基干乘客选择探析公交票价定价模型.docVIP

基于乘客选择分析的公交票价定价模型 　　【摘 要】本文利用云模型的基础理论，设计了一种结合乘客动态选择行为的公交票价计算模型，将乘客选择行为视为一种动态的、不确定的行为，结合广义成本的理论求出最合适的定价以使社会成本最低 【关键词】公交定价；云模型；广义成本 乘客出行方式选择是众多影响因素的综合结果，只有充分考虑行为的影响因素，才能准确预测乘客的行为，然而乘车经验、乘客异质性等因素却难以量化。考虑到乘客行为表现为一种不确定性，而云模型正是一种分析模糊现象的有效工 具，其采用自然语言值描述模糊现象的特点符合乘客的思维习惯。此外，云模型 的定性定量转化功能，使其能融合不同类型的信息。因此，本文选用云模型进行 乘客出行预测的构建 考虑到公交乘客最为关心的是公交的票价和公交所用时长，为此本文基于云 模型构建了公交票价和公交耗时双因素影响下的乘客选择预测模型。为了验证不 同条件对乘客行为的影响，需对大量乘客做意见调查 1.信息理解结果预测 乘客得知票价后，首先要对票价进行分析处理，即对票价的定性认知，继而才能在此基础上做出选择何种出行方式。现实中，人们习惯用自然语言值”贵”“较贵”“划算”“出行时间较长”“出行时间较短”等来理解客观信息。比如乘客在得知公交票价是 0.8 元，出行时间是 25 分钟时，出行时间较长”，乘客的理解是以自然语言的形式输出的， 不同人对自然语言值所包含的信息范围有不同的界定，但大体趋于一致 本文用三维云模型描述人对信息理解的模糊性。下面通过模拟人在理解“出行费用”“出行时间”和“拥挤程度”的云模型来解释其原理 1.1对公交出行时间信息理解的预测 不同乘客得到同一个公交出行时间信息的时候，其理解也会是不同的，比如，乘客得到公交出行时间信息是 15 分钟的时候，有部分乘客会觉得这个时间要短于15 分钟，大概也就是感觉 10 分钟，所以会用“10 分钟左右”来理解这个出行时间概念；另一方面，其他乘客也许会觉得这个时间要长于 15 分钟，也许就是现实 中的 20 分钟。那么这部分乘客会用“20 分钟左右”来理解这个出行时间概念。 该阶段的目标即是用云模型实现对实时信息理解结果的预测， 首先，对大量乘客对信息理解的情况进行问卷调查，即乘客将 0-60分钟的出 行时间理解为哪些模糊概念（“10分钟左右” “20分钟左右”“30分钟左右”等）据调查结果能画出每个模糊概念的云图，那么乘客对每个定量值得定性理解就能反映在云图里。每个云图中的云滴就是这个乘客将乘车出行时间理解为该模糊概念的概率。则即可由云模型计算求得乘客对任何出行时间的定性理解结果：自然语言值 1.2对公交出行费用信息的理解预测 公交出行费用也是乘客出行非常关注的一个因素，乘客对于公交出行费用的 感知也是不同的。有的乘客会将 2.0 元理解为划算，其他乘客则会将 2.0 元理解为较贵 1.3对拥挤信息的理解 乘客对拥挤信息的理解主要主要依据是公交车上的载客人数，具体反映的时候可以依据满载率这个值，也可以理解为乘客选择公交出行的舒适性。在给定公交最大乘车人数的情况下，满载率越高，乘客选择公交出行的概率就越小 1.4乘客对出行方案的选择 出行费用、出行时间和公交拥挤程度是影响乘客选择不用出行方式的 3 个重 要因素。面对同样的出行方式（公交车或小汽车），不同乘客都有自己的理解和选 择偏好，如有的需要出行时间短，有的需要公交费用低。这些偏好不同的乘客最 后做的选择也会不同，乘客需要在平衡出行费用、出行时间和公交拥挤程度的三 个方面基础上来综合考虑选择公交还是小汽车出行 2.出行方案预测模型 出行方案预测的大致步骤为：公交信息输入预测模型，通过云模型得到信息 的理解结果，理解结果继而输入乘车方案选择规则集，得到最终的出行方案。假设公交与小汽车是都可以到达目的地的方式。乘客选择出行 方式齐前，会先获得关于公交票价、出行时间以拥挤度的信息。本文预测模型的 目标是根据公交票价、出行时间和拥挤程度预测出乘客的出行方案。具体步骤如下： （1）通过统计并分析乘客在不同情况下的乘车选择行为，提炼出信息通常被 理解成的 m 个定性概念（自然语言值）并通过逆向云算法分别得到描述 m 个定性 概念的数字特征 （2）由数字特征可以标定各个自然语言值的正向云算法，将出行乘客数量， 选择公交与选择小汽车的信息作为输入，可以得到每一位乘客信息对 m 个定性概念的隶属度 （3）选择隶属度最大的定性概念组作为某乘客对信息最有可能的理解 （4）从调研数据中提炼出乘车方案选择规则，并将信息的理解结果作为输入， 得到一位乘客的出行方式选择结果 3.构建公交定价优化模型 假设在进行公交票价优化前，能够