诱导信息下的路径选择行为模型

交通运输系统工程与信息 ›› 2010, Vol. 10 ›› Issue (6): 64-69 .

诱导信息下的路径选择行为模型

高峰*;王明哲

华中科技大学控制科学与工程系, 武汉 430074

收稿日期:2010-06-12 修回日期:2010-09-29 出版日期:2010-12-25 发布日期:2010-12-25
通讯作者: 高峰
作者简介:高峰(1962-)，男，黑龙江省齐齐哈尔市人，博士生, 副教授.
基金资助:
国家自然科学基金( 60274047，60874068); 武汉市重点科技攻关计划项目（20061002078）.

Route Choice Behavior Model with Guidance Information

GAO Feng; WANG Ming-zhe

Department of Control Science and Engineering, Huazhong University of Science and Technology, Wuhan 430074, China

Received:2010-06-12 Revised:2010-09-29 Online:2010-12-25 Published:2010-12-25
Contact: GAO Feng

摘要/Abstract

摘要： 本文为诱导信息下的驾驶员路径选择行为提出了一种基于决策场理论和贝叶斯理论的推理、预测、判断和路径选择决策的交互仿真模型. 首先，由贝叶斯推理理论建立诱导信息和以往出行经验共同作用下的路况动态更新模型；进而将其与基于决策场理论的动态路径选择模型相结合，构成诱导信息下的路径选择行为交互模型. 通过诱导信息下的路径选择行为动态模拟，获取诱导信息对路径选择行为的量化影响效能值. 仿真分析显示，诱导信息可信度、出行经验、路径固有偏好、决策速度/质量和路线选择标准是影响驾驶员对诱导信息做出响应的关键因素. 分析结果表明，决策场理论与贝叶斯理论相结合能较好地解释驾驶员路径选择行为的动态特性.

关键词: 城市交通, 驾驶员路径选择行为, 决策场理论, 贝叶斯理论, 诱导信息

Abstract: Using modeling and simulation methods, the driver’s route choice behavior under guidance information is explored based on the combination of the decision field theory (DFT) and Bayesian theory. First, based on the Bayesian theory, a road condition dynamic updating model is presented in light of the guidance information and the driver’s previous travel experiences. Then, the route choice behavior model under guidance information is formed by the fusion of the process-oriented vehicle dynamic route choice model and the road condition dynamic updating model. The developed model describes a driver’s propensity to comply with received guidance information in terms of the interaction between perceived unreliability of the information, his previous travel experiences, preference for different road alternatives, decision-making speed/quality, and route selection criteria. The simulation results show that the combination of the DFT and Bayesian theory can effectively explain the driver’s travel dynamics behavior.

Key words: urban traffic, driver’s route choice behavior, decision field theory, Bayesian theory, guidance information

中图分类号:

U491

高峰,王明哲. 诱导信息下的路径选择行为模型[J]. 交通运输系统工程与信息, 2010, 10(6): 64-69 .

GAO Feng, WANG Ming-zhe. Route Choice Behavior Model with Guidance Information[J]. Journal of Transportation Systems Engineering and Information Technology, 2010, 10(6): 64-69 .

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18067.shtml

http://www.tseit.org.cn/CN/Y2010/V10/I6/64

参考文献

［1］CG Chorus, EJE Molin,B van Wee. Travel information as an instrument to change car-drivers’ travel choices: A literature review［J］. European Journal of Transport and Infrastructure Research 2006, 6(4) : 335-364. 
［2］Eran Ben-Elia, Yoram Shiftan. Which road do I take? A learning-based model of route-choice behavior with real-time information［J］.Transportation Research Part A, 2010, 44(4): 249-264. 
［3］HM Al-Deek, AJ Khattak, P Thananjeyan. A combined traveler behavior and system performance model with advanced traveler information systems［J］. Transportation Research Part A, 1998.32 (7) : 479-493. 
［4］Joachim Wahle, Ana Lúcia C, et al. The impact of real-time information in a two-route scenario using agent-based simulation ［J］. Transportation Research Part C, 2002, 10(5-6) : 399-417. 
［5］鲁丛林.诱导条件下的驾驶员反应行为的博弈模型［J］.交通运输系统工程与信息, 2005,5(1)：58-61. ［LU C L. The models of driver’s response behavior with game theory under guide information［J］. Journal of Transportation Systems Engineering and Information Technology, 2005,5(1) : 58-61.］
［6］E Stern, HW Richardson. Behavioural modelling of road users: current research and future needs［J］. Transport Reviews, 2005, 25(2) : 159-180. 
［7］Busemeyer J R, Townsend J T. Decision field theory: A dynamic-cognitive approach to decision making in an uncertain environment ［J］. Psychological Review, 1993, 100(3): 432-459. 
［8］Gold J I, Shadlen M N. Representation of a perceptual decision in developing oculomotor commands［J］. Nature, 2000, 404(6776) : 390-394. 
［9］Busemeyer J R, Jessup R K, Johnson J G. et al. Building bridges between neural models and complex decision making behavior ［J］. Neural Networks, 2006, 19(8) : 1047-1058. 
［10］高峰,王明哲.面向决策过程的动态路径选择模型［J］.交通运输系统工程与信息,2009,9(5) : 96-102. ［GAO F, WANG M Z. Process-oriented dynamic route choice model［J］. Journal of Transportation Systems Engineering and Information Technology, 2009, 9(5) : 96-102.］
［11］Busemeyer J R, Jessup R K, Dimperio E. The dynamic interactions between situations and decisions. In P Robbins, M Aydede (Eds.), The cambridge handbook of situation cognition［M］. New York. Cambridge University Press. 2009: 307-321.

[1]	刘晓冰, 李奉孝, 田欣妹, 闫学东. 基于通勤模式的都市圈中心结构判别研究[J]. 交通运输系统工程与信息, 2022, 22(2): 17-28.
[2]	许奇, 陈越, 黄靖茹, 高顺祥, 张志健. 考虑出行费用的就业可达性分析[J]. 交通运输系统工程与信息, 2022, 22(2): 37-44.
[3]	刘春禹, 刘永红, 罗霞, 朱颖. 混合交通流环境下单交叉口自动驾驶车辆轨迹优化[J]. 交通运输系统工程与信息, 2022, 22(2): 154-162.
[4]	张小雨, 邵春福, 王博彬, 黄士琛. 新冠疫情影响下居民共享出行方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(2): 186-196.
[5]	李欣, 戴章, 李怀悦, 胡笳. 基于连续近似模型的轨道交通与常规公交耦合优化设计[J]. 交通运输系统工程与信息, 2022, 22(2): 206-213.
[6]	郝妍熙, 刘戎阳, 胡华, 方勇, 刘志钢. 单向通道行人-自行车混合流建模及自组织现象研究[J]. 交通运输系统工程与信息, 2022, 22(2): 223-229.
[7]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[8]	陈小红, 蓝秋雨. 不确定交通需求下交叉口信号配时区间优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 247-256.
[9]	李冰, 王正辉, 马铭炜, 杨鸿宇, 冯悦. 信号交叉口行人二次过街下右转车通行能力与延误估计模型[J]. 交通运输系统工程与信息, 2022, 22(2): 257-267.
[10]	朱彤, 秦丹, 董傲然, 杜雨萌, 魏雯. 公交驾驶员违规类型同交通事故间的关联分析[J]. 交通运输系统工程与信息, 2022, 22(2): 322-329.
[11]	毛保华, 王敏, 何天健, 陈海波. 城市公共交通服务水平研究回顾和展望[J]. 交通运输系统工程与信息, 2022, 22(1): 2-13.
[12]	王子甲, 贾慧慧, 朱亚迪, 陈峰. 基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究[J]. 交通运输系统工程与信息, 2022, 22(1): 67-73.
[13]	贾斌, 朱凌, 李树凯, 刘家林. 城市轨道交通小交路计划与客流控制协同优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 124-132.
[14]	牟振华, 汪寒冰, 林本江, 陈逸群, 金程程, 陈艳艳. 基于演化博弈的违章停车动态罚金策略效用仿真评价[J]. 交通运输系统工程与信息, 2022, 22(1): 152-162.
[15]	贾富强, 李引珍, 杨信丰, 马昌喜, 代存杰. 基于演化博弈的政府鼓励条件下共享停车行为分析[J]. 交通运输系统工程与信息, 2022, 22(1): 163-170.