基于動態(tài)信息的駕駛員路徑選擇行為研究

原方方　孔芹　崔琬茹

摘 要 動態(tài)路徑誘導系統(tǒng)（Dynamic Route Guidance System）通過對一部分公共交通及個人交通進行誘導來達到改善路網(wǎng)交通狀況的目的。研究動態(tài)信息條件下駕駛員的路徑選擇行為，對駕駛員和路網(wǎng)系統(tǒng)管理者的路徑偏好進行效用分析，得到影響選擇行為的各因素權重，能夠為制定緩解交通擁堵措施提供參考依據(jù)。

關鍵詞 動態(tài)路徑誘導系統(tǒng)（DRGS） Agent理論 效用理論

在經(jīng)濟高速發(fā)展的當今社會，人們的生活水平也在快速地改善，出行方式也發(fā)生了巨大的變化，全國的汽車保有量以較快的速度增長。以北京為例，2014年北京市的機動車車保有量達到559.1萬輛，創(chuàng)歷史新高，造成了嚴重的交通擁堵。交通擁堵引起的連鎖反應嚴重影響了城市的正常運轉(zhuǎn)，如能源的消耗、環(huán)境的污染、時間成本的提高、事故率增加等等。

修建道路是解決交通問題的一個最直接途徑，但是現(xiàn)有的城市可用空間越來越少，新建道路對一些大城市，特別對北京、上海、廣州這樣的特大城市，不具有可操作性，于是人們把目光轉(zhuǎn)向了高效的路網(wǎng)交通管理系統(tǒng)，通過引進新的誘導方法，提高路網(wǎng)的整體性能。

自20世紀80年代開始研究動態(tài)路徑誘導系統(tǒng)起，到目前已經(jīng)有30多年的歷史，我國目前還在起步階段。本文采用Agent系統(tǒng)理論和Netlogo仿真手段，將路網(wǎng)系統(tǒng)管理者、駕駛員、車輛導航儀聯(lián)系起來，通過信息提供，得到不同情境下的最佳導航裝配率。

一、Agent技術與多Agent系統(tǒng)

Agent和多Agent系統(tǒng)的概念起源于分布式人工智能領域，本文采用智能體這一定義，文中仍然沿用英文表達法“Agent”。一般來說，Agent應該具有以下基本特性：自治能力、社交能力、反應能力、主動性。

多Agent系統(tǒng)（Multi-Agent System簡稱MAS）是指由兩個或兩個以上Agent組成，在資源有限的情況下，Agent之間、Agent與環(huán)境之間通過相互交互、協(xié)商、合作來共同完成單個Agent無法完成的既定任務的系統(tǒng)。[1]

相對于傳統(tǒng)的建模方法，復雜系統(tǒng)多Agent建模方法能夠更好地表征交通系統(tǒng)的復雜性、適應性；采用自下而上的模擬方法，注重對系統(tǒng)中駕駛員個體行為的模擬，更接近現(xiàn)實；可以考察不確定條件下的駕駛員決策特征。[2]

二、交通信息的效用分類

駕駛員從出發(fā)點到目的地，往往有不止一條可選路徑，每條路徑的道路屬性、服務屬性等都不相同，也就是說每條路徑的效用值是不相同的，駕駛員在出行時獲得這些交通信息，就會選擇效用最大的路徑來滿足自己的出行，以最大化地滿足自己的需求。效用最大的路徑也就是通常所說的最優(yōu)路徑，能夠最大程度地滿足駕駛員出行愿望的線路就是出行效用最大的線路，也就是最優(yōu)路徑，要選擇整體服務效用最大的路徑需要綜合考慮多種因素的影響。[3]

依據(jù)效用理論，假設駕駛員從A地出發(fā)前往B地，兩地之間存在多條路徑供駕駛員選擇，每條路徑的道路屬性以及所提供的服務的屬性均不同，駕駛員按照效用最大化原則選擇效用值相對最大的路徑進行出行。為了更好地理解效用函數(shù)，我們從信息的效用屬性來進行分類，總體來講主要包括以下幾個方面：經(jīng)濟因素、時間因素、安全因素、距離因素、舒適度因素等。

（1）時間因素。駕車出行部分原因也是為了可以更快地到達目的地，出行時間是駕駛員最為關心和在意的。行程時間是指駕駛員從發(fā)生點到吸引點整個出行過程的時間，包括正常的行駛時間和因排隊和擁堵等原因造成的延誤時間等。

（2）距離因素。給定一對OD點后，駕駛員從出發(fā)地到目的地，出行距離往往也在一定程度上影響著駕駛員對路徑選擇的影響，尤其在交通狀況良好的條件下，出行距離的長短往往意味著出行時間的長短、出行費用的多少，并在某種程度上影響駕駛員的舒適度等。

（3）經(jīng)濟因素。出行費用主要包括道路收費和運營費用，本文所研究的城市道路基本都是免收通行費的，因此主要研究運營費用，包括燃油費、輪胎磨損費、機件磨損費以及阻塞成本等。由于車輛運營費用受道路的自然條件和交通狀況的影響，因此在相同的車況條件下，道路條件越好，交通狀況越好，車輛運營成本水平就越低，對于駕駛員來說就越具有吸引力。

（4）舒適度因素。出行的舒適程度也越來越影響駕駛員對路徑的選擇。道路的通行能力、交通流量、平均車速、行車視距等主要還是受當時路段交通量的影響，可用負荷度、路網(wǎng)的平均速度來進行衡量。另外，道路兩旁的景觀、綠化、指示標志等多種因素都對舒適程度產(chǎn)生影響。

三、實例分析

該文中將仿真情景分為三類：無導航儀、無協(xié)商導航儀、有協(xié)商的導航儀。通過對不同仿真情景的仿真，驗證有協(xié)商的導航儀對路網(wǎng)整體性能以及駕駛員出行性能的影響。

（1）試驗設計。文中選取實際路網(wǎng)中的某一區(qū)域作為仿真參考區(qū)域，在仿真路網(wǎng)的搭建過程中，考慮到編程的簡便性和易實現(xiàn)性，將路網(wǎng)簡化，只保留路網(wǎng)中對車輛運行有明顯影響的因素。

（2）數(shù)據(jù)分析。通過仿真結果可以看出，在交通量較小的情況下，各種情景下的路網(wǎng)狀況差別不大，這個時候整體路網(wǎng)狀況較好；在交通量適中的情況下，無協(xié)商的導航儀和有協(xié)商的導航儀均能改善路網(wǎng)狀況，有協(xié)商的導航儀相比無協(xié)商的導航儀，平均行程車速較高，平均行程時間較低，整體來講，路網(wǎng)性能更優(yōu)；在較高的交通量情況下，有協(xié)商的導航儀對路網(wǎng)性能的改善更為明顯。

所有的駕駛員都得到信息并不是最好的情況，當所有的駕駛員都得到相同的信息后，會向相同的路徑行駛，原本通暢的道路也會變得擁堵，從而失去了提供信息的意義。具體給多少駕駛員提供信息，才能達到整體性能的最優(yōu)，也是所有的交通參與者共同關心的話題。所以，本研究在交通量適中的情況下，對不同的無協(xié)商的導航裝配率和有協(xié)商的導航裝配率進行仿真研究，以分析協(xié)商對改善路網(wǎng)性能的作用以及最佳的導航裝配率。

從仿真結果可以看出，無協(xié)商導航儀的最佳裝配率是45%，在裝配率為45%時，平均行程車速達到最大值，平均行程時間最短，整體來看，路網(wǎng)性能最優(yōu)；有協(xié)商導航儀的最佳裝配率是65%，在裝配率為65%時，平均行程車速達到最大值，平均行程時間最短，也就是說，路網(wǎng)性能達到最優(yōu)，此時的路網(wǎng)最為暢通，交通流分布均衡。

在路網(wǎng)性能達到最優(yōu)的時候，路網(wǎng)的平均出行距離并不是最短，也就是說，為了整體路網(wǎng)的性能，有時會建議車輛繞行，以保證大多數(shù)駕駛員的利益。

有協(xié)商導航儀的最佳裝配率比無協(xié)商導航儀的最佳裝配率要高，也就是說，當駕駛員和路網(wǎng)系統(tǒng)管理者進行協(xié)商后，可以更加有效地改善路網(wǎng)的性能。

四、結語

本文通過研究得到不同情況下的最佳導航裝配率，為交通管理者制定誘導措施提供理論參考。本文從智能交通的角度，對駕駛員的路徑選擇行為進行了相對充分的研究和驗證。但為了研究的方便，進行了很多簡化。例如，駕駛員路徑的選擇是多種因素共同影響的，但為了研究量化方便，只是選取了幾個比較具有代表性、易于量化的指標等。本文的研究仍然存在很多不足之處和需要進一步研究的問題。

（作者單位為鄭州鐵路職業(yè)技術學院）

[作者簡介：原方方（1987—），鄭州鐵路職業(yè)技術學院運輸管理系交通運輸規(guī)劃與管理專業(yè)。]

參考文獻

[1] 李英.多Agent系統(tǒng)及其在預測與智能交通系統(tǒng)中的應用[M].華東理工大學出版社，2004.

[2] Holland J H.隱秩序：適應性造就復雜性[M].周曉牧，韓暉，譯.

[3] 金寶輝.交通出行行為分析[D].西南交通大學碩士學位論文，2004：37-43.