刘诗序 关宏志 严 海

（北京工业大学交通工程北京市重点实验室 北京 100124）

对不同交通信息条件下驾驶员的逐日路径选择行为，国内外学者做了一些研究.Cantarella和Cascetta［1］建立了逐日路径选择模型，指出驾驶员个人经验可以稳定网络交通流，并且信息的发布使网络交通流不稳定.Nakayama和Kitamura［2－4］基于人是有限理性的假设，建立驾驶员的路径选择模型，并通过蒙特卡罗仿真得出：路网最终的收敛状态不一定趋于Wardrop用户均衡.Chen等人［5］考虑出行需求、驾驶员对行程时间初始值的不确定性、学习方法和风险等因素，基于微观Agent模型对假设路网进行仿真.Selten等人［6］基于实验的方法，以18个大学生为对象，研究了出行者的路径选择行为，并建立一个简单回报总和增强模型，对出行者路径行为进行模拟实验分析.Kim等［7］运用逐日演化方法，研究了用户平衡假设条件对网络交通流的作用.刘天亮和黄海军［8］基于多智能体环境SeSAm，对交通信息公开和不公开两种路径更新规则进行了模拟研究.在预测信息条件下，Klügl和Bazzan［9］基于 Agent仿真环境SeSAm，研究了驾驶员的日常路径选择中的学习行为，定义了一种启发式的更新规则来模拟驾驶员的路径选择.本文设计一种实际可行的信息预测方法，针对3种信息条件：无信息、历史信息、预测信息，以驾驶员个体为对象，将每个驾驶员看成一个Agent，运用Agent仿真思想，对驾驶员逐日路径选择行为进行数值仿真，探索驾驶员行为的整体涌现特征，以用户均衡状态为基准……