考虑异质性的经典随机后悔最小化模型改进研究

传统基于后悔理论的交通行为模型对异质性考虑不充分，对真实选择行为的解释存在不足.本文利用韦伯比率，考虑出行者对各方式属性变量感知的异质性，对经典随机后悔最小化模型进行改进，分别建立基于随机效用最大化，经典随机后悔最小化和改进经典随机后悔最小化的选择模型；以网约车选择行为为例进行实证研究，验证改进模型效果.结果表明：3种模型参数标定结果具有一致性，改进模型的拟合优度(0.271)和命中率(75.8%)相较于另外两个模型均较优；改进模型能更好地描述多维属性决策过程中的半补偿原则和折中效应，可以提高模型对真实选择行为的解释能力.     

考虑异质性的经典随机后悔最小化模型改进研究

传统基于后悔理论的交通行为模型对异质性考虑不充分，对真实选择行为的解释存在不足.本文利用韦伯比率，考虑出行者对各方式属性变量感知的异质性，对经典随机后悔最小化模型进行改进，分别建立基于随机效用最大化，经典随机后悔最小化和改进经典随机后悔最小化的选择模型；以网约车选择行为为例进行实证研究，验证改进模型效果.结果表明：3种模型参数标定结果具有一致性，改进模型的拟合优度(0.271)和命中率(75.8%)相较于另外两个模型均较优；改进模型能更好地描述多维属性决策过程中的半补偿原则和折中效应，可以提高模型对真实选择行为的解释能力.     

基于时间剩余的随机后悔最小化路径选择

出行者路径选择行为的正确性直接影响到交通规划“四阶段”模型最后一步交通分配的可靠性,对交通规划领域具有重要意义.近年来,为了克服出行者路径选择主要理论（随机效用最大化模型）存在的问题,Chorus 提出了随机后悔最小化模型.本文借用经济学领域中的无差异曲线概念,建立基于时间剩余的出行时间和出行费用双重约束下的随机后悔最小化模型,并对模型中存在的路径重叠和路径感知方差问题进行改进.最后运用示例性路网进行数值检验.结果显示,改进模型更加合理,具有更好的可靠性.     

后悔理论视角下的出行选择行为(英文)

应用随机后悔最小化理论与随机效用最大化理论,分别建立RRM-MNL模型和RUM-MNL模型研究了出行方式选择行为。在模型参数、拟合优度方面对2个模型进行了比较,应用直接弹性分析了在交通管理措施评价方面的区别,并通过城际出行方式中的飞机、火车、长途汽车、小汽车4种出行方式数据进行实际验证。分析结果表明:相比于RUM-MNL模型,RRM-MNL模型能够描述在多属性方案选择过程中的部分补偿性决策行为和折衷效应,能更真实地反映实际出行行为选择过程;等待时间、出行时间和出行费用对飞机、火车和长途汽车3种出行方式的选择概率都具有弹性;在RRM-MNL模型中,等待时间对3种方式的弹性值分别较RUM-MNL模型的低7.30%、13.14%和7.70%。可见,对于同一属性变量,出行者具有不同的选择偏好,会表现出不同的选择行为。     

低限速公路车速选择行为分析与建模

我国限速值低于 60 km/h的公路上超速 50%以下仅给予警告处分,部分低限速公路无交通监控设施,超速现象严重.以北京市郊某限速 40 km/h的公路路段为背景,设计并实施意向偏好调查(Stated Preference Survey,SP调查),通过分析 SP数据,并建立随机效用-后悔混合模型,剖析驾驶人车速选择的影响因素,探索超速行为机理.结果表明,限速标志对车速有一定规范作用,其他车辆平均车速的影响会弱化违法监控设备的效果;性别、驾龄、驾驶车型和接受超速处罚的经历均对车速选择行为有显著影响;驾驶人面对超速带来的收益和损失,遵循后悔最小化原则进行决策.     

协同考虑脆弱性与可靠性的城市道路网络设计

根据常态事件下出行者风险规避的路径选择行为和非常态事件下兼具风险规避与后悔规避的路径选择行为,分别以可靠性和脆弱性指标描述常态与非常态事件下的路网性能,构建了协同考虑脆弱性与可靠性的城市道路网络设计一主双从规划模型,其中上层模型为满足可靠性约束条件下的路网脆弱性指标最优（路网可达性最高）,下层模型分别为基于效用理论和后悔理论的随机用户均衡模型. 算例结果表明:与仅考虑脆弱性的模型相比,本文提出的模型在牺牲一定可达性的基础上可获得较高的路网可靠性;当投资预算为0.9 × 107时,平均路网可达性与路网可靠性分别为0.138 8和0.969 6,而仅考虑脆弱性的模型获得的对应指标分别为0.140 5和0.334 1,可达性指标减少了1.20%,可靠性指标增加了190.21%;此外,如果忽视出行决策行为差异,可能获得偏离实际的次优,甚至错误的网络设计方案,无法实现预期设计目标.      

考虑出行者损失厌恶的后悔随机用户均衡模型

在经典随机后悔最小化模型的基础上,通过引入出行者获益损失的不对称偏好,建立了考虑出行者损失厌恶的属性水平的后悔函数及基于Logit形式的随机用户均衡模型.在提出的属性水平的后悔函数中,等尺度的获益和损失所产生的欣喜和后悔的差异,受后悔欣喜偏好参数和出行者损失厌恶共同影响.此外,与上述随机用户均衡模型等价的变分不等式问题被给出,并用相继平均法求解.最后,用1个算例网络来验证所提出模型的合理性和算法的可行性.结果表明,出行者的损失厌恶对其路径选择行为具有较大的影响,并且随着损失厌恶程度的增大,出行者更倾向于选择最短路径.     

基于过饱和控制的疏散网络优化模型

应急条件下疏散需求呈现短时爆发性特点,为提高网络优化模型在应急疏散状态下的适用性,本文提出了网络过饱和度概念,并结合疏散交通组织策略建立过饱和控制的疏散网络双层优化模型.上层模型从疏散组织者的角度出发最小化疏散网络过饱和度,下层模型以Wardrop 用户平衡准则模拟疏散参与者的疏散路径选择行为.采用禁忌搜索算法求解所建模型,并以Sioux Falls 网络为平台验证其有效性.实验结果表明,在应急交通疏散状态下,基于过饱和控制的疏散网络优化模型能够实现疏散网络通行能力的最大化利用和应急交通组织策略的最优化配置,具有较强的适用性.     

基于潜在类别模型的出行决策机理异质性研究

传统的离散选择模型是基于随机效用最大化准则构建的,然而考虑到决策者的异质性,不同的群体可能采用不同的决策机理.为此,本文考虑了两种不同的决策机理:随机效用最大化准则和相对优势最大化准则,并采用潜在类别模型来验证出行决策机理异质性的存在.首先,基于SP实验设计收集出行数据;其次,分别构建基于随机效用最大化准则的logit...     

诱导信息下城市轨道交通乘客路径选择行为研究

为研究城市轨道交通诱导信息对乘客的影响，考虑信息提供时间、方式、更新频率及其与 路径属性之间的交互关系，提出融合诱导信息的城市轨道交通乘客路径选择行为决策框架。考 虑乘客在决策时表现出遵循混合决策规则的倾向差异和不同属性感知差异，建立改进的混合效用-后悔模型。将路径属性与诱导信息同时纳入调研情景设计，基于调研结果标定模型中关键参数，结果表明，基于混合决策规则的模型拟合效果最高(调整优度比达0.396)。进一步分析乘客对信息的偏好：相较于下载手机APP，乘客更喜欢社交媒体推送的形式接收诱导信息；引入信息推送频率时间价值，并对比得出，女性、中老年及非通勤乘客更倾向于接受更高频率的诱导信息推送服务；分析各属性弹性值，表明诱导信息提供方式和更新频率应作为管理者的辅助手段，在特定场景下(例如高峰拥堵和突发事故)诱导信息将会发挥更大的作用。研究揭示了诱导信息提供方式如何影响轨道交通乘客的路径决策机理，有助于设计更加精准和高效的诱导信息策略辅助客流组织管理。     

���н�ͨ���з�ʽѡ���������Է���

影响城市交通出行方式选择的因素有很多,本文致力于分析具有随机特性的因素对出行方式选择的影响程度,即随机弹性.使用具有较好收敛性的集计交通战略STM模型作为分析出行方式选择的工具,并根据对道路实测数据的统计分析,验证了作为影响出行方式选择的重要因素——小汽车出行速度为随机变量并服从k阶爱尔朗分布.根据经济学的随机弹性理论,推导出小汽车出行速度对出行方式选择的随机弹性计算模型,利用北京市的实际数据验证了模型的有效性.并得出结论：交通政策指标（影响因素）的可靠度越高,政策目标对政策指标的弹性值越稳定、集中,即政策目标达到的可靠度越高,随机弹性分析模型可作为一种交通政策量化分析的工具.     

基于Logit模型的居住区共享泊位选择行为分析

为定量描述停车者对居住区共享泊位的选择行为影响因素,将停车者的个人属性与出行属性作为效用变量,将居住区共享泊位停车和路内就近停车作为选择肢,建立二项Logit模型。分析表明：个人月收入、停车时长、额外步行距离、费率差等为影响停车者选择居住区共享泊位停车的显著影响因素,其中额外步行距离和费率差对共享泊位选择概率的影响程度更大,较低层次的个人月收入变化对共享泊位选择概率的影响更大。     

出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论,选取出行者特征、行程特性与出行方式服务水平作为效用变量,以出行方式与出发时间作为选择肢,构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据,并模拟了在早高峰时段对小汽车出行收取费用时,小汽车出行者出行行为的变化。计算结果表明:与传统MNL模型相比,NL模型具有更好的统计学特征,调整后的拟合优度由0.338增大至0.404;在2种NL模型中,出发时间位于下层的结构对样本数据的适应性更强;当早高峰时段小汽车出行收取费用为5元时,72.6%的小汽车出行者坚持原有出行方式与出发时间,22.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,4.8%的小汽车出行者改用公共交通方式,但出发时间不变,仅0.2%的小汽车出行者同时改变出行方式与出发时间;当收取费用为10元时,51.7%的小汽车出行者坚持原有出行方式与出发时间,40.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,7.9%的小汽车出行者改用公共交通方式,但出发时间不变;当收取费用为20元时,27.5%的小汽车出行者坚持原有出行方式与出发时间,60.6%的小汽车出行者坚持小汽车方式,但会改变出发时间,11.9%的小汽车出行者改用公共交通方式,但出发时间不变。     

考虑潜在类别的市内机动化出行行为模型

为了研究出行者出行选择偏好的异质性和心理因素对出行选择行为的影响,通过验证性因子分析得到影响出行方式选择的心理潜变量;将求得的潜变量纳入潜在类别条件Logit模型,采用期望最大算法求解,得到样本潜在类别的数量和效用函数;最后,以广州市为例进行实证分析. 结果表明:潜在类别条件Logit模型对数据的拟合度高于传统的条件Logit模型;出行者可以划分为地铁偏好群体、小汽车偏好群体、常规公交偏好群体3个潜在类别,占比分别为42.5%、25.0%、32.5%;地铁偏好群体、公交偏好群体步行时间价值分别为1.2、1.3元/min,而小汽车偏好群体对步行持正面评价;地铁偏好群体、公交偏好群体的时间价值均为0.7元/min,小于小汽车偏好群体的车内时间价值（1.1元/min）;月收入是否大于10 000元、是否开车上班对出行者潜在类别划分具有显著影响;心理潜变量中,灵活性和可靠性对出行者潜在类别划分的影响显著,舒适性对潜在类别划分没有显著影响.      

基于轨迹数据的车辆跟驰行为分析与建模综述

随着轨迹收集技术与数据分析技术的迅速发展,越来越多的车辆行驶轨迹被采集并用于 交通流研究。车辆轨迹数据主要包括车辆运行的位置与时间等信息,利用这些信息可以推算出 车辆的速度、加速度及其与前车之间的空间和时间距离等驾驶行为参量。通过研究轨迹数据可 以揭示车辆自身的运行规律,车辆之间的相互作用规律,道路环境对车辆的作用规律,以及由此 产生的宏观、微观交通流现象,因此,轨迹数据研究受到日益重视。本文简要回顾了与轨迹数据 收集相关的历史,介绍了自然场景下采集的Next Generation SIMulation(NGSIM)数据及实验场景 下采集的车队轨迹数据,并梳理了近几年基于车辆跟驰轨迹的理论研究。首先,分析以交通振 荡、交通回滞为代表的交通流关键实测现象研究工作;整理跟驰行为分析方面的研究成果,包括 不对称跟驰行为、稳定跟驰行为的存在性、跟驰行为的记忆效应、任务难度、随机性、异质性。之 后,介绍基于跟驰行为分析成果而构建的仿真模型。最后,从3个方面评述现有基于轨迹数据的 研究,并提出未来展望：交通流关键实测现象方面,应收集更多不同条件下的数据,并尝试构建更 加普适性的理论或模型解释交通流现象;跟驰行为分析方面,可结合数据挖掘技术或生理、心理 理论,量化驾驶员跟驰特性与生理、心理特征,并将两者结合深入分析跟驰行为的机理;仿真建模 方面,可更多考虑驾驶员生理和心理变量,使模型更具人性化特征,并关注模型的评价方法,注重 模型对实际交通流的解释能力。