书籍详情
![《考虑个体微观特征的通勤行为建模与仿真》[29M]百度网盘|亲测有效|pdf下载](/uploads/s0309/5bb230ceN505eafe9.jpg)
考虑个体微观特征的通勤行为建模与仿真
- 出版社:科学出版社旗舰店
- 出版时间:2018-09
- 热度:9676
- 上架时间:2024-06-30 09:08:33
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
通勤出行是城市居民*基本和*重要的行为之一。如何清晰地刻画出行个体的路径选择决策行为和交通流量的动态调整过程一直都是交通领域关注的研究热点。作为实现城市日常出行高效有序的重要内容和手段，研究考虑个体微观特征的通勤行为有助于理解城市交通拥堵的形成机理，提出行之有效的解决措施和政策建议。本书分为建模篇和仿真篇，围绕个体微观特征对通勤行为的影响，通过模型构建和分析、仿真等方法，在多个场景下讨论个体微观特征在城市交通系统流量演化和均衡过程中所扮演的角色。
目录
第1章 绪论 1
1.1 出行行为研究的必要性 1
1.2 国内外关于交通均衡与出行行为的研究概述 3
1.3 本书的主要研究问题和思路 25
**篇 建模
第2章 基于CPT的合乘行为建模与分析 31
2.1 合乘与HOV车道 32
2.2 累积前景理论 32
2.3 基于CPT考虑HOV车道的合乘出行模型 36
2.4 均衡结果与参数敏感性分析 38
2.5 本章小结 46
第3章 基于CPT的停车换乘行为建模与分析 47
3.1 基于CPT考虑停车换乘出行的模型 48
3.2 模型求解算法 52
3.3 均衡结果与参数敏感性分析 53
3.4 本章小结 59
第4章 考虑出行时间区间和参考点的择路模型 60
4.1 备选路径的累积前景值 60
4.2 *优路径选择与分析 66
4.3 本章小结 71
第5章 考虑动态双参考点的多用户网络均衡与演化 72
5.1 基于动态拥挤收费和双参考点的路径感知价值 72
5.2 day-to-day多用户网络均衡以及求解算法 76
5.3 算例分析 78
5.4 本章小结 83
第6章 基于Dogit模型考虑路径偏好的日常出行行为 84
6.1 基于Dogit模型的出行个体择路机制 85
6.2 感知出行时间学习模式 86
6.3 个体路径偏好动态更新规则 88
6.4 日常动态拥挤收费设计 88
6.5 算例分析 89
6.6 本章小结 96
第二篇 仿真
第7章 信息反馈策略对个体行为及系统特性影响研究 101
7.1 模型假设与信息反馈策略 102
7.2 无信号控制方式下的仿真结果 106
7.3 信号控制方式下的仿真结果 112
7.4 本章小结 118
第8章 信息反馈策略对出行者微观换道行为影响研究 119
8.1 网络模型 120
8.2 动态收费策略和信息反馈策略 122
8.3 仿真结果 124
8.4 本章小结 128
第9章 基于个体学习和信息作用的日常出行决策 129
9.1 网络模型 130
9.2 路径更新规则 131
9.3 仿真结果 132
9.4 本章小结 137
第10章 考虑局部微观停靠行为的交通流模拟研究 138
10.1 模型 139
10.2 车辆运行、换道和停靠规则 139
10.3 模拟结果 141
10.4 本章小结 146
第11章 结论与展望 147
11.1 主要研究结论 147
11.2 研究展望 150
参考文献 152
第1章 绪论
1.1 出行行为研究的必要性
交通出行问题事关民生利益。随着居民收入水平的提高，城市小汽车保有量和使用量疯狂拔高，不断攀升的城市交通需求无法得到满足，加上天气及事故等不确定因素的影响，交通拥堵问题日益突出。北京、广州和西安因交通拥挤导致的人均经济损失更是分别高达8717元、7207元和6960元，如图1-1所示，国内一线城市因交通拥挤导致的人均经济损失大幅高于二线主要城市，损失数字触目惊心。同时，道路拥挤在一定程度上降低了行驶车速，甚至使整个高速公路系统陷入“瘫痪”状态，车辆“寸步难行”。根据高德地图发布的《2016年度中国主要城市交通分析报告》，全国*拥堵城市前十位如图1-2所示。前四名的城市：济南、哈尔滨、北京、重庆的高峰拥堵延时系数（高峰拥堵时期所花费的时间与畅通时期所花费的时间的比值）都超过了2，即这四个城市的上班族的日常通勤需要花费畅通情形下两倍多的时间。
对于缓解拥挤，政府部门一直以来都提倡供给和需求两方面双管齐下。在交通供给方面的解决方案主要是通过修建和拓宽道路来提高道路通行能力，但由于早期规划的城市土地面积以及高昂的经济成本的制约，供给并不能无限增加。而且，增加供给会反向刺激需求的增长，长期“疗效”一般。从交通需求管理着手，通过开设HOV车道，提供P&R设施和实行拥挤收费等手段来“治堵”，在国外许多城市已经取得了相当成功的经验，而在我国则尚处于起步阶段。*近几年，北京、上海、广州等大城市也鼓励居民P&R出行，2014年12月，广州市交通委员会公示将在未来5年规划提供25个P&R停车场，累计有10000个停车位。2014年5月，无锡市开通了国内首条HOV车道，取得了良好的治堵效果；2016年，深圳市也相继开通了HOV车道。而拥挤收费自2010年在北京征询民意以来，在2016年的**中再一次引发了热议。
图1-1交通拥挤人均经济损失城市排行
资料来源：滴滴媒体研究院和**财经商业数据中心（2017）
图1-2城市拥堵系数排名
由于雨雪天气、道路施工、意外事故以及其他突发事件等客观因素，交通系统存在极大的不确定性。面对不确定的出行环境，作为交通需求主体的出行者需要把握各类交通信息并根据个人经验，不断地学习和更新对路况的感知，从而进行路径选择。在此过程中，个体微观特征，如出行者的偏好习惯、风险态度和价值衡量等，在很大程度上影响其*终的出行选择，即出行者决策行为亦存在不确定性。交通系统供需两方面不确定性的存在给交通管理部门“治堵”和引导出行者合理出行带来了极大的挑战。因此，为有效解决城市交通问题，需要研究影响出行方式或路径选择的各类因素及实现路径，把握出行者的决策规律，不断地修正和完善模型，才能为管理部门提供理论支持和决策依据。
1.2 国内外关于交通均衡与出行行为的研究概述
1.2.1 国内外研究概况
1.交通系统均衡研究
出行者个体大量涌现形成特定的交通流，经长时间演化将达到某种系统均衡状态。交通均衡理论的研究是交通管理与控制的重要环节。1952年，Wardrop提出经典的均衡理论，认为交通系统均衡分为两种：用户均衡（user equilibrium，UM）和系统均衡。出行者之间没有协议，各自*小化出行成本或*大化出行效用，当没有人能单方面通过改变路径选择使个人变得“更好”，即达到用户均衡时，并不一定是系统*优，即总成本*小化。系统均衡表示总的出行成本*小或效用*大，前提是所有出行者之间互相合作。
1）确定性交通系统均衡和随机性交通系统均衡
确定性均衡假定交通需求和交通供给是确定的常数，并假设出行者在路径选择中，完全了解当前的交通状态，能精确计算出行成本，根据效用*大化原则作出决策。显然，这与现实情况不符。Daganzo和Sheffi（1977）首次提出随机用户均衡的概念，将出行者的认知误差引入均衡模型。解决随机均衡问题，常用的方法有Logit模型和Probit模型，两者都假定出行者选择某一出行方案的随机效用可表示为确定效用与随机误差项之和，当随机误差项服从多维正态分布时推导出的是Probit模型，当随机误差项服从Gumbel分布时推导出的是Logit模型。
Gaudry和Dagenais（1979）在MNL模型（Multinominal Logit Model，多项Logit模型）的基础上进一步提出Dogit模型，将选择分为必需选择集合和自由选择集合两部分，以消费者市场为例，必需选择集合代表收入中支付生活必需品的部分，而自由选择集合代表扣除生活必需品后的可支配收入部分，选择概率中有一部分是“强制性”的。模型中增加的参数可以解释为偏好、忠诚度等，基于此构建的个体决策模型，有利于分析随机用户的行为特征对决策行为的影响。
2）静态交通系统均衡和动态交通系统均衡
静态交通系统均衡是交通流经过长时间演化后达到的相对稳定的状态，注重交通配流的结果。1956年，Beckmann等提出非线性交通分配数学规划模型。Smith（1979a）和Dafermos（1980）建立了交通均衡问题等价变分不等式，并应用于随机用户均衡模型。Yang和Huang（2004）研究了不同时间价值的出行者，在时间和费用双项准则下的用户网络均衡和交通系统网络均衡问题。以上都是建立在静态路径选择均衡原理的基础之上的。
随着研究的深入，形成均衡的过程也逐渐受到关注。实际上，出行者是逐日调整路径选择，渐渐演化到某一均衡状态。即使达到某一均衡状态，由于路段交通属性变化，交通管理与控制政策改变，以及天气事故等不确定因素的影响，也会扰动原有均衡，逐渐达到另一均衡状态。因此，考虑交通均衡演化的day-to-day动态性十分必要。Smith（1984）基于Lyapunov稳定性，以比例调整过程（proportional-switch adjustment process）描述交通流演化，将同一起讫点的出行者按比例分配到费用较低的路径上，调整比例与路径费用绝对值差有关。Nagurney和Zhang（1997）提出投影动态系统（projected dynamical system），将动态系统中的连续调整过程转化为离散问题，并用欧拉方程求解。Yang和Zhang（2009）深入拓展Zhang等（2001）关于day-to-day路段均衡的研究，提出了基于路段流量的有限理性调整过程模型（rational behavior adjustment process，RBAP），表示路段交通流相较于路径交通流更易观察，且绝大多数交通流动态演化模型都是其模型的特例。He等（2010）指出了基于路径流量的动态交通分配模型的两个缺点：路径重叠和路径初始流量不可识别性。为避免以上问题，他们提出了基于路段流量的动态交通分配模型，表明路段流量随着成本改变，满足古典Wardrop均衡条件。Guo等（2013）基于路段流量变化，提出离散的有限理性调整过程，并证明了演化的收敛性、均衡**性等。杨文娟等（2015）考虑到出行者的决策更多考虑自身的满意度，具有随机性，提出了基于随机用户均衡的交通流动态演化模型，并分析了模型的收敛性、稳定性和**性等特性。
2.出行行为特征与经验学习研究现状
影响路径选择*关键的因素是出行行驶时间，那么对出行者的感知时间学习机制的研究就至关重要。学习是人们总结过去的经验，结合当前的信息作出决策的过程。在日常通勤路径选择中，出行者根据以往的出行时间以及当前的天气、路况、收费等信息，更新自身对出行行驶时间的判断，并作出决策。除此之外，通勤者的认知偏差、习惯偏好、风险态度等行为特征因素，也会影响*终的路径选择决策。
1）感知出行时间更新学习机制研究
多个领域提出了各种不同的学习理论，如机器学习、博弈论及行为学习理论。其中，行为学习理论更加侧重于微观个体的信息获得与结合。出行路径选择的研究更多是基于行为学习理论，主要研究个体感知出行行驶时间的更新学习机制。
Horowitz（1984）提出感知时间为过去实际行驶时间的加权平均数。徐红利等采用这一学习模式，考虑了不确定性影响下的路段容量退化情形，构建了在诱导信息下的随机网络流量演化模型。Cantarella和Cascetta（1995）表明感知出行行驶时间期望值的更新是过去期望值和实际出行时间的加权平均，据此提出了感知时间指数平滑更新模式，在其他研究中被广泛使用。黄海军等（2005）运用此模式研究ATIS的应用对随机网络用户均衡的影响，在实例中分析了期望值与实际值不同权重下的流量演化均衡。田丽君等（2010）在指数平滑学习机制的框架下，根据是否装有ATIS交通诱导系统将用户分为两类，建立了基于动态信息反馈的日常出行决策模型。
以上的权重更新模型为贝叶斯学习模型的一种，除此之外还有Erev等（1999）提出的强化学习模型，模型假设决策者的行为符合Thorndike的效果律，即选择某一策略的概率会随着这一策略带来的积极回报而增强，反之则减弱；Zhao和Huang（2014）基于西蒙的满意原则理论提出的学习模型，表明出行者对路径出行成本拥有不同的满意度，并通过行为实验验证，当出行成本未超过满意度时，路径是可接受的，即出行者表现为有限理性，而非理性的效用*大化。
与以上逐日累积平滑的离散学习更新不同，针对决策者的遗忘性，Kahne-man等（1993）探索了另一种基于经验的学习模型——峰终定理。研究指出，对经历的学习不是一种日复一日的累积效应，而是几个突出阶段的组合，如峰值和就近经历的记忆的联合作用。在路径选择领域，则表示感知出行时间为过去经历的*大或*小出行时间和*近出行行驶时间的加权平均。不同于指数平滑更新模式，峰终定理突出了极端情况对决策者的影响。
2）出行者习惯偏好对路径选择影响研究
出行者的习惯偏好在路径选择决策中，也扮演了重要的角色。惯性即决策者重复某一选择或长久处于某些熟悉的策略集合中，在路径选择中则表现为，即使客观上存在更好的选择，出行者也只重复选择某条或某几条固定的路径。Garling等（2001）、Verplanken和Aarts（2011）通过行为实验证实了习惯对路径选择的影响，实验中，被试者重复选择某一路径并获得满意的结果，久而久之惯性思维形成，其后往往会疏于寻找更好的路径。Garling和Axhausen（2003）全面地总结了习惯在路径选择中的影响，表示习惯形成的过程，就是深思熟虑逐渐减少的过程。
近年来，习惯偏好等个体心理特征也逐渐被加入交通系统均衡的模型中。Xie和Liu（2014）在随机路网均衡中考虑了决策惯性，分析了不同的惯性程度和情境认知程度对出行者路径选择的影响。He等（2014）研究了出行者习惯形成对day-to-day路径选择的影响，通过实验表明，一旦习惯形成，出行者对路径时间差异敏感性将逐步降低。Zhang和Yang（2015）进一步深入定义路径选择惯性是出行决策者对**或固定的选择集的黏性，即重复选择熟悉的策略，不随意考虑并转换选择集之外的路径，并探讨了不同的惯性形式对交通流量均衡的影响以及信息提供对打破习惯的作用。
3）基于期望效用理论和随机效用理论的出行行为研究
现实中出行者面对的交通网络往往具有不确定性，国内外学者也一直致力于在具有不确定性的道路网络中开展出行行为研究，使用期望效用理论（expected utility theory，EUT）和随机效用理论（random utility theory，RUT）来“解读”出行者行为。Yang等（2004）研究了多类用户（时间价值不同且离散分布）多标准（以货币成本或时间来衡量出行负效用）的道路网络用户均衡和系统*优问题，探讨了用户均衡流量与不同标准下出行负效用的关系。马寿峰等（2005）采用博弈论的思想，在用户均衡与系统*优互相协调的规则下，研究了交通管理控制者与受到交通诱导的出行者之间的博弈行为。黄海军等（1998）针对两种交通出行方式——公路和地铁出行，在两方式均衡模型中发现地铁车厢内的拥挤成本和常态出行时间差异会对出行者的方式选择行为产生影响，指出提高地铁公司的服务质量能带来更多的乘客流量。之后，Huang（2000）将两方式均衡模型扩展至两类用户的情形，结合公路是否收费和地铁定价研究了三种组合方案：公路不收费且票价基于边际成本、公路不收费且票价基于平均成本、对公路实施统一收费以补贴地铁公司固定成本保证其盈亏平衡且票价基于边际成本，并辅以算例分析实施各种组合方案对两类通勤者方式选择行为的影响。黄海军等（2005）针对公交出行方式，研究了乘客出行均衡行为，模型中考虑了身体接触拥挤成本和时间延误成本，研究发现公交公司垄断制度下的高票价会抑制出行需求的增加，而寡头竞争情形下则会致使票价降低，公交出行需求增加。
ATIS在具有不确定性的交通环境中为出行者提供免费开放的交通信息或有偿出行诱导信息，影响出行者的出行选择。李志纯和黄海军（2005）综合研究了ATIS对出行者的目的地、出行方式、路径等多重选择的影响。考虑装有和没有ATIS的两类出行者，基于层次结构选择模型和随机均衡Logit模型构建混合随机网络模型，利用算例分析了市场渗透率（装有ATIS的出行者比率）对出行负效用、（两个）目的地需求、（三种）方式分担的影响。侯立文和谭家美（2006）在假设ATIS提供出行信息的背景下，基于统计学数字特征计算路段近似行驶时间，基于Logit模型计算路段选择概率，构建了出行时间可靠性的计算模型。刘天亮和黄海军（2007）在多智能体仿真环境中研究发现：当信息开放时，路网路径流量能更快地演化至Logit随机用户均衡配流状态，但是对信息依赖过度会使
商品参数
| 考虑个体微观特征的通勤行为建模与仿真 | ||
 |
曾用价 | 72.00 |
| 出版社 | 科学出版社 | |
| 版次 | 1 | |
| 出版时间 | 2018年09月 | |
| 开本 | 16 | |
| 作者 | 田丽君 | |
| 装帧 | 平装 | |
| 页数 | 166 | |
| 字数 | 220000 | |
| ISBN编码 | 9787030550163 | |
内容介绍
通勤出行是城市居民*基本和*重要的行为之一。如何清晰地刻画出行个体的路径选择决策行为和交通流量的动态调整过程一直都是交通领域关注的研究热点。作为实现城市日常出行高效有序的重要内容和手段，研究考虑个体微观特征的通勤行为有助于理解城市交通拥堵的形成机理，提出行之有效的解决措施和政策建议。本书分为建模篇和仿真篇，围绕个体微观特征对通勤行为的影响，通过模型构建和分析、仿真等方法，在多个场景下讨论个体微观特征在城市交通系统流量演化和均衡过程中所扮演的角色。
目录
目录
第1章 绪论 1
1.1 出行行为研究的必要性 1
1.2 国内外关于交通均衡与出行行为的研究概述 3
1.3 本书的主要研究问题和思路 25
**篇 建模
第2章 基于CPT的合乘行为建模与分析 31
2.1 合乘与HOV车道 32
2.2 累积前景理论 32
2.3 基于CPT考虑HOV车道的合乘出行模型 36
2.4 均衡结果与参数敏感性分析 38
2.5 本章小结 46
第3章 基于CPT的停车换乘行为建模与分析 47
3.1 基于CPT考虑停车换乘出行的模型 48
3.2 模型求解算法 52
3.3 均衡结果与参数敏感性分析 53
3.4 本章小结 59
第4章 考虑出行时间区间和参考点的择路模型 60
4.1 备选路径的累积前景值 60
4.2 *优路径选择与分析 66
4.3 本章小结 71
第5章 考虑动态双参考点的多用户网络均衡与演化 72
5.1 基于动态拥挤收费和双参考点的路径感知价值 72
5.2 day-to-day多用户网络均衡以及求解算法 76
5.3 算例分析 78
5.4 本章小结 83
第6章 基于Dogit模型考虑路径偏好的日常出行行为 84
6.1 基于Dogit模型的出行个体择路机制 85
6.2 感知出行时间学习模式 86
6.3 个体路径偏好动态更新规则 88
6.4 日常动态拥挤收费设计 88
6.5 算例分析 89
6.6 本章小结 96
第二篇 仿真
第7章 信息反馈策略对个体行为及系统特性影响研究 101
7.1 模型假设与信息反馈策略 102
7.2 无信号控制方式下的仿真结果 106
7.3 信号控制方式下的仿真结果 112
7.4 本章小结 118
第8章 信息反馈策略对出行者微观换道行为影响研究 119
8.1 网络模型 120
8.2 动态收费策略和信息反馈策略 122
8.3 仿真结果 124
8.4 本章小结 128
第9章 基于个体学习和信息作用的日常出行决策 129
9.1 网络模型 130
9.2 路径更新规则 131
9.3 仿真结果 132
9.4 本章小结 137
第10章 考虑局部微观停靠行为的交通流模拟研究 138
10.1 模型 139
10.2 车辆运行、换道和停靠规则 139
10.3 模拟结果 141
10.4 本章小结 146
第11章 结论与展望 147
11.1 主要研究结论 147
11.2 研究展望 150
参考文献 152
在线试读
第1章 绪论
1.1 出行行为研究的必要性
交通出行问题事关民生利益。随着居民收入水平的提高，城市小汽车保有量和使用量疯狂拔高，不断攀升的城市交通需求无法得到满足，加上天气及事故等不确定因素的影响，交通拥堵问题日益突出。北京、广州和西安因交通拥挤导致的人均经济损失更是分别高达8717元、7207元和6960元，如图1-1所示，国内一线城市因交通拥挤导致的人均经济损失大幅高于二线主要城市，损失数字触目惊心。同时，道路拥挤在一定程度上降低了行驶车速，甚至使整个高速公路系统陷入“瘫痪”状态，车辆“寸步难行”。根据高德地图发布的《2016年度中国主要城市交通分析报告》，全国*拥堵城市前十位如图1-2所示。前四名的城市：济南、哈尔滨、北京、重庆的高峰拥堵延时系数（高峰拥堵时期所花费的时间与畅通时期所花费的时间的比值）都超过了2，即这四个城市的上班族的日常通勤需要花费畅通情形下两倍多的时间。
对于缓解拥挤，政府部门一直以来都提倡供给和需求两方面双管齐下。在交通供给方面的解决方案主要是通过修建和拓宽道路来提高道路通行能力，但由于早期规划的城市土地面积以及高昂的经济成本的制约，供给并不能无限增加。而且，增加供给会反向刺激需求的增长，长期“疗效”一般。从交通需求管理着手，通过开设HOV车道，提供P&R设施和实行拥挤收费等手段来“治堵”，在国外许多城市已经取得了相当成功的经验，而在我国则尚处于起步阶段。*近几年，北京、上海、广州等大城市也鼓励居民P&R出行，2014年12月，广州市交通委员会公示将在未来5年规划提供25个P&R停车场，累计有10000个停车位。2014年5月，无锡市开通了国内首条HOV车道，取得了良好的治堵效果；2016年，深圳市也相继开通了HOV车道。而拥挤收费自2010年在北京征询民意以来，在2016年的**中再一次引发了热议。
图1-1交通拥挤人均经济损失城市排行
资料来源：滴滴媒体研究院和**财经商业数据中心（2017）
图1-2城市拥堵系数排名
由于雨雪天气、道路施工、意外事故以及其他突发事件等客观因素，交通系统存在极大的不确定性。面对不确定的出行环境，作为交通需求主体的出行者需要把握各类交通信息并根据个人经验，不断地学习和更新对路况的感知，从而进行路径选择。在此过程中，个体微观特征，如出行者的偏好习惯、风险态度和价值衡量等，在很大程度上影响其*终的出行选择，即出行者决策行为亦存在不确定性。交通系统供需两方面不确定性的存在给交通管理部门“治堵”和引导出行者合理出行带来了极大的挑战。因此，为有效解决城市交通问题，需要研究影响出行方式或路径选择的各类因素及实现路径，把握出行者的决策规律，不断地修正和完善模型，才能为管理部门提供理论支持和决策依据。
1.2 国内外关于交通均衡与出行行为的研究概述
1.2.1 国内外研究概况
1.交通系统均衡研究
出行者个体大量涌现形成特定的交通流，经长时间演化将达到某种系统均衡状态。交通均衡理论的研究是交通管理与控制的重要环节。1952年，Wardrop提出经典的均衡理论，认为交通系统均衡分为两种：用户均衡（user equilibrium，UM）和系统均衡。出行者之间没有协议，各自*小化出行成本或*大化出行效用，当没有人能单方面通过改变路径选择使个人变得“更好”，即达到用户均衡时，并不一定是系统*优，即总成本*小化。系统均衡表示总的出行成本*小或效用*大，前提是所有出行者之间互相合作。
1）确定性交通系统均衡和随机性交通系统均衡
确定性均衡假定交通需求和交通供给是确定的常数，并假设出行者在路径选择中，完全了解当前的交通状态，能精确计算出行成本，根据效用*大化原则作出决策。显然，这与现实情况不符。Daganzo和Sheffi（1977）首次提出随机用户均衡的概念，将出行者的认知误差引入均衡模型。解决随机均衡问题，常用的方法有Logit模型和Probit模型，两者都假定出行者选择某一出行方案的随机效用可表示为确定效用与随机误差项之和，当随机误差项服从多维正态分布时推导出的是Probit模型，当随机误差项服从Gumbel分布时推导出的是Logit模型。
Gaudry和Dagenais（1979）在MNL模型（Multinominal Logit Model，多项Logit模型）的基础上进一步提出Dogit模型，将选择分为必需选择集合和自由选择集合两部分，以消费者市场为例，必需选择集合代表收入中支付生活必需品的部分，而自由选择集合代表扣除生活必需品后的可支配收入部分，选择概率中有一部分是“强制性”的。模型中增加的参数可以解释为偏好、忠诚度等，基于此构建的个体决策模型，有利于分析随机用户的行为特征对决策行为的影响。
2）静态交通系统均衡和动态交通系统均衡
静态交通系统均衡是交通流经过长时间演化后达到的相对稳定的状态，注重交通配流的结果。1956年，Beckmann等提出非线性交通分配数学规划模型。Smith（1979a）和Dafermos（1980）建立了交通均衡问题等价变分不等式，并应用于随机用户均衡模型。Yang和Huang（2004）研究了不同时间价值的出行者，在时间和费用双项准则下的用户网络均衡和交通系统网络均衡问题。以上都是建立在静态路径选择均衡原理的基础之上的。
随着研究的深入，形成均衡的过程也逐渐受到关注。实际上，出行者是逐日调整路径选择，渐渐演化到某一均衡状态。即使达到某一均衡状态，由于路段交通属性变化，交通管理与控制政策改变，以及天气事故等不确定因素的影响，也会扰动原有均衡，逐渐达到另一均衡状态。因此，考虑交通均衡演化的day-to-day动态性十分必要。Smith（1984）基于Lyapunov稳定性，以比例调整过程（proportional-switch adjustment process）描述交通流演化，将同一起讫点的出行者按比例分配到费用较低的路径上，调整比例与路径费用绝对值差有关。Nagurney和Zhang（1997）提出投影动态系统（projected dynamical system），将动态系统中的连续调整过程转化为离散问题，并用欧拉方程求解。Yang和Zhang（2009）深入拓展Zhang等（2001）关于day-to-day路段均衡的研究，提出了基于路段流量的有限理性调整过程模型（rational behavior adjustment process，RBAP），表示路段交通流相较于路径交通流更易观察，且绝大多数交通流动态演化模型都是其模型的特例。He等（2010）指出了基于路径流量的动态交通分配模型的两个缺点：路径重叠和路径初始流量不可识别性。为避免以上问题，他们提出了基于路段流量的动态交通分配模型，表明路段流量随着成本改变，满足古典Wardrop均衡条件。Guo等（2013）基于路段流量变化，提出离散的有限理性调整过程，并证明了演化的收敛性、均衡**性等。杨文娟等（2015）考虑到出行者的决策更多考虑自身的满意度，具有随机性，提出了基于随机用户均衡的交通流动态演化模型，并分析了模型的收敛性、稳定性和**性等特性。
2.出行行为特征与经验学习研究现状
影响路径选择*关键的因素是出行行驶时间，那么对出行者的感知时间学习机制的研究就至关重要。学习是人们总结过去的经验，结合当前的信息作出决策的过程。在日常通勤路径选择中，出行者根据以往的出行时间以及当前的天气、路况、收费等信息，更新自身对出行行驶时间的判断，并作出决策。除此之外，通勤者的认知偏差、习惯偏好、风险态度等行为特征因素，也会影响*终的路径选择决策。
1）感知出行时间更新学习机制研究
多个领域提出了各种不同的学习理论，如机器学习、博弈论及行为学习理论。其中，行为学习理论更加侧重于微观个体的信息获得与结合。出行路径选择的研究更多是基于行为学习理论，主要研究个体感知出行行驶时间的更新学习机制。
Horowitz（1984）提出感知时间为过去实际行驶时间的加权平均数。徐红利等采用这一学习模式，考虑了不确定性影响下的路段容量退化情形，构建了在诱导信息下的随机网络流量演化模型。Cantarella和Cascetta（1995）表明感知出行行驶时间期望值的更新是过去期望值和实际出行时间的加权平均，据此提出了感知时间指数平滑更新模式，在其他研究中被广泛使用。黄海军等（2005）运用此模式研究ATIS的应用对随机网络用户均衡的影响，在实例中分析了期望值与实际值不同权重下的流量演化均衡。田丽君等（2010）在指数平滑学习机制的框架下，根据是否装有ATIS交通诱导系统将用户分为两类，建立了基于动态信息反馈的日常出行决策模型。
以上的权重更新模型为贝叶斯学习模型的一种，除此之外还有Erev等（1999）提出的强化学习模型，模型假设决策者的行为符合Thorndike的效果律，即选择某一策略的概率会随着这一策略带来的积极回报而增强，反之则减弱；Zhao和Huang（2014）基于西蒙的满意原则理论提出的学习模型，表明出行者对路径出行成本拥有不同的满意度，并通过行为实验验证，当出行成本未超过满意度时，路径是可接受的，即出行者表现为有限理性，而非理性的效用*大化。
与以上逐日累积平滑的离散学习更新不同，针对决策者的遗忘性，Kahne-man等（1993）探索了另一种基于经验的学习模型——峰终定理。研究指出，对经历的学习不是一种日复一日的累积效应，而是几个突出阶段的组合，如峰值和就近经历的记忆的联合作用。在路径选择领域，则表示感知出行时间为过去经历的*大或*小出行时间和*近出行行驶时间的加权平均。不同于指数平滑更新模式，峰终定理突出了极端情况对决策者的影响。
2）出行者习惯偏好对路径选择影响研究
出行者的习惯偏好在路径选择决策中，也扮演了重要的角色。惯性即决策者重复某一选择或长久处于某些熟悉的策略集合中，在路径选择中则表现为，即使客观上存在更好的选择，出行者也只重复选择某条或某几条固定的路径。Garling等（2001）、Verplanken和Aarts（2011）通过行为实验证实了习惯对路径选择的影响，实验中，被试者重复选择某一路径并获得满意的结果，久而久之惯性思维形成，其后往往会疏于寻找更好的路径。Garling和Axhausen（2003）全面地总结了习惯在路径选择中的影响，表示习惯形成的过程，就是深思熟虑逐渐减少的过程。
近年来，习惯偏好等个体心理特征也逐渐被加入交通系统均衡的模型中。Xie和Liu（2014）在随机路网均衡中考虑了决策惯性，分析了不同的惯性程度和情境认知程度对出行者路径选择的影响。He等（2014）研究了出行者习惯形成对day-to-day路径选择的影响，通过实验表明，一旦习惯形成，出行者对路径时间差异敏感性将逐步降低。Zhang和Yang（2015）进一步深入定义路径选择惯性是出行决策者对**或固定的选择集的黏性，即重复选择熟悉的策略，不随意考虑并转换选择集之外的路径，并探讨了不同的惯性形式对交通流量均衡的影响以及信息提供对打破习惯的作用。
3）基于期望效用理论和随机效用理论的出行行为研究
现实中出行者面对的交通网络往往具有不确定性，国内外学者也一直致力于在具有不确定性的道路网络中开展出行行为研究，使用期望效用理论（expected utility theory，EUT）和随机效用理论（random utility theory，RUT）来“解读”出行者行为。Yang等（2004）研究了多类用户（时间价值不同且离散分布）多标准（以货币成本或时间来衡量出行负效用）的道路网络用户均衡和系统*优问题，探讨了用户均衡流量与不同标准下出行负效用的关系。马寿峰等（2005）采用博弈论的思想，在用户均衡与系统*优互相协调的规则下，研究了交通管理控制者与受到交通诱导的出行者之间的博弈行为。黄海军等（1998）针对两种交通出行方式——公路和地铁出行，在两方式均衡模型中发现地铁车厢内的拥挤成本和常态出行时间差异会对出行者的方式选择行为产生影响，指出提高地铁公司的服务质量能带来更多的乘客流量。之后，Huang（2000）将两方式均衡模型扩展至两类用户的情形，结合公路是否收费和地铁定价研究了三种组合方案：公路不收费且票价基于边际成本、公路不收费且票价基于平均成本、对公路实施统一收费以补贴地铁公司固定成本保证其盈亏平衡且票价基于边际成本，并辅以算例分析实施各种组合方案对两类通勤者方式选择行为的影响。黄海军等（2005）针对公交出行方式，研究了乘客出行均衡行为，模型中考虑了身体接触拥挤成本和时间延误成本，研究发现公交公司垄断制度下的高票价会抑制出行需求的增加，而寡头竞争情形下则会致使票价降低，公交出行需求增加。
ATIS在具有不确定性的交通环境中为出行者提供免费开放的交通信息或有偿出行诱导信息，影响出行者的出行选择。李志纯和黄海军（2005）综合研究了ATIS对出行者的目的地、出行方式、路径等多重选择的影响。考虑装有和没有ATIS的两类出行者，基于层次结构选择模型和随机均衡Logit模型构建混合随机网络模型，利用算例分析了市场渗透率（装有ATIS的出行者比率）对出行负效用、（两个）目的地需求、（三种）方式分担的影响。侯立文和谭家美（2006）在假设ATIS提供出行信息的背景下，基于统计学数字特征计算路段近似行驶时间，基于Logit模型计算路段选择概率，构建了出行时间可靠性的计算模型。刘天亮和黄海军（2007）在多智能体仿真环境中研究发现：当信息开放时，路网路径流量能更快地演化至Logit随机用户均衡配流状态，但是对信息依赖过度会使