基于活动理论的出过路信息动态模型研究综述

基于活动理论的出过路信息动态模型研究综述

0交通信息服务的作用机理智能云运输系统（iu）为提高人们的交通和公共交通效率创造了有利条件。解决世界大城市的问题已成为全世界共识。作为ITS重要组成部分的交通信息服务,能够为出行者提供完成出行的相关信息,诱导出行者选择效用最大的出发时间、出行方式和路径,降低了出行过程中的时空消耗,使得现有的道路网络资源得以充分利用,提高了交通运输系统的功效,缓解了交通拥堵以及由此引发的环境、社会问题。交通信息服务的实质即是通过提供合适的交通信息来诱导出行行为,使人们的出行选择与交通管理者的预期目标相一致。交通信息系统的作用效果在很大程度上取决于所提供信息对出行行为诱导的有效性,及其对相关交通管理政策的支持程度。随着交通信息提供技术的日新月异,交通信息对人们活动和出行行为的影响及其作用机理已成为交通研究领域急需解决的问题。为此,本文中从交通信息对活动-出行决策行为的影响及其作用机制方面,评价了各种研究方法和模型系统的优缺点,总结信息在诱导人们出行行为方面的积极作用和局限性,为规划管理部门正确认识和合理利用交通信息提供指导;同时指出现有研究方法局限性,探讨改进信息作用下活动-出行行为预测方法的途径。1无信息作用下的出行行为理论出行行为研究的主要目的是更深刻地理解出行和驾驶行为,准确预测出行需求和有效评价各种交通政策的实施效果,同时提出改善交通服务水平的建议。活动-出行决策行为一直是交通领域的重要研究课题,信息技术在交通领域得到广泛应用以前,研究人员认为出行决策过程相对静止,主要关注未提供交通信息服务条件下的出行行为。发展到今天,无信息作用下的出行行为理论已经比较成熟,主要形成了基于活动的出行决策理论和面向过程的出行行为研究方法。基于活动的研究方法以欧洲的Auhausen、Garling、Ettema和Timmerman,以及美国的Ben-Akiva、Koppelman、Bowman和Hall的研究为代表,这些研究人员建立了基于活动的出行需求预测模型系统,并开发出了应用软件平台,取得了较好的效果;面向过程的方法以Garling的研究为代表,关于驾驶行为的许多研究正是在这一框架下进行的。然而,先进的出行者信息系统(ATIS)的出现在降低出行不确定性的同时,也加强了出行选择行为和交通系统之间的相互作用,活动-出行行为表现出很强的动态性。未能充分考虑交通信息对出行动态影响的预测模型和方法将不再适应高度信息化条件下模拟和预测出行需求的需要。如何有效应用和发展无信息作用条件下的出行行为研究理论和方法,就交通信息对出行行为的作用机理展开深入研究,提供交通信息影响下的出行需求预测方法已成为出行行为研究的焦点。2交通信息的认知更新和出行行为调整交通信息作用下的活动-出行决策可以看作是一个动态决策和反复调整的过程(图1)。一方面,出行者借助于自己的出行经历和获取的交通信息形成对交通环境的认知,并随着活动-出行行为的展开更新自己的认知,判断是否需要以及如何调整出行选择;另一方面,调整后的出行选择作用于交通系统,使交通环境的状态发生改变,这一改变以交通信息的形式传递到出行者,从而引发新一轮的认知更新和出行行为调整过程。从20世纪80年代起,交通信息对出行行为的影响就在国外受到广泛关注,研究涉及到活动-出行决策的各个方面。2.1实时交通信息作用下的路径选择模型驾驶员的路径选择和调整行为是交通分配的基础,其路径选择结果直接影响到路网流量。因此对交通信息服务下出发时刻和出行路径选择的研究多以小汽车通勤出行为对象,以计量经济学模型和混合仿真方法为主要分析工具。在小汽车出行方式下,出发时刻和出行路径往往作为一个整体被考虑,而可选路径上的出行时耗、延误时间、拥挤水平以及信息来源都是决策的重要影响因素。计量经济学模型以Mahmassani等的研究工作为代表。他们在出行者有限理性的假设下用类似的方法分析了交通信息作用下的通勤出行出发时刻和路径调整行为,采用多项Probit(MNP)建立了日调整模型体系。以出发时刻调整模型为例,设通勤者m第t天通勤出行预期到达时间为T1mt,实际到达时刻为T2mt,两者之差为到达延误Dmt。Dmt≥0表示早到,记为D1mt;Dmt<0表示晚到,记为D2mt。假定通勤者m具有出发时刻无差异区间Imt=[Lmt,Emt],区间左端点Lmt表示通勤者预期到达时刻与能接受的最晚到达时刻之差(为负数),右端点Emt表示通勤者预期到达时刻与能接受的最早到达时刻之差(为正数)。研究中假设出行者是有限理性的,仅当Dmt在超出无差异区间Imt时,出行者才会调整第2天通勤出行的出发时刻。以δmt为出发时刻调整标识量,则调整过程如下Dmt=Τ1mt-Τ2mt={D1mtDmt≥0D2mtDmt<0(1)Dmt=T1mt−T2mt={D1mtDmt≥0D2mtDmt<0(1)δmt={-10≤D1mt≤Emt或Lmt≤D2mt≤01其他(2)δmt=⎧⎩⎨⎪⎪−10≤D1mt≤Emt或Lmt≤D2mt≤01其他(2)隐变量Lmt和Emt由确定项和随机项2个部分组成,若假设随机项服从均值为0的多元正态分布,则得到MNP模型系统Emt=fe(Xm,Ζmt,θmt)+τmt,eτmt,e∼ΜVΝ(0,Στe)Lmt=fl(Xm,Ζmt,θmt)+τmt,lτmt,l∼ΜVΝ(0,Στl)}(3)式中:Xmt为出行者属性向量;Zmt为出行经历的向量;θmt为待估参数向量;Σ为协方差矩阵。文献中,Mahmassani等应用有限理性假设,提出了MixedLogit模型系统,解决了MNP模型参数标定困难的问题。其他研究者运用Logit模型分析了可变信息牌对驾驶员路径选择行为的影响,发现信息内容对路径选择有很大影响,并可作为改善交通系统运行状况的控制变量。采用MNP模型分析对驾驶员交通信息依从性的研究结果表明,在进行路径选择时,出行经历和交通系统所处状态都是重要影响因素。交通信息作用下的路径选择行为受到出行者对道路的熟悉程度、道路复杂程度、交通信息可靠性等诸多定性因素的影响。若采用离散选择模型进行分析,则要先对数据作离散化处理,让定性变量以定序变量或哑变量的形式进入模型。而对连续型定性变量(如道路熟悉程度)的离散化,会使得变量的微小变化导致变量落入2个不同的分类中。针对离散选择模型在处理定性变量中的上述局限性,Srinivasan等提出了实时交通信息作用下驾驶员路径选择的混合仿真模型。该模型采用简单的多项Logit(MNL)结构,将驾驶员n选择路径q的效用表示为Uqn=Vqn+εqn=∑gβgΖgqn+∑hγhΩh(Whqn)+εqn(4)式中:Vqn为效用的确定项;εqn为效用的随机项;βg、γh为待估计参数;Zgqn为定量属性变量(如出行距离、时耗);Whqn为定性属性变量(如道路熟悉程度、道路复杂程度);Ωh(·)为转换函数。Srinivasan等对模型变量作定量变量和定性变量的区别,定量变量直接进入模型,定性变量则依据if-then的模糊逻辑规则经函数Ωh转换为相应的连续型模糊变量值后才进入模型。转换过程分3步:建立if-then逻辑规则和相应的隶属度函数;用蕴涵算子实现模糊推理过程;解模糊化,得到模糊变量值。由于综合了离散选择模型和模糊逻辑方法的优点,Srinivasan等的研究取得了较好的仿真结果。考虑驾驶员路径选择并非简单依据最短路径准则,Chen等应用习惯领域理论,建立了驾驶员路径选择多评判准则的权重分析模型,并将模型应用到出行信息对路径选择影响的分析中。相比之下,交通信息对公交出行路径选择影响的研究较少,仅有的研究主要从出行时间减少的角度作分析。2.2交通信息的作用随着对小汽车出行外部性的关注,各国政府都在寻求减少小汽车使用、增加公共交通方式分担率的有效途径。而智能交通技术的发展更是让交通管理部门对通过改善公共交通服务水平、提供准确可信的公交信息来诱导小汽车使用者选择公共交通的策略充满了期待。有研究认为,ATIS将影响到出行方式和目的地选择,重复频率较低、出行弹性较大的出行中更容易发生对出行方式的调整;也有研究认为,在交通工具上的投入会对出行方式选择产生长期影响,相比出行时间和路径的调整而言,出行方式调整的代价更大,对交通信息不敏感。这些看似矛盾的研究结果,主要是由研究对象的差异引起的。在公交卡和小汽车上的投入多针对通勤出行,非通勤出行的灵活性和机动性可能会使得其方式选择更容易受交通信息的影响。Mahmassani等通过研究发现,除交通状况和个人属性外,交通信息的作用效果还与出行目的有关,不受时间限制的非通勤出行对交通信息的需求与通勤出行有很大差别。Rebecca就信息作用下的游玩出行方式选择进行研究,证实了交通信息对娱乐出行方式选择的引导作用。交通信息的内容和提供方式也影响到信息对出行方式选择的作用,仅提供与特定出行方式相关的信息,并不能改变出行方式选择,而与多种出行方式相关的交通信息则更具有对交通方式选择的诱导潜能。ATIS信息确实能够提高人们对公共交通的接受程度,但其作用效果在一定程度上取决于公交服务频率、中途换乘次数、上车前步行时间和可用座位数等因素。2.3活动地点属性与网络结构出行需求源于社会经济活动的需要,活动及由此引发的出行决策受到过去经历和对未来事件预期的影响。而交通信息正是通过出行经历和出行者对交通环境的认识间接影响着人们的活动安排。选择集的生成是活动-出行行为分析的基础,Caspar针对交通信息作用下的选择集形成过程,提出了信息作用下的选择集生成微观仿真模型。模型中,出行者根据出行经历和交通信息在活动-出行计划的实施过程中更新自己的认知。后来Sun等又提出了交通信息对活动-出行决策行为影响的理论模型框架,成为交通信息作用下出行行为研究的典型方法之一。整个研究区域被抽象为一张网格图(图2),每个方格由其所在的行和列决定。出行者在方格中完成各种活动,不同的方格通过路网G(N,L)连接,其中N是节点集合,L为路段集合。某次出行则用连接起终点最近节点的路径表示。假设某一活动地点l(i,j)具有属性变量Xlk(k=1,2,…,K),而Xlk的取值xlks则表示地点l的属性k的一种状态s,用P(xlks)表示出行者对地点l的属性k所处状态的一种判断,则出行者对整个网络的认知可以表示为P(xlks)的分布率M,即Ρ(xlks)=Ρ{Xlk=xlks}Μ={Ρ(Xlk)|l=(i,j),i=1,2,⋯,Ι;j=1,2,⋯,J;k=1,2,⋯,Κ}}(5)式中:l为活动地点编号;I为网络的行数;J为网络的列数;K为地点属性编号。在任意时刻t,出行者或者在某一方格中参与某项活动,或者在某一路段上开展某次出行。而在这2种行为中,出行者都可能获得某些属性变量的观测值,从而调整对交通环境的认知M。文献中提出了用贝叶斯理论来描述出行者认知更新过程的方法。假设活动地点l的属性k的可能取值为Xlk={xlk1,xlk2,…,xlkn},观测结果Ylk的取值为Ylk={ylk1,ylk2,…,ylkn}。当观测到Ylk=ylku时,出行者对Xlk=xlks的判断和整个网络的认知更新过程可用贝叶斯法表示为Ρ(xlks|ylku)=Ρ(ylku|xlks)Ρ(xlks)∑sΡ(ylku|xlks)Ρ(xlks)(6)Ρ´(xlks)=Ρ(xlks|ylku)Μ´={Ρ´(Xlk)|l=(i,j),i=1,2,⋯,Ι;j=1,2,⋯,J;k=1,2,⋯,Κ}}(7)式中:P(xlks|ylku)为观测到ylku后对属性变量的判断;P(ylku|xlks)为Xlk=xlks条件下观测到ylku的概率;M′为更新后的网络认知。后验概率P(xlks|ylku)将直接作为下一次决策的先验概率,故决策时刻非常重要。研究中假设出行者在一天开始时进行第1次决策,形成当天的活动-出行安排;而后在实施安排的过程中,出行者的认知不断更新,在路网节点和活动结束点(方格)进行新的决策,调整原有的活动-出行安排。一些研究发现,若在出行前告知恶劣的交通状况,出行者会取消有较大弹性的非工作出行。而出行者在出行途中得到前方路段交通堵塞和事故的信息后,常常会安排一些额外的中途停驻以完成本该在其他目的地完成的活动或计划外的活动,证实了交通信息对日活动安排的影响。2.4出步者对于出行方案的要求差别交通信息作用下的出行行为研究大多认为出行者获取交通信息以及在信息作用下调整出行行为的决策是基于成本效益分析的结果,可从出行者对当前选择方案和其他可选方案效用的认知、出行者自身知识水平、出行者对交通信息质量的认知、获取信息的费用、调整行为的代价这5个方面来分析交通信息对出行行为的作用。上述5个方面对交通信息的作用可总结为:当出行者不满意当前选择方案时,会主动搜寻出行信息,更容易在交通信息的诱导作用下调整出行行为;而出行者对当前选择方案较满意时则会妨碍其对交通信息的接收、处理和应用,也正是对小汽车出行方式的满足阻碍了向公共交通方式的转变;出行结构越复杂、出行环境越陌生的情况下,出行者对出行信息的需求越大,因为这些情况下出行者自身知识水平较低,希望通过交通信息来降低出行的不确定性,而知识水平不同的出行者对交通信息内容、承载方式等有不同的要求;出行调整多发生在出行开始阶段,因为开始阶段的行为调整有相对较小的代价;出行者不愿意花费过多的时间和精力搜集、处理交通信息,他们关注那些能使得出行过程更简单、快捷的信息,因为这些信息处理和使用的代价更小。随着ITS在中国的发展,近年来也有一些学者对信息作用下的出行行为进行了初步研究。这些研究工作推动了中国在信息对出行行为影响方面研究的进展,但由于没有系统地对信息作用下的活动-出行各环节之间以及这些环节与交通系统运行状态之间的动态作用关系进行深入研究,研究成果尚不能揭示信息对活动-出行决策的作用机理,无法对信息作用下的出行需求进行有效预测。3出行决策模型研究(1)总结交通信息作用下出行行为研究在各国的发展现状可以发现,目前常用的研究方法主要包括调查统计、计算机交互式仿