基于累积前景理论的货运汽车出行路径选择研究

陈队永 CHEN Dui-yong；牛炳朝 NIU Bing-chao

（石家庄铁道大学交通运输学院，石家庄050000）

0 引言

2020 年1 月1 日起，全国高速公路开始统一实施货运汽车分车型收费政策。在分车型收费模式下，收费政策改变并不能引起货物运价的改变，货运汽车驾驶员想要获得最大收益，其出行行为会随着收费政策的改变而改变。因此在分车型收费政策下，有必要研究货运汽车的出行路径选择。

1 MNL-累积前景理论模型构建

1.1 货运汽车出行预测模型MNL 结构

根据货运汽车驾驶员出行的特征，建立Multinomial Logit（MNL）非集计模型来模拟货运汽车驾驶员的出行行为，分析影响货运汽车驾驶员出行的主要因素，进而对货运汽车出行需求进行分析与预测。货运汽车出行总体结构如图1 所示。

图1 货运汽车出行总体结构

1.2 非集计模型理论

根据效用最大化理论，如果某个方案的效用越大，则这个方案被选择的概率也就越大，假设货运汽车驾驶员n选择的出行方案为i，那么其概率Pin为：

Logit 模型的推导为：

MNL 模型具有任意选择肢的选择概率比与其他选择肢的状态无关的特性，如下式所示：

1.3 累积前景理论

结合MNL 模型和累积前景理论进行货运汽车出行路径选择预测。

1.3.1 设置内生参考点

从每一个货运汽车出行者对出行路径的期望出行效用出发，将MNL 模型中的效用和出现的概率相结合进行计算作为参考点。

式中，Ui—表示出行路径的感知效用参考点；

pk—表示出行方案的概率；

Vk—表示出行方案的感知效用。

1.3.2 价值函数

采用价值函数用来衡量收益或损失对货运汽车驾驶员主观满足的影响。通过MNL 模型计算得到各出行方案的效用Vk，可得到各出行方案的价值函数：

式中：△V 为货运汽车驾驶员的收益或损失；当△V＞0时，为收益；反之，当 △V＜0 时，为损失。结合 Kahneman 的研究，α=β=0.88，λ 为在损失状况下的风险规避系数，且λ=2.25。

1.3.3 累积权重函数

当货运汽车驾驶员主观收益情况下，概率权重函数的表达式为：

在货运汽车驾驶员主观损失情况下，概率权重函数的表达式为：

其中w+（pa）表示货运汽车驾驶员选择路径面对盈利时的主观感知概率，w-（pb）表示货运汽车驾驶员选择路径i 面对损失的主观感知概率。pa、pb为出行方案 a、b 的概率，a∩b=Ø，且 a∪b=k，k 为出行路径 i 的出行方案 k 的集合。Kahneman 经过试验标定 γ=0.61，δ=0.68。

1.3.4 模型的评估阶段

不同路径包含2 个决策变量属性，将在编辑阶段得到的价值函数与权重函数相结合，得出模型累积前景值的计算方法，出行路径i 的前景值：

2 MNL 模型标定及预测

2.1 数据准备

为保证预调查数据的准确性，问卷调查地点选择在物流中心——石家庄市聚和港物流园、新友物流园等停泊的货运汽车驾驶员进行现场询问调查。调查问卷回收共计180 份，剔除无效问卷，最终得到166 份可用于数据分析的调查表，有效率92.2%。调查数据整理的结果如表1 所示。

表1 特征变量处理结果表

2.2 参数估计

将白天国省干道作为出行方案选择参照，一类货运汽车作为货运汽车车型参照。货运汽车出行选择MNL 模型参数的标定结果如表2 所示。

表2 货运汽车出行选择MNL 模型参数标定结果

可以得到各出行方案的效用函数为：

同时由式（4）-式（9）到货运汽车选择各出行方案的概率为：

2.3 模型标定结果分析

根据MNL 模型中各变量标定的系数可以得到以下结论：

①车型是影响货运汽车出行方案选择的重要影响因素，五类和六类货运汽车的车型对出行方案选择的影响较大，且更偏向于晚上出行或选择高速公路出行。

②满载率也是影响货运汽车出行方案选择的重要因素。随着满载比的增大，相比于选择白天非收费方案，其选择白天高速公路方案、晚上国省干道方案、晚上高速公路方案的概率是依次增大。

③货物类型同样也是影响货运汽车出行方案选择的重要因素。当货运汽车驾驶员运输紧急货物出行时，相比于选择白天国省干道方案，其选择晚上高速公路方案和白天高速公路方案的概率会增大。

④出行运输距离也是影响货运汽车出行方案选择的重要因素。随着运输距离的增加，相比于白天国省干道方案，货运汽车驾驶员选择晚上国省干道、白天高速公路、晚上高速公路方案的概率依次增大。

2.4 模型整体检验

由stata 得到的货运汽车出行方案选择MNL 模型的ρ2为0.391，介于0.2~0.4，因此上述建立的货运汽车出行方案选择MNL 模型具有较高的精度。通过检验，得到全部样本MNL 模型的命中率为70.09%。

3 基于累积前景理论的货运汽车出行路径选择范例分析

以调查数据中某一货运汽车驾驶员出行路径选择预测为例，其基本信息如表3 所示。

表3 范例分析

得到范例基于MNL 预测模型选择各出行方案的概率和效用，在MNL 模型中，货运汽车驾驶员由于完全理性，总会选择效用最大的出行方案。基于建立的MNL-累积前景理论模型预测结果与仅基于MNL 模型得到的预测结果以及调查数据中货运汽车驾驶员的实际选择结果对比，结果如表4 所示。

表4 范例实际出行与模型预测结果对比

通过表4 可以发现：当仅基于MNL 模型进行出行方案选择预测时，货运汽车驾驶员会选择效用最大的出行方案（范例中白天高速公路方案的效用最大，选择此方案出行的概率为0.358），并以该方案作为预测结果。而基于MNL-累积前景理论模型计算所得到的国省干道前景值为-0.435，大于高速公路的前景值，该货运汽车出行者将选择价值函数最大的时段出发。该出行者实际选择的出发路径为国省干道，出发时间为白天。通过计算得到的结果与出行者实际决策结果一致，具有较高精度。