多方式诱导信息对通勤者出行链的动态影响模型.docVIP

多方式诱导信息对通勤者出行链的动态影响模型 　　摘要： 为研究多方式诱导下通勤者的动态选择行为，采用效用理论和多阶段决策方法，以出行链感知效用最大化为目标，建立了通勤者单日内以家为起点和终点的出行链选择行为动态规划模型，并利用Dijkstra算法求解.将出行链分割为相互联系的单次出行，每次出行均包含出行前和出行中决策节点，在每个决策节点上实现交通信息的动态加载，并考虑通勤者对信息的信任度和学习过程，使模型可更准确地描述实际决策过程.算例结果表明：多方式诱导信息使每位通勤者的出行链实际效用平均增加0.88%；且信任度越高，通勤者获得的收益越大，越倾向于通过缩短出行链长度，选择地铁或停车换乘方式以规避交通拥堵造成的效用损失. 　　关键词： 出行链；多方式诱导；动态规划；交通信息； Dijkstra算法；通勤者 　　中图分类号： U491文献标志码： AModeling the Dynamic Impacts of Multimodal 　　城市通勤交通是早晚高峰流量的主要组成部分，利用交通信息管理和控制通勤交通对缓解拥堵有重要意义.目前交通信息大多仅反映道路交通状态，各交通方式之间集成信息服务的不足显著降低了信息的诱导效果.本文提出多方式诱导信息（信息与多种交通方式相关）的概念，其动态特性使出行链全过程都能受到相关信息的诱导.随着智能交通的发展，需要研究多方式诱导信息对通勤者出行行为的影响. 　　很多学者对交通信息影响下的出行行为已经做了深刻细致的研究.文献[12]直接根据调查数据的统计特征，分析了通勤者在信息条件下的出行行为特性.文献[3]运用回归模型对比了不同类型的道路交通状态信息对路径选择的影响.文献[4]建立了联合选择模型，分析出行前的交通信息及其对出发时刻、出行方式和路径选择的影响.文献[5]运用结构方程模型，探讨了公共交通信息服务对小汽车使用者出行方式路径选择的影响.文献[68]通过分析信息条件下的出行方式和路径选择行为，探讨了交通信息对网络交通流分配的影响.文献[9]提出了基于multiagent协商的个性化交通信息服务策略，并分析了信息对出行者个体和路网整体的影响. 　　以上文献研究的均是交通信息对单次出行的影响.随着出行链分析方法的发展，越来越多的学者意识到不能孤立地研究单次出行，建立了很多基于出行链的选择行为模型，然而将交通信息与出行西南交通大学学报第48卷第2期赵丹等：多方式诱导信息对通勤者出行链的动态影响模型链中每次出行的动态选择行为相结合的研究较少.文献[1011]利用最优化理论确定了出行链中每次出行的最优出发时刻及交通信息服务带来的出行链延误成本变化，但是此研究并未指明信息的类型和内容，仅从理论上分析了交通信息对出行链产生的经济影响. 　　综上所述，已有研究存在以下不足： 　　（1） 研究背景为单一诱导方式，例如，假设使用小汽车出行时不考虑公共交通信息，或假设公共交通信息只对使用公共交通的群体产生影响，从而严重低估了信息对交通方式转换的作用； 　　（2） 研究角度多局限于单次出行，较少涉及信息对出行链的影响，尤其是通勤者，每日至少出行两次，只有将所有出行视为具有时空联系的整体，才能从更深层次上分析交通信息对出行行为的作用机理. 　　本文假设多方式诱导信息包括路段行程时间、停车搜索时间和地铁等车时间，将实时动态的多方式诱导信息作为输入条件，选取小汽车通勤者为研究对象，分析出行链感知效用，通过引入信息信任度概念，运用动态规划理论，模拟单日内通勤者在多方式信息诱导条件下的出行链选择与优化过程，并用实例分析多方式诱导信息的影响.1出行链动态决策过程出行链是以某个基点作为出发点，再回到该基点或另一基点所形成的环[12]，其中包含了一系列在空间和时间上相互联系的驻点（指停留某处进行活动的地点）和若干次出行[13]，通常设置基点为家.通勤出行链动态选择行为的实质是多阶段决策问题，其动态决策过程如图1所示. 　　（4） 在拥堵状态下，当通勤者对信息的信任度较高时，为降低出行风险，通勤者会考虑选择可靠性较高的轨道交通，有利于促进小汽车通勤者向公共交通转移，尤其是停车换乘. 　　建立综合交通网络时，考虑到公交车和地铁都属于公共交通，影响因素大致相同，且小汽车通勤者几乎不换乘公交车，因此忽略了公交车出行方式.以后的研究会考虑将公交车加入到出行方式选择集合中. 　　参考文献：[1]KHATTAK A J， TARGA F， YIM Y B. Investigation of traveler information and revealed travel behavior in the SanFrancisco bay area[R]. Sacramento： California Partn