本书是将实验经济学方法、行为经济学理论应用于人类交通出行行为分析的一本著作，分为方法论篇、理论篇、实验篇和实证篇，具有鲜明的学科交叉融合的特色。方法论篇和理论篇分别介绍了出行行为实验的研究方法与相关理论，既有深入的文献评述，又从学科发展视角探讨了“实验经济学何以赋能交通行为研究”等方法论问题，同时帮助读者快速了解“怎么做实验”的基本方法和准则。实验篇和实证篇展示了团队最新发表的八项研究，涵盖了有限理性决策、社会困境、演化博弈、强化学习等各个方面，向广大读者报告了实验经济与交通行为交叉研究方向的最新进展。
样章试读
目录
- 目录
丛书序
序言
前言
方法论篇 交通行为实验的理论与方法
第1章 出行行为实验研究现状.3
1.1 研究背景与问题 3
1.2 国内外研究综述 5
1.2.1 路径选择的行为实验 6
1.2.2 出行方式与出发时间选择的行为实验 13
1.2.3 路径选择的理论模型 15
1.2.4 随机与风险条件下的路径选择理论模型 20
1.3 研究现状评述 27
1.4 本书研究内容 28
1.5 本书研究意义与创新点 30
第2章 实验室实验研究方法的简介 32
2.1 实验经济学极简介绍 32
2.2 实验设计的术语和基本原则 33
2.2.1 实验室实验的定义 33
2.2.2 实验设计的常用术语 33
2.2.3 如何通过有效的实验设计来实现 “控制” 35
2.3 实验实施的基本原则和流程 36
2.3.1 实验实施的基本原则 36
2.3.2 开展行为实验的一般步骤 39
2.3.3 交通行为实验的基本流程 40
2.4 对交通行为实验研究的常见质疑与回应 40
第3章 实验经济学研究方法的适用性探讨 45
3.1 实验经济学应用于交通行为研究的方法论基础 45
3.2 实验经济学发展路径对交通行为研究的启示 47
3.3 当前研究趋势 48
3.4 未来研究方向.49
第4章 出行行为分析的理论和方法基础 51
4.1 网络择路博弈 51
4.2 交通不确定性的来源 53
4.2.1 环境不确定性 53
4.2.2 策略不确定性 53
4.2.3 感知偏差随机性 54
4.3 有限理性决策理论 57
4.3.1 累积前景理论 57
4.3.2 基于排序的多因素决策模型 59
4.4 行为学习理论 62
4.4.1 分类和一般框架 62
4.4.2 经验加权吸引值学习模型 64
4.4.3 考虑后悔和惯性的马尔可夫过程 65
4.5 逐日动态交通路径调整模型 66
4.6 离散选择模型 68
4.7 多智能体仿真方法 69
4.8 序列挖掘算法 70
理论篇 天津大学MATS LAB部分出行行为理论研究
第5章 基于感知旅行时间分布的前景用户均衡模型 73
5.1 主观概率分布与概率权重的对比分析 73
5.2 均衡模型的构建 77
5.2.1 基于感知旅行时间分布的路径前景值 77
5.2.2 均衡模型的构建 78
5.2.3 模型性质 79
5.3 求解算法 81
5.4 算例分析 82
5.4.1 算例 1：一个三条路路网 82
5.4.2 算例 2：多起讫对多路段路网 86
5.5 本章小结 90
第6章 基于排序的双因素用户均衡模型 91
6.1 排序决策模型 91
6.1.1 排序决策机制下出行者及群体的选择方案集分析 91
6.1.2 路径选择概率 94
6.2 基于排序的用户均衡模型 96
6.3 求解算法 97
6.4 算例分析 98
6.5 本章小结 100
第7章 考虑概率认知偏差的排序前景均衡模型 102
7.1 个体决策行为框架回顾与模型假设 102
7.1.1 个体决策行为框架回顾 102
7.1.2 模型假设 104
7.2 双因素下考虑随机感知偏差的排序前景风险决策模型 105
7.2.1 双因素下参照点的生成 105
7.2.2 双因素下基于感知旅行时间分布的前景值 106
7.2.3 均衡模型的构建 108
7.2.4 求解算法 108
7.3 算例分析 109
7.3.1 算例1：三路段路网 109
7.3.2 算例2：多起讫多路段路网 114
7.4 本章小结 118
第8章 社会交互影响下的日变交通动态 119
8.1 引言 119
8.2 基于社会交互的出行者的路径选择模型 120
8.2.1 交通路网 120
8.2.2 出行者之间的社会交互和社会学习 121
8.2.3 出行者的逐日路径选择行为建模 122
8.3 路网流量的演化 124
8.4 模型性质 129
8.5 数值仿真 135
8.5.1 场景设置 135
8.5.2 简单路网 136
8.5.3 复杂路网 140
8.6 本章小结 143
实验篇 天津大学MATS LAB部分最新出行行为实验研究
第9章 动态路径调整的学习过程检验 147
9.1 本章研究问题与思路147
9.2 引言 148
9.3 实验数据集与学习模型选择 150
9.3.1 实验数据集选择 150
9.3.2 学习模型选择 152
9.4 模型拟合与评价方法152
9.4.1 模型拟合方法 153
9.4.2 模型评价方法 153
9.5 模型预测的静态结果154
9.6 模型预测的动态结果155
9.6.1 流量分布随时间变化 156
9.6.2 路径调整比例随时间变化 158
9.6.3 个体路径调整频率的分布 159
9.7 本章小结 161
第10章 动态路径调整的行为实验163
10.1 本章研究问题与思路 163
10.2 实验设计与实施 164
10.2.1 参数设计 164
10.2.2 实验实施 165
10.3 检验基准模型 168
10.3.1 观测变量定义 168
10.3.2 模型预测结果 169
10.4 惯性和响应强度的不对称性 171
10.4.1 多元回归分析 171
10.4.2 行为解释 173
10.5 响应模式的异质性 175
10.5.1 响应模式的测量 175
10.5.2 四种典型响应模式 177
10.6 本章小结 179
第11章 动态路径调整的确定型模型 180
11.1 引言 180
11.2 实验组织与描述性统计 182
11.2.1 实验对象 182
11.2.2 实验场景 182
11.2.3 实验步骤 183
11.2.4 实验结果的描述性统计 184
11.3 实验结果的行为学分析 185
11.3.1 换路率 185
11.3.2 基准模型 186
11.3.3 观测换路率 187
11.4 模型假设 192
11.5 模型构建 194
11.5.1 个体换路模型 194
11.5.2 网络流量演化DTD模型 195
11.6 均衡性质 197
11.6.1 存在性与唯一性 197
11.6.2 稳定性 198
11.6.3 与经典均衡的关系 200
11.7 模型标定与检验 201
11.7.1 两路径网络场景模型拟合结果 202
11.7.2 三路径网络场景模型拟合结果 203
11.7.3 模型检验 206
11.8 解释性数值例子 206
11.9 讨论 207
11.9.1 观测流量波动的复现 207
11.9.2 关于路径依赖的吸引力假设 208
11.10 本章小结 210
第12章 动态路径调整的随机型模型 211
12.1 引言 211
12.2 逐日路径选择实验 213
12.2.1 实验场景 213
12.2.2 基于选择的确定性离散模型 214
12.2.3 确定型模型的局限性 215
12.3 基于路径依赖吸引力的随机DTD模型 215
12.4 模型检验结果 217
12.4.1 转移流量 217
12.4.2 下一时步路径流量分布 220
12.4.3 均衡流量分布 221
12.5 近似模型 223
12.5.1 稳定性分析 224
12.5.2 模型比较 226
12.6 数值例子和政策启示.227
12.6.1 网络均衡流量分布 227
12.6.2 演化过程与稳定性 228
12.6.3 计算效率 229
12.6.4 政策启示 230
12.7 本章小结 230
第13章 一类共享出行的社会困境实验 232
13.1 引言 232
13.2 实验研究的文献回顾 234
13.3 理论分析 235
13.3.1 成本分担博弈 235
13.3.2 实验的成本结构 236
13.3.3 均衡分析; 社会困境 238
13.4 实验设计 239
13.4.1 参与者 239
13.4.2 实验实施 239
13.5 研究结果 240
13.5.1 初步分析 240
13.5.2 偏离平衡;参与者角色分析 243
13.5.3 个体层面分析 245
13.6 本章小结 247
第14章 演化雪堆博弈中的个体策略更新规则研究 249
14.1 研究背景与意义 249
14.2 研究内容与技术路线.252
14.3 国内外研究现状 252
14.3.1 重复雪堆博弈 252
14.3.2 策略更新规则 254
14.4 实验设计 256
14.4.1 雪堆博弈 256
14.4.2 实验场景 257
14.4.3 实验软件 258
14.5 实验实施 259
14.5.1 实验组织 259
14.5.2 数据概况 260
14.6 聚类分析 262
14.6.1 数据预处理 263
14.6.2 聚类结果 265
14.7 IPM序列挖掘算法 267
14.7.1 问题要求 267
14.7.2 算法步骤 268
14.8 特征模式提取 269
14.8.1 重要定义和参数设定 269
14.8.2 不同群体的特征分析 270
14.8.3 高收益群体的特征分析 272
14.9 基于特征模式的 Agent 建模 273
14.9.1 参数估计 273
14.9.2 模型检验 274
14.10 基于EWA学习模型的个体决策建模 275
14.10.1 模型估计与校验 276
14.10.2 异质个体EWA模型 278
14.11 基于EWA学习的Agent模型.279
14.11.1 参数估计 279
14.11.2 模型检验 281
14.12 基于EWA学习的聚类分析.284
14.12.1 个体参数的空间分布 285
14.12.2 个体决策特征分析 286
14.13 策略与排名 287
14.14 本章小结 290
实证篇 天津大学MATS LAB部分出行行为实证研究
第15章 他人出行经验对出行者路径选择影响的实证研究 295
15.1 引言 295
15.2 他人出行经验影响个体路径选择的情景分析 296
15.3 他人出行经验影响个体路径选择的实证调查 297
15.3.1 数据收集 298
15.3.2 统计分析 299
15.4 他人出行经验对个体路径选择的影响机制 300
15.4.1 信息采纳模型概述 300
15.4.2 概念模型构建 302
15.4.3 研究假设 304
15.4.4 变量的测量 307
15.4.5 数据的收集 310
15.4.6 数据分析 310
15.5 讨论与启示 315
15.5.1 结果讨论 315
15.5.2 结果启示:路径选择社会交互的真实场景分析 316
15.6 本章小结 319
第16章 VMS诱导信息对驾驶员路径选择影响的实证研究 321
16.1 研究概述 321
16.2 VMS交通信息下的路径选择行为分析 322
16.2.1 交通信息下路径选择行为的影响因素研究 322
16.2.2 VMS诱导信息下路径选择过程 324
16.3 路径选择行为的 SP 调查方案设计 325
16.3.1 VMS信息情景构建基础 326
16.3.2 情景实验设计 328
16.3.3 问卷设计 330
16.4 调查数据的初步分析.332
16.4.1 样本筛选 332
16.4.2 样本属性分析 332
16.4.3 不同场景的路径选择行为 333
16.4.4 VMS存在的问题 334
16.5 诱导服从行为的有序回归分析 335
16.5.1 诱导服从率 336
16.5.2 自变量分析和提取 338
16.5.3 模型描述和检验 340
16.5.4 结果分析和讨论 341
16.6 本章小结 346
第17章 中国天津车牌限制政策下通勤者接受度及行为反应的案例研究 347
17.1 引言 347
17.2 文献综述 348
17.3 研究方法 350
17.3.1 背景: 天津市的车牌限行政策 350
17.3.2 理论框架 350
17.3.3 问卷设计 353
17.3.4 测量和样本 354
17.4 结果 356
17.4.1 后接受度和行为反应的描述性分析 356
17.4.2 影响后接受度的因素 358
17.4.3 后接受度与行为反应之间的相关性 359
17.5 本章小结 361
17.5.1 实施车牌限行政策的洞见 361
17.5.2 研究局限性 362
参考文献 364
附录1 实验说明样例 394
附录2 对数正态分布旅行时间的第一到四阶矩计算过程 402
附录3 实际和感知路径旅行时间的第一到四阶矩计算过程 403
附录4 对数正态分布出行需求下路段实际旅行时间的第一到四阶矩的推导过程 405
后记1 关于出行行为实验的咨询 408
后记2 出行行为实验代表性文献列表 409
《交通与数据科学丛书》书目 411
京公网安备 11010102004214号