一种基于前景理论的多模式公共运输方式选择方法与流程

本发明属于公共交通运输
技术领域：
，具体涉及一种基于前景理论的多模式公共运输方式选择方法。
背景技术：
随着全国各地经济交流与文化交流的逐渐频繁，为了满足人们日益增长的出行需求，公共运输方式也随之越来越丰富且复杂。最近十几年来我国逐渐形成了以公路、铁路、民航等为主的公共运输系统网络，越来越多的选择意味着公共运输系统的用户迫切需要更加全面的信息来帮助他们选择和使用。由于大型的公共运输网络通常涉及很多不同的线路以及各式各样的公共运输方式，因此在任何给定的时间内，在确定起点和终点后，通常都会存在不止一条的旅行线路，并且还可能乘坐多种公共运输工具，这些繁杂的公共运输方式使得乘客面对众多可能往往难以进行抉择。传统的线路选择模型是基于预期效用理论建立的，这种理论的模型通常是在客观准确的现有交通状况下或者在可预测的交通状态下来预期的，需要对几条线路相当熟悉才能进行充分评估，通过找到最大预期效用值来确定该选择的路线，在基于预期效用理论的模型中，没有将乘客在路线选择过程中的主观因素考虑在内。也就是说，基于预期效用理论的模型通常要满足以下几个条件：(1)所有的路况信息完全已知；(2)所有的乘客都足够理性；(3)所有的乘客都会追求效用最大化。而现实中交通路况复杂且不确定，并且乘客也不会完全得知现有的或者将来的交通路况，这就使得基于预期效用理论的模型并不能真正意义上帮助出行者来选择，灵活性和准确性都稍差。kahneman和tversky在1979年提出的前景理论被成功地运用在金融风险和电子商务的评估和政策制定上。前景理论为在面对不确定情况下人的选择和判断提供了解决思路，正好可以克服预期效用理论不能处理不确定信息和未知信息的缺点，因而如何能将前景理论与交通运输
技术领域：
结合起来，将人为因素，不确定的路况因素等都考虑在内的大前提下，建立路线选择模型，这将是交通运输
技术领域：
的一大改革和创新。技术实现要素：本发明正是针对现有技术中的问题，提供了一种基于前景理论的多模式公共运输方式选择方法，克服了预期效用理论中最大假设和出行者完全理性假设的不足，结合出行时间和出行费用，对出行代价进行量化，引入了权重概率函数，并采用前景理论，对多模式公共交通方式进行选择，更趋近于真实的交通状况和出行者的心理预期。为了实现上述目的，本发明采用的技术方案是：一种基于前景理论的多模式公共运输方式选择方法，包括如下步骤：s1，出行代价量化：所述出行代价包括出行者的出行时间、出行费用及情景舒适度；s2，价值函数计算：设定出行时间和出行费用的参考点，计算步骤s1中行程代价与参考点之差，从而得到对应的出行代价价值函数：s3，权重概率函数计算：s31，当参考点与形成代价之差大于等于零时，所述权重概率函数w(p)为：s32，当参考点与形成代价之差小于零时，所述权重概率函数w(p)为：其中，p是已选路径的概率；γ＝0.61,δ＝0.69；s4，前景值计算：根据步骤s2得到的出行代价和步骤s3得到的概率权重函数计算前景值；s5，路径选择：针对不同出行方式组合，重复步骤s1至s4，获取各出行方式组合的综合前景值，所述综合前景值为各前景值之和，选取综合前景值最大的线路，即为目标线路。作为本发明的一种改进，所述步骤s1中出行代价量化＝出行时间量化+出行费用-情景舒适度量化。作为本发明的又一种改进，所述步骤s1进一步包括：s11，情景舒适度ci量化，所述情景si下舒适度ci量化为：其中，出行者的时间成本为timeprice，第j种公共交通方式下的出行者工作效率为rj，行程时间为tj；s12，出行时间量化，将出行时间量化成价格数值timecost，所述出行时间量化为：timecosti＝timeprice·ti·r其中，r是时间成本折损系数；s13，根据不同公共交通方式组合，量化情景si下的出行代价costi为：其中，pricej为出行费用。作为本发明的另一种改进，所述步骤s2进一步包括：s21，设定出行时间和出行费用的参考点r；s22，确定情景si的行程代价ti；s23，计算参考点r与形成代价ti的差值xit：xit＝r-ti；s24，价值函数计算：其中，α和β是风险偏好参数，0≤α≤1，0≤β≤1；λ是风险规避系数。作为本发明的另一种改进，所述步骤s24中，α＝0.88，β＝0.92,λ＝2.25。作为本发明的更进一步改进，所述步骤s4中情景si对应的前景值为：u(costi)＝v(costi)·w(pi)。与现有技术相比，本发明提出了一种基于前景理论的多模式公共运输方式选择方法，具有的有益效果是：(1)、通过前景理论，消除了预期效用理论中效用最大假设的不足，路况中的不确定成分，由基于出行者的心理的前景值和权重概率的乘积决定，在前景理论的基础上，考虑了多模式公共交通方式，更符合出行者面临的真实情况，更加符合实际需求，进一步提高了模型的实用性。(2)、通过量化出行代价，综合考虑了出行时间、出行费用和舒适度，使得模型适用性更广。(3)、通过引入权重概率函数，消除了预期效用理论中出行者完全理性假设的缺点，对主观路况信息进行了修正。(4)、模型中引入工作效率rj，时间成本timeprice，时间成本折损系数r等符合实际的限定参数，且参数值大小根据个体情况改变，灵活性更强，更加满足不同人的需求，实现对出行者的个性化路线推荐。(5)、将舒适度和时间敏感度量化为出行代价的方法，将出行时间因素考虑在出行代价中，从而平衡出行者对于出行时间和出行费用的选择，更加响应个性化需求。(6)、概率权重函数根据出行者的主观出行概率，采用收益和损失两个概率权重函数，从而实现出行者对损失和收益的敏感度不同，便于选择和统计。附图说明图1为本发明的方法操作流程示意图；图2为本发明实施例的价值函数图像；图3为本发明实施例的权重概率函数图像。具体实施方式以下将结合附图和实施例，对本发明进行较为详细的说明。实施例1一种基于前景理论的多模式公共运输方式选择方法，图如1所示，包括如下步骤：s1，出行代价量化：所述出行代价包括出行者的出行时间、出行费用及情景舒适度；设定出行者个体的时间成本timeprice，某种公共交通方式下的工作效率rj以及在情景si下出行者的行程时间ti，量化出出行者因在该公共交通方式下工作获得的出行代价；设定时间成本折损系数r，量化出出行者因在该公共交通方式下损失时间的出行代价；对各种公共交通方式的出行费用，直接转化为出行代价，并与上述时间量化的出行代价结合，得出情景si下的出行代价；所述出行代价量化进一步包括：s11，情景舒适度ci量化，所述情景si下舒适度ci量化为：其中，出行者的时间成本为timeprice，第j种公共交通方式下的出行者工作效率为rj，行程时间为tj；s12，出行时间量化，将出行时间量化成价格数值timecost，所述出行时间量化为：timecosti＝timeprice·ti·r其中，r是时间成本折损系数；s13，根据不同公共交通方式组合，量化情景si下的出行代价costi为：其中，pricej为出行费用；s2，价值函数计算：设定出行时间和出行费用的参考点，计算步骤s1中行程代价与参考点之差，从而得到对应的出行代价价值函数，如图2所示，所述步骤s2进一步包括：s21，设定出行时间和出行费用的参考点r；s22，确定情景si的行程代价ti；s23，计算参考点r与形成代价ti的差值xit：xit＝r-ti；s24，价值函数计算：其中，α和β是风险偏好参数，α＝0.88，β＝0.92,λ＝2.25λ是风险规避系数；s3，权重概率函数计算：s31，当参考点与形成代价之差大于等于零时，所述权重概率函数w(p)为：s32，当参考点与形成代价之差小于零时，所述权重概率函数w(p)为：其中，p是已选路径的概率；γ＝0.61,δ＝0.69，权重概率函数的图像如图3；s4，前景值计算：根据步骤s2得到的出行代价和步骤s3得到的概率权重函数计算前景值：u(costi)＝v(costi)·w(pi)；s5，路径选择：针对不同出行方式组合，重复步骤s1至s4，获取各出行方式组合的综合前景值，所述综合前景值为各前景值之和，选取综合前景值最大的线路，即为目标线路。实施例2假设乘客某次出行从江苏省淮安市到广东省广州市，出行方式有以下4种方式：(1)方式一：①火车：淮安站-郑州站；8小时40分钟到达概率为30％，9小时30分到达概率为70％，参考点为8小时56分钟；费用为86元。②高铁：郑州站-广州站；5小时40分到达概率为80％，5小时50分到达概率为20％，参考点为5小时48分钟；费用为656元。(2)方式二：①火车：淮安站-商丘站；6小时20分钟到达概率为20％，7小时10分到达概率为80％，参考点为6小时32分钟；费用为62.5元。②火车：商丘站-广州站；17小时50分达到概率为40％，18小时50分钟到达概率为60％，参考点为18小时；费用为189.5元。(3)方式三：飞机：涟水机场-广州新白云国际机场；2小时30分到达概率为20％，3小时到达概率为40％，3小时30分钟到达概率为40％，参考点为2小时40分钟；费用为1260元。(4)方式四：大巴：淮安汽车北站-广州市：17小时到达概率为10％，18小时到达概率为40％，19小时到达概率为50％，参考点为17小时20分钟；费用为520元。step1、出行代价量化对出行者的出行时间和出行费用进行量化；设情景si下出行者的行程时间为ti，该出行者的时间成本为timeprice，第j种公共交通方式下的出行者工作效率为rj，行程时间为tj，出行费用为pricej。则对于情景si下舒适度可以量化为：对于不同的出行者，他们对于时间和费用的敏感度是不同的，这与每个人的时间成本高度相关。时间成本高的出行者对于费用没有那么敏感，但是却对时间很敏感。相反，时间成本低的出行者对于费用及其敏感但却对时间不敏感。因此可以将时间这一因素转化为价格：timecosti＝timeprice·ti·r(2)其中，timecost表示时间转化为价格的数值,r是时间成本折损系数。因此，综上所述，量化之后情景si下的出行代价可以表示为：设定出行者个体的时间成本timeprice为60元/小时，各种出行方式的出行者工作效率为别是：飞机50％，高铁60％，火车20％，大巴10％，在情景si下出行者的行程时间ti如上，量化出出行者因在该公共交通方式下工作获得的出行代价；设定时间成本折损系数r为70％，量化出出行者因在该公共交通方式下损失时间的出行代价；对各种公共交通方式的出行费用，直接转化为出行代价，并与上述时间量化的出行代价结合，得出情景si下的出行代价；根据式(1)，情景s1下舒适度可以量化为第一部分火车的舒适度与第二部分高铁的舒适度之和，结果为c1＝60·(8+40/60)·20％+60·(5+40/60)·60％根据式(2)，情景s1下的时间成本为timecost1＝60·(8+40/60+5+40/60)·70％因此，量化之后情景si下的出行代价可以表示为按照以上的步骤可以算出其他不同组合的出行代价值和参考点出行代价值，同理，可以算出其他出行方案的组合出行代价值和参考点出行代价值。量化后的结果如表1：表1所有组合出行线路和参考点的出行代价(元)线路1线路2线路3线路4参考点方式110361037106110621045方式2977100710021032988方式31290129613021292方式41132116812041144step2、价值函数计算对所有公共交通出行方式，分别设定其出行时间和出行费用的参考点r，并结合出行者对路况的主观预想，计算出相对于参考点r的收益或者损失xit，进而得到对应的出行代价价值函数。设r为出行者设想的参考点，在某种出行方案的的情况下会出现若干种形行程代价情景，情景si的行程代价ti对于参考点的收益为xit＝r-ti(4)当xit≥0时，情景si的行程代价损失小于参考点，出行者心理感知为收益；当xit＜0时，情景si的行程时间损失大于参考点，出行者心理感知为损失。价值函数的形式如下，可以满足决策者的风险偏好特性公式分三段，当时，价值函数为一固定值，当xit≤0时，价值函数为负且缓慢递增，当时，价值函数为正且快速递增。公式中α和β是风险偏好参数，两者范围为0≤α≤1，0≤β≤1。α和β越大表示出行者更倾向于风险大。当参数等于1表示出行者风险中立。收益的表达式和损失的表达式不同。收益部分是凹函数，反应了出行者在面对收益时的风险回避特性，而损失部分是凸函数，反应了出行者在面对损失时的风险追求特性。参数α和β表示价值函数的凹凸程度，即过程中出行者对于速度变化的敏感度。λ是风险规避系数。如果λ＞1，则表示出行者对损失更敏感，也就是损失的凹凸性会强于收益的凹凸性。根据实验和参考文献获取，当α＝8.0，β＝0.92,λ＝2.25时，函数与真实数据一致。下面以方式一中线路1为例，计算方式一中线路1和方式一中线路4的价值函数值。根据式(5)，方式一中线路1的价值函数值为：v(x)＝(1045-1036)0.88＝6.91根据式(5)，方式一中线路4的价值函数值为：v(x)＝-2.25·(1062-1036)0.92＝-30.49按照以上的步骤可以算出其他不同组合的价值函数值，计算的结果如表2：表2所有组合出行线路的价值函数值线路1线路2线路3线路4方式16.916.23-28.84-30.49方式28.2495-33.78-25.50-73.14方式31.84-8.06-18.71方式48.91-41.88-97.30step3、权重概率函数计算对出行者依据路况及经验或者交通信息发布系统提供的信息判断得出的主观概率，分别得出出行代价在收益与损失时的权重概率函数。根据kathneman提出的权重概率函数，在动态路径规划中的公式如下：对于收益，w(p)如下：对于损失。w(p)如下：其中，p是已选路径的概率。根据广泛的调查和经验分析，kathneman提出γ＝0.61,δ＝0.69。对于多模式运输来说，每个模式出行事件是相互独立的。设一次出行有i个情景，j个模式，因此某次出行的路径选择概率满足乘法公式：根据各条线路中各种运输模式的概率和乘法公式，可以得出各出行方式中各条线路的概率，结果如表3：表3各条路线的概率线路1线路2线路3线路4方式124％6％56％14％方式28％12％32％48％方式320％40％40％方式410％40％50％下面以方式一中线路1为例，计算方式一中线路1和方式一中线路4的权重概率函数值。根据式(6)，方式一中线路1的权重概率函数值为：根据式(7)，方式一中线路4的权重概率函数值为：按照以上的步骤可以算出其他不同组合的权重概率函数值，计算的结果如表4和表5：表4所有组合出行线路的收益概率权重函数值表5所有组合出行线路的损失概率权重函数值线路1线路2线路3线路4方式128.64％12.47％49.20％20.80％方式214.87％18.98％34.07％44.15％方式325.70％39.17％39.17％方式417.01％39.17％45.40％step4、前景值计算对第j出行路线的情景si，根据step2和step3中得到的出行代价和概率权重函数，计算情景si对应的前景值。u(costi)＝v(costi)·w(pi)(9)step5、路径选择对多模式公共交通方式，综合前景值为该出行路线中各情景前景值之和；对所有出行线路，选择综合前景值最大的线路，作为出行者推荐线路；因此基于前景理论的运输方式的选择可以由式(14)描述：maxu(·)＝∑v(costi)·w(pi)(10)以方式一为例，计算方式一的综合前景值。根据式(9)，线路一的综合前景值为u＝6.91·28.5％+6.82·14.44％-28.82·49.2％-30.49·20.8％＝-17.66同理可以算出其他几种方式的前景值，结果如表6：表6几种出行方式的综合前景值因此，根据式(10)，该出行者在该出行条件下应该选择综合前景值最大的方式，即选择方式三。以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。当前第1页12