不确定交通网络上的风险避谨随机用户均衡

极端天气事件（如洪水）通过降低速度和容量、关闭道路等方式扰乱城市交通网络，导致链路性能和旅行时间分布尾部出现制度相关的不确定性，这对依赖成本期望或均值超额求和的常规交通分配提出了挑战。本研究发展了一种风险与不确定性感知的交通分配框架，融合由灾害影响驱动的随机供给、端ogenous 路由选择伴随选择集截断，以及在可解析的截断随机用户均衡（TSUE） formulation 中的尾部风险管理。旅行者的感知成本采用归一化的 mean-CVaR 确定性当量编码尾部灵敏度，其包含两个可解释参数（$\alpha$ 和 $\lambda$），同时保持凸性。我们提出了两种互补处理方法。TSUE-Stochastic Programming（TSUE-SP）优化 Nominal 风险感知的 TSUE，在平衡平均性能与不利尾部结果方面。TSUE-Distributionally Robust Optimization（TSUE-DRO）通过纳入 $1$-Wasserstein 模糊集，以及在合适时，针对分段稳态灾害的结构化制度相关集，来保护免受校准误差和分布误规制定。 duality 产生场景基方法的二阶锥规划，通过 Benders 分割求解。在代表芝加哥市中心区的示意网格网络上，TSUE-SP 导致交通量增加 $67.9\%$，TSUE-DRO 导致交通量增加 $100.9\%$，相对于未遭受灾害的基准。该方案在不进行大规模重新路由的前提下重新分配流量，说明尾部加权和分布模糊如何微调而非颠覆灾害易发网络中均衡选择。