城市交通流系统分析与优化PDF格式文档图书下载

第1章 有限理性与行为决策概述 1

1.1 有限理性的内涵 1

1.1.1 什么是有限理性 1

1.1.2 有限理性假设的理论意义 5

1.2 基于有限理性的决策科学——行为决策 5

1.2.1 行为决策科学的发展 5

1.2.2 考虑有限理性的决策框架 6

1.3 行为决策在交通研究中的意义 11

第2章 交通均衡理论与模型 14

2.1 符号 14

2.2 交通均衡的定义与数学模型 16

2.2.1 用户最优均衡 16

2.2.2 随机用户最优均衡 18

2.2.3 系统最优均衡 20

2.2.4 交通流Day-to-day动态演化均衡 20

2.3 交通均衡模型的解 21

2.3.1 交通均衡模型解的性质 21

2.3.2 交通均衡模型求解算法 23

第3章 考虑有限理性的出行者行为分析 26

3.1 出行行为的内涵与研究意义 26

3.2 出行行为过程与影响因素 27

3.3 基于个体行为模型的出行决策机理 32

3.4 结论 36

第4章 不确定情境下的路径选择决策规则分析与实证 38

4.1 路径选择决策行为分析 38

4.2 出行路径选择决策规则的实证分析 40

4.2.1 基于期望效用理论的路径选择决策分析 41

4.2.2 基于累积前景理论的出行者路径选择决策分析 42

4.3 有限理性假设下的出行路径选择框架 45

4.4 出行效用度量体系与参数估计 46

4.4.1 情景问题与调研结果 46

4.4.2 调研结果分析与参数估计 48

4.4.3 效用度量体系的验证 49

4.5 结论 51

第5章 不确定情境下的路径选择与内生参考点取值 53

5.1 参考点研究概述与研究意义 53

5.2 参考点的现实意义与影响因素 54

5.3 参考点的确定方法与实证分析 55

5.3.1 不确定情境下参考点取值的影响因素 56

5.3.2 参考点取值的确定方法 57

5.4 风险、风险态度与风险态度水平 59

5.5 基于问卷调研的出行者风险态度水平衡量 60

5.6 出行者风险态度水平影响因素分析 64

5.7 考虑参考点依赖的路径选择决策 65

5.8 结论 66

第6章 随机网络用户最优均衡模型与算法 67

6.1 随机网络用户最优均衡研究概述 67

6.2 符号与假设 68

6.3 基于累积前景理论的路径选择决策分析 69

6.4 基于CPT的用户最优均衡模型与算法 71

6.4.1 用户最优均衡条件与等价的变分不等式 71

6.4.2 CPT-UE模型的一般性 74

6.4.3 CPT-UE求解算法 75

6.5 CPT-UE模型的扩展与算例 76

6.5.1 单用户一般随机网络CPT-UE模型 76

6.5.2 单用户随机弹性需求CPT-UE模型 78

6.5.3 多用户随机交通需求CPT-UE模型 82

6.5.4 多用户一般随机网络CPT-UE模型 84

6.6 CPT-UE下的系统运营效率 91

6.7 结论 94

第7章 随机网络拥挤收费策略 96

7.1 交通拥挤收费的研究意义 96

7.2 符号与假设 98

7.3 考虑出行者能力的路径选择决策 99

7.4 考虑出行者能力的拥挤收费模型 101

7.5 拥挤收费模型算法与算例 103

7.5.1 算法 103

7.5.2 算例 103

7.6 基于出行行为分析的交通管理策略 105

7.6.1 基于出行行为过程分析的交通管理策略 105

7.6.2 基于个体行为模型的交通管理策略 107

7.7 结论 109

第8章 考虑拥挤收费的确定性网络交通流分配 110

8.1 确定性网络中的参考点依赖特征与拥挤收费 110

8.2 符号与假设 111

8.3 考虑参考点依赖的路径选择决策 112

8.4 考虑参考点依赖的交通分配模型与算法 113

8.4.1 模型的建立 113

8.4.2 算法 114

8.5 算例 115

8.5.1 传统边际成本收费下的流量分布 116

8.5.2 考虑参考点依赖的流量分布 116

8.6 结论 120

第9章 城市交通流Day-to-day动态演化模型 121

9.1 交通流动态演化研究概述 121

9.1.1 根据研究的范式分类 122

9.1.2 根据研究方法分类 124

9.1.3 根据随机要素分类 125

9.2 符号与假设 126

9.3 出行成本学习与出行选择决策更新 126

9.3.1 确定性网络中的学习与选择更新 126

9.3.2 随机网络中的学习与选择更新 128

9.4 交通流Day-to-day动态演化模型 131

9.4.1 确定性网络中的动态演化模型 131

9.4.2 随机网络考虑可靠性诱导信息的动态演化模型 132

9.5 算例 132

9.5.1 算例1——确定性网络的情景 133

9.5.2 算例2——随机网络的情景 138

9.6 结论 143

第10章 考虑决策规则异质性的交通流Day-to-day动态演化模型 144

10.1 出行者异质性的概述 144

10.2 符号与假设 147

10.3 出行成本学习与出行选择更新 148

10.3.1 出行成本学习过程 148

10.3.2 出行路径选择更新过程 149

10.3.2.1 不使用RPSS系统的选择更新 149

10.3.2.2 使用RPSS系统的选择更新 149

10.4 交通流Day-to-day动态演化模型及其性质 150

10.5 算例 151

10.6 结论 154

第11章 总结 155

参考文献 158

索引 172

查看更多关于城市交通流系统分析与优化的内容