多方式誘導(dǎo)信息對通勤者出行鏈的動態(tài)影響模型

摘要： 為研究多方式誘導(dǎo)下通勤者的動態(tài)選擇行為，采用效用理論和多階段決策方法，以出行鏈感知效用最大化為目標(biāo)，建立了通勤者單日內(nèi)以家為起點(diǎn)和終點(diǎn)的出行鏈選擇行為動態(tài)規(guī)劃模型，并利用Dijkstra算法求解.將出行鏈分割為相互聯(lián)系的單次出行，每次出行均包含出行前和出行中決策節(jié)點(diǎn)，在每個決策節(jié)點(diǎn)上實(shí)現(xiàn)交通信息的動態(tài)加載，并考慮通勤者對信息的信任度和學(xué)習(xí)過程，使模型可更準(zhǔn)確地描述實(shí)際決策過程.算例結(jié)果表明：多方式誘導(dǎo)信息使每位通勤者的出行鏈實(shí)際效用平均增加0.88%；且信任度越高，通勤者獲得的收益越大，越傾向于通過縮短出行鏈長度，選擇地鐵或停車換乘方式以規(guī)避交通擁堵造成的效用損失.

關(guān)鍵詞： 出行鏈；多方式誘導(dǎo)；動態(tài)規(guī)劃；交通信息； Dijkstra算法；通勤者

中圖分類號： U491文獻(xiàn)標(biāo)志碼： AModeling the Dynamic Impacts of Multimodal

城市通勤交通是早晚高峰流量的主要組成部分，利用交通信息管理和控制通勤交通對緩解擁堵有重要意義.目前交通信息大多僅反映道路交通狀態(tài)，各交通方式之間集成信息服務(wù)的不足顯著降低了信息的誘導(dǎo)效果.本文提出多方式誘導(dǎo)信息（信息與多種交通方式相關(guān)）的概念，其動態(tài)特性使出行鏈全過程都能受到相關(guān)信息的誘導(dǎo).隨著智能交通的發(fā)展，需要研究多方式誘導(dǎo)信息對通勤者出行行為的影響.

很多學(xué)者對交通信息影響下的出行行為已經(jīng)做了深刻細(xì)致的研究.文獻(xiàn)[12]直接根據(jù)調(diào)查數(shù)據(jù)的統(tǒng)計特征，分析了通勤者在信息條件下的出行行為特性.文獻(xiàn)[3]運(yùn)用回歸模型對比了不同類型的道路交通狀態(tài)信息對路徑選擇的影響.文獻(xiàn)[4]建立了聯(lián)合選擇模型，分析出行前的交通信息及其對出發(fā)時刻、出行方式和路徑選擇的影響.文獻(xiàn)[5]運(yùn)用結(jié)構(gòu)方程模型，探討了公共交通信息服務(wù)對小汽車使用者出行方式路徑選擇的影響.文獻(xiàn)[68]通過分析信息條件下的出行方式和路徑選擇行為，探討了交通信息對網(wǎng)絡(luò)交通流分配的影響.文獻(xiàn)[9]提出了基于multiagent協(xié)商的個性化交通信息服務(wù)策略，并分析了信息對出行者個體和路網(wǎng)整體的影響.

以上文獻(xiàn)研究的均是交通信息對單次出行的影響.隨著出行鏈分析方法的發(fā)展，越來越多的學(xué)者意識到不能孤立地研究單次出行，建立了很多基于出行鏈的選擇行為模型，然而將交通信息與出行西南交通大學(xué)學(xué)報第48卷第2期趙丹等：多方式誘導(dǎo)信息對通勤者出行鏈的動態(tài)影響模型鏈中每次出行的動態(tài)選擇行為相結(jié)合的研究較少.文獻(xiàn)[1011]利用最優(yōu)化理論確定了出行鏈中每次出行的最優(yōu)出發(fā)時刻及交通信息服務(wù)帶來的出行鏈延誤成本變化，但是此研究并未指明信息的類型和內(nèi)容，僅從理論上分析了交通信息對出行鏈產(chǎn)生的經(jīng)濟(jì)影響.

綜上所述，已有研究存在以下不足：

（1） 研究背景為單一誘導(dǎo)方式，例如，假設(shè)使用小汽車出行時不考慮公共交通信息，或假設(shè)公共交通信息只對使用公共交通的群體產(chǎn)生影響，從而嚴(yán)重低估了信息對交通方式轉(zhuǎn)換的作用；

（2） 研究角度多局限于單次出行，較少涉及信息對出行鏈的影響，尤其是通勤者，每日至少出行兩次，只有將所有出行視為具有時空聯(lián)系的整體，才能從更深層次上分析交通信息對出行行為的作用機(jī)理.

本文假設(shè)多方式誘導(dǎo)信息包括路段行程時間、停車搜索時間和地鐵等車時間，將實(shí)時動態(tài)的多方式誘導(dǎo)信息作為輸入條件，選取小汽車通勤者為研究對象，分析出行鏈感知效用，通過引入信息信任度概念，運(yùn)用動態(tài)規(guī)劃理論，模擬單日內(nèi)通勤者在多方式信息誘導(dǎo)條件下的出行鏈選擇與優(yōu)化過程，并用實(shí)例分析多方式誘導(dǎo)信息的影響.1出行鏈動態(tài)決策過程出行鏈?zhǔn)且阅硞€基點(diǎn)作為出發(fā)點(diǎn)，再回到該基點(diǎn)或另一基點(diǎn)所形成的環(huán)[12]，其中包含了一系列在空間和時間上相互聯(lián)系的駐點(diǎn)（指停留某處進(jìn)行活動的地點(diǎn)）和若干次出行[13]，通常設(shè)置基點(diǎn)為家.通勤出行鏈動態(tài)選擇行為的實(shí)質(zhì)是多階段決策問題，其動態(tài)決策過程如圖1所示.

（4） 在擁堵狀態(tài)下，當(dāng)通勤者對信息的信任度較高時，為降低出行風(fēng)險，通勤者會考慮選擇可靠性較高的軌道交通，有利于促進(jìn)小汽車通勤者向公共交通轉(zhuǎn)移，尤其是停車換乘.

建立綜合交通網(wǎng)絡(luò)時，考慮到公交車和地鐵都屬于公共交通，影響因素大致相同，且小汽車通勤者幾乎不換乘公交車，因此忽略了公交車出行方式.以后的研究會考慮將公交車加入到出行方式選擇集合中.

參考文獻(xiàn)：[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 Partners for Advanced Transit and Highways， 2003.

[2]LEVINSON D. The value of advanced traveler information systems for route choice[J]. Transportation Research Part C， 2003， 11（1）： 7587.

[3]ZHONG Shiquan， ZHOU Lizhen， MA Shoufeng， et al. Effects of different factors on drivers guidance compliance behaviors under road condition information shown on VMS[J]. Transportation Research Part A， 2012， 46（9）： 14901505.

[4]JOH C H. Modeling the impact of pretrip information on commuter departure time and route choice[J]. Transportation Research Part B， 2001， 35（10）： 887902.

[5]FARAG S， LYONS G. To use or not to use？ an empirical study of pretrip public transport information for business and leisure trips and comparison with car travel[J]. Transport Policy， 2012， 20（3）： 8292.

[6]陳京榮，俞建寧，李引珍. 多屬性隨機(jī)時間依賴網(wǎng)絡(luò)路徑優(yōu)化[J]. 西南交通大學(xué)學(xué)報，2012，42（2）： 291298.

CHEN Jingrong， YU Jianning， LI Yinzhen. Path optimization in stochastic and timedependent networks with multiattributes[J]. Journal of Southwest Jiaotong University， 2012， 42（2）： 291298.

[7]韓印，袁鵬程. 多用戶多方式混合隨機(jī)交通平衡分配模型[J]. 交通運(yùn)輸工程學(xué)報，2008，8（1）： 97101.

HAN Yin， YUAN Pengcheng. Multiuser and multimode assignment model of mixed stochastic traffic balance[J]. Journal of Traffic and Transportation Engineering， 2008， 8（1）： 97101.

[8]LI Zhichun， LAM W H K， WONG S C， et al. Modeling parkandride services in a multimodal transport network with elastic demand[J].Journal of the Transportation Research Record， 2007， 1994： 101109.

[9]安實(shí)，崔娜，于航. 基于Multiagent協(xié)商的出行信息個性化服務(wù)策略[J]. 西南交通大學(xué)學(xué)報，2010，45（4）： 627634.

AN Shi， CUI Na， YU Hang. Personalized service strategy of travel information based on multiagent negotiation[J]. Journal of Southwest Jiaotong University， 2010， 45（4）： 627634

[10]JENELIUS E， MATTSSON L， LEVINSON D. Traveler delay costs and value of time with trip chains， flexible activity scheduling and information[J]. Transportation Research Part B， 2011， 45（5）： 789807.

[11]JENELIUS E. The value of travel time variability with trip chains， flexible scheduling and correlated travel times[J]. Transportation Research Part B， 2012， 46（6）： 762780.

[12]陳團(tuán)生. 通勤者出行行為特征與分析方法研究[D]. 北京：北京交通大學(xué)，2007.

[13]JOH C H， ARENZE T， TIMMERMANS H. Activitytravel rescheduling decision processes： empirical estimation of the Aurora model[J]. Journal of the Transportation Research Record， 2004， 1898： 1018.

[14]BENAKIVA M， DEPALMA A D， KAYSI I. Dynamic network models and driver information systems[J]. Transportation Research Part A， 1991， 25（5）： 251266.

[15]郭秀艷. 實(shí)驗(yàn)心理學(xué)[M]. 北京：人民教育出版社，2004： 224226.

（中文編輯：秦萍玲英文編輯：蘭俊思）