基于随机理论的公交路径选择建模

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 *通讯作者。

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) [1] [2]。

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[4]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[5]。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[4] [6]。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[7]。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[9]。

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[4]。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[10]。

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[11]。随机效用理论是Ben-Ariva 等提出的，认为出行者对