信息对出行时间的影响研究

在一个不确定性交通网络上,考虑不同风险厌恶程度出行者的出行时间受交通信息的影响,采用出行时间及对出行时间不确定性的偏爱程度建立期望效用函数,研究信息环境下与非信息环境下的期望出行时间,得到如下结论:(1)信息的提供将减少所有出行者的期望出行时间;(2)在信息环境下,风险厌恶程度高的出行者期望出行时间的减少比风险厌恶程度低的出行者期望出行时间减少更显著。并用算例对模型结论加以验证。     

交通信息影响下的动态路径选择模型研究

考虑交通信息对出行者选择出行路径的动态影响,建立一种动态路径选择模型。将不同类型的出行者对路段（路径）运行时间的预测看作不同的随机过程,通过对出行路径上节点的到达时间取期望值,利用一阶近似表达式,研究交通信息对出行者的出行路径选择行为的影响。     

出行方式选择行为的个体时间感知差异性建模分析

采用系统捕捉和随机捕捉两类捕捉形式对出行方式的时间感知差异进行建模分析，以验证出行方式选择中时间认识的个体差异性，为更准确的交通方式划分预测提供模型参考。系统捕捉通过在Logit模型中分别设置性别、收入与出行时间的交叉变量以捕捉性别和收入不同导致时间价值认识的差异；随机捕捉通过假定出行时间参数分别服从正态分布、均匀分布、对数正态分布以及约翰逊分布4种随机分布形式，利用Mixed Logit模型捕捉出行者对时间感知的差异。结果表明：出行方式选择中出行者对时间重要性认识存在差异，男性比女性对时间要求高，高收入者比低收入者对时间估值更高；随机捕捉较系统捕捉更能捕捉到出行时间的感知差异，且约翰逊分布较其他分布对时间感知差异性的模拟更优。     

基于前景理论的出发时刻选择模型研究

介绍了研究出行者出行选择问题的传统理论——“期望效用理论”的不足,分析了“前景理论”的基本思想和结构框架。基于前景理论,以实时交通信息影响下的日常上班出行为研究对象,具有重要的理论意义和实践价值。选择到达目的地的时刻作为参照点,确定了价值函数。通过对可供出行者选择的时间范围进行分段,研究了在不同时段出发,出行者如何预测路径的行程时间。出行者将选择可获得最大价值的时刻作为出发时刻,以此为目标建立了出发时刻的选择模型。通过设定到达目的地时刻的满意区间,研究了出行者下次出行是否改变和将如何改变出发时刻。     

高速公路可变收费货车出行者出行时间选择模型研究

以效用理论为基础,通过意向调查研究了高速公路货车出行者出行选择模型。针对许多高速公路在高峰时段交通量较大,而其他时段交通量较小的现状,在不同时段采用不同的收费标准,分析可变收费实施后不同属性货车出行者出行选择行为,确定影响出行者出行时间选择的模型变量,得到货车出行者在各水平收费标准时的出行时间选择模型。以京沪高速为实例,设计调查问卷,进行意向调查,通过对调查结果进行分析,选择货车所载货物类型、车货重量作为属性变量,建立了该高速公路货车出行者在两种不同方案下的出行时间选择模型并进行了标定。利用模型标定结果可对可变收费方案进行评价,从而优化可变收费方案,提高高速公路的运行效率。     

私家车出行者交通信息需求研究

交通出行信息对私家车出行者行为选择存在不同程度的影响。通过对大连市私家车出行者交通出行信息使用意向调查,获取私家车出行者交通出行信息选择行为特性数据,引入因子分析方法对交通出行信息内容进行合理分类,建立交通出行信息选择累积Logistic回归模型,对私家车出行者交通出行信息需求进行研究。研究结果表明私家车出行者对交通出行信息内容存在不同程度的需求,其中与个人私家车出行质量相关信息的需求最高,面向私家车出行者的城市交通信息服务系统建设与运营应体现针对性。     

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。     

交通大数据平台效益评价方法

为反映交通大数据平台受益对象的多元化,与传统ITS效益评价基于车辆所有者经济效益不同,给出了基于居民出行方式分担比的经济效益计算方法.该效益包括小客车、出租车、公交车等不同交通工具车辆运输成本、乘客出行时间成本、CO2排放环境等成本节约效益,采用加权平均法得到总效益.在乘客出行时间成本计算中,考虑收入对交通方式选择的影响,给出了不同出行方式不同目的人工时间成本计算方法及参数取值.为反映交通大数据平台信息发布对出行行为选择的影响,采用有无对比法,提出了因交通方式转移而产生的车俩运输成本、CO2排放环境成本效益计算方法.以武汉交通大数据平台建设为例,给出了影响范围与主要参数取用方法,进行了成本效益预测分析实证研究.解决了交通大数据平台效益分析定量化的问题,为交通平台类项目经济效益评价提供了理论方法.      

出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性

为了更科学合理地对配置多模式交通设施资源提供理论依据,利用效用平衡原理与平面设计原则,构建了一种融合多影响因素(费用、行程时间、行程时间可靠度、车内拥挤程度)和多种交通方式(自驾、地铁、停车换乘、公交车)用于分析出行选择行为的SP调查设计方法。采用一对一、面对面调查方法收集有效行为数据,利用离散选择理论定量化分析了各种因素对出行方式选择的影响,探究了多模式交通网络中的方式选择行为,解析了出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性。研究结果表明:地铁的可靠度价值比公交车和小汽车的可靠度价值分别高59.8%和32.1%;公交车的车内拥挤度价值比地铁和停车换乘的车内拥挤度价值高26%和84%,表明出行者对不同交通方式行程时间可靠度和车内拥挤存在显著的感知差异性,感知差异性显著影响方式选择模型预测结果而应该在模型中被充分考虑;行程时间可靠度和车内拥挤度显著影响通勤出行者的方式选择;平均时间价值和行程时间可靠度价值分别为49.8,81.97元·h~(-1),出行者愿意增加超过50%的平均出行时间来避免过度的车内拥挤;定量化的支付意愿等结果可用于多模式交通设施的规划设计与评价。     

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。     

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。     

流量和信号控制对运行时间预测的影响

通过对实际交通状况的分析，说明路线运行时间不仅是路线交通流量的函数，而且是由于交叉口信号控制引起延误的函数。     

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.     

基于后悔理论的社交网络分享型交通信息的用户价值研究

以社交网络为平台的交通信息对出行者的决策有重要影响.为了研究社交网络分享型交通信息的用户价值,分析了社交网络中交通信息的产生与传播行为,并从信息行为的角度研究了社交网络中交通信息的特征.基于后悔理论建立了社交网络交通信息的用户价值评估模型,并给出出行者的路径选择效用以及交通信息的更新方法.在此基础上,从交通信息有效性与负效用的角度分析了社交网络交通信息的用户价值特征.基于不同的网络信息传播场景,对其中交通信息的用户价值进行了分析.结果表明,社交网络中的交通信息能够对出行者的决策起到辅助作用,在有效场景中出行者决策的后悔值降低了20%;但用户价值随其在社交网络中的持续传播而降低,且过度传播的交通信息将对出行者决策产生负效应.      

Modeling the Effects of Population Density on Prospect Theory-Based Travel Mode-Choice Equilibrium

In conventional transportation planning models, it was always assumed that the population density is given and fixed in the study areas. Therefore, the effects of population density on travel choice have not been explicitly incorporated into these existing models for long-term transportation planning. Meanwhile, travel choice models in previous studies are usually developed by using discrete choice theories or user equilibrium principle. Thus, many significant characteristics of travelers’ behaviors, such as risk preference and learning process over time, cannot be considered in these conventional models. This article proposes a convex prospect theory-based model to investigate the effects of population density on the travelers’ mode-choice behavior under an advanced transportation information system (ATIS) in a multimodal transportation corridor. It is shown that population density is closely co-related to the modal split results and dependent on the performance of the railway mode in the study corridor. The park-and-ride mode may not be suitable for areas with high population density. This article also investigates the travelers’ reference points on the generalized travel costs by modes. A numerical example is given to illustrate the properties of the proposed model together with some insightful findings.     

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.      

基于数据驱动的城市快速路段拥堵状态辨识及诱导对象选择方法

交通诱导实施效果不佳的主要原因之一是具有差异性出行特征的出行者无法接受单一的诱导方案。针对城市快速路高峰时段拥堵问题, 研究了考虑车辆出行特征差异的交通诱导对象精准识别方法, 以保障诱导方案的实施效果。利用高德路况数据提取拥堵路段, 根据拥堵路段与相邻路段交通状态的相关性提出拥堵源路段识别方法; 利用车牌识别数据提取使用快速路车辆的出行特征, 包括快速路出行强度、地面道路出行强度、快速路出发时刻离散度和快速路路径选择多样性; 采用K-means++算法对车辆出行特征进行聚类, 识别出显著影响道路交通状态的出行者, 并为出行者推荐适合其出行特征的错峰或绕行诱导方案。以苏州快速路为例, 研究发现: 针对拥堵源路段的交通诱导能有效改善拥堵路段的交通状态; 类型3车辆(高频出行且易绕行)占单月工作日早高峰所有使用快速路车辆总数的14%, 却占单日早高峰总交通量的51%, 是重点诱导对象; 通过精准识别, 可推荐诱导车辆数占总车辆数的47%。      

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.