Multi-class within-day dynamic traffic equilibrium with strategic travel time information
作者: Xiaoyu Ma, Xiaozheng He
分类: eess.SY
发布日期: 2024-10-20
备注: 41 pages, 21 figures
期刊: Transportation Research Part C: Emerging Technologies Volume 178, September 2025, 105269
DOI: 10.1016/j.trc.2025.105269
💡 一句话要点
提出考虑战略出行时间信息的日内动态交通均衡模型，优化多类型用户出行选择。
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 动态交通均衡 信息提供 战略行为 行为博弈论 交通管理 出行者选择 交通网络 实时信息
📋 核心要点
- 现有日内动态交通均衡研究对出行时间信息的建模不够明确，限制了对信息影响的深入分析。
- 该论文提出一个多类日内动态交通均衡模型，显式地将战略信息提供建模为内生变量。
- 通过理论分析和数值实验，深入研究了信息对交通网络的影响，并分析了战略预测信息的渗透率。
📝 摘要（中文）
本文提出了一种日内动态交通均衡模型，该模型显式地将战略信息提供作为内生要素。在该框架中，两类出行者接收不同类型的出行时间信息：一类接收反映当前交通状况的瞬时出行时间，另一类接收出行时间的战略预测，该预测基于行为博弈论考虑了出行者对瞬时信息的反应。由此产生的多类日内动态均衡与现有模型的不同之处在于，它显式地模拟了信息提供，并考虑了信息一致性。实时更新的交通信息、交通状况和出行者选择行为的内在动态被分析建模，由此产生的动态均衡被公式化为一个不动点问题。理论命题和数值结果为信息对交通网络的影响、战略预测信息的渗透、所提出的均衡与传统动态交通均衡之间的关系以及信息准确性提供了丰富的见解。这项研究有助于更深入地理解信息和交通动态之间的相互作用，为更有效的交通管理策略铺平了道路。
🔬 方法详解
问题定义：现有研究在日内动态交通均衡模型中，通常隐式地考虑出行时间信息，要么假设信息是完全的，要么基于出行者的感知误差假设信息是不完美的。这种缺乏对信息明确建模的方式，限制了对信息如何影响动态交通均衡，以及如何利用信息提供来改善系统性能的深入分析。因此，需要一个能够显式地将信息提供纳入考虑的模型，以便更好地理解信息与交通动态之间的相互作用。
核心思路：该论文的核心思路是将战略信息提供作为模型中的一个内生要素。具体来说，模型区分了两类出行者：一类接收瞬时出行时间信息，反映当前的交通状况；另一类接收战略预测的出行时间信息，这些预测考虑了出行者基于行为博弈论对瞬时信息的反应。通过这种方式，模型能够捕捉到信息、交通状况和出行者行为之间的动态相互作用。
技术框架：该模型的技术框架包括以下几个主要组成部分：1) 交通网络模型，用于描述交通流量在网络中的传播；2) 出行者行为模型，用于模拟出行者如何根据接收到的信息做出出行决策；3) 信息提供模型，用于生成不同类型的出行时间信息；4) 均衡求解算法，用于找到满足所有出行者都选择最优路径的交通流量分布。整个框架通过迭代的方式，不断更新交通信息、交通状况和出行者行为，直到达到动态均衡。
关键创新：该论文最重要的技术创新在于显式地建模了战略信息提供。与现有模型不同，该模型不仅考虑了出行者对瞬时信息的反应，还考虑了出行者对其他出行者反应的预测。这种战略性的信息考虑使得模型能够更准确地捕捉到现实世界中交通系统的复杂动态。此外，该模型还考虑了信息一致性，即战略预测的出行时间必须与实际的交通状况相符。
关键设计：该模型中的关键设计包括：1) 使用行为博弈论来模拟出行者的战略行为；2) 使用不动点问题来公式化动态均衡；3) 设计有效的算法来求解不动点问题。具体的参数设置、损失函数和网络结构等技术细节在论文中进行了详细描述，但此处无法完全展开。
📊 实验亮点
论文通过数值实验验证了模型的有效性，并分析了不同信息提供策略对交通网络的影响。实验结果表明，战略预测信息可以显著改善交通状况，降低出行者的平均出行时间。此外，实验还分析了战略预测信息渗透率对交通均衡的影响，并探讨了信息准确性与交通效率之间的关系。具体性能数据未知，但结论表明该模型具有实际应用价值。
🎯 应用场景
该研究成果可应用于智能交通管理系统，通过提供个性化的出行时间信息，引导出行者选择更优的出行路径和出行时间，从而缓解交通拥堵，提高交通效率。此外，该模型还可以用于评估不同信息提供策略的效果，为交通管理者制定更有效的交通管理措施提供决策支持。
📄 摘要（原文）
Most research on within-day dynamic traffic equilibrium with information provision implicitly considers travel time information, often assuming information to be perfect or imperfect based on travelers' perception error. However, lacking explicit formulation of information limits insightful analysis of information impact on dynamic traffic equilibrium and the potential benefits of leveraging information provision to improve system-level performance. To address this gap, this paper proposes a within-day dynamic traffic equilibrium model that explicitly formulates strategic information provision as an endogenous element. In the proposed framework, two classes of travelers receive different types of travel time information: one class receives instantaneous travel time reflecting the prevailing traffic conditions, while the other class receives strategic forecasts of travel times, generated by accounting for travelers' reactions to instantaneous information based on strategic thinking from behavioral game theory. The resulting multi-class within-day dynamic equilibrium differs from existing models by explicitly modeling information provision and consideration of information consistency. The inherent dynamics of real-time updated traffic information, traffic conditions, and travelers' choice behaviors are analytically modeled, with the resulting dynamic equilibrium formulated as a fixed-point problem. The theoretical propositions and numerical findings offer rich insights into the impact of information on the traffic network, strategic forecast information penetration, the relationship between the proposed equilibrium and traditional dynamic traffic equilibria, and information accuracy. This research contributes to a deeper understanding of the interplay between information and traffic dynamics, paving the way for more effective traffic management strategies.