摘要: 為研究多方式誘導(dǎo)下通勤者的動(dòng)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(dòng)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(gè)決策節(jié)點(diǎn)上實(shí)現(xiàn)交通信息的動(dòng)態(tài)加載,并考慮通勤者對(duì)信息的信任度和學(xué)習(xí)過(guò)程,使模型可更準(zhǔn)確地描述實(shí)際決策過(guò)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(guò)縮短出行鏈長(zhǎng)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(dòng)態(tài)規(guī)劃;交通信息; Dijkstra算法;通勤者
中圖分類號(hào): 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(duì)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(dòng)態(tài)特性使出行鏈全過(guò)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(duì)通勤者出行行為的影響.
很多學(xué)者對(duì)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(jì)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(duì)比了不同類型的道路交通狀態(tài)信息對(duì)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(duì)出發(fā)時(shí)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(duì)小汽車使用者出行方式路徑選擇的影響.文獻(xiàn)[68]通過(guò)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(duì)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(gè)性化交通信息服務(wù)策略,并分析了信息對(duì)出行者個(gè)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(duì)單次出行的影響.隨著出行鏈分析方法的發(fā)展,越來(lái)越多的學(xué)者意識(shí)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(bào)第48卷第2期趙丹等:多方式誘導(dǎo)信息對(duì)通勤者出行鏈的動(dòng)態(tài)影響模型鏈中每次出行的動(dòng)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(shí)刻及交通信息服務(wù)帶來(lái)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(duì)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(shí)不考慮公共交通信息,或假設(shè)公共交通信息只對(duì)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(duì)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(duì)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(shí)空聯(lián)系的整體,才能從更深層次上分析交通信息對(duì)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(shí)間、停車搜索時(shí)間和地鐵等車時(shí)間,將實(shí)時(shí)動(dòng)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(duì)象,分析出行鏈感知效用,通過(guò)引入信息信任度概念,運(yùn)用動(dòng)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(guò)程,并用實(shí)例分析多方式誘導(dǎo)信息的影響.1出行鏈動(dòng)態(tài)決策過(guò)程出行鏈?zhǔn)且阅硞€(gè)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(shí)間上相互聯(lián)系的駐點(diǎn)(指停留某處進(jìn)行活動(dòng)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(dòng)態(tài)選擇行為的實(shí)質(zhì)是多階段決策問(wèn)題,其動(dòng)態(tài)決策過(guò)程如圖1所示.
(4) 在擁堵?tīng)顟B(tài)下,當(dāng)通勤者對(duì)信息的信任度較高時(shí),為降低出行風(fēng)險(xiǎn),通勤者會(huì)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(shí),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(huì)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(shí)間依賴網(wǎng)絡(luò)路徑優(yōu)化[J]. 西南交通大學(xué)學(xué)報(bào),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(bào),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(gè)性化服務(wù)策略[J]. 西南交通大學(xué)學(xué)報(bào),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)