隨機用戶均衡下考慮學習行為的逐日動態(tài)模型研究.pdf

1、理解交通流從不平衡狀態(tài)到平衡狀態(tài)的演化過程對于交通管理來說是非常重要的。逐日動態(tài)交通分配模型可以納入許多行為假設，相比于靜態(tài)分配模型能夠更好地對交通流的演化進行描述。在過去許多文獻中，學者們都認為交通出行者過去的經驗會影響其對出行成本的預測以及路徑的選擇。在此基礎上，經典的二階逐日動態(tài)模型把出行者的學習行為及流量切換過程融合在一起進行建模。該二階模型通過與物理中的彈簧振子模型作類比，定義了交通系統(tǒng)演化的動能和勢能。但是，其研究僅僅只討論

2、了收斂到確定性用戶均衡下的情況。本文將上述動態(tài)模型擴展成一個收斂到隨機用戶均衡下的動力學系統(tǒng)，以此來捕捉出行者在審視不同出行成本的時候出現的誤差。在對用戶的路徑選擇行為進行建模的時候，隨機均衡模型假設用戶在感知成本及選擇最短路的時候會存在誤差。通過將隨機因素引入到模型中，本文提出了一個新的動力學系統(tǒng)來更準確地描述用戶逐日的交通行為選擇。本文證明了該系統(tǒng)的不動點就是隨機用戶均衡點。為了更好地理解該系統(tǒng)，對系統(tǒng)的能量進行了重新定義與類比。通

3、過將定義的總能量構造成李亞普諾夫函數，本文給出了用于求解SUE的凸規(guī)劃問題的目標函數意義。此外，證明了無論如何選取初始交通流，整個系統(tǒng)最后都會達到隨機用戶均衡，與此同時系統(tǒng)的總能量達到最小。通過算例，本文探討了模型中不同參數（靈敏度參數、記憶遺忘率以及SUE分布參數）的作用。由于在實際中路段流量數據比路徑流量數據更容易獲取，本文提出了一個基于路段流量的考慮學習行為的逐日動態(tài)模型，并探究了該模型的一些基本性質。證明了該模型最后會漸進收斂到