关键词:有限理性;RIPPER算法;出行路径选择;出行决策;空间知识
1 概述
传统的路径选择行为研究大都在完全理性的规范假设下展开,假定出行者遵循效用最大化准则,决策时选择阻抗最小或者广义成本最小的路径。与“最优化理性”相比,现实中个体受到自身认知水平的约束和决策环境不确定性的影响,在决策过程中表现为有限理性。本文从有限理性的角度描述出行路径选择行为,引入信息获取、学习、认知更新和方案搜索等关键行为要素,构建有限理性下基于RIPPER的出行路径选择模型。
2 考虑有限理性的出行路径决策过程
以“经济人”为理论基础的理性行为模型假设出行者掌握全部的出行信息,并总能理性地选择认知方案中效用最大的方案,忽略了非理性因素在出行决策中的重要作用。图1中显示了路径决策过程中体现有限理性的方案搜索、信息获取和认知更新。
3 有限理性下出行路径选择行为建模
3.1 出行路径选择行为数据分析
数据为受访者在给定路网中画出的从家到单位的出行路径,包括高峰前的路径(A)、高峰中的路径(B)和避开拥堵路段的路径(C)。通过算法生成每对OD之间的所有路径,与出行者实际选择路径一起共同组成用于提取搜索规则的数据集。
3.2 空间知识和学习
Peruch等研究表明:路网以层次结构的形式存在于认知地图。本文假设个体的初始空间知识由路网连通性和道路层次结构组成,并认为个体具有在不同层次道路上的出行成本意识。路径选择的初始空间知识由两部分组成:(1)过程部分。包括一系列的移动和转弯,以便出行者沿着路径出行;(2)说明部分。包括路线和路段的属性,比如出行速度、时间和距离等。
假设出行者在先验经验中已经有次观察到类别对应的出行时间(出行时间阈),用对出行者在备选路径上出行次数的说明部分进行描述,用代表个体的主观信念。应用贝叶斯理论可用于说明经验和知识不断积累时空间知识的变化情况。假设的主观信念服从分布,建立和之间的定量关系。根据分布的特性,当贝叶斯学习中的先验概率服从分布时,其后验概率也服从分布。于是可
式中:
——选择方案的属性维度
——属性的角标