图形式可变情报板对驾驶员路径选择行为影响的建模与仿真

以地图形式显示路网交通状态的图形式可变情报板(GRIP)已成为许多城市交通诱导的重要手段。本项目从改进行为数据获取方法和提高行为建模质量两方面入手，探索GRIP对驾驶员路径选择行为的影响。项目运用交通工程和人因工程知识，提出一种基于宏观网络交通流模型的GRIP影响下路径选择行为数据获取方法，在自主研发的GANFreSP交通流仿真模型基础上建立由被试参与的路径选择计算机模拟试验系统，设计出能够呈现较逼真的交通状况和GRIP信息的出行情境，增强行为数据可靠性；运用随机效用、离散选择建模、时间序列、模糊聚类等理论与方法，识别GRIP的有用性和可理解性等感知特性的规律，建立考虑"解释变量影响程度的不均质性"和"同一被试多次观测数据的关联性"问题的路径选择概率模型，更准确地刻画GRIP信息、驾驶员个体属性、感知特性、交通条件等因素与路径选择概率之间的映射关系，揭示GRIP对驾驶员路径选择的影响机理。

动态交通信息对出行者决策行为的影响是极具挑战性的重要研究领域。可变情报板对驾驶员路径选择的影响是该领域的一个热点。在以地图形式显示路网交通状态的图形式可变情报板(GRIP)日益成为国内外城市交通诱导重要手段的背景下，探索GRIP对出行决策行为的影响成为了该热点上的新方向。本项目从改进行为数据获取方法和提高行为建模质量两方面入手，探索GRIP对驾驶员路径选择行为的影响。首先，综合应用交通流理论、人因工程、计算机科学等知识，提出一种基于宏观网络交通流模型的GRIP影响下动态路径选择行为数据获取方法，开发由被试参与的路径选择模拟试验系统，改进以往绝大多数探索工作未采用网络交通流模型驱动的路网交通状态和信息生成机制这一不足，使得出行情境界面提供的交通状况和GRIP信息更加自然和逼真，确保获取的行为数据更可靠。网络交通流模型中采用的路段交通流模型采用了高阶流体模型，以便更好地模拟交通流动态非线性特征。项目建立了国际上第一个针对GRIP的宏观网络交通流模型驱动的交互式路径选择试验系统。其次，运用随机效用理论、离散选择模型、统计学等知识，针对图形式可变情报板以及文字型可变情报板，建立一系列表达交通信息、人口统计因子、社会经济因子、感知特性等与路径选择概率之间映射关系的数学模型，在建模时考虑“解释变量影响程度在人群中的不均质性”和“同一被试多次观测数据的关联性”问题，弥补以往信息响应行为研究大多未考虑这两方面问题的不足，更准确地刻画GRIP对驾驶员路径选择行为的影响，揭示GRIP对出行决策的影响机理。所建的模型包括带序probit面板模型、随机效应probit面板模型、随机效应logit面板模型、混合logit模型、随机系数probit模型、基于广义估计方程的模型、广义线性混合模型等，案例研究表明这些模型均优于传统的横截面模型。对于配置了GRIP的交通网络，本项目的成果为建立动态交通网络模型和动态交通分配理论提供了理论依据，为GRIP系统的设计、运行和评价（例如，制定GRIP布局方案、设计信息发布策略、预测路网交通流时空分布、评价GRIP系统效益、GRIP诱导与其他控制手段的集成）提供了技术支持。