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.     

�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.     

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。     

基于动态交通诱导信息的驾驶员刺激-反应模型

针对城市道路交通信息发布时产生的信息震荡问题,以消除信息震荡、帮助驾驶员选择最优路径为目的,结合驾驶员的出行行为分析了交通诱导信息对驾驶员选择行为的影响,将交通信息发布变化量作为刺激量、路段交通负荷度变化量作为反应量,构造了基于动态交通诱导信息策略的驾驶员刺激-反应模型,通过仿真算例确定了交通信息发布的动态区间。研究表明:该方法能够有效减少交通信息震荡,对改善城市路网的使用效益具有较强的实用性。     

多源诱导信息对驾驶员路径变更行为的影响研究

交通广播、可变情报板、车载GPS和道路指示牌等诱导信息源是驾驶员路径选 择的重要依据.为系统研究多源诱导信息对驾驶员路径变更行为的影响机理,采用情景分 析法,以西安咸阳国际机场和西二环方欣商圈为OD,设置主路径和备择路径,引入通行 费敏感度构建SP 问卷,调查多源诱导信息情景下驾驶员由主路径向备择路径变更的频 率,在此基础上,构建路径变更行为的有序Logit 模型.结果发现,驾驶员路径变更对多源 诱导信息的依赖程度依次为可变情报板、交通广播、车载GPS和道路指示牌,反映了驾驶 员对动态、及时的诱导信息需求性更强;此外,在多源诱导信息作用下,通行费价格敏感 度、受教育程度对驾驶员的路径变更也有显著影响,而驾驶员年龄的影响作用不显著.     

���ڶ�Դ��Ϣ�ںϵļ�ʻԱ��ΪЭͬ�����㷨

交通仿真是交通控制与管理方案评价和优化的重要研究手段.传统的微观交通仿真模型，特别是刻画驾驶员行为的车辆跟驰模型，未能综合考虑交通环境中信息刺激的多源性和驾驶员任务集聚、协调反应的行为过程.本文利用Bayes方法和模糊积分方法描述驾驶员在复杂行驶环境中多源信息的融合过程，确定驾驶员任务集聚后对车辆应采取的驾驶行为.模型验证表明:交通仿真过程中，在车辆跟驰模型实施之前，利用Bayes算法和模糊积分算法模拟驾驶员在多源信息刺激下任务集聚、协同反应的过程是行之有效的.     

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.     

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.     

路径信息诱导的双层规划模型

为了缓解交通拥堵与提高路网运行效率,建立了路径诱导信息的双层规划模型。上层模型描述信息发布者通过交通诱导信息发布手段优化路网层面的性能函数,下层模型采用效用函数描述驾驶员最优路径选择行为,其决策变量为交通信息类型,从而将交通信息对于驾驶员路径选择行为的影响引入模型中。利用极点搜索算法对一个简单路网的双层规划模型进行算例分析,得出了各种交通信息条件下上层目标函数值。虽然计算结果存在8%~13%的波动范围,但交通拥堵时发布的拥堵消散信息是最优方案,定性信息带来的总体效益要好于指示信息,因此,该模型可行。