依赖随机参考点的网络均衡配流模型

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积.假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型.然后,给出基于Probit 加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法.算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为.对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变.     

基于有限理性的交通网络可靠性均衡模型

为探索交通系统不确定性和出行者心理感知差异对出行路径选择行为的影响,将路网可靠性和有限理性融入出行者的路径选择决策中,提出双目标交通网络均衡模型.为应对模型多解问题,建立出行可靠性和有限理性下的贝叶斯随机用户均衡模型,运用贝叶斯统计和双层规划框架估计权重系数,采用变分不等式刻画交通均衡模型;分别设计迭代算法（iterative algorithm,IA）和相继平均算法（method of successive average,MSA）求解贝叶斯权重系数估计和变分不等式交通网络均衡模型.算例表明：随着观测变量和输入变量扰动变小,估计参数的均方根误差逐步减小;IA在运行15 s后均方根误差达到0.05,MSA在1 s内收敛精度达到10-6;变分不等式均衡模型可以同时反映出行者的风险态度和有限理性决策过程.     

��������ο���������������ģ��

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积。假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型。然后,给出基于Probit加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法。算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为。对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变。     

交通事故下出行者非理性出行行为研究

基于前景理论,研究交通事故下出行者路径选择行为规律.应用前景理论,考虑交通事故的发生概率,以出行者出行总花费时间作为出行效用,提出出行者路径选择的效用函数;然后通过分析出行者效用函数的分布规律,在出行效用连续随机分布的条件下,建立出行者感知效用模型.通过连续函数离散化方法构建出行者路径选择模型.通过一个算例,描述非理性条件下出行者选择行为,并分析交通事故的特征对效用值和选择结果的影响,说明感知效用为0 的参考点并不是路径实际效用分布的期望值,而是比期望值小.     

基于行程时间可靠性的多类用户交通分配模型

分析了路网在随机因素作用下造成的出行者行程时间的不确定性.假设出行者基于期望行程时间和行程时间可靠性的均衡选择路径,根据出行者对待行程时间可靠性的不同态度,将其路径选择行为分类,建立了基于行程时间可靠性的多类用户交通分配的变分不等式模型.给出了模型的对角化算法.对一个小型测试网络的计算结果表明,该模型能够反映出行者在不确定环境下的路径选择行为.     

基于累积前景理论的随机异质道路网配流模型

针对出行者择路行为的有限理性和风险取向的差异性,将出行者分为4类:分别以可靠度低于50%的出行时间预算、期望出行时间、可靠度高于50%的出行时间预算和超预算期望出行时间作为选择路径的参考点.推导了需求服从对数正态分布、路段通行能力服从均匀分布条件下各类出行者的前景值计算公式,建立了用等价变分不等式表示的均衡模型.算例结果表明,累积前景理论参数设置对配流具有重要影响,随着收益敏感系数的增大,各类出行者的路径前景均呈增大趋势,且第3、4类出行者比第1、2类出行者变化更显著;随着损失敏感系数和损失规避系数的增大,各类出行者的路径前景均呈减少趋势,且第1、2类出行者比第3、4类出行者变化更显著;随着感知概率系数的增大,第1、2类出行者的路径前景呈减小趋势,而第3、4类出行者的路径前景呈增大趋势.     

基于累积前景理论的通勤者路径选择模型

为了全面描述决策者在不确定环境下的出行行为,从价值变化和可靠性变化两个方面研究通勤者的路径选择行为及对待风险的态度,提出了基于累积前景理论（CPT）的通勤者路径选择模型.首先推广了两个参考点的CPT,接着根据不确定理论对行程时间进行预算,给出通勤者参考点估计的统一方法,然后构造通勤者的路径选择模型. 最后在一个测试网络上研究可靠度与参考点及可靠度与累积前景值的关系.结果表明,通勤者的参考点可以根据可靠度要求动态设置.出发时刻相同,出行者可靠度要求较高时,风险较低的路径前景值较大;反之可靠度要求较低时,行程时间平均值较小,虽然风险较高的路径前景值也比较大,这一结论与事实相符合.本文所提出的决策模型能够有效地描述通勤者在随机路网中的路径选择行为.     

���ں�����۵Ľ�ͨ��Ϣ��֪��ֵ

为了衡量出行者在比较交通信息行为和规避风险决策模式下的交通信息感知价值,构建了获取信息前后基于期望后悔效用差别的交通信息感知价值模型.考虑通勤出行者在路径选择时可能遇到的不确定因素,应用贝叶斯更新方法计算出行者获得交通信息后对路况认知的提高程度,讨论了通勤者仅有两条候选路径,且对路径的熟悉程度均为90%、交通信息准确性达到95%时,两条路径在不同路况组合情况下的交通信息感知价值.结果表明,应用后悔理论和数值模拟法,可以全面了解两条路径在各种不同路况组合下,通勤者获取信息后的路径选择和信息感知价值的变化情况.     

不确定性对城市交通出行者路径选择的影响

为了研究城市交通中旅行时间的不确定性对出行者路径选择的影响,基于展望理论,提出了出行者规避不确定性假说,应用贝叶斯模型分析了重复出行中出行者对不确定性的认知更新及其对出行行为的影响,并通过调查数据进行了实例验证。分析结果表明:77.73%的出行者偏好旅行时间不确定性小的路径;路径旅行时间不确定性降低时,有66.39%的出行者改变了出行时间,平均时间预算减少了10.03%;对路径熟悉程度增加时,有70.90%的出行者改变了出行时间,平均时间预算减少了15.56%。可见,出行者的出行时间预算随旅行时间不确定性的下降和重复出行的增加而减少。     

有限理性下考虑出发时间选择的网络交通流演化

假设出行者出发时间与路径选择随历史出行信息的更新而不断调整,研究网络交通流逐日动态演化规律.考虑出行者有限理性,基于累积前景理论,建立了出行者出发时间选择、时间间隔权重更新、路径选择及路径行程时间分布更新模型.通过数值实验表明:出行者对历史理解行程时间依赖程度对每个出发时段的稳定的流量分布无显著影响,但是对路径流量演化有显著影响;当出行者对历史理解行程时间的依赖程度大于等于0.90时,考虑出发时间选择的路网流量演化最终能达到稳定状态;从系统的整体效率来看,当出行者对历史理解行程时间的依赖程度在[0.90,0.95]时,有限理性下的交通分配结果优于完全理性.     

基于期望-超额出行时间的道路系统最优均衡模型

为研究随机事件扰动下出行者的择路行为对交通分配的影响,同时考虑供需条件的随机变化,以期望-超额出行时间为出行者择路依据,利用边际成本收费原理,推导了边际成本收费值计算公式,建立用等价变分不等式表示的系统最优交通分配模型,并利用自适应投影收缩算法进行求解.算例表明:当OD需求系数为1.0、路段能力退化系数为0.5时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算为择路依据时增加了11.27%和3.58%;当出行时间可靠度为0.9时,路径1边际成本收费值分别比使用期望出行时间和出行时间预算作为择路依据时增加了20.22%和4.30%.      

��������ϵͳ����ѡַģ���о�

科学合理的多机场系统场址选择是一项涉及众多因素和利益主体的重要决策问题,就是要使系统中各机场容量协调并使系统收益最大化. 在分析旅客机场随机性选择行为基础上,构建双层规划模型来描述多机场系统场址选择决策过程中多目标价值准则,定量研究宏观机场决策者与微观旅客的相互作用. 模型上层规划从决策者的角度出发,使总的机场建设费用最小,下层规划则描述旅客机场选择行为,并使其总的出行费用最小. 考虑到变量的离散特性,文章分析了求解所构模型的方法,并通过实例模型的求解来检验模型和算法的可行性和有效性. 实例计算表明,双层规划模型的多价值准则决策方法更接近实际情况,在多机场系统选址规划中具有一定的实用性,对优化机场资源配置和提高机场竞争力具有现实意义.     

基于量表型选择集的出行信息需求有序选择模型

研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。      

基于预算时间的路径选择模型参照点设定方法

针对路径选择模型的特点,基于前景理论分析了实际路网中出行者在不同得失状况下的选择行动,进而重点分析了模型中参照点的设定方法.从传统参照点设置方法入手,针对其自由流时间不适用于拥挤路网的弊端,通过结合出行时间预算和有效路径的相关理论,提出了一种更加符合实际的路径选择模型参照点设定方法.算例演算表明,提出的参照点设定方法能有效地反映路网出行者的实际出行行为,特别是在出行者对出行时间要求越严格的情况下,改进方法的优势越明显.     

基于随机系数Logit模型的市内出行方式选择行为研究

出行方式选择行为研究对出行行为分析和预测具有重要意义. 以往研究假定某一群体内的所有出行者的偏好都一样,这与实际不相符. 随机系数Logit 模型假定出行者的偏好不一致,并能分析出行者个体特征对于出行者偏好的影响. 本文利用随机系数Logit 模型对市内机动化出行行为研究. 考虑到心理因素对出行者出行选择行为具有影响,本文在研究中加入了出行可靠性、出行舒适性、出行灵活性3 个潜在心理因素. 通过研究表明,随机系数Logit 模型比传统的离散选择模型具有更高的拟合度. 随机系数Logit 模型的效用函数中,步行时间的系数为非随机变量;但车内时间的系数为随机变量,且与出行者结婚状况,是否有车,是否开车上班,月收入是否超过10 000元,以及对交通灵活性的主观需求相关.     

基于随机系数Logit 模型的市内出行方式选择行为研究

出行方式选择行为研究对出行行为分析和预测具有重要意义. 以往研究假定某一群体内的所有出行者的偏好都一样,这与实际不相符. 随机系数Logit 模型假定出行者的偏好不一致,并能分析出行者个体特征对于出行者偏好的影响. 本文利用随机系数Logit 模型对市内机动化出行行为研究. 考虑到心理因素对出行者出行选择行为具有影响,本文在研究中加入了出行可靠性、出行舒适性、出行灵活性3 个潜在心理因素. 通过研究表明,随机系数Logit 模型比传统的离散选择模型具有更高的拟合度. 随机系数Logit 模型的效用函数中,步行时间的系数为非随机变量;但车内时间的系数为随机变量,且与出行者结婚状况,是否有车,是否开车上班,月收入是否超过10 000元,以及对交通灵活性的主观需求相关.     

交通事件影响下的路径行程时间变化分析

为了对交通管理系统中的事件管理提供可靠的决策依据,针对持续期为数天的交通事件,考虑事件发生后出行者日常路径选择的随机性,基于路径流量联合概率分布的动态调整过程,建立了描述路网系统路径行程时间变化的随机动态交通分配模型.并用算例网络验证了本文建立模型的可行性.算例研究结果表明:交通事件持续期每增加10 d,持续期内路径的平均行程时间增加0.24%;与普通路段相比,事件发生在关键路段导致平均行程时间增加3.07%; 路段通行能力每下降10%,平均行程时间增加2.53%;不同事发路段对路网系统在事件结束后恢复到均衡状态所需时间的差别显著,关键路段通行时间的恢复约为普通路段的4倍.      

考虑出行者不同理性程度的拥堵交通流分配方法

为研究出行者感知偏好对交通分配结果的影响,本文构建了微观路径选择模型,提出拥堵条件下受路段通行能力限制的交通分配算法。引入出行者决策过程中的后悔和无差别化阈值,考虑出行时间和排队时间的心理感知差异,构建不同理性程度下的路径选择概率模型。在集计水平上,考虑当前路段及其上下游路段通行能力限制、路段车辆空间排队和溢出,提出路段车流量流入、流出的修正方法。采用增量加载分配方法,研究路段车辆的消散特性,再现了从个体路径决策到宏观路网状态的演化过程。基于Nguyen-Dupuis仿真网络,比较不同算法下各路段的拥堵车辆和各路段车辆流入、流出情况。结果表明：出行者个人偏好感知会显著影响拥堵路段的成本函数,是出行者路径选择的关键因素,但是出行者个人偏好对非拥堵路段的车辆流入、流出影响较小;考虑个体偏好的交通分配方法能降低路网的平均饱和度。本文提出的考虑有限理性的拥堵交通分配方法可应用于拥堵路网的交通诱导,有利于促进道路资源的合理利用。     

考虑出行者行为的多重网络拥堵风险传播模型

城市道路交通拥堵风险传播过程受拥堵预警信息、出行者行为特性及居民出行流量分布等诸多因素影响。本文提出包括道路子网、信息子网和出行子网的多重网络模型,应用改进的 UAU-SIR(Unaware-Aware-Unaware-Susceptible-Infective-Recovered)模型,探讨多重网络预警信息下的城市道路拥堵风险传播机制;以国内典型城市道路网络特征分析为基础,构建符合真实道路状况的网络生成模型,并探讨道路网络拓扑结构和出行者面对预警信息时的行为特征对拥堵风险传播的影响。数值模拟结果表明：交通预警信息在发生严重拥堵时可以显著抑制道路拥堵传播,拥堵风险传播阈值与道路网络拓扑结构、预警信息、出行者面对预警信息时的行为特征及信息传输速率相关;ER随机网络与模拟路网相比具有爆发阈值更低,传播范围更广的特征。说明信息策略制定应更加重视出行者的风险态度和对拥堵的感知,提升信息通信强度有助于维持交通流的稳定。