10.3969/j.issn.1009-6744.2016.06.035
基于Dogit模型考虑路径偏好的日常出行行为研究
出行个体每日的路径选择,不仅与路径的感知出行时间有关,还受到出行个体自身偏好、习惯等因素的影响.本文基于Dogit模型,在传统的日常路径选择模型中加入路径偏好动态更新规则,并给出三种感知出行时间学习模式,对比分析了个体路径偏好对日常路径流量演化轨迹的影响.算例结果表明,与静态Dogit模型相比,Logit模型会因忽略个体路径偏好而高估路径之间的差异性,且总是会高估"优势"路径的流量,低估"劣势"路径的流量.当个体路径偏好动态更新时,其均衡流量结果介于Logit模型和初始参数相同的静态Dogit模型之间.
城市交通、路径偏好、Dogit模型、日常出行、动态演化
16
U491(交通工程与公路运输技术管理)
国家自然科学基金/National Natural Science Foundation of China71271001,71301028,71303051,71671044;福建省杰出青年科学基金/Excellent Youth Science Foundation of Fujian Province2016J06017
2017-01-11(万方平台首次上网日期,不代表论文的发表时间)
共8页
228-235