數(shù)據(jù)驅(qū)動的出行行為分析

目錄
叢書序
序言
前言
方法論篇 交通行為實驗的理論與方法
第1章 出行行為實驗研究現(xiàn)狀.3
1.1 研究背景與問題 3
1.2 國內(nèi)外研究綜述 5
1.2.1 路徑選擇的行為實驗 6
1.2.2 出行方式與出發(fā)時間選擇的行為實驗 13
1.2.3 路徑選擇的理論模型 15
1.2.4 隨機與風險條件下的路徑選擇理論模型 20
1.3 研究現(xiàn)狀評述 27
1.4 本書研究內(nèi)容 28
1.5 本書研究意義與創(chuàng)新點 30
第2章 實驗室實驗研究方法的簡介 32
2.1 實驗經(jīng)濟學極簡介紹 32
2.2 實驗設計的術語和基本原則 33
2.2.1 實驗室實驗的定義 33
2.2.2 實驗設計的常用術語 33
2.2.3 如何通過有效的實驗設計來實現(xiàn) “控制” 35
2.3 實驗實施的基本原則和流程 36
2.3.1 實驗實施的基本原則 36
2.3.2 開展行為實驗的一般步驟 39
2.3.3 交通行為實驗的基本流程 40
2.4 對交通行為實驗研究的常見質(zhì)疑與回應 40
第3章 實驗經(jīng)濟學研究方法的適用性探討 45
3.1 實驗經(jīng)濟學應用于交通行為研究的方法論基礎 45
3.2 實驗經(jīng)濟學發(fā)展路徑對交通行為研究的啟示 47
3.3 當前研究趨勢 48
3.4 未來研究方向.49
第4章 出行行為分析的理論和方法基礎 51
4.1 網(wǎng)絡擇路博弈 51
4.2 交通不確定性的來源 53
4.2.1 環(huán)境不確定性 53
4.2.2 策略不確定性 53
4.2.3 感知偏差隨機性 54
4.3 有限理性決策理論 57
4.3.1 累積前景理論 57
4.3.2 基于排序的多因素決策模型 59
4.4 行為學習理論 62
4.4.1 分類和一般框架 62
4.4.2 經(jīng)驗加權吸引值學習模型 64
4.4.3 考慮后悔和慣性的馬爾可夫過程 65
4.5 逐日動態(tài)交通路徑調(diào)整模型 66
4.6 離散選擇模型 68
4.7 多智能體仿真方法 69
4.8 序列挖掘算法 70
理論篇 天津大學MATS LAB部分出行行為理論研究
第5章 基于感知旅行時間分布的前景用戶均衡模型 73
5.1 主觀概率分布與概率權重的對比分析 73
5.2 均衡模型的構建 77
5.2.1 基于感知旅行時間分布的路徑前景值 77
5.2.2 均衡模型的構建 78
5.2.3 模型性質(zhì) 79
5.3 求解算法 81
5.4 算例分析 82
5.4.1 算例 1：一個三條路路網(wǎng) 82
5.4.2 算例 2：多起訖對多路段路網(wǎng) 86
5.5 本章小結(jié) 90
第6章 基于排序的雙因素用戶均衡模型 91
6.1 排序決策模型 91
6.1.1 排序決策機制下出行者及群體的選擇方案集分析 91
6.1.2 路徑選擇概率 94
6.2 基于排序的用戶均衡模型 96
6.3 求解算法 97
6.4 算例分析 98
6.5 本章小結(jié) 100
第7章 考慮概率認知偏差的排序前景均衡模型 102
7.1 個體決策行為框架回顧與模型假設 102
7.1.1 個體決策行為框架回顧 102
7.1.2 模型假設 104
7.2 雙因素下考慮隨機感知偏差的排序前景風險決策模型 105
7.2.1 雙因素下參照點的生成 105
7.2.2 雙因素下基于感知旅行時間分布的前景值 106
7.2.3 均衡模型的構建 108
7.2.4 求解算法 108
7.3 算例分析 109
7.3.1 算例1：三路段路網(wǎng) 109
7.3.2 算例2：多起訖多路段路網(wǎng) 114
7.4 本章小結(jié) 118
第8章 社會交互影響下的日變交通動態(tài) 119
8.1 引言 119
8.2 基于社會交互的出行者的路徑選擇模型 120
8.2.1 交通路網(wǎng) 120
8.2.2 出行者之間的社會交互和社會學習 121
8.2.3 出行者的逐日路徑選擇行為建模 122
8.3 路網(wǎng)流量的演化 124
8.4 模型性質(zhì) 129
8.5 數(shù)值仿真 135
8.5.1 場景設置 135
8.5.2 簡單路網(wǎng) 136
8.5.3 復雜路網(wǎng) 140
8.6 本章小結(jié) 143
實驗篇 天津大學MATS LAB部分*新出行行為實驗研究
第9章 動態(tài)路徑調(diào)整的學習過程檢驗 147
9.1 本章研究問題與思路147
9.2 引言 148
9.3 實驗數(shù)據(jù)集與學習模型選擇 150
9.3.1 實驗數(shù)據(jù)集選擇 150
9.3.2 學習模型選擇 152
9.4 模型擬合與評價方法152
9.4.1 模型擬合方法 153
9.4.2 模型評價方法 153
9.5 模型預測的靜態(tài)結(jié)果154
9.6 模型預測的動態(tài)結(jié)果155
9.6.1 流量分布隨時間變化 156
9.6.2 路徑調(diào)整比例隨時間變化 158
9.6.3 個體路徑調(diào)整頻率的分布 159
9.7 本章小結(jié) 161
第10章 動態(tài)路徑調(diào)整的行為實驗163
10.1 本章研究問題與思路 163
10.2 實驗設計與實施 164
10.2.1 參數(shù)設計 164
10.2.2 實驗實施 165
10.3 檢驗基準模型 168
10.3.1 觀測變量定義 168
10.3.2 模型預測結(jié)果 169
10.4 慣性和響應強度的不對稱性 171
10.4.1 多元回歸分析 171
10.4.2 行為解釋 173
10.5 響應模式的異質(zhì)性 175
10.5.1 響應模式的測量 175
10.5.2 四種典型響應模式 177
10.6 本章小結(jié) 179
第11章 動態(tài)路徑調(diào)整的確定型模型 180
11.1 引言 180
11.2 實驗組織與描述性統(tǒng)計 182
11.2.1 實驗對象 182
11.2.2 實驗場景 182
11.2.3 實驗步驟 183
11.2.4 實驗結(jié)果的描述性統(tǒng)計 184
11.3 實驗結(jié)果的行為學分析 185
11.3.1 換路率 185
11.3.2 基準模型 186
11.3.3 觀測換路率 187
11.4 模型假設 192
11.5 模型構建 194
11.5.1 個體換路模型 194
11.5.2 網(wǎng)絡流量演化DTD模型 195
11.6 均衡性質(zhì) 197
11.6.1 存在性與唯一性 197
11.6.2 穩(wěn)定性 198
11.6.3 與**均衡的關系 200
11.7 模型標定與檢驗 201
11.7.1 兩路徑網(wǎng)絡場景模型擬合結(jié)果 202
11.7.2 三路徑網(wǎng)絡場景模型擬合結(jié)果 203
11.7.3 模型檢驗 206
11.8 解釋性數(shù)值例子 206
11.9 討論 207
11.9.1 觀測流量波動的復現(xiàn) 207
11.9.2 關于路徑依賴的吸引力假設 208
11.10 本章小結(jié) 210
第12章 動態(tài)路徑調(diào)整的隨機型模型 211
12.1 引言 211
12.2 逐日路徑選擇實驗 213
12.2.1 實驗場景 213
12.2.2 基于選擇的確定性離散模型 214
12.2.3 確定型模型的局限性 215
12.3 基于路徑依賴吸引力的隨機DTD模型 215
12.4 模型檢驗結(jié)果 217
12.4.1 轉(zhuǎn)移流量 217
12.4.2 下一時步路徑流量分布 220
12.4.3 均衡流量分布 221
12.5 近似模型 223
12.5.1 穩(wěn)定性分析 224
12.5.2 模型比較 226
12.6 數(shù)值例子和政策啟示.227
12.6.1 網(wǎng)絡均衡流量分布 227
12.6.2 演化過程與穩(wěn)定性 228
12.6.3 計算效率 229
12.6.4 政策啟示 230
12.7 本章小結(jié) 230
第13章 一類共享出行的社會困境實驗 232
13.1 引言 232
13.2 實驗研究的文獻回顧 234
13.3 理論分析 235
13.3.1 成本分擔博弈 235
13.3.2 實驗的成本結(jié)構 236
13.3.3 均衡分析; 社會困境 238
13.4 實驗設計 239
13.4.1 參與者 239
13.4.2 實驗實施 239
13.5 研究結(jié)果 240
13.5.1 初步分析 240
13.5.2 偏離平衡;參與者角色分析 243
13.5.3 個體層面分析 245
13.6 本章小結(jié) 247
第14章 演化雪堆博弈中的個體策略更新規(guī)則研究 249
14.1 研究背景與意義 249
14.2 研究內(nèi)容與技術路線.252
14.3 國內(nèi)外研究現(xiàn)狀 252
14.3.1 重復雪堆博弈 252
14.3.2 策略更新規(guī)則 254
14.4 實驗設計 256
14.4.1 雪堆博弈 256
14.4.2 實驗場景 257
14.4.3 實驗軟件 258
14.5 實驗實施 259
14.5.1 實驗組織 259
14.5.2 數(shù)據(jù)概況 260
14.6 聚類分析 262
14.6.1 數(shù)據(jù)預處理 263
14.6.2 聚類結(jié)果 265
14.7 IPM序列挖掘算法 267
14.7.1 問題要求 267
14.7.2 算法步驟 268
14.8 特征模式提取 269
14.8.1 重要定義和參數(shù)設定 269
14.8.2 不同群體的特征分析 270
14.8.3 高收益群體的特征分析 272
14.9 基于特征模式的 Agent 建模 273
14.9.1 參數(shù)估計 273
14.9.2 模型檢驗 274
14.10 基于EWA學習模型的個體決策建模 275
14.10.1 模型估計與校驗 276
14.10.2 異質(zhì)個體EWA模型 278
14.11 基于EWA學習的Agent模型.279
14.11.1 參數(shù)估計 279
14.11.2 模型檢驗 281
14.12 基于EWA學習的聚類分析.284
14.12.1 個體參數(shù)的空間分布 285
14.12.2 個體決策特征分析 286
14.13 策略與排名 287
14.14 本章小結(jié) 290
實證篇 天津大學MATS LAB部分出行行為