賴元文，胡 亮，林 力,3

(1. 福州大學(xué) 土木工程學(xué)院，福建 福州 350116; 2.中交公路規(guī)劃設(shè)計(jì)院有限公司，北京 100088；3.福建省交通規(guī)劃設(shè)計(jì)院有限公司，福建 福州 350004)

0 引言

城市經(jīng)濟(jì)的快速增長，使得越來越多的人把汽車作為主要的交通方式，帶給人們便利出行的同時(shí)，也導(dǎo)致了城市道路交通擁堵問題日益加劇。緩解城市交通擁堵，最關(guān)鍵的是從需求角度考慮，充分研究交通需求的本質(zhì)。從微觀角度，交通需求就是個(gè)體的擇路行為，個(gè)體的出行路徑選擇行為集聚在宏觀上表現(xiàn)為網(wǎng)絡(luò)交通流的演化。這就要求我們深入探究出行者的路徑選擇行為的內(nèi)在規(guī)律，用科學(xué)合理的模型來描述出行者的路徑選擇行為，從而能夠預(yù)測城市交通狀態(tài)、制訂有效的交通控制誘導(dǎo)策略。傳統(tǒng)的交通出行路徑選擇行為研究是以期望效用理論作為指導(dǎo)，理論的前提假設(shè)是個(gè)體選擇行為只和當(dāng)前狀態(tài)有關(guān)，所建立的模型沒有考慮個(gè)體決策特征。而參考依賴?yán)碚撜J(rèn)為人們的決策行為不僅取決于備選方案的當(dāng)前狀態(tài)，而是將方案結(jié)果相對(duì)于參考點(diǎn)的相對(duì)值作為度量的標(biāo)準(zhǔn)。

參考點(diǎn)依賴?yán)碚撟钕葢?yīng)用于金融經(jīng)濟(jì)學(xué)領(lǐng)域的研究，之后才漸漸延伸至確定情境下的交通出行行為研究。Katsikopoulos等[1]采用行為學(xué)的實(shí)例驗(yàn)證方式揭示了出行選擇行為中的參考點(diǎn)依賴特征。Borger等[2]考慮出行決策中的出行時(shí)間和收費(fèi)，提出邊際遞減的價(jià)值函數(shù)形式，建立了基于參考點(diǎn)依賴的路徑選擇模型，通過試驗(yàn)證明出行決策中的損失規(guī)避特征。Hess等[3]在其研究中以自由流時(shí)間、減速時(shí)間、出行成本和路段收費(fèi)作為特征屬性，價(jià)值函數(shù)采用分段線性遞減的形式，建立出行者路徑選擇模型。研究結(jié)果表明并非所有的出行特征屬性都存在損失規(guī)避現(xiàn)象。范文博[4]在傳統(tǒng)的出行路徑選擇logit模型中引入基于參考依賴的路徑負(fù)效用，以此建立網(wǎng)絡(luò)用戶均衡模型，最后用相繼平均法求解。研究結(jié)果表明出行者的參考點(diǎn)最終會(huì)跟隨網(wǎng)絡(luò)流量達(dá)到穩(wěn)定狀態(tài)。Lindsey等[5]提出出行者的出行效用由絕對(duì)效用和相對(duì)效用組成，絕對(duì)效用是指固有屬性值帶來的效用大小，相對(duì)效用是指與參考狀態(tài)比較所得的收益-損失大小，并以此來研究道路擁擠收費(fèi)問題。Delle等[6]考慮出行時(shí)間和擁擠收費(fèi)的影響，以現(xiàn)狀為參考點(diǎn)，建立參考點(diǎn)依賴下的多用戶隨機(jī)均衡模型。通過算例結(jié)果得出參考點(diǎn)依賴特性符合人們的實(shí)際出行行為，對(duì)路網(wǎng)的整體狀態(tài)影響較大。Hjorth等[7]考慮出行時(shí)間和費(fèi)用，重點(diǎn)研究出行者的時(shí)間價(jià)值，分析確定情境下時(shí)間價(jià)值對(duì)路徑選擇的影響。Li等[8]提出一種參考依賴下考慮異質(zhì)性的均衡框架下的最優(yōu)收費(fèi)模型，最后使用基于遺傳算法的解決方案來解決此優(yōu)化問題。陳小君[9]將參考點(diǎn)引入旅行時(shí)間-運(yùn)輸費(fèi)用的無差異曲線中，基于參考依賴?yán)碚搶?duì)傳統(tǒng)的時(shí)間價(jià)值模型進(jìn)行改進(jìn)，結(jié)果表明出行時(shí)間的損失規(guī)避程度要高于票價(jià)的損失規(guī)避程度。龔建[10]通過問卷調(diào)查，驗(yàn)證了在出行時(shí)間和擁擠收費(fèi)兩個(gè)屬性上的參考依賴特征，提出多屬性的出行決策模型。最后將系統(tǒng)出行時(shí)間最小作為目標(biāo)，建立考慮擁擠收費(fèi)的優(yōu)化模型。徐紅利等[11]考慮出行時(shí)間和擁堵收費(fèi)兩個(gè)屬性，在確定性交通網(wǎng)絡(luò)中建立了基于參考點(diǎn)依賴?yán)碚摰某鲂新窂竭x擇決策模型，參考點(diǎn)的設(shè)置選取依據(jù)當(dāng)前的出行時(shí)間和道路收費(fèi)，研究表明以往的出行經(jīng)驗(yàn)會(huì)影響路徑選擇的最后結(jié)果。婁路[12]建立了基于參考依賴?yán)碚摰牧髁恐鹑昭莼Ｐ?，從出行者的心理角度出發(fā)，研究了參考點(diǎn)變動(dòng)下的流量演化過程以及不同心態(tài)類型的出行者對(duì)應(yīng)的路徑選擇對(duì)路網(wǎng)流量演化的影響。閆苗[13]同時(shí)考慮參考依賴和心理預(yù)算對(duì)路徑選擇的影響，在效用函數(shù)中選取出行時(shí)間和擁擠收費(fèi)作為決策屬性，建立了交通網(wǎng)絡(luò)均衡模型，用于擁擠收費(fèi)策略的研究。Avineri等[14]提出參考點(diǎn)的選取可以根據(jù)出行者的期望出行時(shí)間或者行程時(shí)間均值和中值，對(duì)每種情況下的異同點(diǎn)進(jìn)行分析比較。Knetsch等[15]認(rèn)為對(duì)于出行者而言可以將出行路徑的自由流時(shí)間作為參照點(diǎn)。De Palma[16]和Kristensen H[17]等考慮影響參考點(diǎn)形成的多種因素，提出參考點(diǎn)可根據(jù)影響因素之間的關(guān)系來進(jìn)行調(diào)整。

綜合國內(nèi)外研究現(xiàn)狀可以發(fā)現(xiàn)，在運(yùn)用參考依賴?yán)碚撗芯柯窂竭x擇行為中，現(xiàn)在大多研究關(guān)注是路網(wǎng)均衡的分析，對(duì)交通系統(tǒng)的演化特征和規(guī)律研究不夠深入，僅考慮路徑屬性因素的影響，忽略了出行者的行為特征，對(duì)出行者的決策理論缺乏行為學(xué)和心理學(xué)的理論基礎(chǔ)和實(shí)證研究支撐。普遍將出行者視為群體，沒有考慮個(gè)體異質(zhì)性。在多屬性路徑選擇決策問題研究方面，目前的研究側(cè)重對(duì)各屬性之間采用不同算法確定權(quán)重進(jìn)行數(shù)理處理，沒有從出行者的出行行為和出行決策心理角度考慮。

本研究旨在參考依賴?yán)碚摰目蚣芟聡@出行者路徑選擇問題展開深入研究，基于合理的行為假設(shè)解析出行行為發(fā)生的微觀機(jī)理，運(yùn)用參考依賴?yán)碚搶?duì)傳統(tǒng)路徑選擇模型進(jìn)行改進(jìn)和拓展，以期準(zhǔn)確地反映出行者的路徑選擇行為特征和規(guī)律。

1 參考依賴決策過程

本研究中的出行者主要指有日常出行需求的私家車出行者。根據(jù)參考依賴?yán)碚?，可以描述出行者的出行決策步驟如下：

(1)編輯階段。出行者對(duì)本次出行的信息進(jìn)行初步分析，并形成出行決策的參考點(diǎn)，參考點(diǎn)可以是內(nèi)在的也可以是外在的。每條備選路徑在每個(gè)屬性上相對(duì)于該參考點(diǎn)分別會(huì)產(chǎn)生收益或者損失。

(2)評(píng)價(jià)階段。對(duì)經(jīng)過編輯階段的路徑信息進(jìn)行評(píng)價(jià)，將各條備選路徑在各個(gè)屬性上的收益值和損失值分別賦予不同的權(quán)重。同等水平的收益與損失并不等效，損失會(huì)比等量的收益對(duì)出行者帶來更大的心理效用。計(jì)算得出各條備選路徑的參考依賴效用值，根據(jù)參考點(diǎn)的不同，效用值可正可負(fù)。

(3)選擇階段。根據(jù)出行效用的大小作出決策，效用值越高的路徑被選擇概率越大。

2 決策效用機(jī)制

假設(shè)效用函數(shù)U可以分解為單調(diào)且相互獨(dú)立的出行時(shí)間效用函數(shù)F(T)和出行費(fèi)用效用函數(shù)H(M)[9]。其中函數(shù)的自變量T和M分別為出行路徑實(shí)際的時(shí)間長短和費(fèi)用多少。根據(jù)出行特征，人們總是追求時(shí)間最少費(fèi)用最小，所以時(shí)間效用函數(shù)和費(fèi)用函數(shù)應(yīng)均為單調(diào)遞減函數(shù)。則可表示為：

U(T,M)=U[F(T),H(M)]。

(1)

由于假設(shè)的函數(shù)是可分解的，出行效用可用時(shí)間效用函數(shù)和費(fèi)用效用函數(shù)的和來表示：

U(T,M)=F(T)+H(M),

(2)

F(T)=f(T)，

(3)

H(M)=h(M)。

(4)

在交通出行領(lǐng)域，常用的f(T)和h(M)函數(shù)形式有線性的、指數(shù)型的和冪函數(shù)型等，為方便分析研究，后續(xù)研究中時(shí)間和費(fèi)用的效用函數(shù)采用線性形式。

根據(jù)參考依賴?yán)碚?，可考慮將函數(shù)F(T)和H(M)替換為以(Tw，Mw)為參考點(diǎn)的效用函數(shù)，兩個(gè)函數(shù)相互獨(dú)立且單調(diào)：

(5)

(6)

對(duì)上式進(jìn)行整理，可簡化為：

U(i)=α(Tgi-λT·Tli)+β(Mgi-λM·Mli)，

(7)

式中，Tgi=max[Tw-Ti,0]；Tli=max[Ti-Tw,0]，Mgi=max[Mw-Mi,0]；Mli=max[Mi-Mw,0]。Tw和Mw分別為時(shí)間參考點(diǎn)和費(fèi)用參考點(diǎn)；Tgi和Tli為路徑i在時(shí)間屬性上的相對(duì)收益和損失；Mgi和Mli為路徑i在費(fèi)用屬性上的相對(duì)收益和損失；λT和λM分別為時(shí)間和費(fèi)用的損失規(guī)避參數(shù)。

出行者選擇路徑i的概率為：

P(i)=prob(U(i)>U(j),?i≠j)=

(8)

式中，P(i)為選擇路徑i的概率；j為任意備選路徑。

3 問卷結(jié)構(gòu)及內(nèi)容

本研究采用SP調(diào)查方法，選擇福州市的城區(qū)主要范圍進(jìn)行發(fā)放問卷，包括福州大學(xué)、東街口、五一廣場、金山公園、寶龍城市廣場和倉山萬達(dá)廣場6個(gè)區(qū)域，調(diào)查基本涵蓋各個(gè)年齡段。調(diào)查共計(jì)發(fā)放問卷1 100份，通過初步整理篩選，剔除無效問卷124份，最終有效問卷976份，問卷有效率為88.7%。其中選擇676份作為模型擬合數(shù)據(jù)，其余為模型驗(yàn)證數(shù)據(jù)。

在路徑選擇問卷中，備選路徑的信息包括出行時(shí)間和出行費(fèi)用組成(T,M)。如出行時(shí)間30 min，出行費(fèi)用10元的路徑K的基礎(chǔ)信息可表示為：K(30,10)。正式問卷內(nèi)容為：假設(shè)在一次出行中，給定兩條備選路徑信息A(30,5)和B(20,10)。首先在無參考點(diǎn)下，要求試驗(yàn)者根據(jù)兩條路徑的出行信息進(jìn)行選擇，得到選擇路徑A和路徑B的比例。然后，給定一組參考點(diǎn)(Tw1，Mw1)，可解釋為從出發(fā)點(diǎn)O到目的地D的歷史出行經(jīng)驗(yàn)，目的是為了提供給出行者一個(gè)參考狀態(tài)，對(duì)行程有大概的心理認(rèn)知。之后要求出行者根據(jù)本組參考點(diǎn)，重新在路徑A和路徑B中做選擇。若不存在參考依賴特征，則選擇路徑A和路徑B的出行者比例將不會(huì)發(fā)生太大變化。若存在參考依賴特征，則會(huì)出現(xiàn)兩組試驗(yàn)者比例變化或逆轉(zhuǎn)偏好。設(shè)置不同梯度的參考點(diǎn)，繼續(xù)觀察路徑選擇比例，可根據(jù)路徑選擇比例的變化探究出行者的選擇行為特征。

不同參數(shù)取值下的路徑狀態(tài)如表1所示，根據(jù)出行時(shí)間和費(fèi)用的不同組合，設(shè)置了9個(gè)參考點(diǎn)，如表2所示。

表1 不同參數(shù)取值下的路徑狀態(tài)Tab.1 Route states under different parameters

表2 不同參數(shù)取值組合下的路徑狀態(tài)Tab.2 Route states under different parameter combinations

時(shí)間價(jià)值判斷問卷設(shè)計(jì)的主要內(nèi)容為：假設(shè)日常出行中，從出發(fā)點(diǎn)O到目的地D，您經(jīng)常選擇的一條路徑A出行時(shí)間為20 min，出行費(fèi)用為10元。當(dāng)您發(fā)現(xiàn)有另外一條路徑B，B的出行時(shí)間為30 min，當(dāng)出行費(fèi)用M為多少時(shí)，您覺得這兩條路徑是沒有太大差別，會(huì)在兩條路徑間自由選擇切換。將出行者選擇小于5的定義為高時(shí)間價(jià)值，大于等于5的定義為低時(shí)間價(jià)值。

對(duì)出行者進(jìn)行劃分之后，得出不同時(shí)間價(jià)值類型出行者在不同參考點(diǎn)下的路徑選擇結(jié)果，如表3所示。

表3 不同時(shí)間價(jià)值類型出行者在不同參考點(diǎn)路徑選擇結(jié)果Tab.3 Result of route selection by travelers of different time value types at different reference points

4 參考依賴特征分析

以低時(shí)間價(jià)值類型的出行者數(shù)據(jù)為例分析。在無參考點(diǎn)下，根據(jù)logit模型，此時(shí)的路徑選擇比例為0.532 6∶0.467 4。在考慮參考點(diǎn)下，以參考點(diǎn)(15，2)為例，此時(shí)的路徑選擇比例為0.594 9∶0.405 1。選擇比例發(fā)生變化，說明路徑選擇過程中存在參考依賴性，兩條路徑的效用發(fā)生了變化。

此外，從問卷數(shù)據(jù)中我們還可以觀測到逆轉(zhuǎn)偏好現(xiàn)象。在參考點(diǎn)(15，15)下，路徑選擇比例為0.439 1∶0.560 9，路徑B的效用值超過了路徑A。這是由于損失比等量的收益產(chǎn)生的心理效用更大，當(dāng)參考點(diǎn)狀態(tài)改變時(shí)，原來的收益可能變?yōu)閾p失，同理原本的損失也可能變?yōu)槭找妫@就使得效用函數(shù)大小發(fā)生改變，從而可能導(dǎo)致路徑效用的差值發(fā)生符號(hào)變化，出現(xiàn)逆轉(zhuǎn)偏好現(xiàn)象。

以兩種類型時(shí)間價(jià)值的出行者在同一參考點(diǎn)下的路徑選擇結(jié)果來看，當(dāng)參考點(diǎn)(25，8)時(shí)，低時(shí)間價(jià)值的出行者路徑選擇比例為0.617 6∶0.382 4，高時(shí)間價(jià)值的出行者路徑選擇比例為0.575 9∶0.424 1。說明同一參考點(diǎn)下，不同時(shí)間價(jià)值的出行者對(duì)同一出行路徑的效用感知不同。在參考點(diǎn)(25，15)時(shí)，出現(xiàn)逆轉(zhuǎn)偏好現(xiàn)象。

由此可得到，應(yīng)用參考依賴?yán)碚撃軌驅(qū)υ囼?yàn)中的路徑選擇結(jié)果作出合理的解釋，以此為基礎(chǔ)建立路徑選擇模型是符合實(shí)際的，具有科學(xué)和試驗(yàn)依據(jù)。

5 參數(shù)標(biāo)定與模型準(zhǔn)確性驗(yàn)證

在利用問卷調(diào)查所得的數(shù)據(jù)，根據(jù)出行者的路徑選擇結(jié)果對(duì)考慮參考依賴的路徑選擇模型中的相關(guān)參數(shù)標(biāo)定，并利用問卷預(yù)留數(shù)據(jù)進(jìn)行模型的準(zhǔn)確性驗(yàn)證。

本研究選用的方法為最小二乘法，通過構(gòu)造平方損失函數(shù)，最佳參數(shù)值需要滿足的條件是使所有數(shù)據(jù)組的殘差平方和最小。一般求解方法為迭代法，對(duì)未知參數(shù)取偏導(dǎo)，通過迭代求得偏導(dǎo)數(shù)為0時(shí)的參數(shù)值。為提高迭代算法的收斂性，本研究擬采用遺傳算法來求解。遺傳算法是一種高效的全局搜索方法，能自適應(yīng)地控制搜索過程以求得目標(biāo)函數(shù)的最優(yōu)解。

求解步驟如下，流程圖見圖1。

圖1 遺傳算法流程圖Fig.1 Flowchart of genetic algorithm

(1)編碼：為建立表現(xiàn)型和基因型的映射關(guān)系，需要“數(shù)字化”編碼的方案。遺傳算法運(yùn)算時(shí)采用的是符號(hào)串，編碼方式有二進(jìn)制和浮點(diǎn)數(shù)；

(2)產(chǎn)生初始群體：通過隨機(jī)的方法產(chǎn)生初始群體數(shù)據(jù)用來表示起始搜索點(diǎn)；

(3)適應(yīng)度計(jì)算：每1條染色代表1個(gè)備選方案，適應(yīng)性函數(shù)的大小體現(xiàn)了備選方案的優(yōu)劣；

(4)隨機(jī)算子：考慮隨機(jī)因素，通過復(fù)制、交叉、變異3種方式產(chǎn)生新的個(gè)體。

(5)循環(huán)步驟3和4，終止條件根據(jù)目標(biāo)函數(shù)要求或迭代次數(shù)確定，滿足條件的參數(shù)即為最優(yōu)解。

(9)

(10)

式中，U(Ak)為第k個(gè)參考點(diǎn)下路徑A的效用值；U(Bk)為第k個(gè)參考點(diǎn)下路徑B的效用值；Ak為第k個(gè)參考點(diǎn)下實(shí)際選擇路徑A的出行者比例；P(Ak)為第k個(gè)參考點(diǎn)下路徑A的效用值大于路徑B的效用值的概率。

用遺傳算法估計(jì)參數(shù)α，λT，β，λM的取值過程中，算法的控制參數(shù)可取[18]：

(1)在模型中的符號(hào)已經(jīng)代表收益和損失狀態(tài)，故參數(shù)的取值范圍均為正數(shù)：α>0，λT>0，β>0，λM>0；

(2)通過隨機(jī)的方式產(chǎn)生個(gè)數(shù)為100的初始群體；

(3)將最小二乘法中構(gòu)造的平方損失函數(shù)作為遺傳算法的目標(biāo)函數(shù)，即適應(yīng)度；

(4)隨機(jī)算子中，設(shè)定交叉概率為0.8，變異概率為0.01；

(5)當(dāng)?shù)螖?shù)達(dá)到200時(shí)，停止計(jì)算，得出所求解。

對(duì)不同類型時(shí)間價(jià)值出行者參考依賴效用函數(shù)中的α，λT，β，λM參數(shù)標(biāo)定結(jié)果如表4所示。

表4 基于參考依賴的路徑選擇模型參數(shù)標(biāo)定結(jié)果Tab.4 Calibration result of route choice model parameters based on reference dependence

從總體來看，時(shí)間的損失規(guī)避參數(shù)λT和費(fèi)用損失規(guī)避參數(shù)λM均大于1，說明出行者在時(shí)間屬性和費(fèi)用屬性上都存在損失規(guī)避現(xiàn)象，損失會(huì)比等量的收益對(duì)出行者帶來更大的心理效用。λT>λM說明出行者對(duì)于時(shí)間的損失規(guī)避程度要高于費(fèi)用的損失規(guī)避程度，即出行者對(duì)時(shí)間損失的敏感性更高。雖然在費(fèi)用屬性上同樣存在損失規(guī)避，出行時(shí)間的價(jià)值可以通過其與出行費(fèi)用的替代關(guān)系來體現(xiàn)，而根據(jù)參考依賴?yán)碚撊藗冊(cè)诿鎸?duì)損失比收益時(shí)更敏感的心理，問卷調(diào)查分析中得出的出行時(shí)間損失的敏感性更高，在現(xiàn)實(shí)生活可表現(xiàn)為出行者對(duì)于不能準(zhǔn)時(shí)到達(dá)目的地的厭惡程度比多花費(fèi)出行費(fèi)用的厭惡程度更高。

從兩種類型出行時(shí)間價(jià)值的系數(shù)對(duì)比可以看出，高時(shí)間價(jià)值出行者的時(shí)間損失規(guī)避參數(shù)λT比低時(shí)間價(jià)值出行者高，說明了其對(duì)時(shí)間的要求更高，更加看重時(shí)間屬性的收益損失，時(shí)間損失對(duì)其造成的影響作用較大。相應(yīng)的，在費(fèi)用屬性上高時(shí)間價(jià)值出行者的費(fèi)用損失參數(shù)λM會(huì)比低時(shí)間價(jià)值出行者低，說明相比于時(shí)間損失，費(fèi)用的損失對(duì)其來說更容易接受，換句話來說愿意用更多的費(fèi)用損失來換取時(shí)間上的較少量損失。

利用調(diào)查問卷的預(yù)留數(shù)據(jù)對(duì)模型的準(zhǔn)確性進(jìn)行驗(yàn)證，根據(jù)決策效用機(jī)制計(jì)算每條路徑的理論效用值，得出理論路徑選擇比例，與實(shí)際調(diào)查結(jié)果進(jìn)行對(duì)比，結(jié)果如表5和圖2所示。

表5 實(shí)際調(diào)查結(jié)果與理論預(yù)測結(jié)果對(duì)比(以路徑A為例)Tab.5 Comparison of actual survey result to theoretical prediction result (Take Route A for example)

圖2 不同時(shí)間價(jià)值出行者路徑選擇理論值與實(shí)際值對(duì)比Fig.2 Comparison of theoretical value to actual value of route choice for travelers with different time values

可以看出理論值與實(shí)際值之間的誤差較小，根據(jù)參考依賴?yán)碚撚?jì)算得到的理論值基本能反映出行者的實(shí)際路徑選擇情況，也驗(yàn)證了本研究模型的有效性。

6 模型使用范圍及應(yīng)用

本研究選取出行時(shí)間和費(fèi)用作為路徑選擇的主要影響因素，以此建立基于參考依賴?yán)碚摰穆窂竭x擇模型。出行者根據(jù)選擇具體某一條路徑時(shí)在時(shí)間和費(fèi)用屬性上的收益和損失效用來作出決策，而收益損失是相對(duì)于時(shí)間和費(fèi)用參考點(diǎn)的差值，這就使得出行者在作出出行決策時(shí)不僅考慮當(dāng)前狀態(tài)，還依賴于與參考點(diǎn)狀態(tài)的比較。由于影響出行行為選擇的因素眾多，本研究提出的模型僅適用于多路徑下出行時(shí)間和費(fèi)用差異性較大的情況，假定各路徑間其他影響因素情況較為接近。相比于個(gè)體決策行為只與當(dāng)前狀態(tài)有關(guān)的傳統(tǒng)效用理論，考慮參考依賴?yán)碚摰某鲂行в每梢愿诱鎸?shí)地反映人們的實(shí)際出行行為特征。

針對(duì)出行者的參考依賴特征，論文所提出的模型可以為交通管理部門提供交通管理策略，可通過向出行者提供帶有路徑參考點(diǎn)的信息，誘導(dǎo)人們的出行路徑選擇。

在實(shí)際出行中，無法獲取每個(gè)出行者的出發(fā)地和目的地，可以以特定的路段區(qū)間作為調(diào)控的對(duì)象，針對(duì)易引起交通瓶頸的路段實(shí)施合理有效的誘導(dǎo)措施，緩解擁堵。具體思路為：

(1)針對(duì)某一相同起始點(diǎn)的幾條可代替路徑，根據(jù)實(shí)際的路況，獲取相應(yīng)的出行時(shí)間和出行費(fèi)用。

(2)對(duì)于流量比較集中的路徑要進(jìn)行分流，讓瓶頸路徑的流量更加平均地分配到各條路徑，以提高道路的總體通行效率。

(3)運(yùn)用基于參考依賴?yán)碚摰穆窂竭x擇模型，以最后路徑所要達(dá)到的理想流量為目標(biāo)，反推所需的時(shí)間和費(fèi)用參考點(diǎn)。

交通管理部門可通過廣播或指示標(biāo)志等途徑將參考點(diǎn)傳達(dá)到駕駛員，誘導(dǎo)駕駛員的路徑選擇，從而達(dá)到理想的網(wǎng)絡(luò)狀態(tài)。

7 結(jié)論

本研究在對(duì)出行者路徑選擇行為特征的研究基礎(chǔ)上，建立考慮出行時(shí)間和出行費(fèi)用的個(gè)體出行路徑選擇模型。通過對(duì)出行者進(jìn)行SP調(diào)查，獲取在不同參考點(diǎn)下的路徑選擇比例，分析不同時(shí)間價(jià)值類型出行者的路徑選擇行為差異。根據(jù)調(diào)查數(shù)據(jù)應(yīng)用最小二乘法和遺傳算法對(duì)不同時(shí)間價(jià)值出行者的收益損失參數(shù)進(jìn)行標(biāo)定并驗(yàn)證了模型有效性。

主要結(jié)論歸納如下：

(1)模型有效性。通過驗(yàn)證數(shù)據(jù)證明基于參考依賴?yán)碚撍⒌某鲂新窂竭x擇模型具有有效性，可以進(jìn)一步以參考依賴?yán)碚摓榭蚣苎芯砍鲂姓呗窂竭x擇問題。

(2)出行者存在損失規(guī)避行為。模型參數(shù)標(biāo)定中，出行者的時(shí)間損失規(guī)避參數(shù)和費(fèi)用損失規(guī)避參數(shù)均大于1，說明出行者在時(shí)間屬性和費(fèi)用屬性上都存在損失規(guī)避現(xiàn)象。對(duì)于出行者來說，同等數(shù)值的損失比同等收益帶來的影響更大，出行者寧愿少獲得一些收益，也不愿意承受損失的風(fēng)險(xiǎn)。

(3)時(shí)間價(jià)值影響出行路徑選擇。不同時(shí)間價(jià)值類型出行者有不同的損失規(guī)避系數(shù)，從而表現(xiàn)出不同的路徑選擇結(jié)果，高時(shí)間價(jià)值出行者的時(shí)間損失規(guī)避系數(shù)大于低時(shí)間價(jià)值出行者，費(fèi)用損失規(guī)避系數(shù)則小于低時(shí)間價(jià)值出行者，即高時(shí)間價(jià)值出行者對(duì)于時(shí)間損失的重視程度更高，會(huì)選擇高費(fèi)用的路徑來規(guī)避時(shí)間損失帶來的效用。

(4)對(duì)所研究對(duì)象進(jìn)行時(shí)間價(jià)值分類之后標(biāo)定不同的模型參數(shù)能夠較好地描述出行者的路徑選擇行為。