基于出行个体行为的交通网络效率研究

孙秋霞，孙 璐,刘新民

(1.山东科技大学 数学与系统科学学院，山东 青岛 266590；2.山东科技大学 经济管理学院，山东 青岛 266590)

基于出行个体行为的交通网络效率研究

孙秋霞1，孙 璐1,刘新民2

(1.山东科技大学 数学与系统科学学院，山东 青岛 266590；2.山东科技大学 经济管理学院，山东 青岛 266590)

为有效反映城市道路网络中出行者的个体微观行为对网络宏观特征的影响，根据出行个体对交通信息的接受情况不同对出行者的类型、及其路径选择规则进行重新设计，结合兼顾考虑交通需求、时间费用和交通流量的交通网络效率评价模型，利用仿真技术，模拟出行者个体行为对交通网络效率的影响。仿真结果显示：交通信息的及时供给和出行者对交通信息的学习能力，整体上会有效提升路网的运行效率；在相同出行规模情形下，具有学习行为的出行者交通网络效率稳定且波动小；在交通信息供给充分的条件下,信息学习出行者的规模受到路网的承载能力的影响。

交通工程；个体行为；网络效率；系统仿真

城市交通系统是一个具有随机性、动态性和自适应性的复杂开放系统。深入挖掘系统中众多参与个体的微观行为与系统宏观状态之间的关系是进行城市交通系统研究的重要基础。从微观个体的出行到宏观系统的集聚过程是一个典型的从个体到整体的“涌现”过程，充分考虑众多交通参与个体的出行规律，把握其交互影响，是对交通需求进行准确预测的必要条件。

现有文献对城市交通系统宏观特征的概念并无系统描述。贺正冰等[1]采用交通网络的网络非均衡度来刻画，但没有对该变量的实际意义进行阐释。此外，路径流量、交通网络通行能力以及交通网络效率等指标也常被当作此用。对于交通网络效率，既有文献多从定性的角度进行分析和衡量[2-3],也有学者V.Latora等[4-6]提出：采用网络中的最短路径等定量方法来度量网络的效率，进而对各种网络进行评价分析，但该方法仅考虑了最短路径长度，忽略了流量、出行者出行行为等可能影响网络效率的因素。秦进等[7-8]弥补了这一缺点，提出了能综合反应网络中交通需求、路段流量、旅行费用等因素对网络效率的影响的衡量方法，并在此基础上设计了网络组件的重要度评价方法。A.Nagurney等[9-11]提出用均衡状态下平均每个OD对上单位出行成本的付出，可以服务的出行者数量来衡量网络效率。余效军等[12]则从系统整体的角度，针对固定需求和弹性需求的交通网络提出了能反映用户出行需求以及路段出行成本拥挤效应的度量方法，且具有明确的经济学意义。

根据出行者对交通信息的接受情况不同对出行者进行重新分类，采用能综合反映道路交通网络运行效率的定量评价方法，利用MATLAB仿真系统对出行者规模、出行行为等进行实验，分析比较不同类型出行者对道路交通网络效率的影响。

1 问题描述与建模

1.1 交通网络效率模型

在网络平衡状态下，考虑用户需求、时间费用以及网络中用户的路径选择行为，给定城市交通网络结构G，其OD对的需求向量为q，则交通网络效率ε(G,q)定义[13]为：

1.2 路网设计

设计一个简单的交通网络(图1),共有9个节点(i,j)和12条路段,且每条路段的长度相同，网络的OD对是起点1到迄点9。在路径选择过程中，出行者在每个节点都只有两种方向可供选择，且不论选择哪个方向，出行者从起点至终点所走过的总路段数相同。

图1 交通网络简略图Fig.1 Graph of traffic network

1.3 路径选择规则及出行者类型设计

假设现实中存在两类情形：一是交通信息完全公开情形，此时所有出行者的决策信息是公开和共享的，出行者能够完全掌握所在路网中前一时刻所有路段的运行时间，在当前时刻可按照最有利原则调整自己的路径。二是交通信息不发布或信息发布但出行者无学习行为时，出行者所掌握的路网信息是不完全的，他只能根据自身积累的历史经验来确立自己的路径更新规则，并不断地调整自己的选择。本节针对以上两种出行者类型分别设计其路径更新规则，此时假定不同出行者依据当前自己的理解路径时间来选择路径。

根据路网中路口、路段以及当前的车流密度，建立路段aij∈A上的实际行驶时间函数[1,14]为

对应出行者个体对交通供给信息的接受情况及学习能力，设计两类出行者，并对其路段行驶时间进行估计：

2 模型仿真分析

2.1 实验参数取值及系统运行原理

实际城市交通系统中，不同类型出行者的路径选择行为存在很大差异。无学习行为出行者的择路行为可能不受路况的影响，而完全学习行为出行者会根据其了解的交通信息更改自己的出行路线。为反映交通系统中不同出行个体间的差异和相互作用，设计仿真系统运行机理如下：仿真开始，网络中各路段随机获取路段流量，不同类型的出行者根据其路径选择模型决定出行路径，并执行实际出行任务；在完成一次OD对出行任务后，无学习行为出行者采用与第一次相同的方式完成随后的仿真过程，而有学习行为出行者则将前一次的仿真结果作为已知信息，以此判断路网运行状态，自动调整出行计划，使路网尽量处于畅通状态，最终达到平衡状态。

2.2 仿真结果及分析

图2 两类出行者不同出行规模的网络效率对比Fig.2 Comparison of network efficiency of differentscales of two different typed travellers

由图2可以看出，具有学习行为出行者的交通网络效率整体上较无学习行为出行者的路网效率高，这是因为有学习行为者对交通网络即时的运行状况了解清楚，可以根据其状态选择进行更优的路径选择。当出行规模较小如S<1 000时，两类路网效率几乎保持一致，这与实际交通完全处于自由流状态时网络效率跟出行者个体路径选择行为无关是完全相符的。还可以看出，当路网中的所有出行者完全无学习行为或交通信息完全缺失时，整个路网效率在出行规模达到一定程度时，如算例中S=6 000，急剧降低；而出行者具有完全学习行为时，则可使路网效率在同出行规模下维持在较高水平(ε=5.2)；且整个路网的出行规模可提升至更高数量，如算例中S=8 000人。这也明显显示出交通网络信息的即时给予以及出行者的完全学习，均会对整个交通网络的效率产生提升作用，路网的承载能力也大大增强。

针对完全学习出行者出行规模存在差异时，交通网络效率变化较为明显这一现象，对其进行不同规模的趋势分析仿真实验(图3)。图3表明：①出行人数为3 000及以下时，有学习行为出行者的路网效率变化速度，从低到高变化比较明显；且人数越多，路网效率达到最大值的时间会延后，这与出行者人数较多时出行者的选择就越多，整个路网达到高效率平衡的时间就会延后的实际相符。②交通网络的效率并不是网络中的出行者人数越多就越高，当出行人数超过一定规模时，如S=4 000，整个效率的趋势发生改变，随后有所降低。③出行规模过低如S≤1 000时，因为交通网络中的基本设施没有得到充分利用，而导致网络效率整体偏低，此时难免会造成资源的浪费。

而无学习行为出行者路网中不同的出行规模对交通网络效率的影响规律则没有那么明显(图4)，且其变化随机性极强，这与出行者的出行完全按照个人主观意志为出发点，自由选择出行路径的行为是相符。

图3 完全学习行为者不同出行规模的网络效率变化Fig.3 Change of network efficiency on different scale of travellers with complete learning behavior

图4 无学习行为者不同出行规模的网络效率变化Fig.4 Change of network efficiency on different scale of travellers without learning behavior

其中当出行者规模较小如S=1 000时(图5)，因为路网处于自由流状态，整个网络的效率虽然处于较高水平，但由于出行者的路径选择的任意性，仍然表现出整个网络效率的具有较强的波动性。随着出行人数的增加如S=4 000时，交通网络效率会有所降低，且其波动愈加剧烈，网络效率急剧下降的次数明显增多(图6)。

图5 完全学习出行者规模S=1 000时交通网络效率的演化过程Fig.5 Evolution of network efficiency on S=1 000 of travellers with complete learning behavior

图6 完全学习出行者规模S=4 000时交通网络效率的演化过程Fig.6 Evolution of network efficiency on S=4 000 of travellers with complete learning behavior

3 结 语

出行者的路径选择行为是一个复杂的过程，伴随越来越智能的交通信息技术的发展，路网中交通信息的及时发布与获取对调节交通网络的交通流量分布、缓解特殊路段或特殊时间下的路网交通压力以及避免出行者在路径选择过程中因道路拥挤、交通故障或事故等引起的时间延误等诸多方面都起着关键性的作用。但是，由于交通信息的可获取性或供给渠道的局限性、出行者的心理差异性以及出行个体在行为上的交互影响，在实际中交通网络效率往往会出现很大的差异。

因此，为了提高整个路网的交通效率，笔者根据出行者对交通信息的学习能力的不同将其进行分类，并依据不同类型出行者的特点结合其在路径选择行为中的表现，给出不同类型出行者路径选择的时间估计方法。同时，基于网络效率模型进行仿真实验，探析不同类型出行者在不同出行规模下的交通网络效率，并给出其演化曲线。研究发现，在交通信息供给充分的条件下，并不是信息出行者越多越好，出行者规模受到路网承载能力的影响。其次，交通信息的及时供给和出行者的学习能力整体上能提高路网的运行效率。因此，为实现交通网络运行效率的最大化和出行者的最优交通出行，政府等有关部门可以通过推动交通信息供给主体的多元化发展、信息的分级式发布等手段来保证交通信息供给的时效性、准确性和可用性。

由于某些限制，笔者仅在理论上给出了出行者的两种划分类型，更多的出行者类型有待进一步讨论。仿真实验是建立在出行者类型是固定不变的假设之上，实际上路网中不同出行类型有交叉的现象较为普遍，且这一现象必定会对网络效率存在影响。出行者类型有交叉或呈一定比例出行的情况，也将是下一步需要探究的内容。

[1] 贺正冰,马寿峰,贺国光.基于仿真实验的城市交通系统宏观现象研究[J].物理学报,2010,59(1):171-177. HE Zhengbing,MA Shoufeng,HE Guoguang.Experimental macroscopic phenomena in urban transportation system[J].ACTAPhysicaSinica,2010,59(1):171-177.

[2] 焦朋朋,陆化普,王建伟.基于交通效率的城市道路网络优化[J].清华大学学报(自然科学版),2005,45(3):297-300. JIAO Pengpeng,LU Huapu,WANG Jianwei.Optimization of urban road network based on transport efficiency[J].JournalofTsinghuaUniversity(Science&Technology),2005,45(3):297-300.

[3] 许良,高自友.基于路段能力可靠性的城市交通网络设计[J].中国公路学报,2006,19( 2):86-90. XU Liang,GAO Ziyou.Urban transport network design based on link capacity reliability[J].ChinaJournalofHighwayandTransport,2006,19(2):86-90.

[4] LATORA V,MARCHIORI M.Efficient behavior of small-world net-works[J].PhysicalReviewLetters,2001,87(19):1-4.

[5] LATORA V,MARCHIORI M.Economic small-world behavior in weighted networks[J].EuropeanPhysicalJournalB,2003,32(2):249- 263.

[6] LATORA V,MARCHIORI M.How the science of complex networks can help develop strategies against terrorism[J].ChaosSolitons&Fractals,2004,20(1):69-75.

[7] 秦进,史峰.一种新的交通网络效率衡量方法及其应用[J].系统工程,2008,26(4):94-98. QIN Jin,SHI Feng.A new measure for transportation network efficiency and its application[J].SystemsEngineering,2008,26(4):94-98.

[8] 秦进,史峰,侯桂荣.交通拥挤网络效率衡量方法研究[J].武汉理工大学学报(交通科学与工程版),2009,33(1):29-32. QIN Jin,SHI Feng,HOU Guirong.Efficiency measure for transportation congested network[J].JournalofWuhanUniversityofTechnology(TransportationScience&Engineering),2009,33(1):29-32.

[9] NAGURNEY A,QIANG Qiang.A network efficiency measure with application to critical infrastructure network[J].JournalofGlobalOptimization,2008,40(1/3):261-275.

[10] QIANG Qiang,NAGURNEY A.A unified network performance measure with importance identification and the ranking of network components[J].OptimizationLetters,2008,2(1):127-142.

[11] NAGURNEY A,QIANG Qiang.A relative total cost index for the evaluation of transportation network robustness in the presence of de-gradable links and alternative travel behavior[J].InternationalTransactionsinOperationalResearch,2009,16(1):49-67.

[12] 余效军,黄海军.交通网络效率的度量和元件重要性的计算方法[J].系统工程理论与实践,2012,32(7):1546-1552. YU Xiaojun,HUANG Haijun.Measuring the network efficiency and computing the component importance[J].SystemsEngineering-Theory&Practice,2012,32(7):1546 -1552.

[13] 秦进,史峰,邓连波,等.道路交通网络效率定量评价方法及其应用[J].吉林大学学报(工学版),2010,40(1):47-51. QIN Jin,SHI Feng,DENG Lianbo,et al.Quantitative evaluation method for road transportation network efficiency and its application[J].JournalofJilinUniversity(EngineeringandTechnologyEdition),2010,40(1):47-51.

[14] 刘新民,李晓洁,孙秋霞.不同信息条件下出行者比例对路网的影响研究[J].系统仿真学报,2014,26(11):2612-2617. LIU Xinmin,LI Xiaojie,SUN Qiuxia.Study on effect of traveler's proportion on road network under different information condition[J].JournalofSystemSimulation,2014,26(11):2612-2617.

Study of the Traffic Network Efficiency Based on Individual Traveler’s Behavior

SUN Qiuxia1, SUN Lu1,LIU Xinmin2

(1.College of Mathematics and Systems Science, Shandong University of Science and Technology, Qingdao 266590, Shandong, P. R. China; 2. College of Economics and Management, Shandong University of Science and Technology, Qingdao 266590, Shandong, P. R. China)

The impact of the individual traveler’s micro behavior on the macro characteristics of the transportation network. was discassed. The traveller types and their route selection rule were redesigned according to different traffic information received by them. The impact rate of individual traveller’s action on traffic network efficiency was simulated by considering traffic network evaluation model including such factors as need for transport, time and cost .The simulation results show: the timely supply of traffic information and traveller’s learning ability of traffic information can overall improve the running efficiency of road network. Of similar travelling scale, the traveller with learning behavior causes minor influence to the traffic network efficiency which is stable. In case of sufficient traffic information supplied, the number of information learned travellers is influenced by the capacity of road network.

traffic engineering; individual behavior; network efficiency; system simulation

10.3969/j.issn.1674-0696.2016.02.23

2014-09-04；

2014-11-30

中国博士后科学基金项目(2013M531634)；山东省科技发展计划项目(2013GSF12203)

孙秋霞(1976—)，女，山东济宁人，副教授，博士，主要从事交通系统工程方面的研究。E-mail：qiuxiasun@163.com。

U268.6

A

1674-0696(2016)02-110-04