随机需求下交通网络出行行为及诱导机制研究

Traffic congestion is an important issue that restricts urban economic development. The key to solve this problem is to improve the efficiency of the traffic system and to avoid the waste of traffic resources. Studies on traffic inducing mechanism, which were built on traffic assignment theory, have provided a traffic management method to attain the optimal usage of traffic resources, by inducing travelers’ routing behaviors. However, most existing studies assumed that the traffic demands are deterministic, and every traveler has full information of the real demands and can calculate the shortest path accurately. These assumptions deviate from the fact of the uncertain demands in real transportation network, which in turn restricts the applications of theoretical studies. This research considers stochastic demands, studies travelers’ routing behaviors in incomplete information environments. On the basis of general distributions of demands, new routing choice model and traffic assignment models will be established. Then, two inducing mechanism, i.e., congestion pricing and tradable credit scheme, and their computing algorithms will be presented. Finally, simulation experiments will be implemented to test and compare different traffic inducing mechanisms. This research can further develop and modify the theory of traffic assignment and mechanism design, enhance the application of congestion pricing and tradable credit scheme in traffic management, and enrich the scientific understanding of travelers’ behaviors in stochastic environments.

交通拥堵是制约经济发展的重要问题，解决的关键在于提高交通网络的运行效率。交通诱导机制研究以交通分配理论为基础，提出了诱导出行行为的交通管理方法，实现交通网络资源的高效使用。然而现有的诱导机制研究大多假设交通需求是确定的，认为出行者作路径选择时对实际需求拥有完全信息，能精确的计算出最短路径。这一假设有悖于交通需求随机波动的现实，往往导致理论预测偏离实际，限制了诱导机制在实践中的有效应用。本项目考虑交通需求的随机变化，首先通过理论分析和实证调查相结合的方式，研究出行者在不完全信息下的路径选择行为，建立基于一般需求分布的路径选择模型和交通分配模型，提出随机需求下的拥挤收费机制和可交易信用券机制，并设计求解算法。最后，通过开展模拟实验，验证和比较不同诱导机制的实行效果。本课题的研究将进一步发展和完善现有的交通分配和机制设计理论，增强交通诱导机制的应用能力，丰富学术界对随机需求下出行行为的科学认识。

在现实的交通网络中，出行者在选择路径时无法获知真实的交通需求水平，也难以像确定性模型里描述的那样精确的计算出自己的最短路径。在需求信息不完全的条件下，出行者需要考虑各种不确定因素，其决策目标和决策过程都有着根本性的改变。另外，随着新技术的不断发展，人们的出行方式和选择行为也受到了很大的影响，需要有新的研究方法来探索新技术背景下人们对不完全信息的应对方式和行为特征。本课题针对随机需求，对出行人的交通行为开展系统研究，并进一步设计有效的需求诱导策略以改善系统效率。主要内容包括以下四个方面：(1)在一般需求分布的基础上，运用混合策略描述了出行人的路径选择行为，推导出路径和路段的分布函数。 在路径选择模型的基础上，建立了用户均衡模型，描述出行人在随机需求环境下自主选择路径而达到的网络平衡状态。证明均衡的存在性和唯一性的等价条件。(2)系统分析了均衡的效率，并运用无政府代价（price of anarchy）量化了均衡效率损失的理论的上界和下界。研究发现随机需求的随机化程度和路阻函数的非线性程度对交通系统的效率损失有着显著的影响。(3)在随机用户均衡模型的基础上，提出了相应的需求诱导策略来改善系统效率，主要包括拥堵收费和信息引导策略，并进一步计算改善后的无政府代价，以量化诱导策略的效用水平。(4)通过目的地终端的停车管理措施引导用户的出行决策，主要包括停车费动态定价和停车密度优化等。本课题在保证停车管理者收益的前提下，提出了基于随机需求的停车预定模型和最优动态定价机制，以及能有效促进拼车行为的最优停车密度设计和差异化固定收费机制。本课题的研究成果对分析现实交通出行行为和需求诱导策略提供重要的理论和实践支持。