具有不完全信息、有限理性与信息共享的日复一日动态交通分配
物理与社会
2020-02-13 v4 最优化与控制
摘要
本文提出一种双重动态的日复一日（DTD）交通分配模型，其中包含同时的路径与出发时间（SRDT）选择，并纳入不完全与不完善信息以及有限理性。提出两种SRDT选择模型以纳入不完善的出行信息：一种基于多项Logit（MNL）模型，另一种基于序贯的混合多项/嵌套Logit模型。这两种变体作为基础模型，进一步扩展出两个特征：有限理性（BR）与信息共享。通过将无差异带纳入MNL模型的随机效用分量来考虑BR，形成基于BR的DTD随机模型。一个宏观的出行信息共享模型被整合进DTD动态中，以考量不完全信息对出行者SRDT选择的影响。这些DTD选择模型与基于Lighthill-Whitham-Richards（LWR）流体动态网络加载模型的日内动态相结合。在大规模网络（Anaheim）上的仿真说明了用户自适应决策与网络状况（包括局部中断）在不同信息可用性与用户行为水平下的相互作用。我们的发现强调了建模网络瞬态与非均衡状态的必要性，而这些在均衡约束的网络设计与优化中常被忽视。MATLAB包与计算示例可在 https://github.com/DrKeHan/DTD 获取。
引用
@article{arxiv.1811.10729,
title = {Day-to-Day Dynamic Traffic Assignment with Imperfect Information, Bounded Rationality and Information Sharing},
author = {Yang Yu and Ke Han and Washington Ochieng},
journal= {arXiv preprint arXiv:1811.10729},
year = {2020}
}
备注
40 pages, 19 figures