城市交通流系统分析与优化【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

城市交通流系统分析与优化PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 有限理性与行为决策概述1

1.1 有限理性的内涵1

1.1.1 什么是有限理性1

1.1.2 有限理性假设的理论意义5

1.2 基于有限理性的决策科学——行为决策5

1.2.1 行为决策科学的发展5

1.2.2 考虑有限理性的决策框架6

1.3 行为决策在交通研究中的意义11

第2章 交通均衡理论与模型14

2.1 符号14

2.2 交通均衡的定义与数学模型16

2.2.1 用户最优均衡16

2.2.2 随机用户最优均衡18

2.2.3 系统最优均衡20

2.2.4 交通流Day-to-day动态演化均衡20

2.3 交通均衡模型的解21

2.3.1 交通均衡模型解的性质21

2.3.2 交通均衡模型求解算法23

第3章 考虑有限理性的出行者行为分析26

3.1 出行行为的内涵与研究意义26

3.2 出行行为过程与影响因素27

3.3 基于个体行为模型的出行决策机理32

3.4 结论36

第4章 不确定情境下的路径选择决策规则分析与实证38

4.1 路径选择决策行为分析38

4.2 出行路径选择决策规则的实证分析40

4.2.1 基于期望效用理论的路径选择决策分析41

4.2.2 基于累积前景理论的出行者路径选择决策分析42

4.3 有限理性假设下的出行路径选择框架45

4.4 出行效用度量体系与参数估计46

4.4.1 情景问题与调研结果46

4.4.2 调研结果分析与参数估计48

4.4.3 效用度量体系的验证49

4.5 结论51

第5章 不确定情境下的路径选择与内生参考点取值53

5.1 参考点研究概述与研究意义53

5.2 参考点的现实意义与影响因素54

5.3 参考点的确定方法与实证分析55

5.3.1 不确定情境下参考点取值的影响因素56

5.3.2 参考点取值的确定方法57

5.4 风险、风险态度与风险态度水平59

5.5 基于问卷调研的出行者风险态度水平衡量60

5.6 出行者风险态度水平影响因素分析64

5.7 考虑参考点依赖的路径选择决策65

5.8 结论66

第6章 随机网络用户最优均衡模型与算法67

6.1 随机网络用户最优均衡研究概述67

6.2 符号与假设68

6.3 基于累积前景理论的路径选择决策分析69

6.4 基于CPT的用户最优均衡模型与算法71

6.4.1 用户最优均衡条件与等价的变分不等式71

6.4.2 CPT-UE模型的一般性74

6.4.3 CPT-UE求解算法75

6.5 CPT-UE模型的扩展与算例76

6.5.1 单用户一般随机网络CPT-UE模型76

6.5.2 单用户随机弹性需求CPT-UE模型78

6.5.3 多用户随机交通需求CPT-UE模型82

6.5.4 多用户一般随机网络CPT-UE模型84

6.6 CPT-UE下的系统运营效率91

6.7 结论94

第7章 随机网络拥挤收费策略96

7.1 交通拥挤收费的研究意义96

7.2 符号与假设98

7.3 考虑出行者能力的路径选择决策99

7.4 考虑出行者能力的拥挤收费模型101

7.5 拥挤收费模型算法与算例103

7.5.1 算法103

7.5.2 算例103

7.6 基于出行行为分析的交通管理策略105

7.6.1 基于出行行为过程分析的交通管理策略105

7.6.2 基于个体行为模型的交通管理策略107

7.7 结论109

第8章 考虑拥挤收费的确定性网络交通流分配110

8.1 确定性网络中的参考点依赖特征与拥挤收费110

8.2 符号与假设111

8.3 考虑参考点依赖的路径选择决策112

8.4 考虑参考点依赖的交通分配模型与算法113

8.4.1 模型的建立113

8.4.2 算法114

8.5 算例115

8.5.1 传统边际成本收费下的流量分布116

8.5.2 考虑参考点依赖的流量分布116

8.6 结论120

第9章 城市交通流Day-to-day动态演化模型121

9.1 交通流动态演化研究概述121

9.1.1 根据研究的范式分类122

9.1.2 根据研究方法分类124

9.1.3 根据随机要素分类125

9.2 符号与假设126

9.3 出行成本学习与出行选择决策更新126

9.3.1 确定性网络中的学习与选择更新126

9.3.2 随机网络中的学习与选择更新128

9.4 交通流Day-to-day动态演化模型131

9.4.1 确定性网络中的动态演化模型131

9.4.2 随机网络考虑可靠性诱导信息的动态演化模型132

9.5 算例132

9.5.1 算例1——确定性网络的情景133

9.5.2 算例2——随机网络的情景138

9.6 结论143

第10章 考虑决策规则异质性的交通流Day-to-day动态演化模型144

10.1 出行者异质性的概述144

10.2 符号与假设147

10.3 出行成本学习与出行选择更新148

10.3.1 出行成本学习过程148

10.3.2 出行路径选择更新过程149

10.3.2.1 不使用RPSS系统的选择更新149

10.3.2.2 使用RPSS系统的选择更新149

10.4 交通流Day-to-day动态演化模型及其性质150

10.5 算例151

10.6 结论154

第11章 总结155

参考文献158

索引172