基于动态交通诱导信息的驾驶员刺激-反应模型

任其亮，孙丰瑞

(重庆交通大学 交通运输学院，重庆 400041)



基于动态交通诱导信息的驾驶员刺激-反应模型

任其亮，孙丰瑞

(重庆交通大学 交通运输学院，重庆 400041)

针对城市道路交通信息发布时产生的信息震荡问题，以消除信息震荡、帮助驾驶员选择最优路径为目的，结合驾驶员的出行行为分析了交通诱导信息对驾驶员选择行为的影响，将交通信息发布变化量作为刺激量、路段交通负荷度变化量作为反应量，构造了基于动态交通诱导信息策略的驾驶员刺激-反应模型，通过仿真算例确定了交通信息发布的动态区间。研究表明：该方法能够有效减少交通信息震荡，对改善城市路网的使用效益具有较强的实用性。

交通工程；动态诱导；刺激反应；路径选择；SP调查

0 引 言

随着经济社会的快速发展和人们对高水平交通服务需求的不断增长，城市道路交通诱导信息的及时发布成为交通管理部极为为紧迫的任务。由于交通流的时变性和交通管理的复杂性，建立准确高效的城市交通诱导信息发布系统面临着诸多管理和技术问题。

近年来，国内外学者针对该领域的相关问题进行了大量深入研究。K.Asad等[1]基于SP调查法获取通勤者的出行行为数据，以确定ATIS提供的交通信息是如何影响出行者的路径选择倾向；M.Papageorgiou[2]分析了基于交通信息的驾驶员路径选择行为，在拥挤情况下，VMS上提供的交通信息如不同路径的交通流量、排队长度等会影响驾驶员的路径选择行为，因而，能够提供准确信息的VMS应该被推广；H.S.Mahmassani等[3]研究了在先进的交通信息服务系统下通勤者的出发时间和路径变更行为，建立了出发时间和路径变更的联合选择的多项Probit模型，结果表明动态信息的准确性是重要影响因素，并且在提供的路径与自己偏好路径的行驶时间差异越大越容易导致路径的转变；S.Kiseok等[4]评价了信息的提供对通勤者出行行为以及整个网络的影响，提出信息的提供能够缩短行程时间、行程距离以及排队时间，能够促使出行者从私人交通向公共交通转变。刘艳红[5]对交通信息下的路径选择行为进行了分析，建立了 Logistic模型，得出对于接受动态信息的驾驶员改变路径的可能性比依靠经验的驾驶员要大，并且信息可信度越高，受诱导程度就越高；干宏程[6]则通过表明偏好(SP)调查数据建立了描述路径选择概率的二元Probit模型，分析出VMS诱导信息能够显著影响驾驶员的路径选择行为，且VMS影响大小取决于其信息内容、驾驶员个体属性(年龄、驾龄、用车类型以及快速路使用频率)、以及替换路径属性(所含信控交叉口数目)等因素。

综上可以看出，目前国内外有关交通信息发布的研究主要集中在三个方面：通过信息发布引导出行者选择最优路径，立足于路网通行效益的最优，通过综合措施，同时使驾驶员路径最优和路网效益最大。这三种方法在具体应用时几乎都会出现两种尴尬的局面：信息发布的较多，出行者不知如何选择，从而使得整体效果不好；提供了较为敏感的信息，这样促使较多的出行者在较短的时间选择了同样的路径，从而使得交通拥挤从其他路转移到这条所谓的最优路径上，产生了交通振荡现象，结果适得其反。因此，如何消除交通震荡以提高驾驶员对交通诱导信息策略的反应效果，成为改进现有驾驶员的刺激-反应模型的关键。笔者基于此目的，拟构建基于城市动态交通诱导信息策略的驾驶员刺激-反应模型。

1 驾驶员路径选择行为

1.1 驾驶员出行行为分析

驾驶员出行选择的过程实际上是驾驶员获取一定交通信息后，根据自身经验做出路径判断的过程，是驾驶员在特定交通条件下心理和行为的综合反应。面对图1的路径时驾驶员的出行选择过程如图2。

图1 路径选择示意Fig.1 Path selection

图2 出行路径选择行为分析Fig.2 Travel route choice behavior analysis diagram

通常情况下，出行时间、出行距离和出行费用对驾驶员路径选择的影响较大，笔者将时间效用最少、距离效用最短、经济效用最低和时间可靠性最强作为驾驶员出行路径的选择准则。由于驾驶员对路径的选择概率很大程度上受交通诱导系统发布的交通状态信息及驾驶员自身经验的影响，因此，将影响驾驶员路径选择行为的因素分为驾驶员特性、出行特性、道路环境和道路属性，对驾驶员受诱导信息影响的程度通过SP调查法获取。

1.2 交通诱导信息对驾驶员选择行为的影响

研究表明，交通诱导信息的发布质量、交通服务对象、发布方式为影响驾驶员路径决策的主要因素，而交通诱导信息对驾驶员路径选择的影响程度主要取决于驾驶员对发布信息的反应程度。驾驶员的路径选择往往受交通信息导行的影响，他们对交通信息质量的感知会影响对其它信息的信任度,进而影响其路径选择，而不同的路径选择将产生不同的交通系统效率。一般说来，交通系统的效率随着导行率的增加而提高，当导行率增大到一定程度, 交通系统达到最佳状态, 交通系统效益不再增加，导行率的这一临界状态称为高临界导行率，因此，将导行率控制在一个合理的动态范围内对保证整个交通系统效率意义重大。另外，从信息发布方式角度考虑，目前常用的信息发布方式主要包括可变信息标志、交通信息广播系统、汽车导航系统、电话、交通网站等。考虑多种方式发布应用的内容范围、发布信息内容不同的特性和信息发布效果及对驾驶员的影响程度也有所不同。

交通信息影响驾驶员的出行行为主要包括5个方面:驾驶员当前选中的路径方案、驾驶员对其他可选路径的认知、对交通信息质量的认知、交通信息成本、调整交通价格的行为。如果驾驶员不满意当前选择的方案,可以主动搜索出行信息,在交通信息的指导下，调整其出行行为；如果驾驶员认为当前选中的路径是满意的,则会阻断对交通信息的接收。由于驾驶员的知识水平不同,在信息的接收和选择方面的能力不同，所发布的交通信息对不同知识水平驾驶员的效用也不同。如果用户出行结构越复杂、对出行环境越不熟悉,驾驶员对出行信息的质量要求越高,他们都希望通过出行交通诱导信息来减少出行的不确定性，而不愿意花太多的时间和精力去获取和理解交通信息,而更倾向于那些可以使出行过程更简单、快速的信息。另外，出行行程的调节往往发生在开始的时候,因为在这个时候行为矫正有一个相对较小的成本。

2 刺激-反应模型的建立

按照刺激反应原理，道路上动态交通诱导信息都可以视为对驾驶员驾驶行为的刺激，所有这些都称之为“交通信息刺激”，是交通管理部门有意安排的、对驾驶员的外部环境刺激。除此之外，驾驶员还时时受到其他方面的外部刺激，如道路线形、交通流状况等。所有这些刺激，进入了驾驶员的“暗箱”后，经过一系列的心理活动，产生了人们能够看到的驾驶行为反应，进而影响路段上的交通负荷程度，将路段上的交通负荷程度的变化量描述成反应量，心理学认为刺激量和反应量之间符合对数关系，则可以建立城市道路动态交通诱导信息刺激反应模型。

假设道路交通诱导信息发布上下浮动量ΔA1,ΔA2，…,ΔAm,则他们之间的关系为：

Δi=logδΔAi

(1)

式中：Δi为反应量；ΔAi为交通信息的浮动量，也称为刺激量；δ为模型参数。

作为交通管理者，希望路段交通运行符合程度达到期望值，由此所期望的反应量

Δi=|Bi-Ci|S

(2)

则浮动量为

ΔAi=δ|Bi-Ci|

(3)

式中：Bi为根据交通检测信息得到的OP1,OP2,…,OPm路段上的交通运行负荷程度；Ci为路段上的期望交通负荷程度，i=1，2，…，m。

路段期望饱和度是根据出行者路径最优和网络运行效益最大化为目标计算得来的。记路段a∈A∪B(y)的流量为x(a，y)，饱和度S(a，y)=x(a，y)/Co(a)，其中：Co(a)为该路段的通行能力。

期望饱和度Ca，a∈A表明期望满足：

S(a，y)≤Ca，a∈A

(4)

但在道路a∈A并不能用式(4)严格约束，所以最小化道路饱和度超限量可以表示为：

(5)

可通过限制进入路段的流量及路径诱导流量分配来实现路段的期望饱和度，式(4)可表示为：

(6)

路段流量的约束条件：

x(a,y)≤Ca,Co(a),a∈B(y)

(7)

在路段通行能力及最大期望饱和度的限制下，路段流量可以通过用户平衡流量来获得。X(a,y)，a∈A满足下列约束：

(8)

在以上约束下，L(r,s) 是OD对(r,s) 之间的路径数量，fkrs为OD对(r,s)间的第k条路径的交通流量。如果路段a在点对(r,s)的第k条路径上，则δakrs为1，否则为0。ta[x(a)]为路阻函数，这里采用美国道路局(BPR-Bureau of Public Road)开发的BPR函数：

(9)

式中：ta0为自由流下路段的行驶时间，min；α，β为待标定参数，BPR建议α=0.15，β=4。

道路路段期望饱和度通过BPR函数得以体现，并且可以通过模型的逆运算得到路段期望交通负荷程度C1,C2,…,Cm。

3 基于SP调查法的参数δ标定

驾驶员选择路径原则、标准具有多样性，并且是随着个人属性和经验变化的，而企图识别驾驶员个体特性是极为困难。笔者主要通过对个人属性、对交通信息态度、改变路径倾向、对未来信息发布建议等4个单元进行描述，选择最具代表性的影响因子拟合模型参数，其中在对驾驶员基于信息的路线选择行为进行预测时，需剔除对结果影响较小的因子，以明晰关键影响因子。

3.1 影响单元属性分析

在个人属性单元中，选择“对路网熟悉程度”、“驾龄”、“学历水平”及“性格类型”4个影响因子，构建个人属性影响系数指标，为了在权重确定时，方便专家直观评判各自变量对因变量的影响程度，本研究采用线性拟合模型参数：

x=α1x1+β1x2+γ1x3+ε1x4

(10)

式中：x为个人属性影响系数指标；x1,x2,x3,x4分别代表对路网熟悉程度，驾龄，学历水平等影响因子；α1,β1,γ1,ε1为权值且α1+β1+γ1+ε1=1。

权重的确定方法为统计平均数法，选择本行业或本领域中既有实际工作经验、又有扎实的理论基础、并公平公正道德高尚的专家，将待定权数的指标提交给各位专家，并请专家在不受外界干扰的前提下独立的给出各项指标的权数值，将各位专家的数据收回，并计算各项指标的权数均值和标准差，分别计算各项指标权重的平均数。

同理可得，构建对交通信息态度y、改变路径倾向z、对未来信息发布建议w等3个单元的系数指标。

3.2 标准化处理

在以上4个单元分别选取相应影响因子以综合分析各个研究单元，对个人属性影响系数、对待交通信息态度影响系数、改变路径倾向影响系数及对未来信息发布建议按式(11)进行处理，对各研究单元按照式(12)进行标准化处理：

△δ=α5x+β5y+γ5z+ε5w

(11)

式中：△为综合影响系数；x,y,z,w分别代表个人属性影响系数、对待交通信息态度影响系数、改变路径倾向影响系数及对未来信息发布建议；α5,β5,γ5,ε5为权值且α5+β5+γ5+ε5=1。

(12)

式中：X为指标量化值；x为指标初始计算值；xmax为指标初始计算值中的最大值；xmin为指标初始计算值中的最小值。

4 构建交通信息发布动态区间

对于任何一个路段，若期望交通负荷程度大于实际负荷程度时，动态区间为[Bi,min(1,Bi+ΔAi)]，否则，动态区间为[max(0,Bi-ΔAi) ,Bi]。这种采用动态区间的发布方式，不仅同时使出行者路径最优以及路网效益最大，而且能够有效避免交通振荡。

综上，交通信息发布流程如图3。

图3 刺激-反应控制流程Fig.3 Stimulus-response control flow graph

5 仿真算例

5.1 仿真设计

对如图4中的济南市二环西路经六路与二环西路路口段简化路网，由于施工占道，整条道路半封闭状态，由双向8车道变为双向2车道，图中1-2-3-7为二环西路路段。假定对城市快速路及主干道诱导为主，实际测量数据显示动态信息下的明显流量扰动基本发生在两个连续路段内，试验在事件影响范围内进行模拟。

图4 仿真路网简化示意Fig.4 The simulation network simplified schematic diagram

对该路网简化后的影响范围OD需求变为点A与点F之间的出行需求，OD之间有3条路径：①原路径I，1-2-5-7；②替代路径II，1-2-4-6-7；③替代路径III，1-3-6-7。其中路段1、2、6、7为快速路路段，3、4、6为普通道路路段。

根据路段出行阻抗函数，假设各路段的自由流行驶时间为：t2=1/4 h，t3=5/12 h，t4=1/3 h，t5=1/6 h，t6=1/6 h。各路段饱和通行能力Co2=Co5=2 400 veh/h，Co3=Co4=Co6=800 veh/h，OD需求为快速路的上游流出能力为2 500 veh/h，则OD间静态最短路径为原路径I，一般情况下基于系统最优的流量分配满足绝大部分流量通行路径I通行。以出行者路径最优和网络运行效益最大化为目标，利用BPR函数通过式(6)的逆运算可得各路段期望饱和度如表1。

表1 各路段通行能力及期望饱和度数据

假设路段5在发生交通事件非常拥堵时，通行能力下降为1 200 veh/h，事件持续事件为1/6 h，在此期间，各路段的实际通行能力将动态变化。

5.2 SP调查结果统计分析

笔者采用SP调查法对该市有经验的驾驶员采用两种调查方式进行调查：第1种采用面对面提问，问卷现场回收，答题的准确度很高；第2种采用网上问卷形式，隔一周统一回收，问卷回收率能达到95%以上，但数据准确度较低。为保证被调查对象与本市驾驶员人群的组成相同，确定被调查对象中70%为男性，30%为女性。调查期间共发放问卷466份，通过对回收的问卷进行整理和筛选，最终确认的有效问卷为440份，有效率为94%。

表2 个人属性信息统计结果

Table 2 Statistical results of personal attribute information

综合分析各研究单元，通过重庆交通大学5位专家的专家评判，确定各单元中影响因子权值如表3。

表3 各单元中影响因子权值

Table 3 Each unit weight factor table

研究单元影响因子权值代码权值个人属性信息对路网熟悉程度α10.30驾龄/年β10.40学历水平γ10.15性格类型ε10.15对交通信息态度路径选择主要依据α20.15特别留意交通信息板β20.70注意路边可变信息板的原因γ20.15改变路径倾向无信息时使用固定路径α30.10VMS显示前方目标道路拥堵时β30.30若显示前方事故排除中γ30.20

(续表3)

研究单元影响因子权值代码权值改变路径倾向高峰时段路径选择习惯ε30.10熟悉道路时是否接受诱导θ30.15不熟悉道路时是否接受诱导λ30.15未来信息发布建议期望VMS信息发布精确度α40.40现阶段VMS提示信息是否准确β40.25对现状信息发布评价γ40.35综合影响系数个人属性信息α50.45对交通信息态度β50.20改变路径倾向γ50.20未来信息发布建议ε50.15

通过式(12)可得模型(3)中的参数δ=0.005。

5.3 构建交通信息发布动态区间

更进一步可得，当路段5交通事件发生之后，饱和度由交通事件发生之前的B1=0.735变为B2=1.47。故需要通过动态交通诱导疏通路段5。

通过式(3)可构建各路段交通信息发布动态区间如表4。

表4 路网中路段交通信息发布动态区间

5.4 结果分析

可以看出，与不加载动态交通诱导的情况(现实)相比，该诱导方案能够更早结束事件影响，使主干道的通行能力更早恢复到较佳状态，而路段负荷演化数据结果显示，该诱导方案能使主干道和普通路段的负荷流量更加接近期望负荷程度，从而达到交通管理者预期分配方案，减小系统资源浪费和费用。

6 结 论

基于交通诱导信息对驾驶员选择行为的影响，将信息发布变化量作为刺激量、路段交通负荷程度的变化量作为反应量，构建了一个用于城市动态交通诱导信息的策略问题的驾驶员刺激-反应模型，并通过仿真验证了模型的可行性和实用性，主要成果有：

1)针对驾驶员路径选择方式及出行行为进行分析，总结了交通诱导信息对驾驶员路径选择行为的影响，通过SP调查分析驾驶员路径选择的主要影响因素；

2)对动态诱导信息发布问题进行综述，建立了动态交通信息发布的刺激反应模型，利用SP调查数据对模型参数进行标定，构建了合理的交通信息发布动态区间，并对模型进行了仿真验证。

[1] Asad K,Adib K,Emmanuel L C.Stated and reported route diversion behavior:implications of benefits of advanced traveler information systems [J].Transportation Research Record,1994,1464:28-35.

[2] Papageorgiou M.Multilayer control system design applied to freeway traffic[J].IEEE Transactions on Automatic Control,1984,29(6):482-490．

[3] Mahmassani H S,Chang Gang-Len.Experiments with departure time choice dynamics of urban commuters [J].Transportation Research Part B:Methodological,1986,20(4):297-320.

[4] Kiseok S,Michael G H.Shortest paths in a network with time dependent flow speeds [J].European Journal of Operational Research,2000,121(1):32-39.

[5] 刘艳红.交通信息作用下的驾驶员路径选择行为研究[D].成都:西南交通大学,2009. Liu Yanhong.The Research of the Drivers Route Choice in the Traffic Information[D].Chengdu:Southwest Jiaotong University,2009.

[6] 干宏程.VMS诱导信息影响下的路径选择行为分析[J].系统工程，2008,26(3):11-16. Gan Hongcheng.Exploring dvivers’ route choice response to real-time guidance information of variable message signs[J].Systems engineering，2008,26(3):11-16.

[7] 周元峰.基于信息的驾驶员路径选择行为及动态诱导模型研究[D].北京:北京交通大学,2007. Zhou Yuanfeng.Research on Driver Route Chioce Behavior in the Presence of Information and Dynamic Guidance Model[D].Beijing:Beijing Jiaotong University,2007.

[8] 赵丹.城市交通路径诱导算法研究[D].西安:长安大学,2009. Zhao Dan.Study on Urban Traffic Route Guidance Algorithm[D].Xi’an:Chang’an University,2009.

[9] Yang Y,Farrell J,Tan H S.GPS-aided INS based control state calculation for AHS [C].Arlington Va,U.S.:Proceedings of 20th American Control Conference,2001.

[10] 陈晓红.交通网络动态路径诱导算法研究及其在GIS环境下的仿真实现[D].长沙:长沙理工大学,2005. Chen Xiaohong.The Research on Dynamic Route Guidance Algorithm in Transportation System and Its Realization in Geography Information System[D].Changsha:Changsha University of Science and Technology,2005.

[11] Robin L,Hensher D A,King J,et al.Optimal departure scheduling for the morning rush hour when capacity is uncertain.Volume 2:Modelling transport systems[C].Sydney,Australia:Proceedings of the 7th World Conference on Transport Research,1995:16-21.

[12] 车广侠.城市路网中可变交通信息对驾驶行为影响研究[D].北京:北京工业大学,2007. Che Guangxia.Research of Variable Traffic Information Affect Driving Behavior in the Urban Road Network [D].Beijing:Beijing University of Technology,2007.

[13] Chapin I,Lan Shan.Adaptations of the A* algorithm for the computation of fastest paths in deterministic discrete-time dynamic networks[J].Journal IEEE Transactions on Intelligent Transportation Systems,2002,3(1):60-74.

[14] Li Qingquan,Zheng Nianbo,Fang Zhixiang,et al.A proposed Intelligent Vehicle Telematics Service System (IVTS) [C].Chengdu,China:Proceedings of 6th International Conference on ITS Telecommunications,2006.

Driver Stimulus-Response Model Based on Dynamic Traffic Induction Information

Ren Qiliang, Sun Fengrui

(School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074, China)

For the problems of information concussion generated during a period of time when the traffic information service of urban road released, the driver stimulus-response model based on the strategy of urban dynamic traffic induction information to eliminate information concussion and help drivers select the optional path was proposed, which analyzed the impact of traffic guidance induction information on the drivers’ path option, combining with drivers’ travel behavior. The proposed model took the release of traffic information service as the quantity of stimulus and the change of road traffic load as the quantity of reacting. According to the analysis of simulation example, the dynamic region of traffic information service was ensured. Researches show that the proposed method could significantly reduce the traffic information concussion, which has strong practicability in improving the utilization efficiency of urban road network.

traffic engineering; dynamic induction; stimulus response; path choice; SP survey

10.3969/j.issn.1674-0696.2015.05.20

2013-12-12；

2014-06-05

任其亮(1978—)，男，山东莱芜人，教授，博士后，主要从事交通规划、交通安全及智能交通方面的研究。E-mail: cqrql@126.com。

孙丰瑞(1990—)，男，山东泰安人，硕士研究生，主要从事交通运输规划与管理方面的研究。E-mail：sun_fengrui2009@163.com。

U491.2+54;F540

A

1674-0696(2015)05-100-06