有限理性和不完全信息下居民出行决策行为研究

本项目以有限理性决策过程中关键行为要素及其相互关系的研究为基础，研究在不完全信息条件和认知局限性约束下的个体出行行为及其集计效应，探讨交通管理策略影响下的出行者响应机制，有重要理论意义和实际价值。主要研究内容包括：以有限理性决策理论为指导，研究出行决策一般过程和规律，界定关键行为要素，解析行为要素之间的相互关系，研究有限理性和不完整信息假设下活动-出行决策分析模型系统结构；基于预期后悔理论和满意度理论的信息获取过程研究，基于贝叶斯学习理论的认知更新过程研究，采用成本收益分析方法完成基于出行预期的方案搜索过程研究，完成模型系统构建；采用分层贝叶斯方法，完成模型参数贝叶斯估计；应用所建立模型系统，在有限理性决策框架下分析交通管理策略有效性。研究成果将丰富和拓展出行行为研究的已有理论和方法、提高模型预测精度，为诊断城市交通问题、制定和实施高效的交通管理策略提供科学有效的决策分析方法和工具。

本项目以有限理性决策过程中的关键行为要素及其相互作用关系的研究为基础，研究在不完全信息条件和认知局限性约束下的个体出行选择行为，探讨交通管理策略影响下的出行者响应机制，有重要的理论意义和实际价值。主要研究内容包括：以有限理性决策理论为指导，提取出行时间、方式、目的地、路径等出行选择的共同决策过程和一般规律，完成对有限理性决策框架下出行预期、信息获取、学习和认知更新过程、方案的生成和搜索过程等关键行为要素的识别和界定。研究上述要素之间的相互关系，提出以这些关键行为要素表征的有限理性和不完全信息约束下的出行决策分析模型系统结构。基于所提出的模型系统结构，从出行信息在选择方案生成和评价两方面的影响入手，定义了出行信息效用，将出行者描述为基于满意度和基于最大化准则两种极限状态之间的某种状态，分别基于期望后悔理论和满意度理论研究了出行者的信息获取过程。同时研究了出行者知识表达方式，应用贝叶斯学习理论将已有的知识和新获得的信息通过条件概率联系起来，完成了对出行者认知更新过程的建模。以模块化的建模思想，应用改进K2算法和贝叶斯参数估计方法，构造了选择行为分析贝叶斯网络模型，提出了基于互信息指标的网络节点间相互依赖强弱的度量，提取了出行路径、出行方式、出行链模式、出行时间等决定变量的主要影响因素及其作用机制。研究了出行者信息搜索成本和收益函数，利用居民出行调查数据提取了基于出行预期的搜索过程启动和终止规则，构造了基于成本收益分析的出行方案搜索过程模型。考虑不完全信息条件和认知局限性约束，提出基于后悔理论的出行行为分析方法，将基于随机后悔值最小化理论的多项Logit模型用于出行选择行为分析，在克服基于随机效用最小化理论的多项Logit模型IIA局限性的同时，有效的描述了部分补偿决策行为和实际决策过程中的折衷效应，更真实的刻画了实际出行行为。用Gibbs抽样和Metropolis-Hastings算法构造了基于马尔可夫链的蒙特卡罗仿真方法，研究了基于分层贝叶斯方法的模型参数估计算法及其在出行选择分析中的应用。项目的研究将丰富和拓展出行行为研究的已有理论和方法、提高模型预测精度，为诊断城市交通问题、制定和实施高效的交通管理策提供科学有效的决策分析方法和工具。