社交信息背景下路径决策行为实验*

余 豪，陈 坚

(1.重庆交通大学交通运输学院，重庆 400074;2.华设设计集团股份有限公司，江苏 南京 210014)

1 引言

路径选择问题一直是交通领域研究的热门问题，从微观的角度路径选择关系到出行个体单次出行的经济性与时效性，从中观的角度路径选择关系到路网流量分配的合理性，从宏观的角度路径选择关系到交通管制政策的制定与实施的科学性。目前已有研究主要集中在路径选择影响因素的拓展、路径选择模型的优化以及路径选择实验设计与数据获取3个方面。

在路径选择影响因素方面，文献[1-5]将学习行为纳入路径选择的编辑中，分别得到了成本感知、时间感知、历史路径决策、过去经验、学习能力对当前路径决策的影响。文献[6,7]将交通网络熟悉程度纳入路径选择的编辑，并对不同路网熟悉情景进行量化分析。在路径选择模型构建方面，文献[8-16]分别用效用值、泰勒级数展开式、贝叶斯方程、排队模型、模糊理论、灰色评价理论、层次选择结构模型、线性加权、演化博弈等方法对静态路径研究阶段的路权值进行了合理编辑并在路网流量分配方面取得了较好的仿真模拟。文献[17-20]分别运用前景值对理性动态路径选择阶段的效用值进行合理改良并对个体出行路径选择进行了较好的仿真描述。在路径选择实验研究方面，文献[20-23]基于计算机仿真分别验证了行程时间、路径偏好、心理特性和习惯对路径选择的影响。文献[24]搭建了交通行为实验平台，对不同信息场景对出行路径选择的影响程度进行了定量分析。综上，现阶段关于路径选择的研究主要集中在考虑交通信息的出行行为建模和传统交通信息对出行行为影响程度的定量分析，缺少社交信息(交互信息)对路径决策影响的定量描述。此外,传统的路径决策实证多基于实际偏好SP(Stated Preference)或意向偏好RP(Revealed Preference)问卷调查，较少使用交通行为实验进行相应的验证与分析。受问卷设计限制，实验结果波动性较大，可信度与可解释性较低。

因此，在相关研究基础上，本文搭建路径选择行为实验平台，设置对照实验验证不同社交信息水平下的受验者是否在路径决策过程中存在水平差异，挖掘受验者决策行为差异背后深层次心理作用机理。

2 基础理论

2.1 社交信息理论

传统交通信息对于个体出行乃至路网流量分配的巨大影响已被国内外学者证实。而社交网络，作为一个新兴的交通信息发布载体，它所独有的交互性、实时性、大数据性、易获得性、可信性和私密安全性是传统的交通信息发布平台所没有的。尤其在智能驾驶技术与交通大数据技术发展的前沿期，社交网络作为重要的数据提供平台，研究社交网络交通信息对于个体的出行行为以及路网系统极为重要。

在个体出行行为方面，社交网络交通信息可以实时、动态覆盖路网的每一条道路，为进入路网的车辆的出行选择、出行路径提供更加全面、可靠的信息支撑。在出行前通过社交网络交通信息获得有利路段信息进行初始决策，可以有效避免交通事故、交通管制、道路临时维护等突发情况产生的行程时间延长。在出行过程中可根据社交网络交通信息准确、高效地对前方道路进行评估与计算，实时优化出行路径选择，减少出行时间。在出行者享受社交网络交通信息带来便利的同时，出行者也是社交网络交通信息的来源。基于社交软件后台对出行者的出行选择与车辆运行状态进行实时记录与跟踪，在保证私密安全的基础上由出行者授权自动与社交网络云端交通信息共享平台进行交互。

在路网系统方面，交通管理部门结合社交网络云端共享平台可对路网交通进行实时跟踪与管理。对于计划内的交通状况(道路计划内的维护、交通管制、交通限号等)，可通过提前上传相应的数据到社交网络云端共享平台，有效地避免由于信息缺失造成的出行延误。对于计划外的交通状况(交通事故、特种车紧急行驶、交通诱导等)可通过实时社交网络云端共享平台了解交通信息，并进行处理，减少二次事故对路网的影响，提高路网的服务效率。

2.2 交通行为实验

传统交通问题研究主要采用交通调查方法，通过设计、发放、回收、分析问卷得到交通参与者对某个或某类交通的主观态度和意愿。随着交通学科的不断发展，这类方法在反映许多交通问题或交通现象时存在较大的局限性，例如效率低下，真实性不高等。从20世纪80年代中期开始，行为科学领域的行为实验引起了交通科学、行为科学和实验经济学等诸多领域学者的关注与使用。交通行为实验有偿招募一定数量的受验者，在实验室通过模拟交通场景来获取受验者在此场景下所做出的真实、主观的交通选择。目前交通行为实验已成为交通行为复杂性研究的一种重要方法。

与传统的交通调查方法相比，交通行为实验方法主要有以下4个方面的优势：(1)交通行为实验通过有偿招募的方法可以得到精度更高的数据；(2)交通行为实验较传统问卷调查具有较高的经济性，显著减少了实验成本；(3)交通行为实验可通过设置对照组分析不同影响因素对出行选择行为的耦合作用；(4)通过交通行为实验可以预估交通管理策略的响应行为，评估交通管理措施实施的可行性、实施效果及影响。

2.3 z-Tree软件

z-Tree是由瑞士苏黎世大学开发设计的一款进行个体行为实验的软件。z-Tree设计的初衷是为了进行没有太多经验情况下的经济行为实验(例如公共物品游戏、结构化的谈判实验、市场报价实验和双重拍卖实验等)，由于其优异的性能、灵活的配置以及可实现多种功能，迅速被推广到欧美行为学实验领域。目前z-Tree也是交通行为学实验(例如路径选择行为实验、出行方式选择行为实验、出行时刻选择实验等)的热门软件。

z-Tree软件由z-Tree控制平台和z-Leaf操作平台2部分组成。z-Tree控制平台是设计实验的主体部分和核心，主要包括程序编写、人员设置、实验分组等内容，是实验人员操作行为实验的主机。z-Leaf操作平台用于建立多个子节点，是受验人员进行行为实验的终端。z-Tree控制平台和z-Leaf操作平台均运行在以太网连接的PC机(PC机的处理器性能不能低于486 ER处理器，RAM不低于16 MB )上。

z-Tree软件具有以下优点：(1)对实验计算机要求低，兼容不同种类操作系统与不同类型浏览器，可实现大体量的子节点同步在线；(2)对编程要求低，通过核心代码可实现功能分割，按需使用；(3)兼顾配置参数与可视化。

Figure 1 System framework of z-Tree图1 z-Tree系统框架

3 实验结果与分析

3.1 实验设置

(1)实验目的与假设。

通过设置完全交通信息、部分交通信息和无交通信息3个对照组量化不同社交信息水平对出行者路径决策行为的影响程度。为简化实验过程以及方便后期数据结果分析，故提出如表1所示的假设。

Table 1 Experimental hypothesis表1 实验假设

(2)实验场景设置。

实验场景为同出发时刻、同终止时刻和同OD通勤出行，并在此基础上进行路径选择行为实验。编程仿真根据受验者个体属性进行相应的路径选择过程仿真。每种实验场景下均进行30轮实验，每轮代表一次实际出行路径选择过程。当上轮实验结束后需对数据进行整理，反馈完毕后再进行下一轮实验。单轮实验中所有受验者均要求在60分钟完成OD出行，实验目标是尽可能准点到达出行终点，实验客户端会记录每个受验者的路径选择、通行耗时和该轮奖惩得分。实验服务器会对客户端的受验数据进行汇总，并通过相应的机制进行总得分与实验报酬计算。

(3)实验路网设置与分析。

结合国内外有关路径选择研究的相关经验，设置实验路网如图2所示，实验路径系数如表2所示。通过对实验路网分析可知：实验路网共设置9个节点，编号分别为O，1，2，3，4，5，6，7，D；实验路网共设置12个有向路段，编号分别为O1，O2，13，14，24，25，36，46，47，57，6D，7D。

Figure 2 Experimental road network图2 实验路网图

(4)道路通行时间分布设置。

在实验假设H1(实验中的交通信息特指道路通行时间分布)的基础上，路段预计通行时间均服从正态分布，其实际期望值由基础期望和选择系数2部分组成。基础期望是指道路在无人选择情况下的通行时间期望，而选择系数是指路段每增加一个出行个体选择的通行时间期望增长情况。其表示方式如式(1)所示。

EX=EX0+μN

(1)

其中，EX为路段预计通行时间期望；EX0为路段预计通行时间基础期望；μ为选择系数；N为选择人数。

根据相关经验，将路段预计通行时间分布的方差设置为期望的0.3倍[25]。在大样本情况下，路段的实际通行时间也服从正态分布，其期望应稳定在一个数值。但是，对于个体的单次选择过程，为了消除受验者选择次数较少带来的路径实际通行时间的波动性，通过对程序进行一定优化使得个体单次选择的路径实际通行时间介于路径实时期望与其2倍标准差之间(即使得小事件发生概率小于0.05)。

Table 2 Basic expectation value of time and selection coefficient of road section and route表2 路段、路径的时间基础期望值与选择系数

(5)受验者分组与设置。

由于本文实证较为复杂，需要受验者具有较高的理解能力和实验操作能力，为提高实验结果精度，结合已有研究与本文实验需求，将受验者招募人群定向于高校师生[26]。通过线上校园贴吧、微信等社交方式以及线下校园公示板等途径收集到实验意愿者57名，经过相关条件与实验要求筛选确定本文实验受验者21名，随机编号为1～21(编号1～7的受验者标记为A组，编号为8～14的受验者标记为B组，编号为15～21的受验者标记为C组)。在每轮实验前，z-Tree控制平台会随机将受验者均分在无交通信息、节点交互交通信息和完全交互交通信息3个对照组(在第1～10轮正式实验中，按照受验者实际情况分别将A组、B组、C组交通信息场景设置为完全信息、部分信息、无信息的信息认知情形；在第11～20轮正式实验中，分别将A组、B组、C组交通信息场景设置为无信息、完全信息、部分信息的信息认知情形；在第21～30轮正式实验中，分别将A组、B组、C组交通信息场景设置为部分信息、无信息、完全信息的信息认知情形)。实验设计要求所有受验者以前均未参加过类似项目，且相互之间并不认识，实验过程中也不允许有任何交流。在正式实验之前，实验人员将会对受验者进行培训，并进行3轮准备实验，合格无误后方可进行正式实验。

(6)奖罚机制设置。

奖罚机制是实验项目顺利进行的重要保障。本文实验中，受验者报酬由2部分组成：基础实验费和实验奖罚金。基础实验费是指当受验者完成实验所有轮数均可获得的费用，本文实验中所有受验者基础实验费为50元/人。实验奖罚金是根据受验者的实验表现给出的奖金或罚金，它的值为受验者30轮累计得分。受验者每提前一分钟到达出行终点得10分，反之，每迟到一分钟到达出行终点扣30分，每轮结束，z-Leaf客户端会对每人的得分进行累加计算，每100分可兑换8元。当受验者实验罚金大于基础实验费时，拒绝向受验者提供报酬。

(7)实验流程设置。

①实验准备：实验开始前，完成对z-Tree控制平台和z-Leaf操作平台的实验背景、仿真模块、可视化页面和统计分析的编程；完成对受验人群的培训与预实验。②实验进行：实验开始后，按照实验手册要求受验者逐轮进行路径选择并进行记录。在实验过程中，实验人员应派专员对受验人群进行巡回监督，防止实验过程中出现交头接耳、偷偷交流等情况，破坏实验的效果。③实验结尾：实验结束后，实验人员对受验结果进行及时公布并按照成绩给予受验人群报酬。待一切完毕后，进行数据统计和相应的结果分析。

3.2 实验分析

(1)受验者描述性统计。

通过问卷调查，得到受验者个人属性，如表3所示。

表3中，性别方面，1=男，2=女；年龄方面，<18岁，18～30岁，31～49岁，≥50岁情况下，变量分别取1,2,3,4；教育程度方面，1=高中及以下，2=大学专科，3=大学本科，4=硕士，5=博士；月收入方面，<3000元，3000～5000元，5000～10000元，>10000元情况下，变量分别取1，2，3，4；婚育情况方面，1=未婚，2=已婚未育，3=已婚已育；驾照方面，1=无，2=有；小汽车方面，1=无(未来无购车计划)，2=无(未来有购车计划)，3=有。

Table 3 Personal attributes of subjects表3 受验者个人属性

分析可知：在年龄方面，受验者年龄均为18～49周岁，属于适龄驾驶且身体机能良好；在教育程度方面，受验者均受过高等教育(本科、硕士、博士)，具备良好学习能力与理解能力；在月收入与婚育状况方面，因招募人群主要为在校学生，80%的受验者均为低收入的未婚人士。在驾照拥有情况方面，90%的受验者拥有驾照，具备基本交通出行与路径选择的基础常识；在小汽车拥有状况方面，受验者均为未来打算购买或已购买小汽车人群，表明受验者对小汽车具有较高的需求。受验人群满足实验要求。

(2)数据结果信度和效度分析。

依据每轮每人选择的每个节点的预选路线确定整轮的动态路网通行时间分布与交通信息，每轮预选路径结束后将21名受验者随机均分在完全信息、部分信息和无信息的组内。针对每轮，每组均有7名受验者。每个受验者在3种不同信息情形下均有10次选择机会。在正式实验开始前进行了3轮预实验，以熟悉软件、界面和环境，此后共进行正式实验30轮，收取有效数据630条。

通过统计产品与服务解决方案SPSS(Statistical Product and Service Solutions)软件进行“分析-描述统计-描述”与“分析-量度-可靠性分析”的操作对630条有效数据进行描述性统计分析与可靠性分析，其结果如表4所示。由描述性统计分析可知，本文数据满足一般数据统计要求，具有较好的数据分布特性；由可靠性分析可知，本文数据Cronbach系数均大于0.6，即本文数据具有较高可信度，可用于进行深层次数据计算与分析。

Table 4 Descriptive statistics and data reliability表4 描述性统计与数据信度

通过SPSS软件进行“分析-描述统计-探索-绘制-正态分布”的数据分布正态性检验后，通过“分析-比较平均均值-单因素ANOVA”操作对630条有效数据进行单因素方差分析，其结果如表5～表7所示。针对耗时情况分析可知，其单因素同质显著性为0.252，大于0.05，分人分组分轮耗时具有方差齐性的特征，可进行多重比较分析，通过不同组的多重比较可知，完全信息、部分信息和无信息3组之间耗时关系具有显著性差异，实验结果可靠；针对收益情况分析可知，其单因素同质显著性为0.000，小于0.05，分人分组分轮得分不具有方差齐性的特征，不能进行多重比较分析，通过“分析-非参数检验-旧对话框-K个独立样本”进行多个独立样本的秩和检验，其显著性为0.000,小于0.05，可认为完全信息、部分信息和无信息3个组的得分情况具有显著差异，实验结果可靠。

Table 5 Single factor homogeneity test表5 单因素同质性测试

Table 6 Multiple comparisons (time consuming)表6 多重比较(耗时)

Table 7 Kruskal-Wallis test (score)表7 Kruskal-Wallis检验(得分)

(3)分组分轮分析。

在数据可信可靠的基础上，通过分组分轮的方式(每轮实验中将21人随机均分在完全信息、部分信息和无信息组中)整合梳理后其平均耗时、平均得分结果如图3和表8所示。

Figure 3 Average time consumption and score of each group in each round图3 各轮各组平均耗时与得分

通过分析可知：在3个组的总体平均值方面，完全信息组平均耗时和收益分别为51.9和81.2，高于部分信息组的59.2与26.2，高于无信息组的59.4与-19.2。针对完全信息出行，30轮中其平均耗时与得分均高于无信息组，这表明出行者在此条件下具有较好的出行路径选择。针对部分信息出行，30轮中其平均耗时与得分整体介于完全信息组与无信息组之间，但存在一定程度的交叉，这表明部分出行信息情形下，信息的不完整会对出行路径选择产生一定程度上的干扰，使得路径选择结果具有较为显著的波动性。针对无信息出行，30轮中其平均耗时与得分最低，这表明无信息情形下的路径选择较差，趋向可能最短路径，但可能最短路径一般选择人数较多，造成通行耗时较大。

Table 8 Average time and score of each round of each group表8 各组各轮平均耗时与得分

(4)分组分人分析。

在分组分轮分析的基础上，通过分组分人的方式(每人在实验中均有10轮在完全信息组、部分信息组和无信息组中)整合梳理后其平均耗时、平均得分、Ti值、Mi值等结果如图4和表9所示。

Figure 4 Comparison of each group图4 各组各人相对比较

通过分析可知：从整体上看，3个组的Ti值均介于-10%～10%，表示耗时波动性较小，单人耗时可代表单组耗时，即通过分组分人的方式可以减少因每轮路网分配不等所产生的耗时波动，使得Mi值的比较具有较高可信性。Ti为该受验者在i组的10轮耗时均值与i组7人在这10轮的耗时均值的比值，其中i为1,2,3分别表示完全信息、部分信息和无信息，Ti表示耗时均值的波动程度。一般Ti的绝对值越小，波动性越小，受验者平均耗时均值越具有代表性。Mi为该受验者在i组的10轮耗时均值与对照组的耗时均值的差值与该受验者分在i组的10轮耗时均值的比值，其中i为1,2,3分别表示完全信息、部分信息和无信息,Mi表示相对该受验者在其他组的耗时时间情况，Mi为负数表示耗时增加，为正数表示耗时减少。从各组情况看，各受验者在完全信息情形下相较部分信息情形下出行选择的M2值整体提升了4.3%，表示完全信息情形下路径选择耗时较少，但部分受验者(如ID为4、7、12、17的受验者)存在M2值为非正数情况，整体介于-3%～0，这表示部分信息情形下在一定的路网条件下路径选择结果与完全信息时基本一致。在相较无信息出行选择的M3值整体为11.9%，且均为非负值,表示完全信息情形下路径选择相较无信息情形下可显著节省出行耗时。同理，各受验者在部分信息情形以及无信息情形下具有类似结论。

4 结束语

社交网络作为一种获取交通信息的新途径，其实时性、大数据性、真实性、易取得等特点将对未来出行者路径选择决策产生巨大的影响。本文结合社交网络交通信息特征通过交通行为实验设计了3种信息情形下的路径选择决策实验，并通过z-Tree软件进行证实。实验结果表明：有信息决策耗时实验结果整体优于无信息情况的。具体到个体，由于信息不全可能导致耗时增加。至于在行为实验中个体的学习行为、个体属性等因素是否会对路径决策具有显著的影响，以及实验中展示出来的“损失冒险”与“选择保守”现象是否与前景理论存在直接关联则待进一步研究。

Table 9 Average time and benefit of each group
表9 各组各人平均耗时与收益

实验条件ID耗时均值/min收益均值T1/%M2/%M3/%ID耗时均值/min收益均值T1/%M2/%M3/%151.882-4.27.213.71254.852-0.6-2.611.7251.5852.28.210.41350.5955.66.818.3352.8722.36.611.81447.91212.47.410.5454.4568.4-2.110.01553.9611.19.012.4549.2108-3.18.411.61654.3571.8-5.312.1完全信息654.1593.46.410.41753.169-6.4-2.810.4754.5553.5-1.510.51853.8626.58.912.6847.31274.29.715.51949.11090.78.311.4953.268-2.14.111.32053.9610.08.311.51048.0120-1.12.711.62152.2761.77.412.01148.9111-2.02.210.2均值51.9 81.2 1.24.311.9ID耗时均值/min收益均值T2/%M1/%M3/%ID耗时均值/min收益均值T2/%M1/%M3/%156.3375.3-10.57.21256.9313.0-8.05.1256.535-3.9-7.66.31352.9716.0-8.97.0352.476-0.4-7.75.91447.8122-3.7-9.25.9461.3-39-0.7-7.45.91556.5359.9-11.30.8561.0-30-3.2-8.25.51655.644-4.3-9.73.0部分信息662.7-812.2-7.25.61755.545-2.5-8.6-3.8756.3372.2-5.76.81857.426-8.34.812.3856.5353.3-7.53.91951.882-1.8-7.06.4955.941-0.1-7.65.72057.3275.9-7.610.71063.8-114-0.4-7.45.62150.8920.1-7.75.71155.8424.36.56.1均值56.2 29.2 0.6-6.85.6ID耗时均值/min收益均值T3/%M1/%M2/%ID耗时均值/min收益均值T3/%M1/%M2/%155.3470.20-12.50-5.401260.6-18-0.30-12.80-5.20254.4566.80-8.601.101360.2-61.20-13.10-5.10362.2-660.40-12.70-5.501461.5-451.80-11.80-5.20462.4-72-2.30-12.70-4.101556.6341.10-12.30-5.50554.060-1.90-12.70-4.601664.6-138-4.40-14.404.20无信息664.5-1354.60-10.201.001761.7-510.00-12.60-5.40759.463.60-11.60-6.001855.644-1.50-12.40-6.40856.0405.20-12.60-4.001955.545-1.20-11.905.30961.0-305.00-13.60-3.002062.7-811.00-12.70-5.001065.1-1533.90-9.40-4.202158.9110.50-12.40-5.201155.149-3.60-12.602.50均值59.4-19.21.00-12.20-3.10

[12] Guan Gui-xia, Zhao Shan, Liu Ying-qing. Study of the optimal way of route choice based on fuzzy theory [J].Journal of North China Institute of Technology,2001,22(1):75-78.(in Chinese)

[13] Sun Yan, Chen Sen-fa, Huang Xiao. Adaptive optimal route selection based on gray evaluation theory[J].China Journal of Highway and Transport,2003,16(4):87-90.(in Chinese)

[14] Wu Wen-xiang, Huang Hai-jun. Study on behavior impacts caused by travel information systems in parallel route network[J].Journal of Management Sciences in China,2003,6(2):12-16.(in Chinese)

[15] Zong chuan-ling, Li Xiang-yong, Wang Ying-tao. A multi-objective programming model of route choice before travel[J]. Journal of Transportation Systems Engineering and Information Technology, 2005,5(6):58-61.(in Chinese)

[16] Gong Ya-wen. Study of route choice behavior of drivers based on the evolutionary game under condition of information guidance[J]. Highway, 2015 (1): 108-113.(in Chinese)

[17] Lu X, Gao S, Ben-Elia E. Information impacts on route choice and learning behavior in a congested network: An experimental approach[J]. Transportation Research Record: Journal of the Transportation Research Board, 2011, 2243: 1-18.

[18] Zhao Lin. Study on travel decision model based on prospect theory and ATIS simulation experiment[D].Beijing: Beijing Jiaotong University, 2007.(in Chinese)

[19] Li Xue-yan, Li Xue-mei, Li Xue-wei, et al. Dynamic reference points based bounded rational multi-agent model of route choice[J]. Complex Systems and Complexity Science,2016,13(2):27-35.(in Chinese)

[20] Zong Fang,Lu Feng-rui,Tang Ming,et al.Impact of habit and traffic condition on travel route selection[J].Journal of Jilin University(Engineering and Technology Edition),2018,48(4):1023-1028.(in Chinese)

[21] Zeng Song, Shi Chun-hua, Yang Xiao-guang. A route choice model based on experimental analysis[J]. Journal of Highway and Transportation Research and Development,2002,19(4):85-88.(in Chinese)

[22] He Zhen-huan. Research on simulation system and model system of urban road traffic route selection[D]. Beijing: Beijing Jiaotong University, 2003.(in Chinese)

[23] Guan Hong-zhi, Long Xue-qin, Qin Huan-mei. Drivers' route-choice behavior under emergency[J]. Journal of Chang’an University(Natural Science Edition),2016,36(5):88-94.(in Chinese)

[24] Liu Shi-xu, Guan Hong-zhi, Yan Hai. Research on the influence of traffic information on drivers'day-to-day route choice behavior[J].Journal of Wuhan University of Technology(Transportation Science & Engineering), 2011,35(6):1130-1134.(in Chinese)

[25] Chorus C G, Molin E J E, Arentze T A, et al. Validation of a multimodal travel simulator with travel information provision[J]. Transportation Research Part C: Emerging Technologies, 2007, 15(3):191-207.

[26] Liu Tian-liang, Zhang Chong, Wang Tian-ge, et al. Effects of friends' information interaction on travel decisions[J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(6): 86-93.(in Chinese)

附中文参考文献：

[9] 石小法,王炜,卢林,等.交通信息影响下的动态路径选择模型研究[J].公路交通科技,2000,17(4):35-37.

[10] 石小法.ATIS环境下动态选择模型的研究[J].系统工程学报,2002,17(3):271-276.

[11] 石小法,王炜,杨东援.信息对出行者出行行为的影响研究[J].中国公路学报,2002,15(1):89-92.

[12] 关桂霞,赵剡,刘莹青.一种基于模糊理论的最佳路径选择

方法[J].华北工学院学报,2001,22(1):75-78.

[13] 孙燕,陈森发,黄鹍.基于灰色评价理论的自适应最优路径选择[J].中国公路学报,2003,16(4):87-90.

[14] 吴文祥,黄海军.平行路径网络中信息对交通行为的影响研究[J].管理科学学报,2003,6(2):12-16.

[15] 宗传苓, 李相勇, 王英涛. 出行前路径选择的多目标规划模型[J]. 交通运输系统工程与信息, 2005, 5(6):58-61.

[16] 巩亚文. 信息诱导条件下出行路径选择行为的演化博弈分析[J]. 公路, 2015(1):108-113.

[18] 赵凛. 基于“前景理论”的出行决策模型及ATIS仿真实验研究[D].北京：北京交通大学, 2007.

[19] 李雪岩,李雪梅,李学伟,等.基于动态参照点的多主体有限理性路径选择模型[J].复杂系统与复杂性科学,2016,13(2):27-35.

[20] 宗芳,路峰瑞,唐明,等.习惯和路况对小汽车出行路径选择的影响[J].吉林大学学报(工学版), 2018,48(4):1023-1028.

[21] 曾松,史春华,杨晓光.基于实验分析的驾驶员路线选择模式研究[J].公路交通科技,2002,19(4):85-88.

[22] 贺振欢.城市道路交通路径选择模拟系统及模型体系研究[D].北京:北京交通大学,2003.

[23] 关宏志,龙雪琴,秦焕美.突发事件下机动车出行者路径选择行为[J].长安大学学报(自然科学版),2016,36(5):88-94.

[24] 刘诗序,关宏志,严海.交通信息对驾驶员逐日路径选择行为影响研究[J].武汉理工大学学报(交通科学与工程版),2011,35(6):1130-1134.

[26] 刘天亮, 张冲, 王天歌,等. 朋友圈信息交互对个体出行决策行为的影响研究[J]. 交通运输系统工程与信息, 2013, 13(6):86-93.