任其亮，孫豐瑞

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400041)

?

基于動(dòng)態(tài)交通誘導(dǎo)信息的駕駛員刺激-反應(yīng)模型

任其亮，孫豐瑞

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400041)

針對(duì)城市道路交通信息發(fā)布時(shí)產(chǎn)生的信息震蕩問題，以消除信息震蕩、幫助駕駛員選擇最優(yōu)路徑為目的，結(jié)合駕駛員的出行行為分析了交通誘導(dǎo)信息對(duì)駕駛員選擇行為的影響，將交通信息發(fā)布變化量作為刺激量、路段交通負(fù)荷度變化量作為反應(yīng)量，構(gòu)造了基于動(dòng)態(tài)交通誘導(dǎo)信息策略的駕駛員刺激-反應(yīng)模型，通過仿真算例確定了交通信息發(fā)布的動(dòng)態(tài)區(qū)間。研究表明：該方法能夠有效減少交通信息震蕩，對(duì)改善城市路網(wǎng)的使用效益具有較強(qiáng)的實(shí)用性。

交通工程；動(dòng)態(tài)誘導(dǎo)；刺激反應(yīng)；路徑選擇；SP調(diào)查

0 引 言

隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展和人們對(duì)高水平交通服務(wù)需求的不斷增長，城市道路交通誘導(dǎo)信息的及時(shí)發(fā)布成為交通管理部極為為緊迫的任務(wù)。由于交通流的時(shí)變性和交通管理的復(fù)雜性，建立準(zhǔn)確高效的城市交通誘導(dǎo)信息發(fā)布系統(tǒng)面臨著諸多管理和技術(shù)問題。

近年來，國內(nèi)外學(xué)者針對(duì)該領(lǐng)域的相關(guān)問題進(jìn)行了大量深入研究。K.Asad等[1]基于SP調(diào)查法獲取通勤者的出行行為數(shù)據(jù)，以確定ATIS提供的交通信息是如何影響出行者的路徑選擇傾向；M.Papageorgiou[2]分析了基于交通信息的駕駛員路徑選擇行為，在擁擠情況下，VMS上提供的交通信息如不同路徑的交通流量、排隊(duì)長度等會(huì)影響駕駛員的路徑選擇行為，因而，能夠提供準(zhǔn)確信息的VMS應(yīng)該被推廣；H.S.Mahmassani等[3]研究了在先進(jìn)的交通信息服務(wù)系統(tǒng)下通勤者的出發(fā)時(shí)間和路徑變更行為，建立了出發(fā)時(shí)間和路徑變更的聯(lián)合選擇的多項(xiàng)Probit模型，結(jié)果表明動(dòng)態(tài)信息的準(zhǔn)確性是重要影響因素，并且在提供的路徑與自己偏好路徑的行駛時(shí)間差異越大越容易導(dǎo)致路徑的轉(zhuǎn)變；S.Kiseok等[4]評(píng)價(jià)了信息的提供對(duì)通勤者出行行為以及整個(gè)網(wǎng)絡(luò)的影響，提出信息的提供能夠縮短行程時(shí)間、行程距離以及排隊(duì)時(shí)間，能夠促使出行者從私人交通向公共交通轉(zhuǎn)變。劉艷紅[5]對(duì)交通信息下的路徑選擇行為進(jìn)行了分析，建立了 Logistic模型，得出對(duì)于接受動(dòng)態(tài)信息的駕駛員改變路徑的可能性比依靠經(jīng)驗(yàn)的駕駛員要大，并且信息可信度越高，受誘導(dǎo)程度就越高；干宏程[6]則通過表明偏好(SP)調(diào)查數(shù)據(jù)建立了描述路徑選擇概率的二元Probit模型，分析出VMS誘導(dǎo)信息能夠顯著影響駕駛員的路徑選擇行為，且VMS影響大小取決于其信息內(nèi)容、駕駛員個(gè)體屬性(年齡、駕齡、用車類型以及快速路使用頻率)、以及替換路徑屬性(所含信控交叉口數(shù)目)等因素。

綜上可以看出，目前國內(nèi)外有關(guān)交通信息發(fā)布的研究主要集中在三個(gè)方面：通過信息發(fā)布引導(dǎo)出行者選擇最優(yōu)路徑，立足于路網(wǎng)通行效益的最優(yōu)，通過綜合措施，同時(shí)使駕駛員路徑最優(yōu)和路網(wǎng)效益最大。這三種方法在具體應(yīng)用時(shí)幾乎都會(huì)出現(xiàn)兩種尷尬的局面：信息發(fā)布的較多，出行者不知如何選擇，從而使得整體效果不好；提供了較為敏感的信息，這樣促使較多的出行者在較短的時(shí)間選擇了同樣的路徑，從而使得交通擁擠從其他路轉(zhuǎn)移到這條所謂的最優(yōu)路徑上，產(chǎn)生了交通振蕩現(xiàn)象，結(jié)果適得其反。因此，如何消除交通震蕩以提高駕駛員對(duì)交通誘導(dǎo)信息策略的反應(yīng)效果，成為改進(jìn)現(xiàn)有駕駛員的刺激-反應(yīng)模型的關(guān)鍵。筆者基于此目的，擬構(gòu)建基于城市動(dòng)態(tài)交通誘導(dǎo)信息策略的駕駛員刺激-反應(yīng)模型。

1 駕駛員路徑選擇行為

1.1 駕駛員出行行為分析

駕駛員出行選擇的過程實(shí)際上是駕駛員獲取一定交通信息后，根據(jù)自身經(jīng)驗(yàn)做出路徑判斷的過程，是駕駛員在特定交通條件下心理和行為的綜合反應(yīng)。面對(duì)圖1的路徑時(shí)駕駛員的出行選擇過程如圖2。

圖1 路徑選擇示意Fig.1 Path selection

圖2 出行路徑選擇行為分析Fig.2 Travel route choice behavior analysis diagram

通常情況下，出行時(shí)間、出行距離和出行費(fèi)用對(duì)駕駛員路徑選擇的影響較大，筆者將時(shí)間效用最少、距離效用最短、經(jīng)濟(jì)效用最低和時(shí)間可靠性最強(qiáng)作為駕駛員出行路徑的選擇準(zhǔn)則。由于駕駛員對(duì)路徑的選擇概率很大程度上受交通誘導(dǎo)系統(tǒng)發(fā)布的交通狀態(tài)信息及駕駛員自身經(jīng)驗(yàn)的影響，因此，將影響駕駛員路徑選擇行為的因素分為駕駛員特性、出行特性、道路環(huán)境和道路屬性，對(duì)駕駛員受誘導(dǎo)信息影響的程度通過SP調(diào)查法獲取。

1.2 交通誘導(dǎo)信息對(duì)駕駛員選擇行為的影響

研究表明，交通誘導(dǎo)信息的發(fā)布質(zhì)量、交通服務(wù)對(duì)象、發(fā)布方式為影響駕駛員路徑?jīng)Q策的主要因素，而交通誘導(dǎo)信息對(duì)駕駛員路徑選擇的影響程度主要取決于駕駛員對(duì)發(fā)布信息的反應(yīng)程度。駕駛員的路徑選擇往往受交通信息導(dǎo)行的影響，他們對(duì)交通信息質(zhì)量的感知會(huì)影響對(duì)其它信息的信任度,進(jìn)而影響其路徑選擇，而不同的路徑選擇將產(chǎn)生不同的交通系統(tǒng)效率。一般說來，交通系統(tǒng)的效率隨著導(dǎo)行率的增加而提高，當(dāng)導(dǎo)行率增大到一定程度, 交通系統(tǒng)達(dá)到最佳狀態(tài), 交通系統(tǒng)效益不再增加，導(dǎo)行率的這一臨界狀態(tài)稱為高臨界導(dǎo)行率，因此，將導(dǎo)行率控制在一個(gè)合理的動(dòng)態(tài)范圍內(nèi)對(duì)保證整個(gè)交通系統(tǒng)效率意義重大。另外，從信息發(fā)布方式角度考慮，目前常用的信息發(fā)布方式主要包括可變信息標(biāo)志、交通信息廣播系統(tǒng)、汽車導(dǎo)航系統(tǒng)、電話、交通網(wǎng)站等?？紤]多種方式發(fā)布應(yīng)用的內(nèi)容范圍、發(fā)布信息內(nèi)容不同的特性和信息發(fā)布效果及對(duì)駕駛員的影響程度也有所不同。

交通信息影響駕駛員的出行行為主要包括5個(gè)方面:駕駛員當(dāng)前選中的路徑方案、駕駛員對(duì)其他可選路徑的認(rèn)知、對(duì)交通信息質(zhì)量的認(rèn)知、交通信息成本、調(diào)整交通價(jià)格的行為。如果駕駛員不滿意當(dāng)前選擇的方案,可以主動(dòng)搜索出行信息,在交通信息的指導(dǎo)下，調(diào)整其出行行為；如果駕駛員認(rèn)為當(dāng)前選中的路徑是滿意的,則會(huì)阻斷對(duì)交通信息的接收。由于駕駛員的知識(shí)水平不同,在信息的接收和選擇方面的能力不同，所發(fā)布的交通信息對(duì)不同知識(shí)水平駕駛員的效用也不同。如果用戶出行結(jié)構(gòu)越復(fù)雜、對(duì)出行環(huán)境越不熟悉,駕駛員對(duì)出行信息的質(zhì)量要求越高,他們都希望通過出行交通誘導(dǎo)信息來減少出行的不確定性，而不愿意花太多的時(shí)間和精力去獲取和理解交通信息,而更傾向于那些可以使出行過程更簡單、快速的信息。另外，出行行程的調(diào)節(jié)往往發(fā)生在開始的時(shí)候,因?yàn)樵谶@個(gè)時(shí)候行為矯正有一個(gè)相對(duì)較小的成本。

2 刺激-反應(yīng)模型的建立

按照刺激反應(yīng)原理，道路上動(dòng)態(tài)交通誘導(dǎo)信息都可以視為對(duì)駕駛員駕駛行為的刺激，所有這些都稱之為“交通信息刺激”，是交通管理部門有意安排的、對(duì)駕駛員的外部環(huán)境刺激。除此之外，駕駛員還時(shí)時(shí)受到其他方面的外部刺激，如道路線形、交通流狀況等。所有這些刺激，進(jìn)入了駕駛員的“暗箱”后，經(jīng)過一系列的心理活動(dòng)，產(chǎn)生了人們能夠看到的駕駛行為反應(yīng)，進(jìn)而影響路段上的交通負(fù)荷程度，將路段上的交通負(fù)荷程度的變化量描述成反應(yīng)量，心理學(xué)認(rèn)為刺激量和反應(yīng)量之間符合對(duì)數(shù)關(guān)系，則可以建立城市道路動(dòng)態(tài)交通誘導(dǎo)信息刺激反應(yīng)模型。

假設(shè)道路交通誘導(dǎo)信息發(fā)布上下浮動(dòng)量ΔA1,ΔA2，…,ΔAm,則他們之間的關(guān)系為：

Δi=logδΔAi

(1)

式中：Δi為反應(yīng)量；ΔAi為交通信息的浮動(dòng)量，也稱為刺激量；δ為模型參數(shù)。

作為交通管理者，希望路段交通運(yùn)行符合程度達(dá)到期望值，由此所期望的反應(yīng)量

Δi=|Bi-Ci|S

(2)

則浮動(dòng)量為

ΔAi=δ|Bi-Ci|

(3)

式中：Bi為根據(jù)交通檢測信息得到的OP1,OP2,…,OPm路段上的交通運(yùn)行負(fù)荷程度；Ci為路段上的期望交通負(fù)荷程度，i=1，2，…，m。

路段期望飽和度是根據(jù)出行者路徑最優(yōu)和網(wǎng)絡(luò)運(yùn)行效益最大化為目標(biāo)計(jì)算得來的。記路段a∈A∪B(y)的流量為x(a，y)，飽和度S(a，y)=x(a，y)/Co(a)，其中：Co(a)為該路段的通行能力。

期望飽和度Ca，a∈A表明期望滿足：

S(a，y)≤Ca，a∈A

(4)

但在道路a∈A并不能用式(4)嚴(yán)格約束，所以最小化道路飽和度超限量可以表示為：

(5)

可通過限制進(jìn)入路段的流量及路徑誘導(dǎo)流量分配來實(shí)現(xiàn)路段的期望飽和度，式(4)可表示為：

(6)

路段流量的約束條件：

x(a,y)≤Ca,Co(a),a∈B(y)

(7)

在路段通行能力及最大期望飽和度的限制下，路段流量可以通過用戶平衡流量來獲得。X(a,y)，a∈A滿足下列約束：

(8)

在以上約束下，L(r,s) 是OD對(duì)(r,s) 之間的路徑數(shù)量，fkrs為OD對(duì)(r,s)間的第k條路徑的交通流量。如果路段a在點(diǎn)對(duì)(r,s)的第k條路徑上，則δakrs為1，否則為0。ta[x(a)]為路阻函數(shù)，這里采用美國道路局(BPR-Bureau of Public Road)開發(fā)的BPR函數(shù)：

(9)

式中：ta0為自由流下路段的行駛時(shí)間，min；α，β為待標(biāo)定參數(shù)，BPR建議α=0.15，β=4。

道路路段期望飽和度通過BPR函數(shù)得以體現(xiàn)，并且可以通過模型的逆運(yùn)算得到路段期望交通負(fù)荷程度C1,C2,…,Cm。

3 基于SP調(diào)查法的參數(shù)δ標(biāo)定

駕駛員選擇路徑原則、標(biāo)準(zhǔn)具有多樣性，并且是隨著個(gè)人屬性和經(jīng)驗(yàn)變化的，而企圖識(shí)別駕駛員個(gè)體特性是極為困難。筆者主要通過對(duì)個(gè)人屬性、對(duì)交通信息態(tài)度、改變路徑傾向、對(duì)未來信息發(fā)布建議等4個(gè)單元進(jìn)行描述，選擇最具代表性的影響因子擬合模型參數(shù)，其中在對(duì)駕駛員基于信息的路線選擇行為進(jìn)行預(yù)測時(shí)，需剔除對(duì)結(jié)果影響較小的因子，以明晰關(guān)鍵影響因子。

3.1 影響單元屬性分析

在個(gè)人屬性單元中，選擇“對(duì)路網(wǎng)熟悉程度”、“駕齡”、“學(xué)歷水平”及“性格類型”4個(gè)影響因子，構(gòu)建個(gè)人屬性影響系數(shù)指標(biāo)，為了在權(quán)重確定時(shí)，方便專家直觀評(píng)判各自變量對(duì)因變量的影響程度，本研究采用線性擬合模型參數(shù)：

x=α1x1+β1x2+γ1x3+ε1x4

(10)

式中：x為個(gè)人屬性影響系數(shù)指標(biāo)；x1,x2,x3,x4分別代表對(duì)路網(wǎng)熟悉程度，駕齡，學(xué)歷水平等影響因子；α1,β1,γ1,ε1為權(quán)值且α1+β1+γ1+ε1=1。

權(quán)重的確定方法為統(tǒng)計(jì)平均數(shù)法，選擇本行業(yè)或本領(lǐng)域中既有實(shí)際工作經(jīng)驗(yàn)、又有扎實(shí)的理論基礎(chǔ)、并公平公正道德高尚的專家，將待定權(quán)數(shù)的指標(biāo)提交給各位專家，并請(qǐng)專家在不受外界干擾的前提下獨(dú)立的給出各項(xiàng)指標(biāo)的權(quán)數(shù)值，將各位專家的數(shù)據(jù)收回，并計(jì)算各項(xiàng)指標(biāo)的權(quán)數(shù)均值和標(biāo)準(zhǔn)差，分別計(jì)算各項(xiàng)指標(biāo)權(quán)重的平均數(shù)。

同理可得，構(gòu)建對(duì)交通信息態(tài)度y、改變路徑傾向z、對(duì)未來信息發(fā)布建議w等3個(gè)單元的系數(shù)指標(biāo)。

3.2 標(biāo)準(zhǔn)化處理

在以上4個(gè)單元分別選取相應(yīng)影響因子以綜合分析各個(gè)研究單元，對(duì)個(gè)人屬性影響系數(shù)、對(duì)待交通信息態(tài)度影響系數(shù)、改變路徑傾向影響系數(shù)及對(duì)未來信息發(fā)布建議按式(11)進(jìn)行處理，對(duì)各研究單元按照式(12)進(jìn)行標(biāo)準(zhǔn)化處理：

△δ=α5x+β5y+γ5z+ε5w

(11)

式中：△為綜合影響系數(shù)；x,y,z,w分別代表個(gè)人屬性影響系數(shù)、對(duì)待交通信息態(tài)度影響系數(shù)、改變路徑傾向影響系數(shù)及對(duì)未來信息發(fā)布建議；α5,β5,γ5,ε5為權(quán)值且α5+β5+γ5+ε5=1。

(12)

式中：X為指標(biāo)量化值；x為指標(biāo)初始計(jì)算值；xmax為指標(biāo)初始計(jì)算值中的最大值；xmin為指標(biāo)初始計(jì)算值中的最小值。

4 構(gòu)建交通信息發(fā)布動(dòng)態(tài)區(qū)間

對(duì)于任何一個(gè)路段，若期望交通負(fù)荷程度大于實(shí)際負(fù)荷程度時(shí)，動(dòng)態(tài)區(qū)間為[Bi,min(1,Bi+ΔAi)]，否則，動(dòng)態(tài)區(qū)間為[max(0,Bi-ΔAi) ,Bi]。這種采用動(dòng)態(tài)區(qū)間的發(fā)布方式，不僅同時(shí)使出行者路徑最優(yōu)以及路網(wǎng)效益最大，而且能夠有效避免交通振蕩。

綜上，交通信息發(fā)布流程如圖3。

圖3 刺激-反應(yīng)控制流程Fig.3 Stimulus-response control flow graph

5 仿真算例

5.1 仿真設(shè)計(jì)

對(duì)如圖4中的濟(jì)南市二環(huán)西路經(jīng)六路與二環(huán)西路路口段簡化路網(wǎng)，由于施工占道，整條道路半封閉狀態(tài)，由雙向8車道變?yōu)殡p向2車道，圖中1-2-3-7為二環(huán)西路路段。假定對(duì)城市快速路及主干道誘導(dǎo)為主，實(shí)際測量數(shù)據(jù)顯示動(dòng)態(tài)信息下的明顯流量擾動(dòng)基本發(fā)生在兩個(gè)連續(xù)路段內(nèi)，試驗(yàn)在事件影響范圍內(nèi)進(jìn)行模擬。

圖4 仿真路網(wǎng)簡化示意Fig.4 The simulation network simplified schematic diagram

對(duì)該路網(wǎng)簡化后的影響范圍OD需求變?yōu)辄c(diǎn)A與點(diǎn)F之間的出行需求，OD之間有3條路徑：①原路徑I，1-2-5-7；②替代路徑II，1-2-4-6-7；③替代路徑III，1-3-6-7。其中路段1、2、6、7為快速路路段，3、4、6為普通道路路段。

根據(jù)路段出行阻抗函數(shù)，假設(shè)各路段的自由流行駛時(shí)間為：t2=1/4 h，t3=5/12 h，t4=1/3 h，t5=1/6 h，t6=1/6 h。各路段飽和通行能力Co2=Co5=2 400 veh/h，Co3=Co4=Co6=800 veh/h，OD需求為快速路的上游流出能力為2 500 veh/h，則OD間靜態(tài)最短路徑為原路徑I，一般情況下基于系統(tǒng)最優(yōu)的流量分配滿足絕大部分流量通行路徑I通行。以出行者路徑最優(yōu)和網(wǎng)絡(luò)運(yùn)行效益最大化為目標(biāo)，利用BPR函數(shù)通過式(6)的逆運(yùn)算可得各路段期望飽和度如表1。

表1 各路段通行能力及期望飽和度數(shù)據(jù)

假設(shè)路段5在發(fā)生交通事件非常擁堵時(shí)，通行能力下降為1 200 veh/h，事件持續(xù)事件為1/6 h，在此期間，各路段的實(shí)際通行能力將動(dòng)態(tài)變化。

5.2 SP調(diào)查結(jié)果統(tǒng)計(jì)分析

筆者采用SP調(diào)查法對(duì)該市有經(jīng)驗(yàn)的駕駛員采用兩種調(diào)查方式進(jìn)行調(diào)查：第1種采用面對(duì)面提問，問卷現(xiàn)場回收，答題的準(zhǔn)確度很高；第2種采用網(wǎng)上問卷形式，隔一周統(tǒng)一回收，問卷回收率能達(dá)到95%以上，但數(shù)據(jù)準(zhǔn)確度較低。為保證被調(diào)查對(duì)象與本市駕駛員人群的組成相同，確定被調(diào)查對(duì)象中70%為男性，30%為女性。調(diào)查期間共發(fā)放問卷466份，通過對(duì)回收的問卷進(jìn)行整理和篩選，最終確認(rèn)的有效問卷為440份，有效率為94%。

表2 個(gè)人屬性信息統(tǒng)計(jì)結(jié)果

Table 2 Statistical results of personal attribute information

綜合分析各研究單元，通過重慶交通大學(xué)5位專家的專家評(píng)判，確定各單元中影響因子權(quán)值如表3。

表3 各單元中影響因子權(quán)值

Table 3 Each unit weight factor table

研究單元影響因子權(quán)值代碼權(quán)值個(gè)人屬性信息對(duì)路網(wǎng)熟悉程度α10.30駕齡/年β10.40學(xué)歷水平γ10.15性格類型ε10.15對(duì)交通信息態(tài)度路徑選擇主要依據(jù)α20.15特別留意交通信息板β20.70注意路邊可變信息板的原因γ20.15改變路徑傾向無信息時(shí)使用固定路徑α30.10VMS顯示前方目標(biāo)道路擁堵時(shí)β30.30若顯示前方事故排除中γ30.20

(續(xù)表3)

研究單元影響因子權(quán)值代碼權(quán)值改變路徑傾向高峰時(shí)段路徑選擇習(xí)慣ε30.10熟悉道路時(shí)是否接受誘導(dǎo)θ30.15不熟悉道路時(shí)是否接受誘導(dǎo)λ30.15未來信息發(fā)布建議期望VMS信息發(fā)布精確度α40.40現(xiàn)階段VMS提示信息是否準(zhǔn)確β40.25對(duì)現(xiàn)狀信息發(fā)布評(píng)價(jià)γ40.35綜合影響系數(shù)個(gè)人屬性信息α50.45對(duì)交通信息態(tài)度β50.20改變路徑傾向γ50.20未來信息發(fā)布建議ε50.15

通過式(12)可得模型(3)中的參數(shù)δ=0.005。

5.3 構(gòu)建交通信息發(fā)布動(dòng)態(tài)區(qū)間

更進(jìn)一步可得，當(dāng)路段5交通事件發(fā)生之后，飽和度由交通事件發(fā)生之前的B1=0.735變?yōu)锽2=1.47。故需要通過動(dòng)態(tài)交通誘導(dǎo)疏通路段5。

通過式(3)可構(gòu)建各路段交通信息發(fā)布動(dòng)態(tài)區(qū)間如表4。

表4 路網(wǎng)中路段交通信息發(fā)布動(dòng)態(tài)區(qū)間

5.4 結(jié)果分析

可以看出，與不加載動(dòng)態(tài)交通誘導(dǎo)的情況(現(xiàn)實(shí))相比，該誘導(dǎo)方案能夠更早結(jié)束事件影響，使主干道的通行能力更早恢復(fù)到較佳狀態(tài)，而路段負(fù)荷演化數(shù)據(jù)結(jié)果顯示，該誘導(dǎo)方案能使主干道和普通路段的負(fù)荷流量更加接近期望負(fù)荷程度，從而達(dá)到交通管理者預(yù)期分配方案，減小系統(tǒng)資源浪費(fèi)和費(fèi)用。

6 結(jié) 論

基于交通誘導(dǎo)信息對(duì)駕駛員選擇行為的影響，將信息發(fā)布變化量作為刺激量、路段交通負(fù)荷程度的變化量作為反應(yīng)量，構(gòu)建了一個(gè)用于城市動(dòng)態(tài)交通誘導(dǎo)信息的策略問題的駕駛員刺激-反應(yīng)模型，并通過仿真驗(yàn)證了模型的可行性和實(shí)用性，主要成果有：

1)針對(duì)駕駛員路徑選擇方式及出行行為進(jìn)行分析，總結(jié)了交通誘導(dǎo)信息對(duì)駕駛員路徑選擇行為的影響，通過SP調(diào)查分析駕駛員路徑選擇的主要影響因素；

2)對(duì)動(dòng)態(tài)誘導(dǎo)信息發(fā)布問題進(jìn)行綜述，建立了動(dòng)態(tài)交通信息發(fā)布的刺激反應(yīng)模型，利用SP調(diào)查數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行標(biāo)定，構(gòu)建了合理的交通信息發(fā)布動(dòng)態(tài)區(qū)間，并對(duì)模型進(jìn)行了仿真驗(yàn)證。

[1] Asad K,Adib K,Emmanuel L C.Stated and reported route diversion behavior:implications of benefits of advanced traveler information systems [J].Transportation Research Record,1994,1464:28-35.

[2] Papageorgiou M.Multilayer control system design applied to freeway traffic[J].IEEE Transactions on Automatic Control,1984,29(6):482-490．

[3] Mahmassani H S,Chang Gang-Len.Experiments with departure time choice dynamics of urban commuters [J].Transportation Research Part B:Methodological,1986,20(4):297-320.

[4] Kiseok S,Michael G H.Shortest paths in a network with time dependent flow speeds [J].European Journal of Operational Research,2000,121(1):32-39.

[5] 劉艷紅.交通信息作用下的駕駛員路徑選擇行為研究[D].成都:西南交通大學(xué),2009. Liu Yanhong.The Research of the Drivers Route Choice in the Traffic Information[D].Chengdu:Southwest Jiaotong University,2009.

[6] 干宏程.VMS誘導(dǎo)信息影響下的路徑選擇行為分析[J].系統(tǒng)工程，2008,26(3):11-16. Gan Hongcheng.Exploring dvivers’ route choice response to real-time guidance information of variable message signs[J].Systems engineering，2008,26(3):11-16.

[7] 周元峰.基于信息的駕駛員路徑選擇行為及動(dòng)態(tài)誘導(dǎo)模型研究[D].北京:北京交通大學(xué),2007. Zhou Yuanfeng.Research on Driver Route Chioce Behavior in the Presence of Information and Dynamic Guidance Model[D].Beijing:Beijing Jiaotong University,2007.

[8] 趙丹.城市交通路徑誘導(dǎo)算法研究[D].西安:長安大學(xué),2009. Zhao Dan.Study on Urban Traffic Route Guidance Algorithm[D].Xi’an:Chang’an University,2009.

[9] Yang Y,Farrell J,Tan H S.GPS-aided INS based control state calculation for AHS [C].Arlington Va,U.S.:Proceedings of 20th American Control Conference,2001.

[10] 陳曉紅.交通網(wǎng)絡(luò)動(dòng)態(tài)路徑誘導(dǎo)算法研究及其在GIS環(huán)境下的仿真實(shí)現(xiàn)[D].長沙:長沙理工大學(xué),2005. Chen Xiaohong.The Research on Dynamic Route Guidance Algorithm in Transportation System and Its Realization in Geography Information System[D].Changsha:Changsha University of Science and Technology,2005.

[11] Robin L,Hensher D A,King J,et al.Optimal departure scheduling for the morning rush hour when capacity is uncertain.Volume 2:Modelling transport systems[C].Sydney,Australia:Proceedings of the 7th World Conference on Transport Research,1995:16-21.

[12] 車廣俠.城市路網(wǎng)中可變交通信息對(duì)駕駛行為影響研究[D].北京:北京工業(yè)大學(xué),2007. Che Guangxia.Research of Variable Traffic Information Affect Driving Behavior in the Urban Road Network [D].Beijing:Beijing University of Technology,2007.

[13] Chapin I,Lan Shan.Adaptations of the A* algorithm for the computation of fastest paths in deterministic discrete-time dynamic networks[J].Journal IEEE Transactions on Intelligent Transportation Systems,2002,3(1):60-74.

[14] Li Qingquan,Zheng Nianbo,Fang Zhixiang,et al.A proposed Intelligent Vehicle Telematics Service System (IVTS) [C].Chengdu,China:Proceedings of 6th International Conference on ITS Telecommunications,2006.

Driver Stimulus-Response Model Based on Dynamic Traffic Induction Information

Ren Qiliang, Sun Fengrui

(School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074, China)

For the problems of information concussion generated during a period of time when the traffic information service of urban road released, the driver stimulus-response model based on the strategy of urban dynamic traffic induction information to eliminate information concussion and help drivers select the optional path was proposed, which analyzed the impact of traffic guidance induction information on the drivers’ path option, combining with drivers’ travel behavior. The proposed model took the release of traffic information service as the quantity of stimulus and the change of road traffic load as the quantity of reacting. According to the analysis of simulation example, the dynamic region of traffic information service was ensured. Researches show that the proposed method could significantly reduce the traffic information concussion, which has strong practicability in improving the utilization efficiency of urban road network.

traffic engineering; dynamic induction; stimulus response; path choice; SP survey

10.3969/j.issn.1674-0696.2015.05.20

2013-12-12；

2014-06-05

任其亮(1978—)，男，山東萊蕪人，教授，博士后，主要從事交通規(guī)劃、交通安全及智能交通方面的研究。E-mail: cqrql@126.com。

孫豐瑞(1990—)，男，山東泰安人，碩士研究生，主要從事交通運(yùn)輸規(guī)劃與管理方面的研究。E-mail：sun_fengrui2009@163.com。

U491.2+54;F540

A

1674-0696(2015)05-100-06