社交信息背景下路徑決策行為實驗*

余 豪，陳 堅

(1.重慶交通大學交通運輸學院，重慶 400074;2.華設設計集團股份有限公司，江蘇 南京 210014)

1 引言

路徑選擇問題一直是交通領域研究的熱門問題，從微觀的角度路徑選擇關系到出行個體單次出行的經濟性與時效性，從中觀的角度路徑選擇關系到路網流量分配的合理性，從宏觀的角度路徑選擇關系到交通管制政策的制定與實施的科學性。目前已有研究主要集中在路徑選擇影響因素的拓展、路徑選擇模型的優化以及路徑選擇實驗設計與數據獲取3個方面。

在路徑選擇影響因素方面，文獻[1-5]將學習行為納入路徑選擇的編輯中，分別得到了成本感知、時間感知、歷史路徑決策、過去經驗、學習能力對當前路徑決策的影響。文獻[6,7]將交通網絡熟悉程度納入路徑選擇的編輯，并對不同路網熟悉情景進行量化分析。在路徑選擇模型構建方面，文獻[8-16]分別用效用值、泰勒級數展開式、貝葉斯方程、排隊模型、模糊理論、灰色評價理論、層次選擇結構模型、線性加權、演化博弈等方法對靜態路徑研究階段的路權值進行了合理編輯并在路網流量分配方面取得了較好的仿真模擬。文獻[17-20]分別運用前景值對理性動態路徑選擇階段的效用值進行合理改良并對個體出行路徑選擇進行了較好的仿真描述。在路徑選擇實驗研究方面，文獻[20-23]基于計算機仿真分別驗證了行程時間、路徑偏好、心理特性和習慣對路徑選擇的影響。文獻[24]搭建了交通行為實驗平臺，對不同信息場景對出行路徑選擇的影響程度進行了定量分析。綜上，現階段關于路徑選擇的研究主要集中在考慮交通信息的出行行為建模和傳統交通信息對出行行為影響程度的定量分析，缺少社交信息(交互信息)對路徑決策影響的定量描述。此外,傳統的路徑決策實證多基于實際偏好SP(Stated Preference)或意向偏好RP(Revealed Preference)問卷調查，較少使用交通行為實驗進行相應的驗證與分析。受問卷設計限制，實驗結果波動性較大，可信度與可解釋性較低。

因此，在相關研究基礎上，本文搭建路徑選擇行為實驗平臺，設置對照實驗驗證不同社交信息水平下的受驗者是否在路徑決策過程中存在水平差異，挖掘受驗者決策行為差異背后深層次心理作用機理。

2 基礎理論

2.1 社交信息理論

傳統交通信息對于個體出行乃至路網流量分配的巨大影響已被國內外學者證實。而社交網絡，作為一個新興的交通信息發布載體，它所獨有的交互性、實時性、大數據性、易獲得性、可信性和私密安全性是傳統的交通信息發布平臺所沒有的。尤其在智能駕駛技術與交通大數據技術發展的前沿期，社交網絡作為重要的數據提供平臺，研究社交網絡交通信息對于個體的出行行為以及路網系統極為重要。

在個體出行行為方面，社交網絡交通信息可以實時、動態覆蓋路網的每一條道路，為進入路網的車輛的出行選擇、出行路徑提供更加全面、可靠的信息支撐。在出行前通過社交網絡交通信息獲得有利路段信息進行初始決策，可以有效避免交通事故、交通管制、道路臨時維護等突發情況產生的行程時間延長。在出行過程中可根據社交網絡交通信息準確、高效地對前方道路進行評估與計算，實時優化出行路徑選擇，減少出行時間。在出行者享受社交網絡交通信息帶來便利的同時，出行者也是社交網絡交通信息的來源。基于社交軟件后臺對出行者的出行選擇與車輛運行狀態進行實時記錄與跟蹤，在保證私密安全的基礎上由出行者授權自動與社交網絡云端交通信息共享平臺進行交互。

在路網系統方面，交通管理部門結合社交網絡云端共享平臺可對路網交通進行實時跟蹤與管理。對于計劃內的交通狀況(道路計劃內的維護、交通管制、交通限號等)，可通過提前上傳相應的數據到社交網絡云端共享平臺，有效地避免由于信息缺失造成的出行延誤。對于計劃外的交通狀況(交通事故、特種車緊急行駛、交通誘導等)可通過實時社交網絡云端共享平臺了解交通信息，并進行處理，減少二次事故對路網的影響，提高路網的服務效率。

2.2 交通行為實驗

傳統交通問題研究主要采用交通調查方法，通過設計、發放、回收、分析問卷得到交通參與者對某個或某類交通的主觀態度和意愿。隨著交通學科的不斷發展，這類方法在反映許多交通問題或交通現象時存在較大的局限性，例如效率低下，真實性不高等。從20世紀80年代中期開始，行為科學領域的行為實驗引起了交通科學、行為科學和實驗經濟學等諸多領域學者的關注與使用。交通行為實驗有償招募一定數量的受驗者，在實驗室通過模擬交通場景來獲取受驗者在此場景下所做出的真實、主觀的交通選擇。目前交通行為實驗已成為交通行為復雜性研究的一種重要方法。

與傳統的交通調查方法相比，交通行為實驗方法主要有以下4個方面的優勢：(1)交通行為實驗通過有償招募的方法可以得到精度更高的數據；(2)交通行為實驗較傳統問卷調查具有較高的經濟性，顯著減少了實驗成本；(3)交通行為實驗可通過設置對照組分析不同影響因素對出行選擇行為的耦合作用；(4)通過交通行為實驗可以預估交通管理策略的響應行為，評估交通管理措施實施的可行性、實施效果及影響。

2.3 z-Tree軟件

z-Tree是由瑞士蘇黎世大學開發設計的一款進行個體行為實驗的軟件。z-Tree設計的初衷是為了進行沒有太多經驗情況下的經濟行為實驗(例如公共物品游戲、結構化的談判實驗、市場報價實驗和雙重拍賣實驗等)，由于其優異的性能、靈活的配置以及可實現多種功能，迅速被推廣到歐美行為學實驗領域。目前z-Tree也是交通行為學實驗(例如路徑選擇行為實驗、出行方式選擇行為實驗、出行時刻選擇實驗等)的熱門軟件。

z-Tree軟件由z-Tree控制平臺和z-Leaf操作平臺2部分組成。z-Tree控制平臺是設計實驗的主體部分和核心，主要包括程序編寫、人員設置、實驗分組等內容，是實驗人員操作行為實驗的主機。z-Leaf操作平臺用于建立多個子節點，是受驗人員進行行為實驗的終端。z-Tree控制平臺和z-Leaf操作平臺均運行在以太網連接的PC機(PC機的處理器性能不能低于486 ER處理器，RAM不低于16 MB )上。

z-Tree軟件具有以下優點：(1)對實驗計算機要求低，兼容不同種類操作系統與不同類型瀏覽器，可實現大體量的子節點同步在線；(2)對編程要求低，通過核心代碼可實現功能分割，按需使用；(3)兼顧配置參數與可視化。

Figure 1 System framework of z-Tree圖1 z-Tree系統框架

3 實驗結果與分析

3.1 實驗設置

(1)實驗目的與假設。

通過設置完全交通信息、部分交通信息和無交通信息3個對照組量化不同社交信息水平對出行者路徑決策行為的影響程度。為簡化實驗過程以及方便后期數據結果分析，故提出如表1所示的假設。

Table 1 Experimental hypothesis表1 實驗假設

(2)實驗場景設置。

實驗場景為同出發時刻、同終止時刻和同OD通勤出行，并在此基礎上進行路徑選擇行為實驗。編程仿真根據受驗者個體屬性進行相應的路徑選擇過程仿真。每種實驗場景下均進行30輪實驗，每輪代表一次實際出行路徑選擇過程。當上輪實驗結束后需對數據進行整理，反饋完畢后再進行下一輪實驗。單輪實驗中所有受驗者均要求在60分鐘完成OD出行，實驗目標是盡可能準點到達出行終點，實驗客戶端會記錄每個受驗者的路徑選擇、通行耗時和該輪獎懲得分。實驗服務器會對客戶端的受驗數據進行匯總，并通過相應的機制進行總得分與實驗報酬計算。

(3)實驗路網設置與分析。

結合國內外有關路徑選擇研究的相關經驗，設置實驗路網如圖2所示，實驗路徑系數如表2所示。通過對實驗路網分析可知：實驗路網共設置9個節點，編號分別為O，1，2，3，4，5，6，7，D；實驗路網共設置12個有向路段，編號分別為O1，O2，13，14，24，25，36，46，47，57，6D，7D。

Figure 2 Experimental road network圖2 實驗路網圖

(4)道路通行時間分布設置。

在實驗假設H1(實驗中的交通信息特指道路通行時間分布)的基礎上，路段預計通行時間均服從正態分布，其實際期望值由基礎期望和選擇系數2部分組成。基礎期望是指道路在無人選擇情況下的通行時間期望，而選擇系數是指路段每增加一個出行個體選擇的通行時間期望增長情況。其表示方式如式(1)所示。

EX=EX0+μN

(1)

其中，EX為路段預計通行時間期望；EX0為路段預計通行時間基礎期望；μ為選擇系數；N為選擇人數。

根據相關經驗，將路段預計通行時間分布的方差設置為期望的0.3倍[25]。在大樣本情況下，路段的實際通行時間也服從正態分布，其期望應穩定在一個數值。但是，對于個體的單次選擇過程，為了消除受驗者選擇次數較少帶來的路徑實際通行時間的波動性，通過對程序進行一定優化使得個體單次選擇的路徑實際通行時間介于路徑實時期望與其2倍標準差之間(即使得小事件發生概率小于0.05)。

Table 2 Basic expectation value of time and selection coefficient of road section and route表2 路段、路徑的時間基礎期望值與選擇系數

(5)受驗者分組與設置。

由于本文實證較為復雜，需要受驗者具有較高的理解能力和實驗操作能力，為提高實驗結果精度，結合已有研究與本文實驗需求，將受驗者招募人群定向于高校師生[26]。通過線上校園貼吧、微信等社交方式以及線下校園公示板等途徑收集到實驗意愿者57名，經過相關條件與實驗要求篩選確定本文實驗受驗者21名，隨機編號為1～21(編號1～7的受驗者標記為A組，編號為8～14的受驗者標記為B組，編號為15～21的受驗者標記為C組)。在每輪實驗前，z-Tree控制平臺會隨機將受驗者均分在無交通信息、節點交互交通信息和完全交互交通信息3個對照組(在第1～10輪正式實驗中，按照受驗者實際情況分別將A組、B組、C組交通信息場景設置為完全信息、部分信息、無信息的信息認知情形；在第11～20輪正式實驗中，分別將A組、B組、C組交通信息場景設置為無信息、完全信息、部分信息的信息認知情形；在第21～30輪正式實驗中，分別將A組、B組、C組交通信息場景設置為部分信息、無信息、完全信息的信息認知情形)。實驗設計要求所有受驗者以前均未參加過類似項目，且相互之間并不認識，實驗過程中也不允許有任何交流。在正式實驗之前，實驗人員將會對受驗者進行培訓，并進行3輪準備實驗，合格無誤后方可進行正式實驗。

(6)獎罰機制設置。

獎罰機制是實驗項目順利進行的重要保障。本文實驗中，受驗者報酬由2部分組成：基礎實驗費和實驗獎罰金。基礎實驗費是指當受驗者完成實驗所有輪數均可獲得的費用，本文實驗中所有受驗者基礎實驗費為50元/人。實驗獎罰金是根據受驗者的實驗表現給出的獎金或罰金，它的值為受驗者30輪累計得分。受驗者每提前一分鐘到達出行終點得10分，反之，每遲到一分鐘到達出行終點扣30分，每輪結束，z-Leaf客戶端會對每人的得分進行累加計算，每100分可兌換8元。當受驗者實驗罰金大于基礎實驗費時，拒絕向受驗者提供報酬。

(7)實驗流程設置。

①實驗準備：實驗開始前，完成對z-Tree控制平臺和z-Leaf操作平臺的實驗背景、仿真模塊、可視化頁面和統計分析的編程；完成對受驗人群的培訓與預實驗。②實驗進行：實驗開始后，按照實驗手冊要求受驗者逐輪進行路徑選擇并進行記錄。在實驗過程中，實驗人員應派專員對受驗人群進行巡回監督，防止實驗過程中出現交頭接耳、偷偷交流等情況，破壞實驗的效果。③實驗結尾：實驗結束后，實驗人員對受驗結果進行及時公布并按照成績給予受驗人群報酬。待一切完畢后，進行數據統計和相應的結果分析。

3.2 實驗分析

(1)受驗者描述性統計。

通過問卷調查，得到受驗者個人屬性，如表3所示。

表3中，性別方面，1=男，2=女；年齡方面，<18歲，18～30歲，31～49歲，≥50歲情況下，變量分別取1,2,3,4；教育程度方面，1=高中及以下，2=大學專科，3=大學本科，4=碩士，5=博士；月收入方面，<3000元，3000～5000元，5000～10000元，>10000元情況下，變量分別取1，2，3，4；婚育情況方面，1=未婚，2=已婚未育，3=已婚已育；駕照方面，1=無，2=有；小汽車方面，1=無(未來無購車計劃)，2=無(未來有購車計劃)，3=有。

Table 3 Personal attributes of subjects表3 受驗者個人屬性

分析可知：在年齡方面，受驗者年齡均為18～49周歲，屬于適齡駕駛且身體機能良好；在教育程度方面，受驗者均受過高等教育(本科、碩士、博士)，具備良好學習能力與理解能力；在月收入與婚育狀況方面，因招募人群主要為在校學生，80%的受驗者均為低收入的未婚人士。在駕照擁有情況方面，90%的受驗者擁有駕照，具備基本交通出行與路徑選擇的基礎常識；在小汽車擁有狀況方面，受驗者均為未來打算購買或已購買小汽車人群，表明受驗者對小汽車具有較高的需求。受驗人群滿足實驗要求。

(2)數據結果信度和效度分析。

依據每輪每人選擇的每個節點的預選路線確定整輪的動態路網通行時間分布與交通信息，每輪預選路徑結束后將21名受驗者隨機均分在完全信息、部分信息和無信息的組內。針對每輪，每組均有7名受驗者。每個受驗者在3種不同信息情形下均有10次選擇機會。在正式實驗開始前進行了3輪預實驗，以熟悉軟件、界面和環境，此后共進行正式實驗30輪，收取有效數據630條。

通過統計產品與服務解決方案SPSS(Statistical Product and Service Solutions)軟件進行“分析-描述統計-描述”與“分析-量度-可靠性分析”的操作對630條有效數據進行描述性統計分析與可靠性分析，其結果如表4所示。由描述性統計分析可知，本文數據滿足一般數據統計要求，具有較好的數據分布特性；由可靠性分析可知，本文數據Cronbach系數均大于0.6，即本文數據具有較高可信度，可用于進行深層次數據計算與分析。

Table 4 Descriptive statistics and data reliability表4 描述性統計與數據信度

通過SPSS軟件進行“分析-描述統計-探索-繪制-正態分布”的數據分布正態性檢驗后，通過“分析-比較平均均值-單因素ANOVA”操作對630條有效數據進行單因素方差分析，其結果如表5～表7所示。針對耗時情況分析可知，其單因素同質顯著性為0.252，大于0.05，分人分組分輪耗時具有方差齊性的特征，可進行多重比較分析，通過不同組的多重比較可知，完全信息、部分信息和無信息3組之間耗時關系具有顯著性差異，實驗結果可靠；針對收益情況分析可知，其單因素同質顯著性為0.000，小于0.05，分人分組分輪得分不具有方差齊性的特征，不能進行多重比較分析，通過“分析-非參數檢驗-舊對話框-K個獨立樣本”進行多個獨立樣本的秩和檢驗，其顯著性為0.000,小于0.05，可認為完全信息、部分信息和無信息3個組的得分情況具有顯著差異，實驗結果可靠。

Table 5 Single factor homogeneity test表5 單因素同質性測試

Table 6 Multiple comparisons (time consuming)表6 多重比較(耗時)

Table 7 Kruskal-Wallis test (score)表7 Kruskal-Wallis檢驗(得分)

(3)分組分輪分析。

在數據可信可靠的基礎上，通過分組分輪的方式(每輪實驗中將21人隨機均分在完全信息、部分信息和無信息組中)整合梳理后其平均耗時、平均得分結果如圖3和表8所示。

Figure 3 Average time consumption and score of each group in each round圖3 各輪各組平均耗時與得分

通過分析可知：在3個組的總體平均值方面，完全信息組平均耗時和收益分別為51.9和81.2，高于部分信息組的59.2與26.2，高于無信息組的59.4與-19.2。針對完全信息出行，30輪中其平均耗時與得分均高于無信息組，這表明出行者在此條件下具有較好的出行路徑選擇。針對部分信息出行，30輪中其平均耗時與得分整體介于完全信息組與無信息組之間，但存在一定程度的交叉，這表明部分出行信息情形下，信息的不完整會對出行路徑選擇產生一定程度上的干擾，使得路徑選擇結果具有較為顯著的波動性。針對無信息出行，30輪中其平均耗時與得分最低，這表明無信息情形下的路徑選擇較差，趨向可能最短路徑，但可能最短路徑一般選擇人數較多，造成通行耗時較大。

Table 8 Average time and score of each round of each group表8 各組各輪平均耗時與得分

(4)分組分人分析。

在分組分輪分析的基礎上，通過分組分人的方式(每人在實驗中均有10輪在完全信息組、部分信息組和無信息組中)整合梳理后其平均耗時、平均得分、Ti值、Mi值等結果如圖4和表9所示。

Figure 4 Comparison of each group圖4 各組各人相對比較

通過分析可知：從整體上看，3個組的Ti值均介于-10%～10%，表示耗時波動性較小，單人耗時可代表單組耗時，即通過分組分人的方式可以減少因每輪路網分配不等所產生的耗時波動，使得Mi值的比較具有較高可信性。Ti為該受驗者在i組的10輪耗時均值與i組7人在這10輪的耗時均值的比值，其中i為1,2,3分別表示完全信息、部分信息和無信息，Ti表示耗時均值的波動程度。一般Ti的絕對值越小，波動性越小，受驗者平均耗時均值越具有代表性。Mi為該受驗者在i組的10輪耗時均值與對照組的耗時均值的差值與該受驗者分在i組的10輪耗時均值的比值，其中i為1,2,3分別表示完全信息、部分信息和無信息,Mi表示相對該受驗者在其他組的耗時時間情況，Mi為負數表示耗時增加，為正數表示耗時減少。從各組情況看，各受驗者在完全信息情形下相較部分信息情形下出行選擇的M2值整體提升了4.3%，表示完全信息情形下路徑選擇耗時較少，但部分受驗者(如ID為4、7、12、17的受驗者)存在M2值為非正數情況，整體介于-3%～0，這表示部分信息情形下在一定的路網條件下路徑選擇結果與完全信息時基本一致。在相較無信息出行選擇的M3值整體為11.9%，且均為非負值,表示完全信息情形下路徑選擇相較無信息情形下可顯著節省出行耗時。同理，各受驗者在部分信息情形以及無信息情形下具有類似結論。

4 結束語

社交網絡作為一種獲取交通信息的新途徑，其實時性、大數據性、真實性、易取得等特點將對未來出行者路徑選擇決策產生巨大的影響。本文結合社交網絡交通信息特征通過交通行為實驗設計了3種信息情形下的路徑選擇決策實驗，并通過z-Tree軟件進行證實。實驗結果表明：有信息決策耗時實驗結果整體優于無信息情況的。具體到個體，由于信息不全可能導致耗時增加。至于在行為實驗中個體的學習行為、個體屬性等因素是否會對路徑決策具有顯著的影響，以及實驗中展示出來的“損失冒險”與“選擇保守”現象是否與前景理論存在直接關聯則待進一步研究。

Table 9 Average time and benefit of each group
表9 各組各人平均耗時與收益

實驗條件ID耗時均值/min收益均值T1/%M2/%M3/%ID耗時均值/min收益均值T1/%M2/%M3/%151.882-4.27.213.71254.852-0.6-2.611.7251.5852.28.210.41350.5955.66.818.3352.8722.36.611.81447.91212.47.410.5454.4568.4-2.110.01553.9611.19.012.4549.2108-3.18.411.61654.3571.8-5.312.1完全信息654.1593.46.410.41753.169-6.4-2.810.4754.5553.5-1.510.51853.8626.58.912.6847.31274.29.715.51949.11090.78.311.4953.268-2.14.111.32053.9610.08.311.51048.0120-1.12.711.62152.2761.77.412.01148.9111-2.02.210.2均值51.9 81.2 1.24.311.9ID耗時均值/min收益均值T2/%M1/%M3/%ID耗時均值/min收益均值T2/%M1/%M3/%156.3375.3-10.57.21256.9313.0-8.05.1256.535-3.9-7.66.31352.9716.0-8.97.0352.476-0.4-7.75.91447.8122-3.7-9.25.9461.3-39-0.7-7.45.91556.5359.9-11.30.8561.0-30-3.2-8.25.51655.644-4.3-9.73.0部分信息662.7-812.2-7.25.61755.545-2.5-8.6-3.8756.3372.2-5.76.81857.426-8.34.812.3856.5353.3-7.53.91951.882-1.8-7.06.4955.941-0.1-7.65.72057.3275.9-7.610.71063.8-114-0.4-7.45.62150.8920.1-7.75.71155.8424.36.56.1均值56.2 29.2 0.6-6.85.6ID耗時均值/min收益均值T3/%M1/%M2/%ID耗時均值/min收益均值T3/%M1/%M2/%155.3470.20-12.50-5.401260.6-18-0.30-12.80-5.20254.4566.80-8.601.101360.2-61.20-13.10-5.10362.2-660.40-12.70-5.501461.5-451.80-11.80-5.20462.4-72-2.30-12.70-4.101556.6341.10-12.30-5.50554.060-1.90-12.70-4.601664.6-138-4.40-14.404.20無信息664.5-1354.60-10.201.001761.7-510.00-12.60-5.40759.463.60-11.60-6.001855.644-1.50-12.40-6.40856.0405.20-12.60-4.001955.545-1.20-11.905.30961.0-305.00-13.60-3.002062.7-811.00-12.70-5.001065.1-1533.90-9.40-4.202158.9110.50-12.40-5.201155.149-3.60-12.602.50均值59.4-19.21.00-12.20-3.10

[12] Guan Gui-xia, Zhao Shan, Liu Ying-qing. Study of the optimal way of route choice based on fuzzy theory [J].Journal of North China Institute of Technology,2001,22(1):75-78.(in Chinese)

[13] Sun Yan, Chen Sen-fa, Huang Xiao. Adaptive optimal route selection based on gray evaluation theory[J].China Journal of Highway and Transport,2003,16(4):87-90.(in Chinese)

[14] Wu Wen-xiang, Huang Hai-jun. Study on behavior impacts caused by travel information systems in parallel route network[J].Journal of Management Sciences in China,2003,6(2):12-16.(in Chinese)

[15] Zong chuan-ling, Li Xiang-yong, Wang Ying-tao. A multi-objective programming model of route choice before travel[J]. Journal of Transportation Systems Engineering and Information Technology, 2005,5(6):58-61.(in Chinese)

[16] Gong Ya-wen. Study of route choice behavior of drivers based on the evolutionary game under condition of information guidance[J]. Highway, 2015 (1): 108-113.(in Chinese)

[17] Lu X, Gao S, Ben-Elia E. Information impacts on route choice and learning behavior in a congested network: An experimental approach[J]. Transportation Research Record: Journal of the Transportation Research Board, 2011, 2243: 1-18.

[18] Zhao Lin. Study on travel decision model based on prospect theory and ATIS simulation experiment[D].Beijing: Beijing Jiaotong University, 2007.(in Chinese)

[19] Li Xue-yan, Li Xue-mei, Li Xue-wei, et al. Dynamic reference points based bounded rational multi-agent model of route choice[J]. Complex Systems and Complexity Science,2016,13(2):27-35.(in Chinese)

[20] Zong Fang,Lu Feng-rui,Tang Ming,et al.Impact of habit and traffic condition on travel route selection[J].Journal of Jilin University(Engineering and Technology Edition),2018,48(4):1023-1028.(in Chinese)

[21] Zeng Song, Shi Chun-hua, Yang Xiao-guang. A route choice model based on experimental analysis[J]. Journal of Highway and Transportation Research and Development,2002,19(4):85-88.(in Chinese)

[22] He Zhen-huan. Research on simulation system and model system of urban road traffic route selection[D]. Beijing: Beijing Jiaotong University, 2003.(in Chinese)

[23] Guan Hong-zhi, Long Xue-qin, Qin Huan-mei. Drivers' route-choice behavior under emergency[J]. Journal of Chang’an University(Natural Science Edition),2016,36(5):88-94.(in Chinese)

[24] Liu Shi-xu, Guan Hong-zhi, Yan Hai. Research on the influence of traffic information on drivers'day-to-day route choice behavior[J].Journal of Wuhan University of Technology(Transportation Science & Engineering), 2011,35(6):1130-1134.(in Chinese)

[25] Chorus C G, Molin E J E, Arentze T A, et al. Validation of a multimodal travel simulator with travel information provision[J]. Transportation Research Part C: Emerging Technologies, 2007, 15(3):191-207.

[26] Liu Tian-liang, Zhang Chong, Wang Tian-ge, et al. Effects of friends' information interaction on travel decisions[J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(6): 86-93.(in Chinese)

附中文參考文獻：

[9] 石小法,王煒,盧林,等.交通信息影響下的動態路徑選擇模型研究[J].公路交通科技,2000,17(4):35-37.

[10] 石小法.ATIS環境下動態選擇模型的研究[J].系統工程學報,2002,17(3):271-276.

[11] 石小法,王煒,楊東援.信息對出行者出行行為的影響研究[J].中國公路學報,2002,15(1):89-92.

[12] 關桂霞,趙剡,劉瑩青.一種基于模糊理論的最佳路徑選擇

方法[J].華北工學院學報,2001,22(1):75-78.

[13] 孫燕,陳森發,黃鹍.基于灰色評價理論的自適應最優路徑選擇[J].中國公路學報,2003,16(4):87-90.

[14] 吳文祥,黃海軍.平行路徑網絡中信息對交通行為的影響研究[J].管理科學學報,2003,6(2):12-16.

[15] 宗傳苓, 李相勇, 王英濤. 出行前路徑選擇的多目標規劃模型[J]. 交通運輸系統工程與信息, 2005, 5(6):58-61.

[16] 鞏亞文. 信息誘導條件下出行路徑選擇行為的演化博弈分析[J]. 公路, 2015(1):108-113.

[18] 趙凜. 基于“前景理論”的出行決策模型及ATIS仿真實驗研究[D].北京：北京交通大學, 2007.

[19] 李雪巖,李雪梅,李學偉,等.基于動態參照點的多主體有限理性路徑選擇模型[J].復雜系統與復雜性科學,2016,13(2):27-35.

[20] 宗芳,路峰瑞,唐明,等.習慣和路況對小汽車出行路徑選擇的影響[J].吉林大學學報(工學版), 2018,48(4):1023-1028.

[21] 曾松,史春華,楊曉光.基于實驗分析的駕駛員路線選擇模式研究[J].公路交通科技,2002,19(4):85-88.

[22] 賀振歡.城市道路交通路徑選擇模擬系統及模型體系研究[D].北京:北京交通大學,2003.

[23] 關宏志,龍雪琴,秦煥美.突發事件下機動車出行者路徑選擇行為[J].長安大學學報(自然科學版),2016,36(5):88-94.

[24] 劉詩序,關宏志,嚴海.交通信息對駕駛員逐日路徑選擇行為影響研究[J].武漢理工大學學報(交通科學與工程版),2011,35(6):1130-1134.

[26] 劉天亮, 張沖, 王天歌,等. 朋友圈信息交互對個體出行決策行為的影響研究[J]. 交通運輸系統工程與信息, 2013, 13(6):86-93.