劉 瀾， 駱 晨， 尹俊淞， 馬亞峰

(西南交通大學(xué)交通運(yùn)輸與物流學(xué)院，四川 成都610031)

多源信息環(huán)境下的駕駛員路徑?jīng)Q策行為研究 是智能交通的重要研究方向之一.掌握復(fù)雜道路信息環(huán)境下的駕駛決策反應(yīng)機(jī)制特征，有利于提高交通信息的效能，增強(qiáng)信息誘導(dǎo)的能力，降低交通擁堵的風(fēng)險(xiǎn).

多源信息與道路決策選擇的交互性，決定了駕駛員道路選擇決策研究主要集中在駕駛員出行行為特性和出行交通信息影響兩方面.文獻(xiàn)［1］定量分析了具有個(gè)性特征的出行者與出行行為的關(guān)系;文獻(xiàn)［2］確立了社會(huì)經(jīng)濟(jì)、道路環(huán)境、信息變化率等影響指標(biāo)，利用模糊邏輯-神經(jīng)網(wǎng)絡(luò)模型，量化了在交通信息下駕駛員個(gè)人處理特性和道路選擇特性;文獻(xiàn)［3］基于改進(jìn)的經(jīng)典雙路網(wǎng)絡(luò)模型，研究了天氣、事故等干擾因素對(duì)道路決策中出行前信息的影響，研究結(jié)果表明道路決策出行前信息的效用取決于自由流狀態(tài)下的道路出行費(fèi)用、出行成本函數(shù)以及擁擠程度;文獻(xiàn)［4］利用AHP 層次分析法，構(gòu)建基于駕駛員知識(shí)結(jié)構(gòu)的多準(zhǔn)則道路決策模型，并通過(guò)伊朗道路網(wǎng)絡(luò)進(jìn)行了模型驗(yàn)證;文獻(xiàn)［5］基于潛類別模型，構(gòu)造一種多源未知環(huán)境下的風(fēng)險(xiǎn)識(shí)別模型，處理道路決策過(guò)程中各因素之間的潛在關(guān)系，并通過(guò)實(shí)驗(yàn)得出道路決策過(guò)程中信息支付欲望取決于決策方式與社會(huì)人口特點(diǎn)的結(jié)論;文獻(xiàn)［6］采用場(chǎng)理論構(gòu)造一個(gè)新的微觀模型的概念框架，模擬駕駛員面對(duì)外部駕駛環(huán)境刺激時(shí)身體及決策變化的狀態(tài)，并通過(guò)實(shí)驗(yàn)進(jìn)行了模型參數(shù)校準(zhǔn). 文獻(xiàn)［7］基于累積前景理論，構(gòu)造了主駕駛決策模型，通過(guò)調(diào)查問(wèn)卷的形式收集數(shù)據(jù)并進(jìn)行了系統(tǒng)的分析，將分析結(jié)果與基于期望效用函數(shù)的決策模型比較，發(fā)現(xiàn)基于累積前景理論的決策模型更符合實(shí)際;文獻(xiàn)［8］從出行者角度闡述了出行者搜尋出行信息的動(dòng)機(jī)與收益，從定性角度建立了出行信息搜尋行為模型，并探討了出行信息搜尋行為的具體影響因素與作用機(jī)理，重點(diǎn)分析了機(jī)動(dòng)車駕駛員的交通狀態(tài)信息搜尋行為，并通過(guò)示例路網(wǎng)描述了交通狀態(tài)信息搜尋行為模式;文獻(xiàn)［9］利用最小二乘法對(duì)駕駛員交通信息偏好的影響因素進(jìn)行了分析，提出了個(gè)人屬性、出行行為特征、信息需求偏好以及信息獲取方式偏好是影響駕駛員信息偏好的主要因素;文獻(xiàn)［10］通過(guò)對(duì)交通信息作用下的出行行為研究，分析了信息的內(nèi)容、提供方式、提供時(shí)間和地點(diǎn)等特性對(duì)駕駛員交通信息認(rèn)知程度和所獲收益的影響.

上述研究從交通信息、道路環(huán)境等駕駛因素作用的角度出發(fā)，進(jìn)行了駕駛員出行行為的統(tǒng)計(jì)和描述，也有考慮駕駛影響因素下的決策機(jī)理，但缺乏具體針對(duì)行程中駕駛員路徑?jīng)Q策過(guò)程的研究.針對(duì)行程中的路徑?jīng)Q策，個(gè)人特征的復(fù)雜性和交通信息的異質(zhì)性，決定了駕駛員出行決策的多變性. 為了達(dá)到實(shí)用的目的，需要充分考慮駕駛決策信息的模糊性，甚至主、客觀認(rèn)知的決策沖突.多源交通信息往往具有異質(zhì)性的特點(diǎn)，具體表現(xiàn)為數(shù)量、語(yǔ)言、時(shí)序等［11］，然而交通信息的時(shí)序差異對(duì)駕駛決策影響顯著.本文根據(jù)直覺(jué)模糊集理論，模糊量化動(dòng)態(tài)駕駛信息認(rèn)知過(guò)程的主、客觀決策，并依據(jù)證據(jù)論(D-S theory)思想，提出改進(jìn)的D-S 模型處理決策因素的沖突，建立主、客觀條件下的動(dòng)態(tài)道路決策模型，研究比較不同時(shí)序信息下的道路決策過(guò)程.

1 路徑?jīng)Q策的直覺(jué)模糊集理論建構(gòu)

1.1 直覺(jué)模糊集的定義

定義1 設(shè)在路徑?jīng)Q策過(guò)程中的多源異質(zhì)信息為有限論域

記A 為X 上的一個(gè)直覺(jué)模糊集(IFS)，

式中:μA(xi)和rA(xi)分別為多源信息論域X 中的子集xi對(duì)某路徑?jīng)Q策的隸屬度函數(shù)和非隸屬度函數(shù).

對(duì)于所有xi∈X，滿足條件:

記

式中:πA(xi)為多源信息子集xi對(duì)某道路決策選擇的猶豫程度測(cè)定，稱為猶豫度或不確定度.

1.2 基于認(rèn)知體系的直覺(jué)模糊數(shù)構(gòu)造方法

在直覺(jué)模糊理論中，常用專家評(píng)價(jià)法、模糊統(tǒng)計(jì)法等方法構(gòu)造函數(shù)，以確定隸屬度函數(shù)和非隸屬度函數(shù)，而函數(shù)的難以確定性是限制直覺(jué)模糊理論應(yīng)用的重要原因. 針對(duì)路徑?jīng)Q策過(guò)程中主觀感覺(jué)、客觀分析共同參與的特點(diǎn)，本文提出利用雙隸屬度函數(shù)構(gòu)造主觀隸屬度和客觀隸屬度，體現(xiàn)在多源信息條件下道路決策選擇過(guò)程的主觀性和客觀性.通過(guò)隸屬度和猶豫度得出非隸屬度，在邏輯上更容易理解，且得出的直覺(jué)模糊數(shù)是正規(guī)的.

定義2 設(shè)f1(x)、f2(x)分別為多源異質(zhì)信息有限論域X 在主觀、客觀認(rèn)知區(qū)域內(nèi)的隸屬度函數(shù)，則多源信息子集xi對(duì)應(yīng)的道路決策選擇隸屬度、非隸屬度、猶豫度分別為

由定義2 可以看出，在多源異質(zhì)信息的有限論域內(nèi)，任意多源信息子集xi都對(duì)應(yīng)著主觀和客觀兩個(gè)不同的隸屬度，雙隸屬度函數(shù)中較小隸屬度值被定義為xi對(duì)某道路決策選擇的隸屬度，而猶豫度等于雙隸屬度函數(shù)［12-13］中兩個(gè)隸屬度之差.

2 證據(jù)理論的應(yīng)用

證據(jù)理論在表達(dá)和處理不確定性問(wèn)題時(shí)具有優(yōu)勢(shì)，已成為不確定性推理的一種重要方法. 本文借鑒證據(jù)理論，通過(guò)構(gòu)造投影法進(jìn)行猶豫度函數(shù)分配，解決隸屬度函數(shù)、非隸屬度函數(shù)、猶豫度函數(shù)的去正交化和集成問(wèn)題.

2.1 基本概念的定義

定義3 設(shè)Θ 為多源異質(zhì)信息下的路徑?jīng)Q策框架，m 為Θ 上的路徑?jīng)Q策隸屬度概率分配(basic probability assignment，BPA)亦稱mass 函數(shù)，且滿足:

式中:2Θ為Θ 冪集.

若m(X)＞0，則稱m(X)為路徑X 的決策焦元，簡(jiǎn)稱焦元;若X 只含有一個(gè)元素，則成為道路決策選擇基焦元，簡(jiǎn)稱基焦元.

定理1 Dempster-Shafer 合成法則:設(shè)BBel1，BBel2，…，BBeln是同一個(gè)識(shí)別框架Θ 上的信度函數(shù)，m1，m2，…，mn是對(duì)應(yīng)的基本隸屬度概率分配，如果BBel1⊕BBel2⊕…⊕BBeln存在，并且基本隸屬度概率分配為m，則有

在路徑?jīng)Q策框架Θ 上基于不同信息源的mass函數(shù)中，如果mass 函數(shù)不是完全沖突的，那么就可以用Dempster-Shafer 合成法則計(jì)算出由幾個(gè)聯(lián)合信任度函數(shù)支持下產(chǎn)生的一個(gè)集成信度函數(shù).

2.2 基于投影法的改進(jìn)證據(jù)理論

根據(jù)證據(jù)理論，假設(shè)在路徑?jīng)Q策選擇框架Θ中，所有可能結(jié)論的集合內(nèi)各種基焦元之間相互排斥.利用歐氏空間的矢量化思想來(lái)定義證據(jù)理論中的某些概念，有利于解決證據(jù)之間的去正交化和集成問(wèn)題.

定義4 設(shè)Θ 為一個(gè)含有N 個(gè)相互排斥的基焦元的道路決策選擇框架，則把道路決策選擇框架Θ 看作是N 維坐標(biāo)系，其中的基焦元看作是兩兩相互垂直的坐標(biāo)軸.

定義5 設(shè)Θ 為一個(gè)含有N 個(gè)相互排斥基焦元的道路決策選擇框架，m 為該框架的一個(gè)mass函數(shù)，記αij為基焦元xi與基焦元xj的夾角，則稱αij為基焦元角;記m'為各坐標(biāo)軸上m 的近似基本隸屬度概率.根據(jù)投影定律有

定義6 假設(shè)x1，x2，…，xn代表針對(duì)路徑?jīng)Q策的結(jié)果，焦元xij中包含2 個(gè)路徑?jīng)Q策基焦元xi和xj.借鑒TOPSIS 理論，設(shè)xi為道路正決策點(diǎn)，其mass 函數(shù)值為mi;xj為道路負(fù)決策點(diǎn)，其mass 函數(shù)值為m2;將焦元xij的mass 函數(shù)m3進(jìn)行極端分配，且滿足條件:

2.3 基于對(duì)數(shù)增長(zhǎng)型的權(quán)重確定方法

在實(shí)際道路決策選擇過(guò)程中，駕駛員所掌握的多源決策信息具有異質(zhì)性，其主要為信息性質(zhì)和接收時(shí)間.但考慮到信息的異質(zhì)性中接收時(shí)間與信息性質(zhì)的交互作用機(jī)理較為復(fù)雜，所以本文針對(duì)的信息異質(zhì)性特征是以接收時(shí)間(信息的時(shí)序性)為主要權(quán)重確定依據(jù)(針對(duì)信息性質(zhì)的部分將在今后另文進(jìn)行深入研究).信息的時(shí)序性表現(xiàn)為在最終決策之前，接收信息的時(shí)間越晚，信息對(duì)決策的影響程度越高，本文通過(guò)動(dòng)態(tài)賦權(quán)量化決策信息的時(shí)序性特點(diǎn)來(lái)表達(dá)信息異質(zhì)性.通過(guò)分析文獻(xiàn)［14］，發(fā)現(xiàn)從開(kāi)始到最終決策時(shí)刻的多源信息權(quán)重的變化整體上呈上升趨勢(shì)，即時(shí)間越接近最終決策時(shí)刻，在決策判斷時(shí)的影響越大.基于此，本文建立基于對(duì)數(shù)增長(zhǎng)型的權(quán)重確定方法，用權(quán)重度量不同時(shí)刻信息對(duì)最終路徑?jīng)Q策的影響.

在路徑?jīng)Q策過(guò)程中，各決策信息的接收狀態(tài)符合離散式分布.在有限時(shí)間論域內(nèi)，以接收時(shí)間為時(shí)序，進(jìn)行決策信息排序，記為

設(shè)wk為第xk個(gè)決策信息的權(quán)重，則

式中:

則當(dāng)X={1，2，…，n}時(shí)，

3 駕駛決策行為模型的建立

模型假設(shè):路徑?jīng)Q策結(jié)果go、change 和go or change，分別表示選擇駛?cè)?、不選擇駛?cè)牒酮q豫.其中焦元go or change 中包含2 個(gè)路徑?jīng)Q策基焦元，即go 和change，分別用基焦元g 和c 表示，借鑒TOPSIS 理論，設(shè)g 為道路正決策點(diǎn)，其mass 函數(shù)值為m1;c 為道路負(fù)決策點(diǎn)，其mass 函數(shù)值為m2.則將焦元go or change 的mass 函數(shù)m3進(jìn)行極端分配，且滿足條件:

步驟1 建立駕駛決策識(shí)別框架Θ.

根據(jù)模型假設(shè)，將駕駛員在駕駛過(guò)程中d 路徑?jīng)Q策集合分為有3 個(gè)決策焦元，記為A ={A1，A2，A3}.設(shè)有n 個(gè)駕駛決策信息源，按接收順序進(jìn)行時(shí)序排列，記為x1，x2，…，xn.多源異質(zhì)信息源xi對(duì)道路決策選擇焦元Aj的判別信息用直覺(jué)模糊集表示，即αij=(xij，μij(xij)，πij(xij)).

步驟2 構(gòu)造直覺(jué)模糊集形式的決策信息，確定隸屬度函數(shù)與猶豫度函數(shù).

基于人認(rèn)知過(guò)程中的主觀、客觀判定，根據(jù)實(shí)際情況構(gòu)建直覺(jué)模糊集形式的決策函數(shù). 基于定義2，利用雙隸屬度函數(shù)來(lái)計(jì)算直覺(jué)模糊集，記為

式中:含下標(biāo)1 的量為主觀判定的直覺(jué)模糊集;含下標(biāo)2 的量為客觀判定的直覺(jué)模糊集.

步驟3 駕駛決策信息源的動(dòng)態(tài)權(quán)重的確定.

以步驟1 中信息源時(shí)序?yàn)闃?biāo)記序列，將駕駛決策信息源的動(dòng)態(tài)權(quán)重標(biāo)定為權(quán)重集

由式(7)和(8)有

步驟4 基于定義1 和步驟2，構(gòu)造不同信息源對(duì)路徑?jīng)Q策的mass 函數(shù);根據(jù)定義6，計(jì)算各正、負(fù)決策點(diǎn)極端分配函數(shù).各屬性的mass 函數(shù)滿足以下條件:

步驟5 根據(jù)定義6，利用式(5)和(6)計(jì)算焦元與各基焦元坐標(biāo)軸的基焦元夾角余弦函數(shù)值;根據(jù)定義4，利用投影法，結(jié)合式(4)和(5)，對(duì)不同駕駛決策狀態(tài)下的mass 函數(shù)mij(xij)進(jìn)行去正交，并將根據(jù)步驟3 中所求得的權(quán)重集對(duì)每個(gè)坐標(biāo)軸上獲得的投影值進(jìn)行加權(quán)求和;將歸一化的mass函數(shù)用定理1 進(jìn)行D-S 合成，得到各決策基焦元的近似基本隸屬度概率m'i1

步驟6 比較各決策狀態(tài)決策焦元的近似基本隸屬度概率值m'i1、m'i2的大小，最大的對(duì)應(yīng)的路徑?jīng)Q策類型即為駕駛員的最終路徑?jīng)Q策結(jié)果.

4 算例分析

根據(jù)本文的判別方法，按時(shí)序排列信息源，記為個(gè)人歷史經(jīng)驗(yàn)信息、交通管制信息、道路物理環(huán)境信息和道路擁堵信息.對(duì)實(shí)時(shí)道路情況進(jìn)行分析處理，得到的個(gè)人歷史經(jīng)驗(yàn)信息為支持選擇駛?cè)氲缆?，交通管制信息為無(wú)，道路物理環(huán)境為車道數(shù)2 條、車速26 km/h，且道路擁堵信息為輕微擁堵.其中個(gè)人經(jīng)驗(yàn)信息、交通管制信息直接以模糊數(shù)的形式給出.

步驟1 構(gòu)建不同信息源的雙隸屬度函數(shù).

建立基于主客觀認(rèn)知下針對(duì)不同信息源的路徑?jīng)Q策雙隸屬度函數(shù).因柯西分布雙隸屬度函數(shù)能較好地模擬人的認(rèn)知特征，本文用柯西分布建立雙隸屬度函數(shù)f(x)，其表示的隸屬度區(qū)間為(0，1)，一般形式為

式中:a 和b 為隸屬度區(qū)間極限分布參數(shù)，分別表示個(gè)人經(jīng)驗(yàn)信息和交通管制信息，

c 和d 為參數(shù)，構(gòu)建隸屬度函數(shù)時(shí)，c、d 的選擇恰當(dāng)與否直接影響決策結(jié)果正確與否.一般采用模糊聚類方法確定非線性隸屬度函數(shù)，從大量數(shù)據(jù)中抽取固有特征，并參照相關(guān)規(guī)范［12，15-16］確定以下雙隸屬度函數(shù).

設(shè)v 為行車速度，在暢通條件下，對(duì)m1“go”的主觀、客觀隸屬度函數(shù)分別為

在輕微擁堵條件下，“go”的主觀、客觀隸屬度函數(shù)分別為

在嚴(yán)重?fù)矶聴l件下，“go”的主觀、客觀隸屬度函數(shù)分別為

對(duì)m2在道路物理環(huán)境下建立“go”的主觀、客觀隸屬度函數(shù):

步驟2 用直覺(jué)模糊數(shù)的形式表達(dá)駕駛決策信息.其中道路擁堵信息對(duì)于主、客觀決策下“go”的隸屬度為

猶豫度

非隸屬度

設(shè)v=26 km/h、道路擁堵?tīng)顟B(tài)為輕微擁堵、車道數(shù)為2 可計(jì)算得到:

步驟3 用式(7)和(8)確定路徑?jīng)Q策信息源的動(dòng)態(tài)權(quán)重，根據(jù)決策信息的時(shí)序性，可得到信息源的權(quán)重集

步驟4 構(gòu)造不同信息源對(duì)同一道路選擇的mass 函數(shù)，其中

步驟5 利用式(5)和(6)計(jì)算焦元與各基焦元坐標(biāo)軸的基焦元夾角余弦函數(shù)值;利用投影法，結(jié)合式(4)和(5)，對(duì)不同駕駛決策狀態(tài)下的mass函數(shù)mij(xij)進(jìn)行去正交得到:

正交歸一化的路徑?jīng)Q策信息見(jiàn)表1. 對(duì)上述mass 函數(shù)進(jìn)行加權(quán)求和可得:

近似隸屬度路徑?jīng)Q策信息見(jiàn)表2.

表1 正交歸一化的路徑?jīng)Q策信息Tab.1 Orthonormalized route decision information

表2 近似隸屬度路徑?jīng)Q策信息Tab.2 Approximate membership route decision information

步驟6 對(duì)m'(Ago)與m'(Achange)進(jìn)行比較，可以判斷該駕駛員的路徑?jīng)Q策結(jié)果為“go”，即選擇該路徑行駛.

利用計(jì)分函數(shù)法對(duì)各決策的近似隸屬度進(jìn)行排序，比較多源信息的決策近似隸屬度結(jié)果:

(1)當(dāng)

時(shí)，決策信息中交通管制信息的決策近似隸屬度最大，表明交通管制信息是道路決策的主要影響因素;

(2)當(dāng)

時(shí)，在隸屬度相同的條件下，交通管制信息的決策近似隸屬度大于個(gè)人經(jīng)驗(yàn)信息的，表明交通決策信息的影響度與信息發(fā)布的時(shí)序相關(guān);

(3)當(dāng)

時(shí)，表明道路擁堵信息的影響度大于道路物理環(huán)境的影響度.

多源異質(zhì)信息下的道路決策算法，能夠在體現(xiàn)主、客觀決策思想條件下較好地反應(yīng)駕駛員的道路決策過(guò)程，多源信息中信息類型、時(shí)序等信息質(zhì)量對(duì)決策結(jié)果具有決定性的影響，本文方法所得結(jié)果與實(shí)際情況更相符，為提高交通信息效能，降低擁堵風(fēng)險(xiǎn)提供了參考.

5 結(jié)束語(yǔ)

本文建立的多源異質(zhì)交通信息條件下的道路決策模型，得出了更符合實(shí)際的體現(xiàn)主、客觀思想的決策結(jié)果，為交通擁堵管理提供參考. 主要工作有以下幾個(gè)方面:

(1)引用雙隸屬度函數(shù)模糊量化道路決策過(guò)程中的主觀、客觀決策，并以此確定其隸屬度和非隸屬度，這種隸屬度和非隸屬度構(gòu)造方法比現(xiàn)有方法更直觀，且易于理解.

(2)用改進(jìn)投影法處理決策過(guò)程中各決策證據(jù)的沖突問(wèn)題，這種算法比投影法更簡(jiǎn)便.

(3)決策算法中道路決策選擇信息的權(quán)重與信息發(fā)布的時(shí)序相關(guān)，權(quán)值隨交通信息發(fā)布時(shí)序的變化而不斷更新，且不需要任何先驗(yàn)知識(shí)，較好地反映了多源異質(zhì)信息時(shí)序性對(duì)決策結(jié)果的影響，使決策結(jié)果更為合理.

由于交通信息的可信度以及發(fā)布信息的粒度都會(huì)影響駕駛員的決策選擇結(jié)果，今后將進(jìn)一步研究不同交通信息可信度和粒度對(duì)路徑?jīng)Q策的影響.

［1］ BEN-AKIVA M，BOCCARA B. Integrated framework for travel behavior analysis［C］∥4th Conference of International Association of Travel Behavior Research.Aix-en-Provence:［s. n.］，1987:89-109.

［2］ HUSSEIN D. An agent-based approach to modelling driver route choice behaviour under the influence of realtime information［J］. Transportation Research Part C，2002，10(5):331-349.

［3］ ROBIN L，TERRY D，EYRAN G，et al. Pre-trip information and route-choice decisions with stochastic travel conditions:Theory［J］. Transportation Research Part B，2014，67(2):187-207.

［4］ ABOLGHASEM S N，KYEHYUN K. Ontology based personalized route planning system using a multi-criteria decision making approach［J］. Expert Systems with Applications，2009，36(2):2250-2259.

［5］ SUN Zhongwei，THEO A，HARRY T. A heterogeneous latent class model of activity rescheduling，route choice and information acquisition decisions under multiple uncertain events［J］. Transportation Research Part C，2012，25(3):46-60.

［6］ ANDREW L B，MATTHEW R，ROMOSER E，et al.Towards a social psychology-based microscopic model of driver behavior and decision-making:modifying Lewin's field theory［J］. Procedia Computer Science，2014，32(3):816-821.

［7］ XU Hongli，ZHOU Jing，XU Wei. A decision-making rule for modeling travelers' route choice behavior based on cumulative prospect theory［J］. Transportation Research Part C，2011，19(2):218-228.

［8］ 魏雪梅，戢曉峰，陳方. 基于SEM 的駕駛員出行信息搜尋行為分析［J］. 交通運(yùn)輸系統(tǒng)工程與信息，2012，12(3):174-179.WEI Xuemei，JI Xiaofeng，CHEN Fang. Drivers'travel information searching behavior study with structural equation modeling［J］. Journal of Transportation Systems Engineering and Information Technology，2012，12(3):174-179.

［9］ 莫一魁，蘇永云，沈旅歐. 基于結(jié)構(gòu)方程的小汽車駕駛員信息偏好分析［J］. 系統(tǒng)工程，2008，27(8):85-89.MO Y K，SU Y Y，SHEN L O. Analysis of car drivers'preference for traffic information based on structural equation modeling［J］. Systems Engineering，2008，27(8):85-89.

［10］ 雋志才，鮮于建川. 交通信息作用下的活動(dòng)-出行決策行為研究［J］. 中國(guó)公路學(xué)報(bào)，2008，21(4):88-93.JUAN Zhicai， XIANYU Jianchuan. Research on activity travel decision behavior with effect of traffic information［J］. China Journal of Highway and Transport，2008，21(4):88-93.

［11］ ESPINILLAA M，DE ANDRéS B R，MARTíNEZ F J A，et al. A 360-degree performance appraisal model dealing with heterogeneous information and dependent criteria［J］. Information Sciences，2013，222:459-471.

［12］ 尹俊淞，晏啟鵬，劉瀾，等. 基于IFS 交通狀態(tài)決策信息一致性融合［J］. 交通運(yùn)輸系統(tǒng)工程與信息，2013，13(3):71-77.YIN Junsong， YAN Qipeng， LIU Lan， et al.Consistent fusion of traffic state decision information based on IFS［J］. Journal of Transportation Systems Engineering and Information Technology， 2013，13(3):71-77.

［13］ 邢清華，劉付顯. 直覺(jué)模糊集隸屬度與非隸屬度函數(shù)的確定方法［J］. 控制與決策，2009，24(3):393-397.XING Qinghua，LIU Fuxian. Method of determining membership and nonmembership function in intuitionistic fuzzy sets［J］. Control and Decision，2009，24(3):393-397.

［14］ JIANG Yuncheng，TANG Yong，CHEN Qimai，et al.Interval-valued intuitionistic:fuzzy soft sets and their properties［J］. Computers and Mathematics with Applications，2010，60:906-918.

［15］ 公安部交通管理局和建設(shè)部城市建設(shè)司. 城市道路交通管理評(píng)價(jià)指標(biāo)體系［S］. 北京:人民交通出版社，2007.

［16］ 張璽，劉海旭，蒲云. 交通事件影響下的路徑行程時(shí)間變化分析［J］. 西南交通大學(xué)學(xué)報(bào)，2013，48(5):921-933.ZHANG Xi，LIU Haixu，PU Yun. Analysis of route travel time variation of road network suffering traffic incidents［J］. Journal of Southwest Jiaotong University，2013，48(5):921-933.