基于動態交通誘導信息的駕駛員刺激-反應模型

任其亮，孫豐瑞

(重慶交通大學 交通運輸學院，重慶 400041)

?

基于動態交通誘導信息的駕駛員刺激-反應模型

任其亮，孫豐瑞

(重慶交通大學 交通運輸學院，重慶 400041)

針對城市道路交通信息發布時產生的信息震蕩問題，以消除信息震蕩、幫助駕駛員選擇最優路徑為目的，結合駕駛員的出行行為分析了交通誘導信息對駕駛員選擇行為的影響，將交通信息發布變化量作為刺激量、路段交通負荷度變化量作為反應量，構造了基于動態交通誘導信息策略的駕駛員刺激-反應模型，通過仿真算例確定了交通信息發布的動態區間。研究表明：該方法能夠有效減少交通信息震蕩，對改善城市路網的使用效益具有較強的實用性。

交通工程；動態誘導；刺激反應；路徑選擇；SP調查

0 引 言

隨著經濟社會的快速發展和人們對高水平交通服務需求的不斷增長，城市道路交通誘導信息的及時發布成為交通管理部極為為緊迫的任務。由于交通流的時變性和交通管理的復雜性，建立準確高效的城市交通誘導信息發布系統面臨著諸多管理和技術問題。

近年來，國內外學者針對該領域的相關問題進行了大量深入研究。K.Asad等[1]基于SP調查法獲取通勤者的出行行為數據，以確定ATIS提供的交通信息是如何影響出行者的路徑選擇傾向；M.Papageorgiou[2]分析了基于交通信息的駕駛員路徑選擇行為，在擁擠情況下，VMS上提供的交通信息如不同路徑的交通流量、排隊長度等會影響駕駛員的路徑選擇行為，因而，能夠提供準確信息的VMS應該被推廣；H.S.Mahmassani等[3]研究了在先進的交通信息服務系統下通勤者的出發時間和路徑變更行為，建立了出發時間和路徑變更的聯合選擇的多項Probit模型，結果表明動態信息的準確性是重要影響因素，并且在提供的路徑與自己偏好路徑的行駛時間差異越大越容易導致路徑的轉變；S.Kiseok等[4]評價了信息的提供對通勤者出行行為以及整個網絡的影響，提出信息的提供能夠縮短行程時間、行程距離以及排隊時間，能夠促使出行者從私人交通向公共交通轉變。劉艷紅[5]對交通信息下的路徑選擇行為進行了分析，建立了 Logistic模型，得出對于接受動態信息的駕駛員改變路徑的可能性比依靠經驗的駕駛員要大，并且信息可信度越高，受誘導程度就越高；干宏程[6]則通過表明偏好(SP)調查數據建立了描述路徑選擇概率的二元Probit模型，分析出VMS誘導信息能夠顯著影響駕駛員的路徑選擇行為，且VMS影響大小取決于其信息內容、駕駛員個體屬性(年齡、駕齡、用車類型以及快速路使用頻率)、以及替換路徑屬性(所含信控交叉口數目)等因素。

綜上可以看出，目前國內外有關交通信息發布的研究主要集中在三個方面：通過信息發布引導出行者選擇最優路徑，立足于路網通行效益的最優，通過綜合措施，同時使駕駛員路徑最優和路網效益最大。這三種方法在具體應用時幾乎都會出現兩種尷尬的局面：信息發布的較多，出行者不知如何選擇，從而使得整體效果不好；提供了較為敏感的信息，這樣促使較多的出行者在較短的時間選擇了同樣的路徑，從而使得交通擁擠從其他路轉移到這條所謂的最優路徑上，產生了交通振蕩現象，結果適得其反。因此，如何消除交通震蕩以提高駕駛員對交通誘導信息策略的反應效果，成為改進現有駕駛員的刺激-反應模型的關鍵。筆者基于此目的，擬構建基于城市動態交通誘導信息策略的駕駛員刺激-反應模型。

1 駕駛員路徑選擇行為

1.1 駕駛員出行行為分析

駕駛員出行選擇的過程實際上是駕駛員獲取一定交通信息后，根據自身經驗做出路徑判斷的過程，是駕駛員在特定交通條件下心理和行為的綜合反應。面對圖1的路徑時駕駛員的出行選擇過程如圖2。

圖1 路徑選擇示意Fig.1 Path selection

圖2 出行路徑選擇行為分析Fig.2 Travel route choice behavior analysis diagram

通常情況下，出行時間、出行距離和出行費用對駕駛員路徑選擇的影響較大，筆者將時間效用最少、距離效用最短、經濟效用最低和時間可靠性最強作為駕駛員出行路徑的選擇準則。由于駕駛員對路徑的選擇概率很大程度上受交通誘導系統發布的交通狀態信息及駕駛員自身經驗的影響，因此，將影響駕駛員路徑選擇行為的因素分為駕駛員特性、出行特性、道路環境和道路屬性，對駕駛員受誘導信息影響的程度通過SP調查法獲取。

1.2 交通誘導信息對駕駛員選擇行為的影響

研究表明，交通誘導信息的發布質量、交通服務對象、發布方式為影響駕駛員路徑決策的主要因素，而交通誘導信息對駕駛員路徑選擇的影響程度主要取決于駕駛員對發布信息的反應程度。駕駛員的路徑選擇往往受交通信息導行的影響，他們對交通信息質量的感知會影響對其它信息的信任度,進而影響其路徑選擇，而不同的路徑選擇將產生不同的交通系統效率。一般說來，交通系統的效率隨著導行率的增加而提高，當導行率增大到一定程度, 交通系統達到最佳狀態, 交通系統效益不再增加，導行率的這一臨界狀態稱為高臨界導行率，因此，將導行率控制在一個合理的動態范圍內對保證整個交通系統效率意義重大。另外，從信息發布方式角度考慮，目前常用的信息發布方式主要包括可變信息標志、交通信息廣播系統、汽車導航系統、電話、交通網站等。考慮多種方式發布應用的內容范圍、發布信息內容不同的特性和信息發布效果及對駕駛員的影響程度也有所不同。

交通信息影響駕駛員的出行行為主要包括5個方面:駕駛員當前選中的路徑方案、駕駛員對其他可選路徑的認知、對交通信息質量的認知、交通信息成本、調整交通價格的行為。如果駕駛員不滿意當前選擇的方案,可以主動搜索出行信息,在交通信息的指導下，調整其出行行為；如果駕駛員認為當前選中的路徑是滿意的,則會阻斷對交通信息的接收。由于駕駛員的知識水平不同,在信息的接收和選擇方面的能力不同，所發布的交通信息對不同知識水平駕駛員的效用也不同。如果用戶出行結構越復雜、對出行環境越不熟悉,駕駛員對出行信息的質量要求越高,他們都希望通過出行交通誘導信息來減少出行的不確定性，而不愿意花太多的時間和精力去獲取和理解交通信息,而更傾向于那些可以使出行過程更簡單、快速的信息。另外，出行行程的調節往往發生在開始的時候,因為在這個時候行為矯正有一個相對較小的成本。

2 刺激-反應模型的建立

按照刺激反應原理，道路上動態交通誘導信息都可以視為對駕駛員駕駛行為的刺激，所有這些都稱之為“交通信息刺激”，是交通管理部門有意安排的、對駕駛員的外部環境刺激。除此之外，駕駛員還時時受到其他方面的外部刺激，如道路線形、交通流狀況等。所有這些刺激，進入了駕駛員的“暗箱”后，經過一系列的心理活動，產生了人們能夠看到的駕駛行為反應，進而影響路段上的交通負荷程度，將路段上的交通負荷程度的變化量描述成反應量，心理學認為刺激量和反應量之間符合對數關系，則可以建立城市道路動態交通誘導信息刺激反應模型。

假設道路交通誘導信息發布上下浮動量ΔA1,ΔA2，…,ΔAm,則他們之間的關系為：

Δi=logδΔAi

(1)

式中：Δi為反應量；ΔAi為交通信息的浮動量，也稱為刺激量；δ為模型參數。

作為交通管理者，希望路段交通運行符合程度達到期望值，由此所期望的反應量

Δi=|Bi-Ci|S

(2)

則浮動量為

ΔAi=δ|Bi-Ci|

(3)

式中：Bi為根據交通檢測信息得到的OP1,OP2,…,OPm路段上的交通運行負荷程度；Ci為路段上的期望交通負荷程度，i=1，2，…，m。

路段期望飽和度是根據出行者路徑最優和網絡運行效益最大化為目標計算得來的。記路段a∈A∪B(y)的流量為x(a，y)，飽和度S(a，y)=x(a，y)/Co(a)，其中：Co(a)為該路段的通行能力。

期望飽和度Ca，a∈A表明期望滿足：

S(a，y)≤Ca，a∈A

(4)

但在道路a∈A并不能用式(4)嚴格約束，所以最小化道路飽和度超限量可以表示為：

(5)

可通過限制進入路段的流量及路徑誘導流量分配來實現路段的期望飽和度，式(4)可表示為：

(6)

路段流量的約束條件：

x(a,y)≤Ca,Co(a),a∈B(y)

(7)

在路段通行能力及最大期望飽和度的限制下，路段流量可以通過用戶平衡流量來獲得。X(a,y)，a∈A滿足下列約束：

(8)

在以上約束下，L(r,s) 是OD對(r,s) 之間的路徑數量，fkrs為OD對(r,s)間的第k條路徑的交通流量。如果路段a在點對(r,s)的第k條路徑上，則δakrs為1，否則為0。ta[x(a)]為路阻函數，這里采用美國道路局(BPR-Bureau of Public Road)開發的BPR函數：

(9)

式中：ta0為自由流下路段的行駛時間，min；α，β為待標定參數，BPR建議α=0.15，β=4。

道路路段期望飽和度通過BPR函數得以體現，并且可以通過模型的逆運算得到路段期望交通負荷程度C1,C2,…,Cm。

3 基于SP調查法的參數δ標定

駕駛員選擇路徑原則、標準具有多樣性，并且是隨著個人屬性和經驗變化的，而企圖識別駕駛員個體特性是極為困難。筆者主要通過對個人屬性、對交通信息態度、改變路徑傾向、對未來信息發布建議等4個單元進行描述，選擇最具代表性的影響因子擬合模型參數，其中在對駕駛員基于信息的路線選擇行為進行預測時，需剔除對結果影響較小的因子，以明晰關鍵影響因子。

3.1 影響單元屬性分析

在個人屬性單元中，選擇“對路網熟悉程度”、“駕齡”、“學歷水平”及“性格類型”4個影響因子，構建個人屬性影響系數指標，為了在權重確定時，方便專家直觀評判各自變量對因變量的影響程度，本研究采用線性擬合模型參數：

x=α1x1+β1x2+γ1x3+ε1x4

(10)

式中：x為個人屬性影響系數指標；x1,x2,x3,x4分別代表對路網熟悉程度，駕齡，學歷水平等影響因子；α1,β1,γ1,ε1為權值且α1+β1+γ1+ε1=1。

權重的確定方法為統計平均數法，選擇本行業或本領域中既有實際工作經驗、又有扎實的理論基礎、并公平公正道德高尚的專家，將待定權數的指標提交給各位專家，并請專家在不受外界干擾的前提下獨立的給出各項指標的權數值，將各位專家的數據收回，并計算各項指標的權數均值和標準差，分別計算各項指標權重的平均數。

同理可得，構建對交通信息態度y、改變路徑傾向z、對未來信息發布建議w等3個單元的系數指標。

3.2 標準化處理

在以上4個單元分別選取相應影響因子以綜合分析各個研究單元，對個人屬性影響系數、對待交通信息態度影響系數、改變路徑傾向影響系數及對未來信息發布建議按式(11)進行處理，對各研究單元按照式(12)進行標準化處理：

△δ=α5x+β5y+γ5z+ε5w

(11)

式中：△為綜合影響系數；x,y,z,w分別代表個人屬性影響系數、對待交通信息態度影響系數、改變路徑傾向影響系數及對未來信息發布建議；α5,β5,γ5,ε5為權值且α5+β5+γ5+ε5=1。

(12)

式中：X為指標量化值；x為指標初始計算值；xmax為指標初始計算值中的最大值；xmin為指標初始計算值中的最小值。

4 構建交通信息發布動態區間

對于任何一個路段，若期望交通負荷程度大于實際負荷程度時，動態區間為[Bi,min(1,Bi+ΔAi)]，否則，動態區間為[max(0,Bi-ΔAi) ,Bi]。這種采用動態區間的發布方式，不僅同時使出行者路徑最優以及路網效益最大，而且能夠有效避免交通振蕩。

綜上，交通信息發布流程如圖3。

圖3 刺激-反應控制流程Fig.3 Stimulus-response control flow graph

5 仿真算例

5.1 仿真設計

對如圖4中的濟南市二環西路經六路與二環西路路口段簡化路網，由于施工占道，整條道路半封閉狀態，由雙向8車道變為雙向2車道，圖中1-2-3-7為二環西路路段。假定對城市快速路及主干道誘導為主，實際測量數據顯示動態信息下的明顯流量擾動基本發生在兩個連續路段內，試驗在事件影響范圍內進行模擬。

圖4 仿真路網簡化示意Fig.4 The simulation network simplified schematic diagram

對該路網簡化后的影響范圍OD需求變為點A與點F之間的出行需求，OD之間有3條路徑：①原路徑I，1-2-5-7；②替代路徑II，1-2-4-6-7；③替代路徑III，1-3-6-7。其中路段1、2、6、7為快速路路段，3、4、6為普通道路路段。

根據路段出行阻抗函數，假設各路段的自由流行駛時間為：t2=1/4 h，t3=5/12 h，t4=1/3 h，t5=1/6 h，t6=1/6 h。各路段飽和通行能力Co2=Co5=2 400 veh/h，Co3=Co4=Co6=800 veh/h，OD需求為快速路的上游流出能力為2 500 veh/h，則OD間靜態最短路徑為原路徑I，一般情況下基于系統最優的流量分配滿足絕大部分流量通行路徑I通行。以出行者路徑最優和網絡運行效益最大化為目標，利用BPR函數通過式(6)的逆運算可得各路段期望飽和度如表1。

表1 各路段通行能力及期望飽和度數據

假設路段5在發生交通事件非常擁堵時，通行能力下降為1 200 veh/h，事件持續事件為1/6 h，在此期間，各路段的實際通行能力將動態變化。

5.2 SP調查結果統計分析

筆者采用SP調查法對該市有經驗的駕駛員采用兩種調查方式進行調查：第1種采用面對面提問，問卷現場回收，答題的準確度很高；第2種采用網上問卷形式，隔一周統一回收，問卷回收率能達到95%以上，但數據準確度較低。為保證被調查對象與本市駕駛員人群的組成相同，確定被調查對象中70%為男性，30%為女性。調查期間共發放問卷466份，通過對回收的問卷進行整理和篩選，最終確認的有效問卷為440份，有效率為94%。

表2 個人屬性信息統計結果

Table 2 Statistical results of personal attribute information

綜合分析各研究單元，通過重慶交通大學5位專家的專家評判，確定各單元中影響因子權值如表3。

表3 各單元中影響因子權值

Table 3 Each unit weight factor table

研究單元影響因子權值代碼權值個人屬性信息對路網熟悉程度α10.30駕齡/年β10.40學歷水平γ10.15性格類型ε10.15對交通信息態度路徑選擇主要依據α20.15特別留意交通信息板β20.70注意路邊可變信息板的原因γ20.15改變路徑傾向無信息時使用固定路徑α30.10VMS顯示前方目標道路擁堵時β30.30若顯示前方事故排除中γ30.20

(續表3)

研究單元影響因子權值代碼權值改變路徑傾向高峰時段路徑選擇習慣ε30.10熟悉道路時是否接受誘導θ30.15不熟悉道路時是否接受誘導λ30.15未來信息發布建議期望VMS信息發布精確度α40.40現階段VMS提示信息是否準確β40.25對現狀信息發布評價γ40.35綜合影響系數個人屬性信息α50.45對交通信息態度β50.20改變路徑傾向γ50.20未來信息發布建議ε50.15

通過式(12)可得模型(3)中的參數δ=0.005。

5.3 構建交通信息發布動態區間

更進一步可得，當路段5交通事件發生之后，飽和度由交通事件發生之前的B1=0.735變為B2=1.47。故需要通過動態交通誘導疏通路段5。

通過式(3)可構建各路段交通信息發布動態區間如表4。

表4 路網中路段交通信息發布動態區間

5.4 結果分析

可以看出，與不加載動態交通誘導的情況(現實)相比，該誘導方案能夠更早結束事件影響，使主干道的通行能力更早恢復到較佳狀態，而路段負荷演化數據結果顯示，該誘導方案能使主干道和普通路段的負荷流量更加接近期望負荷程度，從而達到交通管理者預期分配方案，減小系統資源浪費和費用。

6 結 論

基于交通誘導信息對駕駛員選擇行為的影響，將信息發布變化量作為刺激量、路段交通負荷程度的變化量作為反應量，構建了一個用于城市動態交通誘導信息的策略問題的駕駛員刺激-反應模型，并通過仿真驗證了模型的可行性和實用性，主要成果有：

1)針對駕駛員路徑選擇方式及出行行為進行分析，總結了交通誘導信息對駕駛員路徑選擇行為的影響，通過SP調查分析駕駛員路徑選擇的主要影響因素；

2)對動態誘導信息發布問題進行綜述，建立了動態交通信息發布的刺激反應模型，利用SP調查數據對模型參數進行標定，構建了合理的交通信息發布動態區間，并對模型進行了仿真驗證。

[1] Asad K,Adib K,Emmanuel L C.Stated and reported route diversion behavior:implications of benefits of advanced traveler information systems [J].Transportation Research Record,1994,1464:28-35.

[2] Papageorgiou M.Multilayer control system design applied to freeway traffic[J].IEEE Transactions on Automatic Control,1984,29(6):482-490．

[3] Mahmassani H S,Chang Gang-Len.Experiments with departure time choice dynamics of urban commuters [J].Transportation Research Part B:Methodological,1986,20(4):297-320.

[4] Kiseok S,Michael G H.Shortest paths in a network with time dependent flow speeds [J].European Journal of Operational Research,2000,121(1):32-39.

[5] 劉艷紅.交通信息作用下的駕駛員路徑選擇行為研究[D].成都:西南交通大學,2009. Liu Yanhong.The Research of the Drivers Route Choice in the Traffic Information[D].Chengdu:Southwest Jiaotong University,2009.

[6] 干宏程.VMS誘導信息影響下的路徑選擇行為分析[J].系統工程，2008,26(3):11-16. Gan Hongcheng.Exploring dvivers’ route choice response to real-time guidance information of variable message signs[J].Systems engineering，2008,26(3):11-16.

[7] 周元峰.基于信息的駕駛員路徑選擇行為及動態誘導模型研究[D].北京:北京交通大學,2007. Zhou Yuanfeng.Research on Driver Route Chioce Behavior in the Presence of Information and Dynamic Guidance Model[D].Beijing:Beijing Jiaotong University,2007.

[8] 趙丹.城市交通路徑誘導算法研究[D].西安:長安大學,2009. Zhao Dan.Study on Urban Traffic Route Guidance Algorithm[D].Xi’an:Chang’an University,2009.

[9] Yang Y,Farrell J,Tan H S.GPS-aided INS based control state calculation for AHS [C].Arlington Va,U.S.:Proceedings of 20th American Control Conference,2001.

[10] 陳曉紅.交通網絡動態路徑誘導算法研究及其在GIS環境下的仿真實現[D].長沙:長沙理工大學,2005. Chen Xiaohong.The Research on Dynamic Route Guidance Algorithm in Transportation System and Its Realization in Geography Information System[D].Changsha:Changsha University of Science and Technology,2005.

[11] Robin L,Hensher D A,King J,et al.Optimal departure scheduling for the morning rush hour when capacity is uncertain.Volume 2:Modelling transport systems[C].Sydney,Australia:Proceedings of the 7th World Conference on Transport Research,1995:16-21.

[12] 車廣俠.城市路網中可變交通信息對駕駛行為影響研究[D].北京:北京工業大學,2007. Che Guangxia.Research of Variable Traffic Information Affect Driving Behavior in the Urban Road Network [D].Beijing:Beijing University of Technology,2007.

[13] Chapin I,Lan Shan.Adaptations of the A* algorithm for the computation of fastest paths in deterministic discrete-time dynamic networks[J].Journal IEEE Transactions on Intelligent Transportation Systems,2002,3(1):60-74.

[14] Li Qingquan,Zheng Nianbo,Fang Zhixiang,et al.A proposed Intelligent Vehicle Telematics Service System (IVTS) [C].Chengdu,China:Proceedings of 6th International Conference on ITS Telecommunications,2006.

Driver Stimulus-Response Model Based on Dynamic Traffic Induction Information

Ren Qiliang, Sun Fengrui

(School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074, China)

For the problems of information concussion generated during a period of time when the traffic information service of urban road released, the driver stimulus-response model based on the strategy of urban dynamic traffic induction information to eliminate information concussion and help drivers select the optional path was proposed, which analyzed the impact of traffic guidance induction information on the drivers’ path option, combining with drivers’ travel behavior. The proposed model took the release of traffic information service as the quantity of stimulus and the change of road traffic load as the quantity of reacting. According to the analysis of simulation example, the dynamic region of traffic information service was ensured. Researches show that the proposed method could significantly reduce the traffic information concussion, which has strong practicability in improving the utilization efficiency of urban road network.

traffic engineering; dynamic induction; stimulus response; path choice; SP survey

10.3969/j.issn.1674-0696.2015.05.20

2013-12-12；

2014-06-05

任其亮(1978—)，男，山東萊蕪人，教授，博士后，主要從事交通規劃、交通安全及智能交通方面的研究。E-mail: cqrql@126.com。

孫豐瑞(1990—)，男，山東泰安人，碩士研究生，主要從事交通運輸規劃與管理方面的研究。E-mail：sun_fengrui2009@163.com。

U491.2+54;F540

A

1674-0696(2015)05-100-06