交通信息在出行行为中的影响分析

分析了交通信息对出行者在驾驶员路径选择行为中的作用机理和过程,阐述了之间的相互作用关系,论述了交通信息的效用度和出行者信任度之间的影响并提出相应的定性模型。     

考虑信息诱导的随机均衡交通流逐日演化模型

在交通诱导系统向出行者发布一致性路网信息的情况下,假设出行者的路径选择行为随历史经验和交通信息的更新而不断调整,考虑出行者的路径选择行为和对诱导信息的信任决策,提出一个交通流逐日演化模型.在该模型中,根据信任决策不同,将出行者分为两类,即信任路径诱导信息的出行者和不信任路径诱导信息的出行者.其中,信任诱导信息的出行者比...     

出行路径选择的随机后悔最小化模型

从后悔理论入手,分析后悔理论用于出行行为分析的2种一般形式:多项选择集和多属性决策,研究后悔理论在有风险和无风险条件下的模型结构,提出基于随机后悔最小化的出行路径选择行为分析模型,结合算例对比分析随机效用最大化模型和随机后悔最小化模型用于出行路径选择结果的异同.研究表明,出行者做决策时为避免未选择方案比选择方案表现的更好,试图将预期后悔最小化,而不是预期效用最大化.且对于多属性的备选方案,出行决策是半补偿性的.      

基于ATIS的多用户多准则随机均衡交通配流演化模型

为了刻画实现随机用户均衡态的过程,提出一个考虑多用户参与和多准则决策的随机均衡交通配流演化模型。在模型中,根据时间价值的不同,将出行者分为有限类,每类用户的先进出行者信息系统（ATIS）市场占有率由信息收益确定;出行者依据由出行时间和出行费用线性组合的最小感知阻抗选择出行路径;利用不动点定理分析了模型不动点的存在性。数值试验结果表明：提出的模型能够收敛到不动点,可以模拟网络中ATIS市场占有率和流量的演化过程。     

基于随机用户平衡的混合交通网络流量分离模型

考虑了影响出行者交通选择行为的主要因素(时间、费用、方便性、舒适性等),分析了在多种交通方式(私家车、出租车、公交车、轨道交通以及自行车等)存在条件下城市交通网络中出行者交通选择行为,包括交通方式选择和出行路径选择,并基于随机用户平衡(SUE)理论构造了城市混合交通网络的流量分离和分配综合模型及求解算法。最后通过一个简单算例,得到了当各种影响因素变化时,各种交通方式的流量变化情况。     

路况信息发布时出行者有限理性路径选择行为及建模研究

实时路况信息的提供,有助于出行者对不同路径效用的判断,但由于信息的模糊性以及出行者有限的计算能力,出行者的决策行为在某些情况下依然是有限理性的,即不能选择效用最大路径。因此,本研究基于西蒙的有限理性理论,假设出行者不能完全预测全部备选方案的后果,即实现效用最大化,提出了有限理性模型,并设计试验,验证交通领域路径选择中有限理性的决策行为。试验中,每次出行前向被试者发布实时路况信息,记录被试者的决策结果、决策时间等数据,分析其有限理性路径选择行为,并建立有限理性路径选择模型描述其有限理性特性。研究发现出行者在两条路径效用差小于一定阈值时无法实现理性判断,实现效用最大化,只能随机选择;在效用差大于该阈值时才可进行理性判断,实现效用最大化。根据这一现象,将原有Logit模型效用最大化假设松弛为有限的效用最大化假设,并建立有限理性下的Logit模型(BRBL模型)。通过对模型研究分析,发现模型在0点附近的敏感度要小于传统Logit模型。通过分别对BRBL模型和BL模型进行标定,发现改进后的模型可以解释出行者路径选择决策中的一些有限理性行为,而且标定结果显示模型精度优于传统的BL模型,在路况信息提供下的路径选择问题,新的模型更为适用。     

交通全信息情境领导在交通诱导控制中的应用

作为交通诱导控制的作用机制,交通全信息的发布所建立的情境领导对交通诱导的效果起到了至关重要的作用。阐述交通全信息情境领导和交通诱导控制的概念,为了达到最佳的交通诱导控制效果,对重点交通全信息的发布形式进行探讨。考虑到信息的效用度和出行者个体属性的因素,特别以问卷调查的形式分析了交通全信息对诱导行为的影响,为交通诱导提供建议。结果表明:不同语法信息形式会对的选择带来不同的心理影响。     

面向智能手机的驾驶员交通信息搜寻-决策行为分析

为系统分析面向智能手机的驾驶员交通信息搜寻-决策行为影响机理,在集成分析交通信息搜寻及决策行为,构建驾驶员交通信息行为概念模型的基础上,基于有序多分类Logistic模型构建搜寻行为模型,分析社会属性和交通信息感知对驾驶员交通信息搜寻行为的影响;同时,基于TPB构建决策行为模型,考虑心理因素变量对驾驶员交通信息决策行为的影响,运用结构方程模型定量刻画驾驶员对智能手机发布交通信息的响应机制.结果 表明:①驾驶员年龄与交通信息搜寻频率呈显著负相关,信任度对搜寻频率的正向影响最大,平均作用系数达21.762;②知觉行为控制对驾驶员出行决策的影响最大,贡献度达0.4;③停车信息对驾驶员行为态度的影响最小,贡献度为0.85,表明驾驶员迫切希望提高智能手机中停车信息的精准性和时效性.      

基于安全可靠性的多类用户交通分配模型

为探究出行安全对用户出行选择行为的影响,提出了考虑事故风险成本和旅行时间的多类用户交通分配模型。针对事故发生的随机性特征,定义了路径出行安全可靠性概念,并以此计算用户的事故风险成本预算,体现出行者的安全偏好。基于考虑事故机会和事故风险的基础事故预测模型,针对路段和交叉口的不同特征,分别定义了路段和交叉口的事故风险成本分布。构建的交叉口事故风险成本模型,体现了交叉口不同转向的事故风险成本的差异性。为了求解基于安全可靠性的多类用户交通分配模型,采用路径配流法和相继平均法设计了相应的求解算法,并通过算例分析了模型和算法的有效性。研究结果表明：安全可靠性在用户出行选择中具有重要影响。当在广义出行费用中考虑事故风险成本时,出行者会更多地选择事故风险成本较小的路径;不同风险倾向的用户会有不同的选择特征,保守型出行者倾向于选择路径事故风险成本标准差相对较小的路径,即事故风险成本波动小的路径,而中立型出行者倾向于选择事故风险成本均值相对较低的路径;考虑交叉口的事故风险成本与否会直接影响流量分配结果,即路径交叉口数量和转向的差异性同样会影响出行者的选择。所提出的模型对于客流预测和网络安全评价与管理具有潜在的应用价值。     

基于博弈决策的道路通行费最优定价模型研究

道路通行费定价是一个典型双层博弈问题,上层是主管部门与交通参与者决策互动,收费主体通过改变通行费率,影响出行者出行选择,达到预设目标;下层是出行者之间决策互动,出行者基于出行费率的变化,考虑出行成本和其他出行者决策,选择出行效用最大化方案。基于管理者不同决策目标,将道路管理者和交通出行者看成是非合作静态博弈的双方,考虑不同出行者群体时间价值和出行效用差异性,建立双层规划模型,上层研究道路决策主体的决策问题,下层研究不同时间价值的出行者出行博弈过程和出行行为选择,利用博弈论方法来诠释不同决策目标下的道路最优定价,为城市道路通行费合理制定提供决策参考。基于模型约束条件,先对下层N个局中人的纳什-Wardrop均衡模型求解,再利用图解法进行上层N+1局中人非合作静态Stackelberg博弈模型求解,并构建出行情景验证模型的精确性。结果显示,基于博弈决策的道路通行费最优定价模型,可以有效测算不同通行费率下、不同时间价值参与者博弈过程、决策收益和不同决策目标下的最优通行费率。在构建的出行情景下,道路通行费为4时,出行者出行收益和通行费收入最大;当通行费介于4-5之间,社会剩余最大。出行情景模拟结果验证了模型的精确性和可操作性。     

基于多成本分析的出发时刻选择模型研究

交通问题的解决,应该从需求和供给两方面进行改善。交通需求管理通过改变出行者的出发时刻、出行路径以及出行方式等措施,将高峰期的交通需求从时间和空间2个方面进行分离,从而有效缓解城市交通压力。文中将经济学思想应用于城市道路,从固定使用成本、出行时间成本以及惩罚费用成本3个方面研究了私人小汽车出行的多成本性,通过分析居民出发时刻选择的决策过程,应用随机用户均衡分配和Logit基本理论,建立了适用于一般城市网络的出发时刻选择模型。运用模型进行一个算例分析,从而验证模型的有效性和实用性。     

道路拥挤定价下的公交收费模型研究

为了在执行道路拥挤定价政策的前提下制定公共交通的收费标准，提出可行的定价模型，根据交通行为科学的有关理论和方法，采用了两层规划技术建立了道路拥挤定价下的公交收费模型，上层规划为交通系统优化，下层规划为拥挤定价下的路网随机平衡问题。以广州市为研究对象，计算了拥挤定价下广州市公交线网的最优价格体系。研究结果表明：所提出的模型能够描述出行者和交通管理部门分别在出行和交通管理中的决策行为，较好地解释了用户平衡、路段路径流量和阻抗、交通需求、拥挤费、公交票价、出行成本等相互之间的逻辑关系。     

基于计划延误成本的出发时间选择模型

出行时间不确定性对出行者造成诸多负面影响,其中之一就是计划延误成本增加.向出行者提供交通信息可减少出行时间不确定性的负面影响,减少计划延误成本.为了估计其负面效应和出行时间信息的价值,研究了一个出行时间不确定性下的出发时间选择模型.假定在不同的出发时间下,出行时间分布的形式不同.模型中出行者可得到交通信息服务系统(A T IS)提供的基于平均出行状况的交通信息或基于当日出行状况的交通信息,同时他对得到的信息有自己的感知值,基于此感知预测出行时间并选择出发时间.用算例反映了出行时间不确定性、不同信息状况和信息预测的质量对出行者广义出行阻抗的影响.结果表明交通信息的收益不应该只表现为传统的出行时间节省,它还能减少约30% ~40% 的计划延误成本.      

基于多智能体博弈的路径选择策略仿真研究

系统最优与用户最优代表了交通分配中路网管理者与出行者两种不同的利益出发点。在综合考虑两者在路径选择过程中动态交互特点的基础上,引入博弈论的思想协调两者的利益冲突,建立了路网系统管理者与出行者之间的路径选择博弈模型。为验证模型的有效性,结合多智能体技术进行了相应的仿真实验,并利用多智能体仿真软件Starlogo进行模拟。通过对无信息无博弈（随机）出行、用户最优出行、有信息有博弈出行以及系统最优出行等4种不同仿真方案的比较分析,验证了系统与出行个体之间协调的博弈模型性能满足了驾驶员出行需求,提高了路网整体效率,为建立实用的诱导策略提供了参考。     

3G移动通信技术在城市交通信息系统中的应用研究

在探讨了出行者对交通信息需求特点的基础上，对交通信息分为动态、静态和关联三类。为了充分掌握动态交通信息，设计了基于第3代移动通信技术（3G）的城市交通信息系统3层平台方案，并对其结构与功能进行了研究，重点阐述了由服务器、数据库以及办公管理设备和网络设备组成的交通信息中心及其工作原理，最后以车载设备结合实时交通信息查找最短时间路线为例说明了基于3G技术的城市交通信息系统的功能和优势。该系统使出行者能够通过手持移动终端（手机、PDA等）或者车载设备实时地查询交通信息，因此更加适应交通信息的动态、时变的特性。     

信息影响条件下考虑出行异质性的路径选择模型

出行者路径选择行为的研究对于预测城市交通流时空分布规律及维持网络经济、高效运转具有重要意义.为了探究多类型异质出行者路径选择行为的异同,研究了基于累积前景理论的多类别异质出行者路径选择模型.通过定义出行者参考点,引入考虑时间价值系数的风险敏感系数计算方法,以保证异质出行者拥有异质的风险偏好,研究分析了是否提供实时路况信息2种情境下常规通行者与通勤者路径选择行为的异同.数值算例表明,拥有较大参考点的出行者更倾向于保守地选择一条出行时间较长的道路,而其他人则更加冒险.此外,与通勤者相比,当备选方案均可以满足自身出行需求且自身参考点足够大时,常规出行者更愿意忽视风险,以获得更高的出行收益.      

考虑交通流动态分布的路面养护最优决策

为准确评估路面全生命周期用户成本以制定最优的路面养护策略，提出基于网络交通流均衡条件的路面养护多阶段动态规划最优决策模型，通过交通流的仿真，模拟用户成本在路网养护前、后以及生命周期各阶段的动态变化，并设计启发式迭代算法。该模型最小化的目标函数包含了生命周期的养护成本、用户成本、路面资产残值，约束条件主要由交通量守恒约束条件、养护预算约束、路面性能转移约束等。为证明模型的有效性，以一个具有10个路段的路网为例，采用提出的模型制定该路网连续20年的最优养护决策方案。研究结果表明：在每年养护预算确定的情况下，全生命周期路面养护最优方案是一个决策方案组合，该最优方案可以提高养护资金使用效率并有效减少用户成本，可为路面养护管理提供决策支持。通过对不同养护约束情景下的全生命周期用户成本的模拟表明：随着养护预算的增加，养护路段增多，导致用户成本增加，使养护成本的边际收益发生递减，养护预算在理论上具有一个最优值，并且养护成本收益与养护预算之间呈倒U形函数关系。     

城市道路拥挤收费福利影响研究

城市道路拥挤收费虽然使总的社会福利增加,但对不同时间价值出行者的福利影响却不尽相同。以福利经济学为理论基础,以出行的货币成本和时间成本为影响因素,量化分析收费后不同出行者的福利得失。研究发现,在确定拥挤方案后如果能得到交通量的变化量,就可以得到不同选择方案出行者的福利得失。时间价值较低的出行者只有选择公共交通时才能从拥挤收费中受益,而时间价值较高的出行者,选择付费出行使他们获益最大。     

Providing personalized system optimum traveler information in a congested traffic network with mixed users

The advancement of information and communication technology allows the use of more sophisticated information provision strategies for real-time traffic management in a congested network. This article proposes a personalized system optimum traveler information (PSOI) system under ubiquitous communication, which allows traffic system operators to fully optimize and coordinate individuals' trip plans according to the personal attributes, such as real-time location, value of time, allowable budgets for congestion tolling, and willingness to take detours. We also developed an efficient queue-based evaluation and solution heuristic algorithm using mesoscopic simulation models to solve for near-optimal PSOI strategies—route suggestions for each individual traveler. The simulation optimization algorithm can account for different information users and provide predictive information that robustly accounts for potential decisions of other travelers in real time. Case studies were carried out on a test network and a real-world network, and the proposed heuristic algorithm is proven effective. Also, sensitivity analyses show that PSOI not only is an effective traffic management method in reducing average system travel time, but also potentially provides travelers with reasonable or even shorter travel times compared with other information users. Further, simulation results showed that even in mixed traffic, PSOI is able to shorten travel times for both users without information and users of other information types. Thus, PSOI is recommended by this article as an advantageous way for next-generation advanced information systems and dynamic traffic management.     

Development of a behaviorally induced system optimal travel demand management system

The basic design concept of most advanced traveler information systems (ATIS) is to present generic information to travelers, leaving travelers to react to the information in their own way. This “passive” way of managing traffic by providing generic traffic information makes it difficult to predict the outcome and may even incur an adverse effect, such as overreaction (also referred to as the herding effect). Active traffic and demand management (ATDM) is another approach that has received continual attention from both academic research and real-world practice, aiming to effectively influence people's travel demand, provide more travel options, coordinate between travelers, and reduce the need for travel. The research discussed in this article deals with how to provide users with a travel option that aims to minimize the marginal system impact that results from this routing. The goal of this research is to take better advantage of the available real-time traffic information provided by ATIS, to further improve the system level traffic condition from User Equilibrium (UE), or a real-world traffic system that is worse than UE, toward System Optimal (SO), and avoid passively managing traffic. A behaviorally induced, system optimal travel demand management model is presented to achieve this goal through incremental routing. Both analytical derivation and numerical analysis have been conducted on Tucson network in Arizona, as well as on the Capital Area Metropolitan Planning Organization (CAMPO) network in Austin, TX. The outcomes of both studies show that our proposed modeling framework is promising for improving network traffic conditions toward SO, and results in substantial economic savings.