给出了基于博弈论的路径选择模型算法，井通过1个简单实例阐述了在静态诱导信息下出行者的博弈过程以覆求解纳什均衡的方法．

交通信息对驾驶员路径选择行为影响的初步分析

本文以解析交通信息对驾驶员路径选择行为的影响为目的，研究总结出描述性信息在运用中的特征， 初步建立起提供旅行时间信息条件下驾驶员的路径选择模型。

基于前景理论的应急交通疏散路径选择模型

为了能够更好地反应在应急交通疏散过程中被疏散者的行为决策反应,引用前景理论中的"有限理性"来描述不确定风险下的应急疏散行为。通过重新定义疏散中的"有效备选路径"这一概念,计算了各"有效备选路径"的前景值,从而确定前景理论值最大的有效备选路径作为应急疏散路径。算例证明了该路径选择结果更符合应急交通疏散下不确定情况的真实路网中的路径选择行为。研究结果对决策者在紧急环境下做出科学、有效的疏散决策具有一定的参考价值。

不同信息条件下出行者比例对路网的影响研究

鉴于不同城市类型中出行者信息类型的比例差异明显,对路网中出行者进行分类,引入体现出行者信息反应类型的比例组合变量,结合以网络效率为衡量目标的交通网络模型,给出了不同出行者比例和信息条件下的网络效率仿真演化曲线。结果表明,交通网络效率受不同类型出行者比例影响变化显著,变化趋势与经验出行者的比重密切相关;在交通信息供给充分的条件下,并不是信息出行者越多,网络效率就越高。同一出行者比例下,交通信息的质量与网络效率成正比。

交通信息对驾驶员逐日路径选择行为影响研究

在无信息、发布历史信息和发布预测信息3种信息条件下,分别建立了驾驶员的路径理解行程时间期望值的更新模型.通过建立一个含有2条平行路径的简单路网,对3种交通信息条件下驾驶员逐日路径选择进行了仿真,结果表明:交通信息对驾驶员的作用与驾驶员路径选择的随机程度和对信息依赖程度有关;在3种交通信息条件下,路网均不能达到用户均衡平衡状态;交通信息的预测方法不同,预测信息对驾驶员路径选择的影响有差异.

基于累积前景理论的通勤者路径选择模型

为了全面描述决策者在不确定环境下的出行行为,从价值变化和可靠性变化两个方面研究通勤者的路径选择行为及对待风险的态度,提出了基于累积前景理论(CPT)的通勤者路径选择模型.首先推广了两个参考点的CPT,接着根据不确定理论对行程时间进行预算,给出通勤者参考点估计的统一方法,然后构造通勤者的路径选择模型.最后在一个测试网络上研究可靠度与参考点及可靠度与累积前景值的关系.结果表明,通勤者的参考点可以根据可靠度要求动态设置.出发时刻相同,出行者可靠度要求较高时,风险较低的路径前景值较大;反之可靠度要求较低时,行程时间平均值较小,虽然风险较高的路径前景值也比较大,这一结论与事实相符合.本文所提出的决策模型能够有效地描述通勤者在随机路网中的路径选择行为.

双参考点路径选择模型及其实证研究

针对日常出行决策中的不确定性,本文基于前景理论对双参考点情况下的路径选择行为进行研究.首先,以可接受的最早到达时间和工作开始时间作为双参考点,建立了基于前景理论的路径选择模型.然后,设计调查问卷,对问卷中4种情景下的路径选择结果进行统计,运用非线性回归方法估计双参考点路径选择模型的价值函数和权重函数的参数值,并将参数估计结果与已有文献的参数估计值进行对比分析.结果表明,单参考点情况下得到的参数值并不适用于双参考点情况,同时确定了价值函数为非对称曲线,期望到达时间偏于工作开始时间,在晚到的收益区间价值函数曲线斜率更陡.

多源信息约束下的路径选择模型与算法

针对交通诱导管理措施的制定常缺乏理论支持的问题,提出信息约束机理作用下的时变路径选择行为研究方法。从人的知觉角度出发基于模糊聚类算法深入解析了多源交通信息(MSTI)的约束规律,借助VISSIM软件模拟路网环境并构建交通状态模式识别模型模拟信息约束下出行者的心理活动。采用意向(SP)调查法获取驾驶员在路网中的路径选择决策数据,并利用Biogeme软件对行为数据建模。结果表明,当偏好路径拥挤不严重时,信息很难对行为产生约束,出行者更倾向于坚持偏好路径;但随着偏好路径拥挤加剧,在信息影响下路径变更行为渐趋频繁,相应的信息对行为的约束也逐渐增强。研究结论为信息环境下出行者的不完全理性行为研究提供了思路及借鉴,并可为交通管理部门提供决策支持。

出行者有限理性下的逐日路径选择行为和网络交通流演化

假设交通网络中同时存在完全理性和有限理性2类出行者,他们在日常出行中获取到的信息有2种情况:完全历史信息和不完全历史信息,根据出行者的逐日路径选择过程,建立2种信息条件下的理解行程时间及其更新模型、有限理性模型和路径选择模型。通过数值试验研究,结果表明:完全信息下,系统演化能否达到均衡状态与出行者对信息的依赖程度、出行者的非理性程度,以及理性出行者所占比例均有关系;不完全信息下,系统演化总能达到均衡状态;只有当出行者对信息的依赖程度较大或处于中间水平、出行者的非理性程度较大,且有限理性出行者的比例较高时,完全历史信息的系统效率才稍优于不完全历史信息,其他情况不完全历史信息优于完全历史信息。研究结果可为交通信息发布系统的应用提供参考。

交通事故下出行者非理性出行行为研究

基于前景理论,研究交通事故下出行者路径选择行为规律.应用前景理论,考虑交通事故的发生概率,以出行者出行总花费时间作为出行效用,提出出行者路径选择的效用函数;然后通过分析出行者效用函数的分布规律,在出行效用连续随机分布的条件下,建立出行者感知效用模型.通过连续函数离散化方法构建出行者路径选择模型.通过一个算例,描述非理性条件下出行者选择行为,并分析交通事故的特征对效用值和选择结果的影响,说明感知效用为0的参考点并不是路径实际效用分布的期望值,而是比期望值小.