数据驱动的出行行为分析

目录

丛书序

序言

前言

方法论篇 交通行为实验的理论与方法

第1章 出行行为实验研究现状.3

1.1 研究背景与问题 3

1.2 国内外研究综述 5

1.2.1 路径选择的行为实验 6

1.2.2 出行方式与出发时间选择的行为实验 13

1.2.3 路径选择的理论模型 15

1.2.4 随机与风险条件下的路径选择理论模型 20

1.3 研究现状评述 27

1.4 本书研究内容 28

1.5 本书研究意义与创新点 30

第2章 实验室实验研究方法的简介 32

2.1 实验经济学极简介绍 32

2.2 实验设计的术语和基本原则 33

2.2.1 实验室实验的定义 33

2.2.2 实验设计的常用术语 33

2.2.3 如何通过有效的实验设计来实现 “控制” 35

2.3 实验实施的基本原则和流程 36

2.3.1 实验实施的基本原则 36

2.3.2 开展行为实验的一般步骤 39

2.3.3 交通行为实验的基本流程 40

2.4 对交通行为实验研究的常见质疑与回应 40

第3章 实验经济学研究方法的适用性探讨 45

3.1 实验经济学应用于交通行为研究的方法论基础 45

3.2 实验经济学发展路径对交通行为研究的启示 47

3.3 当前研究趋势 48

3.4 未来研究方向.49

第4章 出行行为分析的理论和方法基础 51

4.1 网络择路博弈 51

4.2 交通不确定性的来源 53

4.2.1 环境不确定性 53

4.2.2 策略不确定性 53

4.2.3 感知偏差随机性 54

4.3 有限理性决策理论 57

4.3.1 累积前景理论 57

4.3.2 基于排序的多因素决策模型 59

4.4 行为学习理论 62

4.4.1 分类和一般框架 62

4.4.2 经验加权吸引值学习模型 64

4.4.3 考虑后悔和惯性的马尔可夫过程 65

4.5 逐日动态交通路径调整模型 66

4.6 离散选择模型 68

4.7 多智能体仿真方法 69

4.8 序列挖掘算法 70

理论篇 天津大学MATS LAB部分出行行为理论研究

第5章 基于感知旅行时间分布的前景用户均衡模型 73

5.1 主观概率分布与概率权重的对比分析 73

5.2 均衡模型的构建 77

5.2.1 基于感知旅行时间分布的路径前景值 77

5.2.2 均衡模型的构建 78

5.2.3 模型性质 79

5.3 求解算法 81

5.4 算例分析 82

5.4.1 算例 1：一个三条路路网 82

5.4.2 算例 2：多起讫对多路段路网 86

5.5 本章小结 90

第6章 基于排序的双因素用户均衡模型 91

6.1 排序决策模型 91

6.1.1 排序决策机制下出行者及群体的选择方案集分析 91

6.1.2 路径选择概率 94

6.2 基于排序的用户均衡模型 96

6.3 求解算法 97

6.4 算例分析 98

6.5 本章小结 100

第7章 考虑概率认知偏差的排序前景均衡模型 102

7.1 个体决策行为框架回顾与模型假设 102

7.1.1 个体决策行为框架回顾 102

7.1.2 模型假设 104

7.2 双因素下考虑随机感知偏差的排序前景风险决策模型 105

7.2.1 双因素下参照点的生成 105

7.2.2 双因素下基于感知旅行时间分布的前景值 106

7.2.3 均衡模型的构建 108

7.2.4 求解算法 108

7.3 算例分析 109

7.3.1 算例1：三路段路网 109

7.3.2 算例2：多起讫多路段路网 114

7.4 本章小结 118

第8章 社会交互影响下的日变交通动态 119

8.1 引言 119

8.2 基于社会交互的出行者的路径选择模型 120

8.2.1 交通路网 120

8.2.2 出行者之间的社会交互和社会学习 121

8.2.3 出行者的逐日路径选择行为建模 122

8.3 路网流量的演化 124

8.4 模型性质 129

8.5 数值仿真 135

8.5.1 场景设置 135

8.5.2 简单路网 136

8.5.3 复杂路网 140

8.6 本章小结 143

实验篇 天津大学MATS LAB部分*新出行行为实验研究

第9章 动态路径调整的学习过程检验 147

9.1 本章研究问题与思路147

9.2 引言 148

9.3 实验数据集与学习模型选择 150

9.3.1 实验数据集选择 150

9.3.2 学习模型选择 152

9.4 模型拟合与评价方法152

9.4.1 模型拟合方法 153

9.4.2 模型评价方法 153

9.5 模型预测的静态结果154

9.6 模型预测的动态结果155

9.6.1 流量分布随时间变化 156

9.6.2 路径调整比例随时间变化 158

9.6.3 个体路径调整频率的分布 159

9.7 本章小结 161

第10章 动态路径调整的行为实验163

10.1 本章研究问题与思路 163

10.2 实验设计与实施 164

10.2.1 参数设计 164

10.2.2 实验实施 165

10.3 检验基准模型 168

10.3.1 观测变量定义 168

10.3.2 模型预测结果 169

10.4 惯性和响应强度的不对称性 171

10.4.1 多元回归分析 171

10.4.2 行为解释 173

10.5 响应模式的异质性 175

10.5.1 响应模式的测量 175

10.5.2 四种典型响应模式 177

10.6 本章小结 179

第11章 动态路径调整的确定型模型 180

11.1 引言 180

11.2 实验组织与描述性统计 182

11.2.1 实验对象 182

11.2.2 实验场景 182

11.2.3 实验步骤 183

11.2.4 实验结果的描述性统计 184

11.3 实验结果的行为学分析 185

11.3.1 换路率 185

11.3.2 基准模型 186

11.3.3 观测换路率 187

11.4 模型假设 192

11.5 模型构建 194

11.5.1 个体换路模型 194

11.5.2 网络流量演化DTD模型 195

11.6 均衡性质 197

11.6.1 存在性与唯一性 197

11.6.2 稳定性 198

11.6.3 与**均衡的关系 200

11.7 模型标定与检验 201

11.7.1 两路径网络场景模型拟合结果 202

11.7.2 三路径网络场景模型拟合结果 203

11.7.3 模型检验 206

11.8 解释性数值例子 206

11.9 讨论 207

11.9.1 观测流量波动的复现 207

11.9.2 关于路径依赖的吸引力假设 208

11.10 本章小结 210

第12章 动态路径调整的随机型模型 211

12.1 引言 211

12.2 逐日路径选择实验 213

12.2.1 实验场景 213

12.2.2 基于选择的确定性离散模型 214

12.2.3 确定型模型的局限性 215

12.3 基于路径依赖吸引力的随机DTD模型 215

12.4 模型检验结果 217

12.4.1 转移流量 217

12.4.2 下一时步路径流量分布 220

12.4.3 均衡流量分布 221

12.5 近似模型 223

12.5.1 稳定性分析 224

12.5.2 模型比较 226

12.6 数值例子和政策启示.227

12.6.1 网络均衡流量分布 227

12.6.2 演化过程与稳定性 228

12.6.3 计算效率 229

12.6.4 政策启示 230

12.7 本章小结 230

第13章 一类共享出行的社会困境实验 232

13.1 引言 232

13.2 实验研究的文献回顾 234

13.3 理论分析 235

13.3.1 成本分担博弈 235

13.3.2 实验的成本结构 236

13.3.3 均衡分析; 社会困境 238

13.4 实验设计 239

13.4.1 参与者 239

13.4.2 实验实施 239

13.5 研究结果 240

13.5.1 初步分析 240

13.5.2 偏离平衡;参与者角色分析 243

13.5.3 个体层面分析 245

13.6 本章小结 247

第14章 演化雪堆博弈中的个体策略更新规则研究 249

14.1 研究背景与意义 249

14.2 研究内容与技术路线.252

14.3 国内外研究现状 252

14.3.1 重复雪堆博弈 252

14.3.2 策略更新规则 254

14.4 实验设计 256

14.4.1 雪堆博弈 256

14.4.2 实验场景 257

14.4.3 实验软件 258

14.5 实验实施 259

14.5.1 实验组织 259

14.5.2 数据概况 260

14.6 聚类分析 262

14.6.1 数据预处理 263

14.6.2 聚类结果 265

14.7 IPM序列挖掘算法 267

14.7.1 问题要求 267

14.7.2 算法步骤 268

14.8 特征模式提取 269

14.8.1 重要定义和参数设定 269

14.8.2 不同群体的特征分析 270

14.8.3 高收益群体的特征分析 272

14.9 基于特征模式的 Agent 建模 273

14.9.1 参数估计 273

14.9.2 模型检验 274

14.10 基于EWA学习模型的个体决策建模 275

14.10.1 模型估计与校验 276

14.10.2 异质个体EWA模型 278

14.11 基于EWA学习的Agent模型.279

14.11.1 参数估计 279

14.11.2 模型检验 281

14.12 基于EWA学习的聚类分析.284

14.12.1 个体参数的空间分布 285

14.12.2 个体决策特征分析 286

14.13 策略与排名 287

14.14 本章小结 290

实证篇 天津大学MATS LAB部分出行行为