GRIP��·��ѡ��Ӱ�����ɢѡ�����

探索了图形式可变情报板（GRIP）对驾驶员路径选择行为的影响.采用意向调查法（SP）获取驾驶员从两条拥堵状况不同的路径中选择路径的行为数据,采用离散选择建模方法建立估计路径选择概率的二元Logit模型,揭示驾驶员对GRIP信息的响应行为规律.GRIP提供的路径交通状况信息分别用拥堵点与分流点的距离、拥堵路径颜色来度量.调查选取上海市延安西路立交前实际存在的一块GRIP,SP问卷为驾驶员构造了起终点之间含有两条替换路径的假想出行情境,借助SPSS软件对采集的行为数据进行建模.分析表明,GRIP信息会影响驾驶员的路径选择行为,不同的信息内容对驾驶员路径选择行为的影响是不同的,驾驶员对GRIP信息中出现红色特别敏感.此外,驾驶员的学历、年行驶公里数等个体属性也是影响驾驶员路径选择行为的因素.     

基于差分感知器的驾驶员路径选择偏好挖掘算法的研究

驾驶员路径选择偏好的挖掘是实现个性化最优路径规划的重要前提。本文在总结了已开发出的几种驾驶员偏好挖掘方法的优缺点,提出了一种基于差分感知器的驾驶员路径选择偏好挖掘算法。该算法可以根据驾驶员路径选择偏好的改变自适应地改变。最后,选用了长春市若干个不同类型的驾驶员对该方法进行验证。经验证,该方法具有较好的有效性。     

�г�ʱ�䲨���Զ�·��ѡ��Ӱ�����ɢѡ�����

探索了行程时间波动性对驾驶员路径选择行为的影响. 研究采用意向调查获取驾驶员从两条行程时间和行程时间波动性不同的路径中选择路径的行为数据,采用离散选择建模方法建立估计路径选择概率的二元Probit模型,揭示驾驶员对行程时间和行程时间波动性进行权衡的行为机理. 行程时间和行程时间波动性分别用期望行程时间、行程时间标准偏差来度量. 研究发现：(1) 路径的行程时间和行程时间波动性都会对路径选择产生负面影响. (2) 中等年龄段驾驶员,较之比他们年轻的和年长的,对行程时间波动性越看重,对行程时间波动更敏感,选择行程时间不确定的路径的概率更小. (3) 出租车驾驶员对行程时间更敏感,选择行程时间更短的路径的倾向性更大. (4) 驾驶经验丰富的驾驶员选择行程时间不确定的路径的可能性更小.     

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.     

基于驾驶员偏好的最优路径选择方法

在分析影响驾驶员路径选择因素的基础上,所建立的基于驾驶员偏好的最优路径选择模型,经实例验证,具有一定的正确性和优越性。     

基于驾驶员偏好的最优路径选择方法

在分析影响驾驶员路径选择因素的基础上,所建立的基于驾驶员偏好的最优路径选择模型,经实例验证,具有一定的正确性和优越性.     

������߹��̵Ķ�̬·��ѡ��ģ��

针对已有路径选择模型缺乏选择决策过程的问题,给出基于决策场理论的车辆路径选择过程框架,建立面向过程的车辆动态路径选择模型。该模型综合考虑驾驶员心理、路况、决策时间等各种不确定性因素的交互影响,将行程时间、行驶距离和行驶路线所经交叉口数量作为驾驶员路径选择的主要标准,使模型更接近实际的决策过程。通过模型仿真,分析了路况交通信息和时间压力对驾驶员选择决策过程的影响。分析结果表明：不完全交通信息会导致“确定性效应”,不能对驾驶员进行有效的引导;驾驶员的路径选择决策过程不仅取决于驾驶员的自身因素和路况,还与时间压力有关,时间压力会降低决策质量,导致偏好逆反现象。     

灰关联决策模型在最优路径选择中的应用

车载交通流诱导系统的作用之一是路径优化.给定一个OD(origin-destination)对,可能有很多条可行的路径,有效的交通流诱导系统应该能够辅助驾驶员根据他的要求(喜好)来选择一条最优的路径.本文充分考虑了驾驶员在路径选择中的不同要求,利用灰关联分析理论和改进的层次分析法建立了一种根据驾驶员的偏好选择最优路径的方法.     

基于驾驶员偏好的最优路径选择

现实生活中,驾驶员往往依据自身偏好来选择路径,对不同的路径属性有不同的要求,且对其属性值存在一个可接受范围,而不是一个精确值. 本文对存在驾驶员偏好的最优路径选择问题进行了研究,提出了一种能够综合反映驾驶员偏好的最优路径选择方法. 首先基于可能度和区间数相离度的多属性决策方法,建立驾驶员偏好与路径属性总偏差最小的优化模型,并解出路径属性权重;其次算出各路径的综合属性值,建立路径间的可能度矩阵及其排序向量,据此选出最优路径;最后以算例进行验证,结果表明本文给出的路径选择方法具有很好的可行性和适用性.     

交通拥堵情况下路径诱导方案的生成方法

路径诱导方案的生成是交通信息诱导的核心环节.根据驾驶员在交通拥堵情况下的路径选择行为特点,运用模糊推理理论建立了驾驶员路径选择行为模型,确定出路径诱导信息发布的核心内容.在此基础上提出一种路径诱导方案的生成方法.     

实时交通信息提供对驾驶员路径选择行为影响量化分析

研究的目的是搞清交通信息提供对驾驶员路径选择行为的影响机理和程度,为智能交通系统(ITS)中交通诱导方案的制定提供参考与依据.研究采用SP(Stated Preference Survey)调查方法针对驾驶员对交通信息响应状况进行调查,同时对目前交通信息提供现状进行了调查.对调查数据进行定性和定量分析的基础上,建立了信息提供下驾驶员路径选择行为的Logistic模型,可用于判别分析.研究发现各变量在不同程度上影响驾驶员路径改变倾向,其中驾驶员对交通信息广播的准确性评价以及能够容忍延误时间的程度等因素对驾驶员路径选择行为影响较大.     

���ڼ�ʻԱƫ�õ�����·��ѡ��

现实生活中,驾驶员往往依据自身偏好来选择路径,对不同的路径属性有不同的要求,且对其属性值存在一个可接受范围,而不是一个精确值. 本文对存在驾驶员偏好的最优路径选择问题进行了研究,提出了一种能够综合反映驾驶员偏好的最优路径选择方法. 首先基于可能度和区间数相离度的多属性决策方法,建立驾驶员偏好与路径属性总偏差最小的优化模型,并解出路径属性权重;其次算出各路径的综合属性值,建立路径间的可能度矩阵及其排序向量,据此选出最优路径;最后以算例进行验证,结果表明本文给出的路径选择方法具有很好的可行性和适用性.     

基于灰色模糊综合评判的最优路径选择

驾驶员在车辆的行驶过程中起主导作用,不同的驾驶员有不同的偏好,同时,对道路也有不同的要求。根据驾驶员的偏好和路径选择要求,从6个方面进行考虑,运用灰色模糊综合评判方法为驾驶员进行最优路径选择。并通过实例证明该方法的有效性和适用性。     

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.     

VMS�Լ�ʻԱ·��ѡ��Ӱ���ʵ֤�о��뽨ģ

可变信息板(VMS)通过发布实时的道路交通信息引导驾驶员的路径选择行为,是智能交通系统的重要组成部分之一,也是大城市缓解交通拥堵所采取的方法之一.为了定量分析VMS对驾驶员路径选择行为所产生的影响,本文采用SP调查法针对驾龄在1年以上的驾驶员进行问卷调查,使用SPSS20.0软件对调查数据进行分析,并在此基础上建立VMS诱导条件下驾驶员改变路径频率的有序多分类Logit模型,得出结论,驾驶员根据VMS所提供信息进行路径选择的主要影响因素为驾驶风格、出行时间、VMS可信度.     

�յ���Ϣ�µ�·��ѡ����Ϊģ��

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.     

不同交通信息诱导下驾驶员路径选择行为研究

针对典型路网中快速路上文字式VMS提供的不同交通信息内容,在充分考虑驾驶员认知模式的情况下对其路径选择行为展开调查与研究。通过设计包含单一或多定量的VMS消息策略实验方案,并采用SP调查法采集数据,建立了关于驾驶员路径选择行为的有序多分类Logistic模型。研究表明:在相同交通状况下驾驶员在面对不同类型信息时的路径选择行为差异较大,对信息的服从率由高到低依次为绕行节省时间、绕行距离、交通状态和拥堵长度;VMS信息发布的精确性、完整性和及时性是影响驾驶员路径选择行为的主要因素。研究结果可以为合理制订VMS信息发布策略提供依据。     

基于强化学习理论的车辆路径选择过程研究

为了有效缓解交通拥堵,研究驾驶员路径选择过程中的学习机制,建立了基于强化学习理论的交通诱导模型,利用MATLAB仿真驾驶员路径选择过程,并对比分析基于无诱导信息条件下驾驶员路径选择过程,仿真表明:发布诱导信息比不发布诱导信息效果好,诱导信息发布的有效性得到验证;管理者应将诱导信息的可信度提高至50%~60%,诱导信息能被充分利用,且不会导致拥堵漂移,路网流量均衡分布,能够有效缓解交通拥堵。     

基于累积自学习机制的驾驶员路径选择博弈模型

为弥补已有驾驶员路径选择博弈模型将驾驶员视为完全理性的不足,探求无诱导信息情况 下路网交通流临界状态,将驾驶员视为有限理性,其依赖累积时间感受收益做出下一次的路径选 择策略,并以驾驶员的行程时间感受作为决策收益建立了基于累积自学习机制的无诱导信息驾驶 员路径选择博弈模型。利用该模型,分析了驾驶员路径选择行为对路网交通流的影响,并通过仿 真验证得出了不同初始状态下的模型博弈平衡结果。仿真结果表明：博弈平衡状态与路网车流总 量及初始流量分配比例密切相关。当路网车流总量小于或接近路网总通行能力时,不发布诱导信 息,路网的交通流分布达到稳定平衡,路网通行能力利用率较高;当路网车流总量远大于路网总 通行能力时,不发布诱导信息,路网交通流分布会形成峰谷平衡,不能有效利用路网通行能力, 应采取相应的交通管理措施。     

基于GPS数据的出租车路径选择行为研究

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义.基于北京市出租车调度系统采集的GPS（Global Positioning System）数据,本文首先通过旅程数据提取、地图匹配及双向扫除算法,构建车辆路径选择行为分析所需的RP（Revealed Preference）数据.其次,在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上,构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型.案例分析结果表明,出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径.同时,文中所提出的路径选择行为建模方法,对于提高GPS数据的使用价值具有积极的意义.