摘要：交通诱导系统中，动态交通分配理论的有效应用可以全面提升系统的实时性与高效性，从而有效缓解城市道路交通拥堵。本文对动态交通现状、国内外交通诱导理论基础进行整理；总结动态交通诱导常用理论基础，并提出交通诱导系统理论发展建议。
关键词：交通现状；交通诱导；常用理论；发展建议
1现状概述
在机动车数量持续增长和城市路网容量接近饱和的双重压力下，解决城市道路交通供需不平衡问题的方法，已经从发展道路交通基础设施建设向交通管理系统优化与协同方向转变。通过智能交通各子系统的协同运行，对交通数据信息进行整合与共享，能够实现城市道路交通流的合理、均衡分配，有效地缓解城市道路交通拥堵的情况。
2 动态交通诱导系统理论基础
（1）随机效用理论
随机效用理论是非集计模型的理论基础。该理论认为个人以效用最大化为目标做出自己的选择决定，将会从可选择的集合里选择效用最大的选择肢。在交通问题中，假如将消费者的消费原理应用到出行者的出行选择行为上，就可以将随机效用理论应用于交通问题中出行者的选择行为上。
某个选择方案对出行者的吸引程度受到出行者自身的特性和选择方案的特性影响，选择方案i的的效用表示为：
Uin=Uin(SEn,Ain)(2—1)
式中，Uin表示出行者n的效用函数，SEn表示出行者n的自身特性变量，Ain表示选择方案i特性变量。
随机效用函数包括两个部分，即非随机部分(固定函数项)和随机部分(概率函数项)，并且假设它们之间是线性关系，表示为：
Uin=Vin+εin (2-2)
式中，Vin表示出行者n选择方案i效用函数的固定项，εin表示出行者，n选择方案i效用函数的概率项。
为计算方便，通常将Vin看作是可观测变量Xin的线性函数，表示为：
Vin=ΣβkiXkin (2—3)
式中，βki表示对应第i个选择方案的第k个变量的未知参数，Xkin表示出行者n的第i个选择方案包含的第k个变量。
此时，出行者n在选择方案集合An中选择方案i的概率为：
(2-4)
（2） Probit模型
Probit模型建立在随机效用理论的基础上。对于二元probit模型，效用函数中的随机项服从独立同分布(IID)的正态分布，随机效用函数可表达为如下形式：
Ui*=β0+xiβ+εi (2-5)
式中，xi表示影响因素变量集合，β0表示待估的向量，β表示与影响变量对应的系数组成的向量。εi表示服从独立同分布的正态分布的随机项。只要Ui*>0，则偏向某一结果，即：
Pr(Ui*>0)=Pr(yi，=1) (2-6)
Pr(Ui*<0)=Pr(yi=0) (2—7)
只表示选择结果A的哑变量(yi=1，结果A；yi=0，结果B，A与B对立)。将式(2—5)带入式(2—6)，则：
Pr(yi=1)=[Φ(β0+xiβ) (2—8)
Pr(yi=0)=1一Φ(β0+xiβ) (2—9)
所以，Probit概率函数公式化为以下形式：
Pr(yi)=[ Φ(β0+xiβ)^yi [1一Φ(β0+xiβ))]^1-yi (2—10)
在效用函数中，影响变量对于Ui*值的影响程度由影响变量系数的大小决定。
（3）Logit模型
Logit模型又叫逻辑回归模型，是目前在交通行为数据分析和建模方面应用最广的离散选择模型之一。通过引入“不相关选择方案之间相互独立的特性”以及允许依据二项选择的实验推出多项选择的概率，从而简化数据收集的工作量。
二项Logit模型(Binary Logit，BL)是Logit模型的基本模型，属于概率型非线性回归。设Y是一个取值范围为[O，1]因变量，假设其在自变量x1，x2，⋯，xm的作用下，某事件发生与不发生的概率分别为P与1-P，发生概率与不发生概率之比称之为事件发生比，即odds=P/l-P，将odds取自然对数并作为P的Logit变换结果，由于odds取值范围为【0，+∞】，则Logit(P)的取值范围为【一∞，+∞】，建立一个线性回归方程：
(2-11)
式中，β0为常数项，βi为回归系数。将等式(2-11)两边同时取以e为底的指数，解得Logit的等价模型：
3常用城市动态交通诱导理论方法
（1）最短路径法
最短路径法的理论体系较为完整，有较为成熟的算法，易于编程，便于计算机实现，其中应用最广泛的主要是Dijkstra算法。由其发展起来的二重搜索法能搜索到第k条最短路径，对于较小的交通网络能较快地找到k条较短路径提供给用户，但对于大规模的路网，由于它是一种非确定性多项式时间复杂性的算法，所以它不能满足实时性的要求。
（2）模拟退火算法
模拟退火算法是一种求解大规模组合优化问题的随机方法。模拟退火算法能根据城市道路行走不同的目标条件进行优化，选择最佳出行途径。容易克服其他传统优化算法容易陷入局部限值的缺陷。
（3）遗传算法
遗传算法是一种以自然选择和遗传理论为基础，将生物进化过程中适者生存规则与同一群染色体的随机信息变换机制相结合的搜索算法。遗传算法具有潜在的并行性及全局寻优的特点，且能够寻找到多条路径，并已被证明计算时间与结点数呈线性增长关系，不失为一种求解车辆路径问题的性能优越的启发式算法。
4动态交通诱导系统理论发展建议
(1)从调查数据分析来看，VMS和交通广播是城市私家车出行者最常用的两种诱导信息获取渠道。由于VMS和交通广播信息发布性质的不同以及出行者接收信息的前后时间差，会形成不同的信息参考结果。建议在制定诱导策略时，提高信息发布的覆盖率，同时考虑不同信息发布渠道与出行者个人属性之间的联系，使得路网延误最小。
(2)从模型确定的关键影响因素可知，诱导信息的准确性对出行者路径选择影响显著。由于经常出现诱导信息与实际路况不符，导致出行者对诱导信息的信任度降低，影响VMS功能的发挥，因此应该提高信息发布的实时性和准确性，满足出行者对出行信息的需求。
(3)根据对不同诱导信息类型下出行者路径选择的分析，在指示型诱导信息情景下，出行者容易因为诱导信息较强的控制性而选择改变路径，这对于交通拥堵情况较为严重时是比较适用的；对于预测型诱导信息，能够很好的辅助出行者做出路径选择的决策，而目前受技术限制在城市内部交通应用较少。
结语：
由于VMS技术已基本成熟，但在具体布点方法方面国内外则鲜见有具体方法研究总结，国内大部分城市具体布点都是结合经验进行，其中难免存在盲目性。为此，本文仅简要介绍国内外业界对该方面的研究现状，以及一些常用的算法理论，这些理论必须在实际运用中发现存在的问题，并加以改进。
参考文献：
【l】杨兆升．动态路径诱导系统的研究进展(J)．公路交通科技，2000(1)．
【2】吴维，动态路线诱导系统中诱导周朋问题研究【D】，天津：天津大学，2008．
【3】彭祖增．模糊数学及其应用(M)．武汉：武汉大学出版社，2002．
【4】杨佩昆．智能交通(M)．上海：同济大学出版社，2002．
论文作者:蒋晶波,刘静,姜国辛
论文发表刊物:《基层建设》2019年第10期
论文发表时间:2019/7/1
标签：诱导论文; 效用论文; 交通论文; 算法论文; 出行者论文; 理论论文; 模型论文; 《基层建设》2019年第10期论文;