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。     

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.     

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.     

考虑异质出行者的道路收费路网流量演化模型

为研究道路收费路网的流量在出发时刻和出行路径上的逐日演化规律,根据时间价值差异将出行者分为3类,以历史经验学习更新出行路径相关参数,将时间价值与路段收费统一为出行成本,引入前景理论描述出行者的出行行为.以准点到达概率最大为目标,建立出发时刻的流量转移模型;以追逐路径前景值最大为目标,建立各出发时刻流量在路径间的流量转移模型;最后通过算例对模型和算法进行验证.结果表明:处于收费路段与时段的流量较小,流量向其他路段及时段转移;异质出行者与同质出行者相比,总体流量演化表现为转移次数更多、转移幅度更平缓.     

考虑出行者异质性的高铁站到达方式选择

出行者到达枢纽站的交通方式效用是交通出行选择的重要因素;另一方面,出行者方式的偏好具有显著的异质性,传统的离散选择模型不能很好地解释出行者异质性.本研究利用潜在类别条件Logit模型研究高铁站出行者的出行选择行为.潜在类别条件Logit模型考虑出行者异质性,在对出行者进行潜在类别划分的同时得到不同类别的出行者的出行行为效用函数.研究结果表明,将出行者划分为3个类别.不同类别出行者在步行时间、车内时间、价格、公交偏好、地铁偏好等方面具有显著差异.此外,出行者小汽车拥有情况、月收入等个人属性以及灵活性、舒适性、可靠性等潜在心理变量会影响出行者的类别划分.     

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.     

短时事件下的地铁乘客路径选择行为研究

为研究轨道交通短时事件下出行者的择路行为,将在途出行者的择路行为分为3类,并引入前景理论描述其出行行为,考虑了行程时间、出行费用及换乘次数3类因素,以Logit模型为基础,建立流量加载模型。最后以广州塔地铁站为研究对象,分析地铁不经停情况下的乘客择路行为,比较了乘客对换乘次数敏感及线路换乘次数增加的影响。结果显示:当乘客对换乘次数敏感或线路换乘次数上升时,线路流量与换乘次数负相关;乘客的路径选择行为是3类因素的客观大小及乘客的主观偏好的共同结果。     

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日变交通配流模型

相比基于均衡原理所建立的网络均衡配流模型,日变交通配流模型能够描述网络系统的非均衡状态,因而具有更一般的适用性.针对基于期望效用理论的出行者路径选择模型的不足,采用累积前景理论获得了出行者具有参考点依赖特征的路径累积前景值.假设出行者是最大路径累积前景的追随者,利用不同路径累积前景的差异构建了网络系统路径流量交换模型,并据此建立了一个日变动态配流模型.通过一个算例网络对配流模型进行了验证,数值结果表明所提出的模型能够反映动态决策环境下出行者考虑随机风险的有限理性决策行为.     

基于分层Logit的多方式随机用户均衡分配模型

为了完善现有的交通分配模型,综合考虑出行者的方式选择与路径选择行为,建立了基于分层Logit的多方式随机用户均衡分配模型。首先,在多方式交通网络中,根据出行者出行决策的2个步骤,即首先选择合适的交通出行方式、然后选择该方式交通网络中的出行路径,采用分层Logit模型描述出行者的交通方式和路径联合选择行为。在建立的分层Logit模型中,出行效用与流量分布相互制约,出行效用受路网流量影响,而路网流量由效用所决定,最终要达到平衡。接着,构造了一个数学规划模型来求平衡解,证明数学规划模型的最优解与分层Logit模型的流量解等价,并进一步证明等价数学规划模型的目标函数是凸的,而约束集也是凸的,因此等价数学规划模型是一个凸规划问题,模型的解是唯一的。随后,给出了求解提出的基于分层Logit的多方式随机用户均衡分配模型改进的方向搜索算法步骤。最后,以含公交车和小汽车2种方式的方格形路网为算例,分析公交票价、出行者的时间价值和分层Logit模型的层间比例参数的变化对交通分配结果的影响。结果表明:公交车票价对流量分配的影响不大;公交需求量随出行者时间价值的增加而下降;当出行者的时间价值较低时,公交需求量随分层Logit模型的层间比例参数增加而增加,当出行者的时间价值较高时,公交需求量随分层Logit模型的层间比例参数的增加而减小。     

基于随机系数Logit模型的地铁拥挤度影响参数研究

出行者对车内拥挤度的评价往往不一致,文中利用随机系数Logit模型对拥挤度影响参数进行研究.考虑到心理因素对出行者出行选择行为具有影响,文中研究加入了出行者对出行舒适性要求这一潜在心理因素,并通过问卷调查的方式进行分析.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,车票价格和车内时间的系数为非随机变量,但车内拥挤度的系数为随机变量,且受到出行者对出行舒适性要求和车内时间的影响,出行者对出行舒适性的要求越高,车内拥挤度对效用的影响越大,随着车内时间的延长,车内拥挤度对效用的影响减小.     

汽油价格上调影响下出行者出行方式选择

为分析汽油价格上调对居民出行方式选择行为的影响,对城市居民出行者进行调查,获取不同情境下出行者的出行方式选择行为,将出行者划分为有车出行者和未来五年内有购车意愿的无车出行者,采用混合Logit模型构建两种群体在汽油价格上调影响下的出行方式选择模型,分析各影响因素的显著性。研究结果表明：汽油价格增长率对出行者出行方式选择存在显著性影响;对于有车出行者来说,汽油价格的上涨对高收入出行者改变小汽车出行影响较小,收入与选择小汽车出行概率呈正相关;年龄、收入、出行时间与出行距离对无车出行者未来选择小汽车出行有显著影响。研究结果可为我国汽油价格调整和城市交通需求管理策略的制定提供理论依据。     

降级路网组合出行交通流分配模型与算法

研究降级路网条件下的组合出行交通平衡问题。首先,基于出行者对降级路网的不同风险态度,将出行者分为3类:守时型、冒险型和平均型。其次,考虑小汽车出行和小汽车换乘地铁出行2种出行模式,分析降级路网条件下不同用户类的组合出行行为,建立相应的多用户变分不等式交通分配模型,讨论模型解的性质。最后,设计模型的求解算法,并通过算例说明模型和算法的有效性。结果表明:不同出行时间预算的出行者在降级路网中的路径选择行为存在较大差异,路网降级程度对出行者出行选择行为影响显著;随着道路通行能力的降低,出行者更倾向于选择组合出行模式。     

基于博弈论的交通管理政策效用分析

研究了考虑管理盲区影响下的交通管理政策效用.指出交通系统中存在不受交通管理政策影响的管理盲区,并以公务用车为例进行建模分析.首先,分析了政府的交通管理决策目标与出行者的出行选择目标,以缓解交通阻塞、维持区域经济活力作为政府的目标函数,以出行选择效用最大化作为出行者的目标函数,应用Stackelberg博弈模型描述政府及出行者双方的动态博弈平衡.然后,对出行选择效用进行假定,分析了中心区发达与否条件下的模型输出,揭示了公务用车对交通管理政策效用的影响.研究结论显示,对于发达的中心区,公务用车出行比例越高,限制个体交通的管理政策能够起到的效果就越差,且其他出行方式选择的综合效用也会显著降低.     

居民出行链、出行方式与出发时间联合选择的 交叉巢式Logit模型

为刻画出行链、出行方式与出发时间的联合选择行为,选取出行耗时、出行费用及个人与家庭属性等作为效用变量,以出行链选择子集合、出行方式选择子集合和出发时间选择子集合的组合作为模型的选择项,构建基于广义极值(GEV)理论的交叉巢式Logit模型,为方便对比,同时构建3种结构的传统NL模型。利用2010年北京市居民工作出行的小样本调查数据,对模型参数进行估计和检验,并进行弹性分析,分析效用变量的改变对备选方案选择概率的影响。参数估计结果表明,交叉巢式Logit模型具有比NL模型更优的统计学特征,并发现当效用变量改变时,选择者最先变更其出发时间,然后是出行方式,最后才考虑改变其出行链结构。直接和交叉弹性分析表明,与简单链的小汽车出行者相比,复杂链的小汽车出行者对出行时间与出行费用的敏感性较低。研究结果可以为制定和评价交通需求管理政策提供依据。     

拥挤收费下居民出行方式选择——基于累积前景理论的分析

本文基于行为经济学中的累积前景理论,建立居民出行方式选择行为模型,探讨政府在高峰时段采用拥挤收费政策的情形下,不同收入水平出行者出行方式的选择行为,并用算例的形式分析了不同收费标准对出行方式选择的影响程度。研究结果表明:当拥挤收费至一定额度时,出行者的出行方式发生改变。对于中、低收入水平出行者,分别收费3元、2元时,小汽车出行者的出行方式发生变化;而对于高收入者,收费大于6元时才发生变化;不同收费标准对不同收入水平出行者的出行方式选择的影响程度不同。在高峰时段对居民设置恰当的拥挤收费,可改变其出行方式,减少小汽车出行,从而缓解城市交通拥挤。     

居民交通方式选择行为影响因素分析

交通方式选择行为是交通需求预测研究的重要内容。本文利用上海出行者交通方式选择意向调查数据,对小汽车、地铁、自行车三种交通方式的选择行为进行了分析与建模。首先,对地铁票价、小汽车出行时间及费用的多种组合情景下的各交通方式分担比例做了分析。然后,运用计量经济学中的离散选择建模方法,建立了包括出行者个体属性、出行时间及费用等因素的交通方式选择多元logit模型。最后,提出了交通规划和管理政策与措施方面的建议。     

拥挤收费下居民出行方式选择———基于累积前景理论的分析

本文基于行为经济学中的累积前景理论,建立居民出行方式选择行为模型,探讨政府在高峰时段采用拥挤收费政策的情形下,不同收入水平出行者出行方式的选择行为,并用算例的形式分析了不同收费标准对出行方式选择的影响程度。研究结果表明：当拥挤收费至一定额度时,出行者的出行方式发生改变。对于中、低收入水平出行者,分别收费3元、2元时,小汽车出行者的出行方式发生变化;而对于高收入者,收费大于6元时才发生变化;不同收费标准对不同收入水平出行者的出行方式选择的影响程度不同。在高峰时段对居民设置恰当的拥挤收费,可改变其出行方式,减少小汽车出行,从而缓解城市交通拥挤。     

新冠肺炎疫情下居民出行方式选择行为分析

为探究在新冠肺炎疫情不同阶段下,居民的个人属性、家庭属性、出行特征、疫情感知属性、行为意向、选择态度等因素对出行方式选择的影响.基于疫情初期、爆发期、平稳期3个阶段下的北京市居民出行抽样调查数据,构建混合Logit模型.结果显示：疫情3个阶段下,出行距离对出行方式选择都呈正相关显著,各阶段最大预测边际值及其对应变量分别为3.299(5～10 km)、2.983(>10 km)、3.148(5～10 km),较长距离出行对出行方式选择的影响最大;疫情感知属性和出行距离的交乘项对交通方式选择具有明显的调节效应.疫情暴发期,疫情感知属性、行为意向、选择态度变量对交通方式的选择呈负相关显著影响,出行者在出行中被交叉感染的心理担忧表现明显;仅有18.8%的出行者选择公交车或地铁出行,出行结构变化明显.疫情平稳期,选择态度变量对交通方式选择有正相关显著影响,且影响程度变大,表明出行者对交通方式的人群接触率和防疫措施的严格程度要求较高.研究结果可为公共卫生事件下出行者的出行决策和相关管理部门针对疫情的防控提供参考依据.