风险路网环境下出行者路径选择决策建模对比分析

出行者路径选择问题一直是交通领域研究的热点.对给定交通环境下出行者决策结果的精确描述能够更好地诱导人们出行,提高出行者的出行效率.基于累积前景理论建立的风险路网环境下决策的描述性模型,更好地描述了出行者的实际出行行为.在假设出行者出发前已知各路径的出行时间概率分布的前提下,建立了基于累积前景理论的风险路网环境下出行者路径选择决策模型,并通过算例和实证调查证明了累积前景理论在描述出行者的实际出行行为上具有更大的优势.     

基于累积前景理论的出行者路径选择模型

传统的基于期望效用理论的路径选择模型存在许多不足,而累计前景理论则可以比较真实的描述不确定性情况下的决策过程,符合出行者有限理性的特点.文中以累积前景理论为基础,在路径出行效用连续随机分布的条件下对出行者的感知效用进行建模,并结合模型的变量对模型的特性进行了分析,最后通过实例对比分析了分别应用期望效用理论和累积前景理论时,出行者路径选择行为的差异。结果表明,累积前景理论能够克服期望效用理论的许多不足,更好地描述出行者路径选择的决策过程.文中还通过对参考点和路径出行效用分布的分析,为智能交通控制系统和仿真建模提供了理论支持.     

出行效用连续分布的路径选择模型及其特性分析

出行者路径选择行为的建模对城市路网的规划和智能交通控制系统的研究具有重要意义.传统的基于期望效用理论的路径选择模型存在许多不足,而累计前景理论则可以比较真实的描述在不确定性情况下的决策过程,符合出行者有限理性的特点.本文以累计前景理论为基础,在路径出行效用连续随机分布的条件下对出行者的感知效用进行建模,并结合模型的变量对模型的特性进行了分析,最后通过实例对比分析了期望效用理论与累积前景理论,结果表明累积前景理论可以克服期望效用理论的许多不足,更好的描述出行者的决策过程.通过对参考点和路径效用分布的分析,为智能交通控制系统和仿真建模奠定了理论基础.     

考虑有限理性和认知更新的日变交通分配模型

研究交通流的逐日演化规律对缓解城市交通拥堵有着重要意义.现有日变交通分配模型所考虑的因素具有一定的片面性,不能全面描述实际交通环境下出行者的有限理性和认知更新行为.基于累计前景理论框架,提出考虑出行者有限理性和认知更新的日变交通分配模型,并通过测试网络进行仿真分析.研究发现,在考虑出行者有限理性和认知更新的条件下,路径流量收敛到最终稳定态的速度较快,在本文算例中,路径1~6分别在第40天、40天、11天、13天、22天和23天演化到稳定点;出行者对路径累积前景值认知的敏感性参数η对路径流量的逐日演化收敛速度也有着显著的影响,较小的η值意味着需要更长的时间,使得网络上的流量分布演化到最终平衡态.     

城市复合交通系统容量超级网络评估方法

通过构建虚拟节点和换乘线段,将复合交通系统转化为由小汽车网络、公交网络和轨道交通网络有机组合而成的超级网络,建立复合交通系统容量的超级网络分析评估模型.该模型上层为最大化流量问题,反映复合交通系统服务流量最大化,下层为出行分布和均衡配流的组合模型,反映出行者利用出行路径的选择,同时进行出行方式、换乘节点的选择.以芜湖市城市交通网络系统容量计算为例,结果显示网络容量与城市向东向南发展策略一致,反应了该模型和算法的正确性和有效性.     

考虑距离因素的多方式交通超级网络均衡配流模型及算法

考虑了出行距离对出行者不同感知费用的影响,提出了一种考虑距离因素的多方式用户平衡配流方法。对出行者在多方式交通系统中的出行行为进行了分析,基于图论构建了用于描述一般出行过程的多方式超网络模型,并定义了有效超路径和子路径。针对出行者在不同出行过程中时间和花费这两个主要定量因素的计算方法,同时考虑了出行距离对出行者感知费用的影响机制,构建了考虑距离因素的出行广义费用函数。在此基础上,提出了基于用户平衡准则的多方式交通网络配流模型,并提出了基于子路径费用的最短超路径搜索算法。最后用一个简单算例对模型进行了验证,结果表明本文所提出的模型及算法可行有效。     

截断随机出行时间下可靠网络均衡模型

针对现有随机交通网络均衡模型未考虑路径出行时间的有界性和准时到达概率对出行者路径选择行为影响的问题,基于截断随机出行时间,提出了克服其局限性的可靠网络均衡条件,该均衡条件下没有出行者可以通过单方面改变出行路径来提高准时到达概率.构建了该均衡条件的等价变分不等式(VI)模型,并证明了其等价性和解的存在性.设计了基于路径的相继平均(MSA)算法对模型求解.采用Nguyen-Dupuis网络对可靠网络均衡模型和MSA算法的有效性进行了测试.研究结果表明:该算法能够快速收敛到较高精度;与不考虑随机出行时间有界性的模型相比,网络均衡状态下的准时到达概率和流量分布均存在差异,最大路段流量相对变化值达到38.5%;增加出行时间预算和降低出行时间上界均可以有效提高起讫点间的准时到达概率.     

基于累积前景理论的通勤出行联合决策模型

为研究不确定交通环境下的通勤出行决策行为,考虑出行者的有限理性,基于累积前景理论构建了出发时刻、路径的联合决策模型.该模型包含3个参考点,即可接受的最早、最晚到达时间和行程时间,且风险偏好系数考虑了行程时间的可靠性及参考点的影响.基于所选取的参考点计算价值函数与权重函数,并依据前景值最大确定出行方案.算例研究结果表明:...     

考虑路径走行时间边界的行程时间可靠性研究

以路径的自由流时间为路径走行时间的下边界,提出了截断正态分布条件下的出行时间预算模型,并将其与一般正态分布条件下的出行时间预算模型进行对比.在多用户随机网络条件下,假定出行者的期望准时到达概率是异质的,并建立了基于可靠性的多类用户随机用户均衡模型.研究结果表明,在截断正态分布条件下,出行者的预算时间更大,且其风险厌恶水平是基于情景自适应的.同时,对准时到达要求较高的出行者倾向于选择可靠性较大的路径,对准时到达要求不高的出行者倾向于选择平均走行时间较小的路径.     

ATIS环境下的网络交通流逐日动态演化研究

基于出行者逐日路径选择过程,建立出行者路径选择模型和逐日路径选择学习模型. 在2条平行路径的简单路网中进行多次数值实验,结果表明：网络交通流演化是否稳定,以及能否达到随机用户均衡态,与出行者对昨日感知行程时间的依赖程度和先进的出行者信息系统市场占有率两者都有关系. 当出行者对昨日实际行程时间完全依赖时,路网系统始终偏离随机用户均衡态;当出行者对昨日感知行程时间完全依赖时,出行者集中选择一条路径,并且网络交通流演化稳定.     

考虑路径舒适性的连续道路网络设计

【目的】基于出行者的舒适性偏好,探究考虑路径舒适性的连续型交通网络设计,拓展网络设计的相关理论,为交通规划与设计提供新思路。【方法】在现有路径舒适度不能直接叠加的情况下,重新定义路径舒适性并对其量化分析,将其转化为可叠加的舒适度成本;再以变分不等式的形式建立考虑舒适性择路准则的交通网络均衡分配模型;最后,建立考虑路径舒适性的网络设计双层规划模型,采用基于灵敏度分析的方法求解,并在一个小型测试网络上进行验证。【结果】以舒适度成本最小化为准则进行分配后得到的路径流量符合用户均衡原理,能使采用最优策略时的路网总阻抗最小。【结论】舒适性择路准则能合理地刻画舒适偏好出行者的路径选择行为,在交通网络设计中具有一定的实用性。     

诱导信息下基于博弈论的路径选择模型

诱导信息下的路径选择模型无论是在宏观的交通规划领域,还是在微观的驾驶员行为机理研究过程中都具有重要的意义.通过分析出行者选择路径的过程,将博弈论中的静态多人博弈与路径诱导下的出行者的决策过程进行对比,引入求解纳什均衡的划线法,来阐述出行者的路径选择模型,以求得到最接近实际的出行者在静态诱导信息下的路径选择模型;给出了基于博弈论的路径选择模型算法,并通过1个简单实例阐述了在静态诱导信息下出行者的博弈过程以及求解纳什均衡的方法.     

随机均衡配流下的连续性交通网络设计

针对交通出行者的出行行为存在不同属性的实际情况,在网络设计双层规划理论的基础上,研究基于随机均衡配流的连续性交通网络设计问题.综合考虑路网可达性和随机用户均衡交通分配建立了双层规划模型,并在路网可达性中引入节点的重要度计算.下层规划采用拉格朗日乘子法求解,同时对上层规划设计粒子群优化算法,并借助Matlab编程计算.在实际算例中,选取道路饱和度对扩建后的交通网络进行效果验证.结果表明,文中模型具有一定的实用性,既可以提高交通网络中的道路利用率,又可以在一定程度上缓解交通网络中的拥堵问题,使网络中的平均饱和度降低28.4%.     

出行者感知误差下目标导向型双属性用户均衡

提出了目标导向型双属性路径效用模型,用于分析随机交通网络中出行时间和出行时间可靠度两属性影响下出行者的路径选择行为,其中能够达到的目标决定了路径效用的大小。所提出的模型具有3个特点:一是考虑出行者感知误差,从而得到出行时间和出行时间可靠度的感知值;二是基于感知值的边际分布,采用Copula函数刻画感知值间的随机相关性;三是出行者为每个属性赋予特定目标,并且提出了目标间的相互作用,即互补关系。基于所提出的路径效用模型,进一步提出了考虑出行者感知误差的目标导向型双属性用户均衡模型,将其表示为变分不等式问题,采用连续平均算法对其进行求解。最后通过数值实验验证了出行者不同出行行为下的表现和算法的有效性,并对相关参数进行了敏感性分析。提出的模型拓展了出行者路径选择的研究范围。     

高度信息化条件下的动态配流模型

考虑出行者在高度信息化条件下的动态路径选择行为,提出一种高度信息化条件下动态配流模型的框架。将出行者分为被诱导和未被诱导两类,未被诱导的出行者选择静态最短路径,而被诱导的出行者选择随时间变化的最短路径。出行者在交通信息影响下选择自己的最佳出行路径,先进的出行者信息系统通过对交通网络各种交通状况信息的收集和处理,为出行者提供更有价值的交通信息。该模型框架为智能化交通运输系统的建立提供一定的理论依据。     

考虑服从率的道路网络交通流逐日演化博弈模型

在刻画出行者的日常路径选择过程中,出行者的异质性与有限理性问题逐渐突出,而以往的交通流演化研究大多将出行者根据是否装配先进出行者信息系统(ATIS)分为两类,演化稳定后分别达到UE与SUE状态,但没有考虑出行者对信息的服从率。因此,研究中根据出行者对静态信息的服从率将出行者分为三类,使用累积前景理论刻画出行者的得失心理行为,建立了基于马尔可夫动态模拟出行者路径选择的演化博弈模型。在算例试验中,分析了路径调整率分别取固定值和变动值条件下的演化过程,当路径调整率的取值随演化过程递减时,出行者由更期望改变自己的路径选择逐渐向保持原有路径选择改变,这能更加体现出行者的有限理性,其路径演化过程也更加符合实际。     

基于前景理论的动态路径选择模型研究

在实际出行过程中受多种不确定因素的影响,导致出行者的路径选择行为往往是动态的。本文考虑出行者在路径选择过程中的有限理性以及路径改变方式,在前景理论的基础上建立了动态路径选择模型,提出了更适合人们思维习惯的动态路径选择方法。该方法允许出行者根据道路情况随时调整路径,并用实例验证了方法的正确性和适用性。结果表明,当出行者遇到拥堵路段时,可以在途中改变路径,并且在心理预期时间不能满足时,就会选择有风险的路径。     

演化分析框架下企业学习模型的比较与构建

从演化角度探讨传统主流经济模型的局限,比较分析基于不同角度的学习模型.在此基础上,构建一个基于一定“噪声”条件的随机学习模型,旨在说明建立在学习基础上的企业决策行为的概率演化动态过程.结果表明,演化路径具有复杂系统演化的一般特征,但当系统演化能达到稳定状态时,可以求得一个均衡的决策行为概率分布,这一均衡分布可以作为纳什均衡的随机扩展.     

有直销单商品流供应链网络均衡模型及应用

建立了有直销单商品流供应链网络均衡模型,导出了有直销单商品流供应链网络均衡条件,它等价于一个有限维变分不等式.通过修改的拟牛顿法,获得了有直销单商品流供应链网络均衡模型的解(变分不等式的解),给出了1个算例,验证了模型的正确性和算法的可行性.     

基于交通瓶颈的多用户动态互补模型

基于Vickrey瓶颈模型探讨多用户出行问题. 把出行者按时间价值划分为多个用户类型,建立多用户动态均衡混合互补模型,进一步简化为等价的线性互补模型. 利用线性互补模型的成熟理论,分别对单用户出行和不同分类标准下的多用户出行情况进行仿真实验. 算例结果表明,影响用户出发时刻决策的是早到、迟到时间与出行时间之比,与早到、迟到时间的绝对值无关;验证了交通管理措施中错时上下班的优势,根据出行者时间价值的不同错时安排上下班时间,大幅度降低交通均衡时的出行费用,提高路网利用效率.