如何使用随机理论进行公交选择建模的详细资料说明

　　基于分层信息处理思想，运用随机理论框架下的公交路径选择模型，分析出行者在时空维度下的站点选择和公交车选择行为。以从广州市体育中心BRT站点到东圃镇BRT站点为例（共8条直达线路），利用IC卡数据和车辆报站数据对公交车感知效用函数进行参数标定和检验，结果表明，在对舒适度进行分层处理的情况下，候车时间、搭乘时间、站点舒适度、车内舒适度和搭乘线路经验均对公交路径选择具有显著性影响。

　　公交路径选择行为的研究可分为基于发车频率方法和基于时刻表方法。基于发车频率方法考虑公交线路集的服务情况，如公交车的发车间隔，但是它没有明确考虑公交车的运行时间。公交路径选择可基于最优策略路径的思想，使用基于发车频率方法实现。这种情况的前提假设是出行者永远以同一方式进行选择，如在最少感知出行时间的原则下，出行者总是搭乘线路选择集中第一辆到达的公交车，以避免由候车时间增加而使感知出行时间加大。在缺少出行信息和高频率公交服务的环境下，这种假设是可接受的。随着智能交通系统（ITS）的发展，现实生活中出行者不仅可在出发前获取路径信息，在出行途中，同样可通过移动设备等方式得到相应的实时出行信息（通过百度地图APP、Google 地图APP 等） 。此时，出行者的选择行为是根据当前条件的自适应选择［3］。因此基于发车频率的方法缺乏考虑实时出行信息，在出行者候车时间、搭乘时间等因素的估算中均有所偏差，难以体现于现实生活中的真实出行。

　　基于时刻表的方法基于车辆到达和离开站点的时刻，考虑公交车服务的相关属性。Nuzzolo 等将公交出行路径选择细分为站点选择和公交车辆选择。站点选择研究主要考虑了站点可达时间、附近商店数量、站点所能提供的车辆选择集等因素，以获取满足站点可达性和吸引力的最佳选项。线路和车辆选择不仅考虑了候车时间、搭乘时间等公交服务因素，还考虑了舒适度、可靠度等个体感受因素。Li 等考虑了乘客搭乘时间、出行费用、不舒适度和公交服务可靠度的感知成本对乘客的出行选择行为进行描述。Nuzzolo 等考虑了候车时间、搭乘时间、换乘时间、换乘次数、车内舒适度和站点舒适度构建车辆效用函数。Meignan 等利用候车时间、步行时间、搭乘时间和出行经济成本来实现出行者行为建模。Hall 等通过计算个体到达目的地的最少花费时间的期望值，包含了候车时间和上车搭乘时间，提出了一种随机且依赖于时间的出行时间的路径查询方法［8］。Nuzzolo 等不仅考虑了候车时间、搭乘时间、车内舒适度、换乘次数，还考虑了早/晚到达时间，即到达目的地的期望时间与实际时间的差异，和进入/离开公交服务的时间。

　　以上两类选择行为均可视为选择集生成和选择机理的综合作用结果，属于离散选择。选择集生成需要满足相应的约束，如个体偏好、是否可达，等以前k 条个最优选项为原则生成相应的选择集，如最近的k 个站点为站点选择集，最短的k 条路径为线路选择集。选择机理用于评估选择集内选项的好坏。目前最常用的是由Von 等建立的期望效用准则，认为出行者是理智的，会选择可选集合中效用最大的选项。但是由于出行者对路径信息掌握程度的差异，往往难以精确得到各个出行路径的实际效用，因此这种理论缺乏考虑个体对出行路径的感知误差。随机效用理论是Ben-Ariva 等提出的，认为出行者对选项的感知效用是实际效用和随机项的综合，其中，随机项表示了个体的感知误差［。前两种理论的一个局限是认为所有出行者均为最大效用选择者，同时选择集内的选项相互独立。Kahneman 等提出了前景理论，认为个体会通过对比选择集内的选项与参考点之间的差异进行选择以相对收益和相对损失程度的角度来研究和分析决策者的风险态度。后悔理论是基于选择项的预期表现与非选择项胜过选择项的可能性对选项进行评估。前景理论和后悔理论已被广泛应用在经济学领域，近年也有交通领域的应用。

　　换乘站点的选择，选择结果不仅影响着出行者本次出行的步行距离、步行时间，同时，站点所提供的线路（及相应的发车班次）限制了出行者的可达范围。公交车选择是出行者在选定并到达站点后，根据出行需求，选择搭乘的线路以及相应的公交车。根据这两种选择行为特性，可将出行者决策分为出行前选择和出行时的自适应选择。前者是出行者在出行前，根据出行者信息系统所提供的路径信息的决定，站点选择为典型的出行前选择。后者是指出行者不仅考虑出行前得到的静态信息，还考虑在出行途中所遇到情况的决策，如，线路和公交车选择。

　　结合以上两种选择（站点选择和公交车选择），公交路径选择模型可分为4 个步骤：1） 路径选择集生成，2） 路径选择机理（效用）分析和计算，3） 学习过程，4） 模型参数标定。