亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        考慮決策過(guò)程與潛在異質(zhì)性的居民通勤選擇行為研究

        2021-06-29 07:05:34張奕源李進(jìn)龍羅霞周伊冰
        關(guān)鍵詞:類別單車異質(zhì)性

        張奕源,李進(jìn)龍,羅霞,周伊冰

        (西南交通大學(xué),交通運(yùn)輸與物流學(xué)院,成都611756)

        0 引言

        城市人口、私家車的快速增長(zhǎng)造成日益嚴(yán)重的交通擁堵,給通勤效率、環(huán)保及交通安全帶來(lái)較大的不良影響。TOD 開發(fā)模式(Transit-Oriented-Development)可以通過(guò)土地使用和交通政策協(xié)調(diào)城市發(fā)展過(guò)程中產(chǎn)生的交通擁堵和用地不足的矛盾,被視為諸多城市病的解決方案。以軌道交通車站為中心的TOD開發(fā)模式關(guān)鍵在于較高的軌道交通客流量。一方面,可以通過(guò)高強(qiáng)度的土地混合開發(fā),提升人口聚集度,增加穩(wěn)定的客流量;另一方面,可以配合交通需求管理政策,對(duì)軌道交通車站附近通勤方式的屬性進(jìn)行調(diào)整優(yōu)化,增加軌道交通分擔(dān)率,減少私家車出行。目前,通勤方式選擇的研究集中于以Logit 模型為代表的離散選擇模型,較多學(xué)者針對(duì)模型的IIA特性及偏好異質(zhì)性進(jìn)行改進(jìn)[1-3]。然而,以隨機(jī)效用最大化為假設(shè)的離散選擇模型忽略了決策過(guò)程的動(dòng)態(tài)性及決策者的心理過(guò)程,無(wú)法分析個(gè)體決策過(guò)程的潛在變化、時(shí)間壓力等因素的影響。決策場(chǎng)理論(Decision Field Theory,DFT)由Busemeyer 提出,從心理學(xué)角度解釋了決策行為中的動(dòng)態(tài)性和隨機(jī)性,在時(shí)間壓力下的風(fēng)險(xiǎn)決策方面具有較好的解釋能力,可以預(yù)測(cè)決策環(huán)境變化條件下的決策行為。目前,決策場(chǎng)理論的應(yīng)用有限,Berkowitsch[4]對(duì)決策場(chǎng)理論進(jìn)行了改進(jìn)并應(yīng)用于消費(fèi)者決策分析中,解釋了非理性效應(yīng);高峰[5]等結(jié)合貝葉斯理論和決策場(chǎng)理論對(duì)駕駛員的路徑選擇行為進(jìn)行研究,崔宸[6]以道路交通狀態(tài)波動(dòng)為實(shí)際場(chǎng)景,將決策者不同交通狀態(tài)下的路徑選擇劃分為多階段決策,基于決策場(chǎng)理論進(jìn)行分析預(yù)測(cè);Qin[7]等以停車換乘、小汽車和公交車為選擇肢,利用決策場(chǎng)理論對(duì)出行決策過(guò)程進(jìn)行分析,探討停車換乘行為決策的規(guī)律和影響因素。此外,決策場(chǎng)理論還被應(yīng)用于貨幣賭博、犯罪分析、服裝選購(gòu)等方面。上述研究實(shí)現(xiàn)了決策場(chǎng)理論的應(yīng)用,解釋了決策過(guò)程的不確定性和動(dòng)態(tài)性,但是均忽略了個(gè)體的差異性,在標(biāo)定參數(shù)時(shí)采用了同質(zhì)化標(biāo)定方法,難以體現(xiàn)個(gè)體差異在預(yù)測(cè)中的影響。為此,Hancock 借鑒隨機(jī)參數(shù)Logit 模型表征個(gè)體差異的思路,將隨機(jī)參數(shù)引入DFT 模型,利用截尾正態(tài)分布描述注意力權(quán)重參數(shù)。結(jié)果表明,隨機(jī)參數(shù)DFT模型擬合程度更好,預(yù)測(cè)精度更強(qiáng)[8]。潛在類別分析是表征決策群體潛在異質(zhì)性的方法之一,作為半?yún)?shù)模型可以避免對(duì)參數(shù)分布作過(guò)強(qiáng)的數(shù)學(xué)假設(shè)[1],在離散選擇模型中的應(yīng)用較多,相較于隨機(jī)參數(shù)法具有一定的優(yōu)勢(shì)[9],目前,鮮有在DFT 模型中引入潛在類別分析方法的研究。

        綜上,本文利用潛在類別模型引入決策群體的異質(zhì)性,對(duì)DFT 模型的參數(shù)標(biāo)定進(jìn)行優(yōu)化,研究地鐵站附近居民的出行決策過(guò)程和影響因素。

        1 考慮潛在異質(zhì)性的決策場(chǎng)理論模型

        1.1 基本模型

        與隨機(jī)效用理論中個(gè)體形成的“靜態(tài)的效用”不同,決策場(chǎng)理論采用“偏好”來(lái)描述決策者對(duì)各方案的喜好程度,這種偏好是隨著決策時(shí)間演進(jìn)而逐漸形成的,當(dāng)決策者對(duì)某一種方案的偏好顯著大于其他方案時(shí),決策作者選擇該方案[10]。從數(shù)學(xué)角度,可以將決策場(chǎng)理論做如下表述:在實(shí)際的居民通勤選擇場(chǎng)景中,出行者面臨I個(gè)可選出行方案時(shí),第i個(gè)方案的效用由方案本身的交通屬性以及個(gè)體n的屬性注意力權(quán)重決定[11],其數(shù)學(xué)表達(dá)式[7]為

        式中:Ui(t)為t時(shí)刻方案i的效用;mij為方案i中屬性j的值;εi(t)為隨機(jī)誤差項(xiàng),代表個(gè)體無(wú)法預(yù)測(cè)的部分;Wj(t)為t時(shí)刻屬性j的注意力權(quán)重,反映了個(gè)體在t時(shí)刻對(duì)于屬性的注意力分布情況,若決策者此時(shí)關(guān)注屬性j,則Wj(t)=1,其余屬性的注意力權(quán)重為0。決策場(chǎng)理論假設(shè)在決策過(guò)程中屬性注意力權(quán)重向量按照平穩(wěn)隨機(jī)過(guò)程變化,即個(gè)體在決策過(guò)程中分配給各個(gè)屬性的注意力隨著時(shí)間變化波動(dòng)[10]。因此,在居民出行決策中,步行&地鐵、共享單車&地鐵、公交車&地鐵和私家車的交通屬性和居民的屬性注意權(quán)重決定了出行方案的效用。個(gè)體在主觀上形成了各個(gè)方案的效用之后,t時(shí)刻方案i的效價(jià)通過(guò)比較其與各方案的效用得到[11],即

        式中:vi(t)為方案i的效價(jià);為方案i以外其他方案的平均效用。因此,某一方案的效價(jià)可以理解為是其相對(duì)于其他方案的優(yōu)劣程度。計(jì)算所有方案的效價(jià)可以形成效價(jià)向量v(t)=[v1(t),v2(t),…,vI(t)]T。為方便后續(xù)計(jì)算,引入比較矩陣、屬性矩陣計(jì)算效價(jià)向量,即

        式中:W(t)為t時(shí)刻的屬性注意力權(quán)重矩陣;M為屬性矩陣,本文將屬性設(shè)置為通勤時(shí)間、費(fèi)用、等待時(shí)間和方便靈活性;C為比較矩陣,矩陣元素cij計(jì)算公式為,當(dāng)(i=j)時(shí),cij=1,當(dāng)(i≠j)時(shí),仿真預(yù)測(cè)各類出行者的決策過(guò)程,共涉及到3個(gè)方案,故n=3;ε(t)為隨機(jī)誤差項(xiàng),代表無(wú)法預(yù)測(cè)的部分。

        在通勤決策過(guò)程中,出行者對(duì)比不同出行方案的屬性形成方案效價(jià),通過(guò)累積則形成偏好,t時(shí)刻方案i的偏好可以寫為

        對(duì)所有方案的偏好進(jìn)行計(jì)算后,得到偏好向量P(t)=[P1(t),P2(t),…,PI(t)]T,t=0 時(shí),定義P(0)為初始偏好向量,其值由決策者的個(gè)人特質(zhì)、閱歷等決定[8]。

        式中:h為一個(gè)任意小的時(shí)間單位;s為反饋矩陣。s的對(duì)角線元素sii反映了決策者的記憶效應(yīng),取值為[0,1) 時(shí),代表從(t-h)到t時(shí)刻決策者的記憶有所衰減,上一時(shí)刻的偏好在下一時(shí)刻影響下降;取值大于1時(shí),代表(t-h)時(shí)刻決策者偏好的影響在t時(shí)刻有所增強(qiáng);取值等于1時(shí),代表決策者的記憶沒有衰減,上一時(shí)刻的偏好在下一時(shí)刻的影響無(wú)變化。s的非對(duì)角線元素sij代表方案之間的相互影響作用,當(dāng)sij<0 時(shí),方案i與方案j之間存在相互抑制;當(dāng)sij=0 時(shí),方案之間不存在相互影響。反饋矩陣的非對(duì)角線元素為

        式中:dij為方案之間的心理距離,采用歐氏距離進(jìn)行計(jì)算[7,12],即

        式中:k為方案的第k個(gè)屬性;K為方案屬性的總數(shù)量。

        個(gè)體形成最終決策的標(biāo)準(zhǔn)有兩個(gè):一是決策過(guò)程的停止由停止時(shí)間決定,即決策過(guò)程由t=0 時(shí)刻開始,持續(xù)到特定的Tf時(shí)刻結(jié)束,以決策停止時(shí)間時(shí)偏好最大的方案作為最終選擇方案;二是決策過(guò)程的停止由偏好閾值θ決定,即個(gè)體對(duì)某一方案的偏好強(qiáng)度若最先達(dá)到閾值θ,則該方案作為最終選擇方案。

        綜上所述,決策場(chǎng)理論框架下個(gè)體的決策過(guò)程如圖1所示。

        圖1 個(gè)體決策的形成過(guò)程Fig.1 Formation process of individual decision making

        由上述模型的基本結(jié)構(gòu)可知,決策場(chǎng)理論通過(guò)建立效用、效價(jià)、偏好與時(shí)間之間變化關(guān)系,將動(dòng)態(tài)性引入模型之中,通過(guò)具有時(shí)變特性的注意力權(quán)重向量將有限理性引入個(gè)體決策的描述中,使注意力轉(zhuǎn)移過(guò)程和決策的不確定性更好地體現(xiàn),實(shí)現(xiàn)了對(duì)個(gè)體的實(shí)際決策行為以及心理微觀動(dòng)態(tài)更為真實(shí)地刻畫。

        在出行決策場(chǎng)景中,個(gè)體在個(gè)人社會(huì)經(jīng)濟(jì)屬性、教育背景、閱歷及消費(fèi)理念等方面均存在一定的差異,導(dǎo)致面臨相同決策時(shí)不同的個(gè)體將產(chǎn)生不同的方案初始偏好和屬性注意力。例如:環(huán)保意識(shí)較強(qiáng)的出行者更加關(guān)注各個(gè)出行備選方案的CO2排放量,決策前對(duì)公共交通的初始偏好較大;風(fēng)險(xiǎn)厭惡型的出行者在駕駛電動(dòng)汽車時(shí)更加關(guān)注續(xù)航里程,出行前對(duì)充電更便利的出行路線偏好較大。然而,傳統(tǒng)決策場(chǎng)理論建模和求解以整個(gè)人群為單位同質(zhì)化標(biāo)定了注意力權(quán)重分配概率以及初始偏好向量,忽略了備選決策者的偏好異質(zhì)性。因此,本文基于現(xiàn)有決策場(chǎng)理論存在的缺陷,引入潛在類別模型進(jìn)行出行者市場(chǎng)細(xì)分,通過(guò)類別劃分及特征分析體現(xiàn)出行者的偏好異質(zhì)性,提升模型仿真的預(yù)測(cè)精度。

        1.2 考慮潛在異質(zhì)性的決策場(chǎng)理論模型參數(shù)標(biāo)定

        1.2.1 潛在類別模型

        個(gè)體決策形成受到可觀測(cè)顯變量及不可觀測(cè)的潛在異質(zhì)性共同影響。潛在類別模型將這種潛在的異質(zhì)性離散化為潛在類別變量,假設(shè)任意兩個(gè)外顯變量之間的關(guān)聯(lián)可以由潛在類別變量解釋和估計(jì),實(shí)現(xiàn)對(duì)顯變量背后共性的分析和個(gè)體類別的劃分。具體地,當(dāng)出行者的外顯屬性A、B和C的水平組合為{ }r,s,t時(shí),出行者潛在類別概率的估計(jì)值為

        式中:X為潛在變量;q為潛在變量的水平數(shù);為{r,s,t} 屬性水平組合的類別概率與條件概率,,估計(jì)值的乘積,,將類別變量的概率轉(zhuǎn)化為參數(shù)代入模型是潛在類別模型的根本原理;為各類別加總后聯(lián)合概率的極大似然估計(jì)數(shù)。通過(guò)對(duì)觀測(cè)得到的顯變量進(jìn)行潛在類別分析,可以探究個(gè)體的潛在特質(zhì)并實(shí)現(xiàn)分類,分析不同類別群體的異質(zhì)性。

        1.2.2 決策場(chǎng)理論模型的參數(shù)標(biāo)定

        初始偏好表示決策者對(duì)各方案的傾向性,大小取決于決策發(fā)生前個(gè)體對(duì)方案的固有認(rèn)識(shí)和偏愛程度,故與個(gè)體異質(zhì)性緊密相關(guān)。因此,本文基于出行者的分類結(jié)果,考慮類別間異質(zhì)性分別標(biāo)定初始偏好向量。具體而言,在通勤場(chǎng)景下,不給定各方案的屬性值,要求被試者根據(jù)以往的體驗(yàn)選擇最為傾向的3種出行方式并進(jìn)行打分,統(tǒng)計(jì)各個(gè)方案的得分進(jìn)行歸一化后表征該類別出行者的平均初始偏好。

        注意力權(quán)重向量按照平穩(wěn)隨機(jī)過(guò)程隨時(shí)間變化,其值隨時(shí)間的分布變化情況直接影響模型對(duì)個(gè)體決策行為的預(yù)測(cè)。某一時(shí)刻決策者關(guān)注屬性k的概率Pr[Wk=1] 為qk,先前的研究大多采用實(shí)驗(yàn)打分測(cè)試個(gè)體對(duì)屬性的關(guān)注程度,以整個(gè)人群為單位,取屬性關(guān)注度打分結(jié)果的平均值,進(jìn)行歸一化后標(biāo)定屬性關(guān)注概率。然而,這與實(shí)際情況中個(gè)體存在的注意力分配差異性不符。因此,本文考慮人群的異質(zhì)性,基于分類結(jié)果利用Likert量表標(biāo)定屬性關(guān)注概率,計(jì)算公式為

        式中:Fk為被調(diào)查者在Likert量表中對(duì)屬性k的評(píng)分值;q為個(gè)體n所屬的類別。

        2 實(shí)例分析

        2.1 調(diào)查方法

        本文通過(guò)設(shè)計(jì)問卷進(jìn)行實(shí)證研究,在成都市范圍內(nèi)共發(fā)放問卷813份,主要發(fā)放對(duì)象為地鐵站附近3 km的居民,調(diào)查周期為2019年9月15日-12月8日。問卷分為:①個(gè)人信息和出行態(tài)度調(diào)查,詢問被試者性別、年齡、職業(yè)、環(huán)保態(tài)度等問題;②日常通勤信息調(diào)查,要求被試者根據(jù)日常通勤出行經(jīng)驗(yàn)對(duì)步行&地鐵、共享單車&地鐵、公交車&地鐵、私家車這4 種方式的偏愛程度進(jìn)行評(píng)分,采用在Likert 量表進(jìn)行統(tǒng)計(jì);③試驗(yàn)場(chǎng)景下的決策研究,為避免實(shí)際場(chǎng)景中干擾信息對(duì)被試者的影響,此處采用虛擬場(chǎng)景進(jìn)行設(shè)置,如圖2所示,要求被試者在給定的屬性條件下進(jìn)行通勤決策。表1中列出了各通勤方式屬性設(shè)置情況,其中,各類出行方式的通勤時(shí)間、費(fèi)用和等待時(shí)間根據(jù)百度地圖歷史數(shù)據(jù)以及《成都市交通發(fā)展年報(bào)》統(tǒng)計(jì)資料得到,出行方式方便靈活性根據(jù)本文RP調(diào)查中居民打分情況確定。具體試驗(yàn)場(chǎng)景的設(shè)置為,在一次通勤過(guò)程中,出行距離15 km,居住地點(diǎn)距離地鐵站1.5 km,共有4種出行方式,請(qǐng)選擇1種方式進(jìn)行通勤。

        圖2 試驗(yàn)場(chǎng)景示意Fig.2 Schematic diagram of experiment scene

        表1 各通勤方式屬性設(shè)置Table 1 Attributes of commuting modes

        2.2 潛在類別分析結(jié)果

        利用Latentgold5.0 軟件對(duì)問卷調(diào)研數(shù)據(jù)進(jìn)行處理,類別范圍設(shè)置為1~6,計(jì)算得到各模型的BIC指標(biāo)、AIC指標(biāo)、似然比卡方統(tǒng)計(jì)量(G2)以及P值檢驗(yàn),如表2所示。

        表2 潛在類別模型擬合結(jié)果Table 2 Fitting results of Latent class model

        由表2數(shù)據(jù)可知,當(dāng)潛在類別個(gè)數(shù)為4 時(shí),BIC指標(biāo)為17515.64,為M1~M6 中的最小值,AIC 指標(biāo)、似然比卡方統(tǒng)計(jì)量(G2)均較小,p-value 小于0.001,有足夠的概率保證原假設(shè)成立。綜合考慮各項(xiàng)檢驗(yàn)指標(biāo),最終選擇模型M4進(jìn)行研究,將出行者分為4 個(gè)潛在類別。對(duì)計(jì)算所得的條件概率矩陣進(jìn)行分析處理,得到各類人群在個(gè)人屬性、環(huán)保態(tài)度屬性以及通勤屬性的各個(gè)水平上的“傾向性”,各類別樣本的社會(huì)經(jīng)濟(jì)屬性分布如圖3所示。結(jié)合各類出行者職業(yè)屬性分布,對(duì)各類別的通勤者進(jìn)行命名,具體結(jié)果如表3所示。

        圖3 各類出行者的個(gè)人社會(huì)經(jīng)濟(jì)屬性分布Fig.3 Distribution of Socio-demographic attributes of each subgroup

        表3 潛在類別命名Table 3 Naming of latent classes

        對(duì)日常通勤偏好調(diào)查的Likert 打分表進(jìn)行統(tǒng)計(jì)分析,得到表4中各通勤方式被選擇的概率。由表4可知,各類人群對(duì)出行方式的偏好程度存在顯著差異。據(jù)此,本文對(duì)各類通勤者制定差異化的備選方案集合,選取被選概率較高的3個(gè)出行方案作為該類通勤者備選方案集,利用式(8)對(duì)各類出行者的初始偏好和屬性關(guān)注概率進(jìn)行計(jì)算,結(jié)果如表5所示。結(jié)果表明,不同人群在偏好演進(jìn)過(guò)程中對(duì)屬性的關(guān)注概率存在顯著差異。

        表4 各類通勤者對(duì)出行方式的偏好分布情況Table 4 Distribution of commuters'preference for travel modes

        表5 各類出行者對(duì)屬性的關(guān)注概率Table 5 Probability of travelers'attention to attributes

        反饋矩陣標(biāo)定方面:非對(duì)角線元素采用式(5)計(jì)算;對(duì)角線元素計(jì)算,本文基于Qin等[7]提出的試驗(yàn)方法進(jìn)行問卷設(shè)計(jì),采用二次確認(rèn)法標(biāo)定反映記憶效應(yīng)的對(duì)角線元素。具體而言,在問卷設(shè)計(jì)時(shí)向決策者連續(xù)提供兩個(gè)獨(dú)立的選擇界面,首先要求被試在第一個(gè)界面的10級(jí)量表中對(duì)各方案的偏好強(qiáng)度進(jìn)行選擇,完成選擇后立即切換至頁(yè)面二(提供相同的選擇情景)。之后,要求被試根據(jù)自己的記憶再次進(jìn)行選擇。通過(guò)對(duì)比兩次的評(píng)分差異,量化決策者對(duì)上一時(shí)刻的“記憶效應(yīng)”,最終計(jì)算得到對(duì)角線元素sii取值為0.943。

        2.3 模型仿真結(jié)果

        2.3.1 出行分擔(dān)率預(yù)測(cè)結(jié)果

        基于潛在類別模型的計(jì)算結(jié)果,對(duì)決策場(chǎng)理論模型中涉及到的參數(shù)進(jìn)行標(biāo)定,通過(guò)Matlab 仿真,設(shè)置仿真次數(shù)為20000,實(shí)現(xiàn)對(duì)出行者決策結(jié)果和決策心理過(guò)程的預(yù)測(cè)。表6為各類通勤者的實(shí)際選擇結(jié)果及仿真結(jié)果,模型預(yù)測(cè)結(jié)果與實(shí)際選擇結(jié)果之間的平均誤差為4.12%,最小誤差為0.61%,91.67%的預(yù)測(cè)結(jié)果誤差在10%以下。表7為各類出行者實(shí)測(cè)選擇結(jié)果與仿真選擇結(jié)果的相關(guān)性分析,皮爾遜相關(guān)系數(shù)為0.979,相關(guān)性顯著,預(yù)測(cè)精度較高。

        表6 出行方式選擇預(yù)測(cè)結(jié)果Table 6 Prediction results of travel mode choice of commuters

        表7 實(shí)測(cè)決策結(jié)果與仿真結(jié)果相關(guān)性分析Table 7 Analysis results of correlation between choice results and simulation results

        由決策結(jié)果可知:商務(wù)需求型通勤者主要傾向于選擇私家車和共享單車換乘地鐵兩種方式,對(duì)步行乘坐地鐵的方式選擇概率較小,主要原因在于此類通勤者的時(shí)間價(jià)值較高,對(duì)出行時(shí)間屬性的關(guān)注度最高,有很高的舒適度和便利性需求,故傾向于選擇舒適、靈活的私家車和通勤總時(shí)間最短的共享單車換乘地鐵方式;追求效率型通勤者選擇共享單車換乘地鐵的概率最大,占到60%以上,其次是步行換乘地鐵,主要原因在于此類通勤者兼顧了出行時(shí)間短和費(fèi)用低的需求,追求通勤性價(jià)比,故對(duì)速度快、費(fèi)用低的共享單車&地鐵選擇概率最大,步行&地鐵次之,概率最低的為私家車出行;經(jīng)濟(jì)環(huán)保型出行者的備擇選項(xiàng)與其他3類人群有所差異,此類群體以學(xué)生為主,出行基本不采用私家車,對(duì)費(fèi)用的敏感性最高,因此,共享單車換乘地鐵方式被選擇概率最高,步行換乘地鐵和公交車換乘地鐵兩種方式的實(shí)測(cè)結(jié)果和仿真結(jié)果存在較為明顯的差異,步行乘坐地鐵的概率預(yù)測(cè)較高,而公交車換乘地鐵的預(yù)測(cè)概率較低,這一偏差可能與本文未納入考慮舒適度屬性有關(guān);保守型出行者選擇公交車換乘地鐵的概率在幾類人群中最高,其次是私家車、步行乘坐地鐵,主要原因在于這部分出行者的節(jié)約意識(shí)較強(qiáng),年齡普遍較大,時(shí)間緊迫性相對(duì)較小,對(duì)于傳統(tǒng)交通方式的接受度遠(yuǎn)大于共享單車&地鐵等新出現(xiàn)的通勤模式,故對(duì)傳統(tǒng)的公交&地鐵選擇概率最大。

        圖4(a)~(d)依次代表仿真得到的第1 類~第4類通勤者的偏好分布情況,圖中,點(diǎn)代表通勤者個(gè)體在決策結(jié)束時(shí)(t=30 s)對(duì)某一出行方式的偏好強(qiáng)度。由圖4可知:第1 類出行者決策時(shí),私家車的偏好強(qiáng)度分布情況與共享單車&地鐵相似,第1類出行者對(duì)私家車和共享單車&地鐵的偏好相當(dāng),整體高于步行&地鐵;在第2、3 類出行者中,共享單車&地鐵的整體偏好分布位置明顯高于其他兩種方式;第4 類出行者中,公交車&地鐵占據(jù)了絕對(duì)主導(dǎo)地位。

        圖4 4類通勤者的偏好分布情況Fig.4 Preference distribution of commuters

        2.3.2 決策過(guò)程的動(dòng)態(tài)性分析

        圖5為仿真得到的兩類較為典型的通勤者偏好演進(jìn)過(guò)程。

        圖5(a)中出行者的偏好振蕩幅度較大,決策開始前15 s 內(nèi),3 類出行方式的偏好交替上升,出現(xiàn)多次偏好反轉(zhuǎn)情況。經(jīng)過(guò)一段時(shí)間的思考對(duì)比之后,出行者放棄了步行&地鐵的出行方式,在共享單車&地鐵和私家車之間進(jìn)行選擇,最終選擇了共享單車&地鐵的方式,這一仿真結(jié)果與個(gè)體“猶豫不決”的情景相似,需要較長(zhǎng)的思考積累偏好才能形成穩(wěn)定的決策。圖5(b)中出行者在決策開始時(shí)對(duì)3類方式進(jìn)行了簡(jiǎn)短的對(duì)比和猶豫,之后迅速形成偏好演進(jìn)趨勢(shì),這一結(jié)果與實(shí)際中個(gè)體的“快速?zèng)Q策”較為相似。綜上所述,DFT 模型仿真得到的動(dòng)態(tài)決策過(guò)程可以較為真實(shí)地模擬實(shí)際場(chǎng)景下個(gè)體的決策,解釋微觀心理偏好的進(jìn)化過(guò)程,預(yù)測(cè)個(gè)體的決策結(jié)果。

        圖5 通勤者決策過(guò)程仿真示例Fig.5 An example of commuters'decision-making process simulation

        2.3.3 用車成本變化的影響及非理性效應(yīng)的分析

        提升公共交通分擔(dān)率,減少私家車出行以緩解城市交通擁堵是交通需求管理的重要目標(biāo)之一。在諸多的管理措施中,以擁堵收費(fèi)、差異化停車收費(fèi)為代表的經(jīng)濟(jì)杠桿策略得到了較為成功的應(yīng)用。因此,本文在特定出行場(chǎng)景下對(duì)用車成本進(jìn)行調(diào)整,利用仿真方法分析不同小汽車出行成本下通勤者的決策行為,為交通需求管理策略的制定提供參考。

        圖6為“商務(wù)需求型”出行者在不同用車成本下對(duì)各類通勤方式選擇概率的變化情況??傮w而言,當(dāng)用車成本上升時(shí),私家車的分擔(dān)率逐漸降低,共享單車&地鐵的出行分擔(dān)率呈上升趨勢(shì)。由于步行&地鐵通勤方式受該類人群關(guān)注較少,故分擔(dān)率變化較小。

        圖6 不同用車成本下通勤決策行為仿真Fig.6 Simulation of commuting choice behavior under different vehicle costs

        規(guī)范性決策中假設(shè)方案之間的偏好不依賴于其他備選方案是否存在(IIA 特性)。當(dāng)共享單車&地鐵的被擇概率大于步行&地鐵的被擇概率時(shí),根據(jù)規(guī)范性決策公理,無(wú)論私家車的屬性如何變化,共享單車&地鐵的分擔(dān)率應(yīng)始終大于步行&地鐵的分擔(dān)率。

        大量研究表明[4]:選擇偏好是可變、動(dòng)態(tài)的,某一方案的改變或加入將引起偏好發(fā)生系統(tǒng)性的改變,這種非理性效應(yīng)廣泛存在于實(shí)際決策之中。在現(xiàn)實(shí)場(chǎng)景中,當(dāng)“私家車”出行費(fèi)用與共享單車&地鐵接近時(shí),將產(chǎn)生相似性效應(yīng):私家車的整體屬性水平與共享單車&地鐵較為相似,但競(jìng)爭(zhēng)力強(qiáng)于后者,將產(chǎn)生強(qiáng)競(jìng)爭(zhēng)性,一定程度降低共享單車&地鐵的被擇概率,造成分擔(dān)率結(jié)構(gòu)的改變。

        決策場(chǎng)理論在非理性效應(yīng)方面具有很強(qiáng)的解釋力度,可以全面解釋相似性效應(yīng)、折衷效應(yīng)和吸引效應(yīng)這3 種非理性效應(yīng)。本文在進(jìn)行仿真研究時(shí),利用決策場(chǎng)理論預(yù)測(cè)了用車成本屬性變化后出現(xiàn)的相似性效應(yīng)?;跊Q策場(chǎng)理論的仿真表明:當(dāng)私家車用車費(fèi)用(小于9元時(shí))接近共享單車&地鐵的出行成本時(shí),各類出行方式的分擔(dān)率出現(xiàn)異常波動(dòng):共享單車&地鐵的被擇概率大幅度降低,而步行&地鐵的被擇概率出現(xiàn)小幅度上升,分擔(dān)率結(jié)構(gòu)出現(xiàn)改變。因此,決策場(chǎng)理論可以實(shí)現(xiàn)不同用車費(fèi)用下出行分擔(dān)率及非理性效應(yīng)預(yù)測(cè),為公交定價(jià)、停車收費(fèi)、擁堵收費(fèi)等政策的制定提供了重要參考,具有一定的現(xiàn)實(shí)意義。

        3 結(jié)論

        本文從交通需求管理的角度出發(fā),以車站附近居民為研究對(duì)象,基于潛在類別模型優(yōu)化決策場(chǎng)理論模型的仿真標(biāo)定,分析并討論了居民通勤決策中的動(dòng)態(tài)性和偏好異質(zhì)性,以成都市為實(shí)例進(jìn)行應(yīng)用及仿真分析,主要研究結(jié)論如下:

        (1)在模型及仿真算法方面,相較于以Logit模型為代表的計(jì)量經(jīng)濟(jì)學(xué)模型,決策場(chǎng)理論可以實(shí)現(xiàn)對(duì)個(gè)體微觀心理偏好動(dòng)態(tài)進(jìn)化過(guò)程的分析,預(yù)測(cè)并解釋違背IIA 特性的非理性效應(yīng),模型預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)相關(guān)性強(qiáng),具有較高的預(yù)測(cè)精度;相較于傳統(tǒng)的DFT 模型,基于潛在類別分析的改進(jìn)DFT模型通過(guò)初始偏好向量、注意力轉(zhuǎn)移概率矩陣的差異化標(biāo)定體現(xiàn)了通勤者的偏好異質(zhì)性,預(yù)測(cè)結(jié)果與實(shí)際情況更加接近,提升了模型的解釋能力。

        (2)在實(shí)際應(yīng)用方面,根據(jù)潛在異質(zhì)性對(duì)通勤者進(jìn)行類別劃分有助于差分通勤需求。本文通過(guò)分析得到各類通勤者的備選方案集存在一定的差異,進(jìn)行決策前的初始偏好以及對(duì)各個(gè)屬性的關(guān)注程度均有不同;通過(guò)仿真可以預(yù)測(cè)不同用車成本下的通勤分擔(dān)率和非理性效應(yīng),為城市公共交通定價(jià)、停車收費(fèi)等政策的制定提供了重要思路;研究不同類別通勤者的偏好動(dòng)態(tài)進(jìn)化過(guò)程可以更好地掌握決策心理規(guī)律,分析決策環(huán)境中各類屬性變化的影響,預(yù)測(cè)突發(fā)事件下多階段動(dòng)態(tài)決策過(guò)程。例如,仿真預(yù)測(cè)個(gè)體偏好的連續(xù)變化過(guò)程可以分析交通環(huán)境下?lián)矶?、交通事故等突發(fā)狀況對(duì)個(gè)體決策的影響,在高峰通勤時(shí)段有很強(qiáng)的現(xiàn)實(shí)意義,也是后續(xù)研究工作中需要加強(qiáng)的方面。

        猜你喜歡
        類別單車異質(zhì)性
        共享單車為什么在國(guó)外火不起來(lái)
        意林彩版(2022年1期)2022-05-03 10:25:07
        基于可持續(xù)發(fā)展的異質(zhì)性債務(wù)治理與制度完善
        飛吧,單車
        對(duì)惡意破壞共享單車行為要“零容忍”
        共享單車(外四首)
        現(xiàn)代社區(qū)異質(zhì)性的變遷與啟示
        服務(wù)類別
        論類別股東會(huì)
        商事法論集(2014年1期)2014-06-27 01:20:42
        1949年前譯本的民族性和異質(zhì)性追考
        中醫(yī)類別全科醫(yī)師培養(yǎng)模式的探討
        国产乱子伦农村xxxx| 国产在线视频一区二区三| 精品视频一区二区三区日本| 亚洲第一狼人天堂网亚洲av| 欧美国产一区二区三区激情无套 | 人妻av无码一区二区三区| 国产95在线 | 欧美| 偷拍区亚洲区一区二区| 国产精品一区二区电影| 亚洲av永久无码精品成人| 国产久色在线拍揄自揄拍| 男人和女人做爽爽视频| 国产精品视频一区二区噜噜| 国产成人久久精品77777综合| 中文字幕高清视频婷婷| 初尝人妻少妇中文字幕| 久久精品国产自清天天线| 国模少妇无码一区二区三区| 色视频不卡一区二区三区| 蜜臀久久99精品久久久久久| 国产人与禽zoz0性伦| 在线天堂中文一区二区三区| 久久少妇高潮免费观看| 日本中国内射bbxx| 欧美老妇与禽交| 国产精品三级av一区二区| 亚洲成人福利在线视频| 免费无码不卡视频在线观看| 亚洲乱码国产一区三区| 久久精品中文字幕第一页| 黄色精品一区二区三区| 又粗又黄又猛又爽大片免费| 躁躁躁日日躁| 久久精品视频按摩| 99在线视频这里只有精品伊人| 国产av麻豆mag剧集| 国产精品原创巨作av无遮| 好看的中文字幕中文在线| 欧美性猛交xxxx免费看蜜桃| 大地资源网最新在线播放| 一区二区三区国产美女在线播放|