文摘

后,研究人类的风险性决策和不确定性,本文的目的是分析疏散人员的危险路线决定行为及其对交通的影响平衡。它检查的可能性将后悔理论应用于模型旅行者的后悔吃行为和网络平衡在紧急情况下。通过修改效用函数的期望效用理论,建立了regret-based疏散交通均衡模型,占后悔厌恶的撤离者的心理行为和风险规避。面临两个平行的疏散路线的选择情况下,疏散人员的风险厌恶和后悔厌恶的影响交通平衡数值调查以及道路容量减少自然灾害。研究结果表明,疏散人员喜欢无风险的路线与较低的旅行时间的增加后悔厌恶的程度。平衡,往往是更多的疏散人员选择更安全的路线共同受避险情绪与后悔厌恶。此外,灾难发生的可能性的一种优化模型是制定交通疏散管理系统性能进行评估。这些发现有助于理解如何后悔厌恶和风险规避影响交通平衡。

1。介绍

交通均衡分配是一个关键的交通需求分析和规划的过程。假设存在的交通平衡可以帮助预测路由网络流量模式和评价系统性能的相关措施。关键是有效识别潜在的周期模式从大量的时间序列数据,并提供准确的预测基于统计的旅行时间和高速公路交通速度,马尔可夫链预测模型和机器学习,特别是对于实际疏散场景(1- - - - - -3]。先前的研究显示期望效用理论的受欢迎程度在描绘旅游行为和解决交通平衡问题(4- - - - - -8]。它假定每个旅行者试图最大化的效用选择路线的原则规则。

旅行时间是旅行决策和交通分配的一个重要指标。除了旅行时间,其他路线时空因素包括交叉口延误,路径距离、大小和路径也被认为是在路径选择过程9]。当前对路径选择的研究转向模型旅游者的应对不确定性。然而,期望效用最大化的原理假设缺乏行为现实主义在某些风险决策场合,尤其是紧急疏散上下文(10- - - - - -12]。

人们普遍认为后悔的概念是高度相关的个人决策(13]。后悔理论放松了传统行为假设和提供了一个机会来解释后悔厌恶心理,尤其是当人们面临危险的选择决策(14]。最近的努力在造型个人的旅行选择使用后悔理论,如路径选择、模式选择和起飞时间(15,16]。少数但越来越多的研究已经完成分析交通平衡基于后悔理论。后悔理论有很大潜力在造型交通平衡与期望效用理论和前景理论(16- - - - - -18]。突出的优势在于它的简洁的形式来解释实际的行为和与实证研究保持一致。regret-based随机用户均衡模型提出了更一般的选择集,可以描述旅行的路径选择行为更加灵活19]。考虑到游客的思维方式,noncompensatory多目标框架开发,并通过模型可以解决多个目标之间的冲突(20.]。自从货币成本也是一个重要因素之间做决定时替代路线,biattribute用户均衡模型(即。,旅行时间和货币成本)建立了旅行者的目标是减少他们的遗憾21]。

近年来,虽然前景理论越来越多地应用于解释旅行者的危险的路径选择行为,很难选择一个科学的参考点(22- - - - - -24]。一个独特的纯纳什平衡点的原则下取得前景理论考虑用户的不同行为模式(25]。云计算环境中,灵活的5 g访问技术和集群机制可能有助于提高疏散人员的流动特征(26- - - - - -28]。后悔厌恶心理是符合影响交通均衡在合唱所做的研究17]。后悔的影响和风险厌恶增加,似乎互相加强,同时暗示平衡转向更安全的路线。遗憾是较弱的环境中较弱的风险程度,但它是更强的风险环境中(29日]。

现有文献的审查表明,很少有研究关注交通平衡与后悔厌恶疏散风险决策过程。当面临紧急疏散撤离的决定行为不同于在常规条件;因此应该考虑他们的遗憾和对风险的厌恶(30.,31日]。因此,regret-based模型的应用领域的紧急运输迫切需要解决。本研究的动机之一是分析交通疏散条件下平衡基于后悔理论。与此同时,全球灾难状态构造优化模型来评估交通系统的性能,使可行的疏散指导。流量均衡的分析评估的前提下交通系统的性能。本研究的贡献突出捕捉未被注意的风险与后悔厌恶心理的疏散决策过程。

本文的其余部分组织如下。部分2介绍了regret-based紧急疏散交通均衡模型。部分3探索和后悔厌恶风险如何影响疏散交通平衡,和部分4制定系统性能评估模型。一节5总结了研究并讨论未来的研究方向。

2。Regret-Based交通均衡模型

旅游行为有潜在的重大影响交通平衡。与先前的研究基于效用框架相比,regret-based交通均衡模型是制定会计风险厌恶和后悔的决定。心理遗憾/快乐选择时可能发生更糟/比其他替代方案。决策者们尽量避免后悔越高,特别后悔厌恶。面临风险决策的情况下,更多的是注意后悔理论而不是传统的效用理论。

2.1。Regret-Based效用函数

假设的情况下,疏散人员应该离开家一个安全的目的地,以避免自然灾害造成的损失(例如,洪水和风暴)通过主要疏散路线或与冒险的旅行时间,如图1。这条路线更接近于灾难比路线 ,但距离较短的路线。感知到的旅行时间是不确定的,其分布疏散人员。更具体地说,撤离者知道发生的概率随机旅行时间对灾难的每一个州。三个不同的国家灾难的包括“好”状态,“中等国家,”和“坏”状态可能发生的发生概率 。

根据后悔理论、感知效用函数由两部分组成:基本效用函数和regret-rejoice函数(10,12]。regret-based公用事业的两个路线如下所示: 在哪里和代表的基本实用路线一个和b;和路线的旅行时间吗和在灾难状态年代;和和代表regret-rejoice路线的价值和 。当 ,变成一个快乐值,表明感知快乐心理学选择撤离的路线 。当 ,就后悔值,指示撤离感知选择路线的后悔心理 。值得注意的是,部分是一个函数的效用差异路线和 。

有不同形式的风险规避水平取决于效用函数 。为cost-attribute(例如,旅行时间),是一个单调递减凹函数,它满足条件 和 (32,33]。benefit-attribute(例如,服务),是一个单调递增的凹函数,它满足条件 和 。指数表达式应用作为旅行时间属性的效用函数,如下所示(10,12,17]: 在哪里代表一个负的风险规避参数范围从0到1。通常,决策者是风险厌恶当面对风险的选择。风险厌恶效用的影响对旅行时间图所示2。发现被疏散者的风险厌恶程度的增加与风险规避的参数。

regret-rejoice功能是高度依赖regret-aversion水平。在大多数情况下,撤离者的风险厌恶当面对灾难。这个函数是一个单调递增的凹函数,它满足条件 , 和 (33,34]。regret-rejoice效用与后悔厌恶参数如下所示(10,12,17]: 在哪里β代表一个非负参数后悔厌恶,范围从0到1。后悔厌恶的影响效用的区别如图3。当 , 发现有增加吗 。它揭示了认知心理学比这更敏感撤离。换句话说,撤离者后悔厌恶和后悔厌恶水平增加而增加风险规避参数。

因此,考虑到冒险的旅行时间,路线的regret-based效用一个和b可以写成:

2.2。流量平衡条件

从行为科学的角度来看,个体路径选择决策导致交通网络流型演变交通平衡(29日]。更具体地说,没有用户可以通过单方面降低效用切换路线。在这项研究中,流量平衡条件可以扩展成regret-based决策框架。平衡是实现当没有用户可以通过单方面增加regret-based效用切换线路。根据用户平衡原则提出的衣橱里(35),网络被认为是在平衡态交通模式稳定和没有任何激励用户改变其目前的路线,如图所示如下:

路上的灾难有破坏性的影响能力。为了捕获这个影响疏散网络平衡在现实背景下,容量减少参数介绍了BPR(公路、BPR)函数形式采用Avineri [36)如下: 在哪里畅通的路线旅行时间吗一个状态下 ; 和的参数;路线上的交通流量吗状态下 ; 是基本能力的路线状态下 ; 是国务院道路容量减少参数 ;越小值越大,容量损失;和是随机旅行时间的路线状态下 。

这里,BPR函数作为路线旅行成本函数,当链接是同质的(即在一个路线。能力和服务水平是相同的)像Avineri36]。用方程(8在方程()5)和(6),网络旅游流和用户实用程序可以获得交通平衡状态。

3所示。风险厌恶和后悔参数分析

一个数值的例子是在这项研究中认识到的不同影响进行风险规避水平和后悔厌恶水平交通平衡。假设参数的值部分取自合唱(17]。合唱的研究相比,regret-based交通平衡分析紧急疏散环境下,考虑到灾害对道路的影响能力。路线更接近于灾难比路线但距离较短的在图的路线1,这意味着路线更有可能受影响的灾难和痛苦更大容量减少紧急情况。详细信息的数值例子,假设以下设置: , , ,和 。有200人应该撤离。关于这三个州,减少旅行时间和容量的随机部分参数是由于灾难的破坏程度不同,如表所示1。三个州,旅行时间的发生概率的随机部分为1/3。

3.1。不同的风险厌恶情绪场景

以良好的状态为例,假定参数设置: , ,和 。当表示路由上的交通流量 ,的预期regret-based效用的路线被当变化从0到0.05,如图4。发现预期regret-based效用的路线一个随的增加风险规避参数。

当 , ,和 ,不同交通流量达到平衡时变化从0到0.05,如图5。路线上的交通流量104年交通平衡状态,101年,99年,96年,92年和88年等于0,0.01,0.02,0.03,0.04,和0.05,分别。需要的情况下 作为一个例子,交通流的路线99辆汽车,预计旅行时间是31.8,与101年相比汽车路线和预期的旅行时间为33.1。因此,旅游流变化的路线对路线 ,当风险厌恶参数增加。

3.2。不同的后悔厌恶场景

以良好的状态为例,假定参数设置: , ,和 。当表示路由上的交通流量 ,的预期regret-based效用的路线被当变化从0到0.1,如图6。发现预期regret-based效用的路线一个后悔厌恶参数的增加减少。

当 , ,和 ,不同交通流量达到平衡时变化从0到0.1,如图7。路线上的交通流量96年交通平衡状态,96年,95年,95年和94年等于0,0.025,0.050,0.075,和0.100,分别。需要的情况下 作为一个例子,交通流的路线95辆汽车,预计出行时间为31.2,相比with105汽车路线和预期的旅行时间为33.6。因此,旅游流变化的路线一个对路线 ,当风险厌恶参数增加。

3.3。不同Risk-Regret厌恶的场景

交通均衡没有风险和后悔厌恶如图8。可以看出,上有104辆车的路线和96辆汽车的路线在交通平衡状态。预计在两条路径旅行时间等于32.5。这些发现某些符合研究合唱(16]。提供的价值104小于114合唱;这是由于容量减少被认为是在这个研究。

交通平衡每个州不同风险和后悔厌恶的表所示2。可以看出,路线上的交通流量在平衡状态是相同的,当没有风险规避(例如, )无论各不相同。交通流量的路线104、97和91年好,介质,分别和糟糕的状态。如表所示2,交通流的路线一个与后悔厌恶转变严重参数增加风险规避时参数同时增加。这一发现是一致的,所做的功合唱(16]。换句话说,增加在后悔厌恶流量平衡的影响更大的旅行更多的风险规避。后悔厌恶和风险规避的影响似乎互相加强,同时暗示(即交通平衡转向安全路线。、路由 )。

关于能力参数,减少灾害损失程度加强了后悔厌恶,厌恶风险情绪进一步影响。的交通平衡路线一个是101年 没有伤害。然而,93年交通均衡 与一个产能的下降,路由(即 ),表明撤离者更像选择路线。

4所示。交通系统性能评估

从决策的角度,它有助于知道全球交通系统性能。因为灾难的发生概率在不同状态是不确定的,交通系统性能并不是一个确定的值。全球交通系统的效用均衡可以被认为是一个性能指标。认识到这一点,使用区间值的出现概率。详细发生概率的区间值的好状态,介质状态,和坏的状态被认为是[0.2,0.5],[0.4,0.7]和[0.1,0.3]。最好的状态和最糟糕的交通系统可以使用全局最优状态估计模型。每个灾难状态,基于感知regret-based效用的路线,全球交通系统的实用程序使用一个优化模型如下:

在这项研究中,三种状态的实用程序 和 使用。可以获得全局最优发生概率使用以下模型:

最后,全局最优状态概率可以通过求解方程(10)。交通系统在网络的最佳效用均衡−172.356,主要取决于良好的状态和介质状态,也就是说, , ,和 。全球效用的增加由于糟糕的行动状态是相对有限。最糟糕的交通系统在网络的效用均衡−189.116,主要取决于坏状态和介质状态,也就是说, , ,和 。之间的交通系统效用区间值-189.116−172.356。交通系统的性能可以获得最低regret-based负效用为172.356。根据模型结果,研究结果提供有用的见解为应急机构的管理部门应多注意轻微和中等灾难伤害。

5。结论

regret-based效用函数是用来占风险厌恶和后悔厌恶心理下紧急上下文。与此同时,流量平衡条件建立了考虑道路容量减少。发现风险规避、后悔厌恶,和容量减少对交通平衡有重要的影响。

风险厌恶和后悔厌恶参数如何影响交通平衡探索。发现交通平衡,往往是更安全的路线是主要的选择。它反映了大多数灾民愿意选择更为安全的疏散路线,文本。他们是高度风险厌恶和后悔,流量平衡的结果依赖于风险厌恶和后悔厌恶水平。

后悔理论下的交通均衡模型是一个吸引人的方法与传统的效用理论相比,特别是在疏散交通环境。它是合理的厌恶心理疏散问题的分析。不同的参数产生不同程度的对旅游决策的影响。与厌恶水平的增加,疏散人员更喜欢稳定的路线。未来的研究可以发现在几个方向。regret-based交通均衡模型的应用中可以进行复杂的网络。例如,在一个网络和三个疏散路线 , ,和 , 可以修改等于 。同时,面临的风险情况下,疏散人员的心理行为后悔厌恶不应该都是一样的。后悔吃的异质性行为应考虑未来的研究。真正的野外数据也应该用于验证结论,和实施成本可以评估疏散练习。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作主要是由中国国家自然科学基金(没有。71704161),浙江省自然科学基金(没有。LGF19G030002)、中国博士后科学基金会(没有。2017 m621935),中国国家自然科学基金(没有。71801188),浙江省哲学社会科学项目(没有。19 ndjc167yb)。