在途交通信息對出行者路徑選擇的影響研究

趙懷明，譚 宇，李博威

(1. 中鐵二院工程集團有限責任公司，四川 成都 610031； 2. 西南交通大學 交通運輸與物流學院，四川 成都 611756)

0 引 言

隨著國民經濟持續快速發展，路網規模不斷擴大，城市汽車保有量和居民出行需求不斷增加，交通供給和需求之間的矛盾變得愈發尖銳。盡管不斷建設新的交通設施或對現存交通設施進行擴容，但仍不能滿足迅速增長的交通需求。智能交通系統(ITS)是準確、實時、科學、高效的綜合交通管理系統，能有效緩解交通擁堵現狀。先進交通信息系統(ATIS)作為智能交通系統(ITS)的核心部分，旨在為公眾出行提供信息，使出行者能合理地選擇出行時刻、出行路徑和出行方式等，使其能避開交通擁擠區域，從而使交通路網需求和供給能最大限度地匹配，緩解交通擁堵情況。

ATIS系統主要由兩部分構成：外部交通信息系統(例如：可變情報板)和車載信息系統(例如：導航信息系統)。國內外研究者基于外部交通信息系統和車載信息系統，從不同角度對出行者路徑選擇行為影響進行了研究。YANG Hai[1]通過構建混合平均分配模型，分析了駕駛員在不同獲取信息能力時的路徑行為選擇；石小法等[2]從動態角度出發，考慮交通信息對出行者出行路徑選擇的動態影響，建立了動態路徑選擇模型，結合隨機過程、一階近似表達式等相關理論，研究交通信息對出行者出行路徑選擇行為的影響；C.LEE[3]分析了影響駕駛員對ATIS順從性的7個因素，包括可靠性、自信度、延誤、時間壓力、預計出行節省時間、預計延誤時間和出行節省時間，并運用二元邏輯回歸模型，探討了這些因素之間的相互關系，研究結果表明對準時到達的要求越高，司機對ATIS的順從性越強，ATIS發布信息準確率越高，駕駛員根據誘導信息改變出行的意愿越強烈；H.K.LWILLIAM等[4]研究了通過VMS，在快速路網上向駕駛員提供動態出行時間信息時帶來的影響和收益，提出時間依賴性交通分配模型，并且將總路網行程時間與VMS有效時間進行比較，證明了在非正常擁堵情況下提供動態出行信息影響比經常擁堵情況下提供動態出行信息的效果更加顯著；李志純等[5]利用層次選擇結構模型和隨機均衡方法，研究了先進旅行者信息系統對出行者終點選擇、方式分擔和路徑選擇行為的綜合影響，通過建立數學規劃模型，并結合算例討論了市場滲透率和信息質量對出行者選擇行為的影響；唐潔[6]基于非集計模型，建立信息條件下出行者出行全過程的選擇模型，通過輸入反映出行行為的相關變量，對出行者的相應選擇進行預測；張小寧[7]通過比較正常情況、交通事故發生后發布交通信息和不發布交通信息這3種情況下的交通系統總體行程費用，得出了出行信息系統并不總是對交通系統有利，發布出行信息應視情況而定的結論；陳贛浙[8]結合車牌識別數據深入了解了VMS對快速路駕駛員路徑選擇行為的影響，研究結果表明：快速路駕駛員路徑選擇行為與VMS實時誘導之間存在明顯的反饋調節，而且VMS路徑選擇行為的影響效果十分顯著，可在一定程度上優化快速路網的交通流分配；任其亮等[9]以交通信息發布中的信息震蕩問題為切入點，根據交通信息發布變化量、路段交通負荷度變化量等，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，并驗證了該方法能有效減少交通信息震蕩，改善城市路網使用效益；任小聰等[10]主要以交通事故信息為研究對象，基于SP與RP調查數據，建立了不同情況下二值Logistic路徑選擇模型，運用SPSS軟件對模型參數進行標定與檢驗，得出交通事故信息度對小汽車出行者路徑選擇行為具有顯著影響；孫秋霞等[11]從交通網絡層面，根據出行個體對交通信息接受情況的不同，從不同變量的角度加以分析，并結合多種影響因素，探尋出行者個體微觀行為對網絡宏觀特征的影響，并得出交通信息及時供給與出行者對交通信息的學習能力，將會從整體上提升路網的運行效率；程澤陽等[12]根據改進密切值法，建立了基于誘導終端組合的交通信息發布方式評價模型，并結合案例得出該評價模型較TOPSIS法、多屬性效用法的評價誤差更低，所得結果也較傳統值有所下降。

目前，大多研究者主要針對個人在即時出行信息誘導下的路徑選擇，對不同交通情況下行人對不同信息需求的研究并不多。筆者綜合考慮多方面影響因素，深入研究了在發生交通事件和無交通事件情況下，提供即時交通信息和預測交通信息對出行者路徑選擇行為所產生的影響。

1 模型建立

在描述交通信息誘導下出行者出行行為選擇時，常見模型有Logistic模型[13]和Logit模型[14]。A.AHMED等[15]提出了一種整體模型，在交通事件情況下，通過實時交通信息，優化網絡中出行者選擇行為，從而使擁擠盡快疏散。

綜合考慮出行信息對出行者帶來的影響，結合相關的研究成果，筆者提出了一種基于交通流到達-駛離積累關系的排隊長度計算模型(存儲-轉發計算模型)。筆者建立的模型考慮了排隊所產生的外部交通需求P和預測行程時間，并提供了出行時間能影響出行者的路徑選擇。模型結構如式(1)～(3)：

(1)

(2)

(3)

模型中出行時間包含兩部分：自由流出行時間和因排隊造成的延誤。為預測下一時刻路徑j上的排隊長度，需估計路徑j上的交通需求，其預測公式，如式(4)。

Qj(t)=γj(t)×Q(t)

(4)

式中：Qj(t)為在路徑j上的交通流；γj(t)為分離系數，表示在t時刻選擇路徑j出行的出行者比例；Q(t)為在t時刻的總交通流量。

其分離系數可由式(5)、(6)得到：

(5)

(6)

2 模型應用

2.1 路網情況

筆者以荷蘭阿姆斯特丹路網中兩條線路為研究對象，其路網分布如圖1。圖1中：路徑1為通過區域Velser-tunnel(30 km)，存在外部交通需求P1；路徑2為通過區域Coentunnel(27 km)，存在外部交通需求P2。

圖1 路網分布Fig. 1 Road network distribution

2.2 數據采集

模型所采用的交通數據皆為模擬數據，其中包括：在路徑1、2上的交通需求；路徑1、2的通行能力；路徑1上的外部交通需求P1和路徑2上的外部交通需求P2；整個仿真過程的計算周期為552 min。

2.3 假設條件

為更好模擬交通出行信息對出行者路徑選擇行為影響效果，筆者在仿真過程中做出以下假設。

1)在路徑1、2上的自由流出行時間分別為18、16 min，整個仿真過程恒定不變；

2)不考慮路網外的干擾，只考慮圖1中的兩處外部需求(P1、P2)；

3)一般情況下，仿真過程中兩條路通行能力是相同的。路徑2的通行能力在事件時期(20 min)降到正常情況下的10%；

4)整個仿真過程中，對兩條路徑外部交通需求保持相同；

5)路徑1默認分離系數為58%。

2.4 模型運算過程

筆者以552 min為一個仿真計算周期，充分展現出不同的在途交通信息對出行者路徑選擇影響效果。

2.4.1 第1步(初始化)

N1(t)=0，N2(t′)=0；(t=0,…,17；t′=0,…,15)

(7)

2.4.2 第2步

計算路徑1、2的延誤，其計算如(8)：

(8)

2.4.3 第3步

根據式(5)，在提供即時信息情況下，路徑1可進行路徑選擇的出行者分離系數可由式(9)計算得到：

(9)

在提供預測信息情況下，路徑1上可進行路徑選擇出行者的分離系數可由式(10)計算得到：

(10)

式中：β0默認值為58%；敏感性β和有路徑選擇的出行者pnc所占比例可根據實際情況在仿真過程中設置不同值。

2.4.4 第4步

計算路徑1、2的交通需求，由式(11)可得：

i1(t)=i(t)×γ1(t)

i2(t)=i(t)×[1-γ1(t)]

(11)

2.4.5 第5步

計算在時間步長為(t+1)時車輛在路徑1、2中的排隊長度，如式(12)：

(12)

然后回到仿真過程的第2步，直到完成整個時間周期。

3 仿真分析

筆者以荷蘭城市阿姆斯特丹路網中的兩條路線為例，設置了兩種不同場景，結合存儲-轉發模型，運用MATLAB軟件進行仿真模擬；并基于兩種不同場景下在途交通信息對出行者路徑選擇行為影響的分析。

3.1 性能評價指標

為更好描述在途交通信息對行人出行路徑選擇的影響，筆者采用平均延誤、平均性能和總延誤這3個指標來衡量路網的交通性能。

平均延誤是總延誤之和與總交通需求之和的比值，如式(13)：

因筆者采用離散時間序列(時間步長為1 min)，則平均延誤可由式(14)得出：

(14)

平均性能是總性能之和除以總交通需求之和，如式(15)：

(15)

總延誤是路徑1、2上的延誤之和，如式(16)：

(16)

式中：i1、i2分別為路徑1、2上的交通需求；D1、D2分別為路徑1、2上的延誤；n為時間步長。

3.2 場景1仿真分析

假定所有出行者均可自由進行路徑選擇，都能從VMS中獲得出行信息。則考慮以下場景：① 在一般情況下和在發生交通事件的情況下；② 出行者對交通信息的順從程度；③ 提供即時信息和預測信息。

平均延誤與靈敏度的函數關系如圖2。

圖2 平均延誤與靈敏度的函數關系Fig. 2 Function relationship between average delay and sensitivity

圖2(a)中：一般情況下，向出行者提供預測信息時，不論出行者對交通信息敏感性有多強，平均延誤都非常短。向出行者提供即時信息時，當靈敏度小于0.1時，平均延誤較小；當靈敏度超過0.1時，平均延誤則急速上升。這表明個人對交通即時信息依從性越高，延誤越高。

圖2(b)中：事件情況下，向出行者提供預測信息，且靈敏度低于0.05時，平均延誤將迅速下降；當靈敏度高于0.05時，平均延誤保持衡量。向出行者提供即時信息，當靈敏度低于0.15時，平均延誤下降迅速；而當靈敏度高于0.15時，平均延誤又開始上升。這表明：若越來越多的出行者獲得即時信息，延誤反而會增高。基于這種情況，出行者不但無法從信息中節約時間，反而會浪費更多時間。

平均性能與靈敏度的函數關系如圖3。

圖3 平均性能與靈敏度的函數關系Fig. 3 Function relationship between average performance and sensitivity

圖3(a)中：在一般情況下，向出行者提供預測信息時，平均性能增幅較小，且保持相對平穩狀態。當給出行者提供即時信息時，靈敏度低于0.15時，平均性能增加；靈敏度高于0.15時平均性能迅速下降。

圖3(b)中：在事件情況下，向出行者提供預測信息情況時，當靈敏度增加，平均性能在開始時先上升，到達一個點后開始保持平穩；在提供即時信息情況下，后段會有稍許波動，但總的來說仍然維持一個相對穩定的狀態。

3.3 場景2仿真結果

當只有p%出行者可自由選擇路徑，其他(1-p%)必須選擇某一特定路徑出行時，這兩類出行者均可使用路徑導航系統獲得交通信息。考慮以下場景：① 在一般情況下和在發生交通事件情況下；② 提供即時信息和預測信息。

平均延誤與可進行路徑選擇出行者所占比例的函數關系如圖4。圖4中：平均延誤為可進行路徑選擇出行者所占比例的一個函數(靈敏度為0.05時)。一般情況下，當可進行路徑選擇出行者增加時，提供預測信息和即時信息的平均延誤都降低；在事件情況下，提供預測信息時，可進行路徑選擇出行者的比例從0增加到0.1時平均延誤下降比較快，而當更多可進行路徑選擇出行者使用導航系統時平均延誤數值幾乎保持恒定。在事件情況下，提供即時信息，也有類似情況。

圖4 平均延誤與可進行路徑選擇的出行者所占比例的函數關系(靈敏度為0.05)Fig. 4 Function relationship between average delay and the proportion of travelers who can make path selection (sensitivity=0.05)

平均性能與有路徑選擇的出行者所占比例的函數關系如圖5。圖5中：平均性能為可進行路徑選擇出行者所占比例的一個函數(靈敏度為0.05時)。在一般情況下，無論提供的為即時信息還是預測信息，其平均性能幾乎保持恒定。提供即時信息的平均性能要高于預測信息。在事件情況下，無論提供預測信息還是即時信息，平均性能都是先增加后趨于平穩，提供即時信息平均性能高于預測信息評價性能。

圖5 平均性能與有路徑選擇的出行者所占比例的函數關系(靈敏度為0.05)Fig. 5 Function relationship between average performance and the proportion of travelers who can make path selection (sensitivity=0.05)

3.4 出行時間分析

在仿真過程中發現，當靈敏度為0.05時，無論提供預測信息還是即時信息給出行者，都能在一定程度上節省出行時間，使用導航系統出行者越多，出行者節省的出行時間則呈現先增加后趨于平穩趨勢(圖6)。該研究結果與3.2節的研究結果不一致，3.2節的研究表明越多有路徑選擇出行者使用即時信息，則出行時間越長。出現這樣結果，筆者認為主要是考慮了出行者對誘導信息的順從性。靈敏度為0.05時，表明出行者對誘導信息順從性較低，使用誘導信息出行者較少，故這一小部分出行者使用導航系統所節省下來的時間就比較明顯。

圖6 出行節省時間與有路徑選擇的出行者所占比例的函數關系(靈敏度為0.05)Fig. 6 Function relationship between trip saving time and the proportion of travelers who can make path selection(sensitivity=0.05)

出行節省時間與可自由進行路徑選擇出行者所占比例的函數關系如圖7。

圖7(a)中：在一般情況下(無交通事件、無交通擁擠現象)，使用即時信息所節省的出行時間為負數(當靈敏度為0.25，出行者比例高于0.3時)，即出行者使用導航系統提供信息后，其出行時間不但沒有減少反而增加了。當有小比例出行者使用提供預測信息導航時，出行者出行節省時間有所增加，而使用即時信息出行者比例繼續增加時，發布的即時信息會將大量的出行者引導至同一條路線，導致出行時間反而增加。

圖7(b)中：在事件情況下，當出行者將預測信息作為導航信息時，一開始出行節省時間明顯增加，而當出行者比例高于0.05后，出行節省時間逐漸趨于穩定。若為出行者提供即時交通信息，一開始出行時間節省增加；當出行者比例高于0.6后，則開始減少。當越來越多出行者使用導航系統并表現出對即時信息較高的順從性時，出行節省時間降低較明顯。

出行節省時間與可自由進行路徑選擇的出行者所占比例的函數關系如圖8。當靈敏度為0.5時，得出的結論與靈敏度為0.25時的結論類似。

圖8 出行節省時間與可自由進行路徑選擇的出行者所占比例的函數關系(靈敏度為0.5)Fig. 8 Function relationship between trip saving time and the proportion of travelers who can make path selection (sensitivity=0.5)

基于不同敏感度情況，筆者分析了出行節省時間隨可自由進行路徑選擇出行者比例的變化，得出在提供預測信息時，正常交通狀態下出行節省時間變化很小，即在正常交通狀態下提供預測信息對路徑行程時間影響不大；而在交通事件情況下，提供預測信息可明顯減少出行者行程時間。當提供即時信息時，在正常交通狀態下，隨著可自由選擇路徑人數比例增加，剛開始行程時間有所下降；隨著比例增加(若大于30%)，則行程時間與沒有提供任何交通信息相比反而增加；在交通事件情況下，提供即時信息時，出行者行程時間隨可自由選擇路徑人數比例的增加而減少，但這個比例達到一定程度時(如：當敏感性為0.25，比例大于70%；敏感性為0.5，比例大于35%)，則節省的出行時間反而下降。

4 結 論

1)基于不同交通情況下提供不同誘導信息對出行者路徑選擇帶來影響，考慮出行者對出行信息的順從性，筆者建立了描述車輛到達-駛離積累關系的存儲-轉發計算模型。

2)兩種假設情景仿真分析結果表明：在事件情況下提供預測信息能使出行者獲得收益最大，且當越多出行者獲得預測信息時，節省的出行時間也越多，直到達到用戶均衡。

3)筆者的研究結果對交通誘導信息系統具有一定意義。仿真分析得到即時交通信息和預測交通信息在不同交通情況下的情況為交通信息誘導系統提供了新思路。

4)文中不足在于：仿真環境比較理想，仿真結果是基于一定假設條件，模型普適性沒有得到有效驗證。在后續研究中，筆者將結合一個實際算例對模型進行分析論證，同時進一步挖掘交通誘導信息對出行選擇行為的影響。