DOI: 10.11817/j.issn.1672-7207.2016.05.044

交通信息影响驾驶人在途路径选择的关键因素及分析

朱广宇^{1, 2, 3}，吴冕^{1, 2}，张彭⁴

 (1. 北京交通大学 城市交通复杂系统理论与技术教育部重点实验室，北京，100044；

2. 北京城市交通协同创新中心，北京，100022；

3. 系统控制与信息处理教育部重点实验室，上海，200240；

4. 北京市交通发展研究中心 城市交通运行仿真与决策支持北京市重点实验室，北京，100073)

摘要：通过分析提出交通阻抗、驾驶人对交通信息的信任程度是影响驾驶人在途决策的主要因素，而且在需求一定的情况下，信息发布率对决定交通阻抗有重要作用；分析交通信息对交通阻抗的影响机理，同时，基于驾驶人对交通信息的信任度对其路径选择决策的影响进行建模分析。引入交通信息发布率的概念，对交通信息与交通阻抗的关系进行定量建模，分析结果对于交通管理部门评价交通信息服务质量，制定交通流诱导、控制策略，具有一定的理论与应用价值。

关键词：交通诱导信息；路径选择；信息发布率；信任度

中图分类号：U491          文献标志码：A         文章编号：1672-7207(2016)05-1788-06

Key factors and analysis of influence of traffic information on route-choosing of drivers

ZHU Guangyu^{1, 2, 3}, WU Mian^{1, 2}, ZHANG Peng⁴

 (1. MOE Key Laboratory for Transportation Complex Systems Theory and Technology, Beijing Jiaotong University, Beijing 100044, China;

2. Center of Cooperative Innovation for Beijing Metropolitan Transportation, Beijing 100044, China；

3. Key Laboratory of System Control and Information Processing, Ministry of Education, Shanghai 200240, China;

4. Beijing Municipality Key Laboratory of Urban Traffic Operation Simulation and Decision Support,

Beijing Transportation Research Center, Beijing 100073, China)

Abstract: It was presented that traffic impedance and the acceptance of the driver to the traffic information are the key factors of influencing the driver in the way of decision-making, and information release rate plays an important role in deciding the traffic impedance. A new model was presented based on the analysis on influence mechanism of traffic information to the traffic impedance and the influence of the driver’s trust on the path choice of the traffic information. Traffic information release rate was firstly used on the quantitative modeling of the relationship between traffic information and traffic impedance, and the result has theory and application value for the traffic management departments to evaluate the quality of traffic information service, set the traffic flow guidance and control strategy.

Key words: traffic guidance information; route choice; credibility of information publishing; trust degree

城市道路交通诱导系统实施的理想目标之一，是借助发布交通诱导或提示信息，在交通管理部门与驾驶人之间建立有效的协同关系。交通管理部门结合城市特征设定道路交通流状态的期望值(或期望变化范围)，然后通过不同的检测装置采集、获取道路交通流状态的实际值，将两者进行对比，若实际交通流状态未达到期望值，则说明道路正处于某种程度的拥堵状态，于是启动控制模式，通过发布交通信息实施交通诱导^[1]，或通过出警进行疏导。如图1所示，在诱导信息和人工指挥的调节下，驾驶人结合其驾驶经验，随机调整其行驶路径^[2]。驾驶人在途调整行驶路径，宏观上表现为交通流在路网中的均衡分配^[3]，从而达到缓解交通拥堵的目的^[4]。从图1可见：城市交通需求分布、驾驶人的出行路径选择是影响道路交通流状态的重要因素。而当交通需求一定时，驾驶人参考交通信息而进行的在途行驶路径选择行为，就成为影响道路交通流状态的关键因素^[5]。因此，研究交通信息影响驾驶人在途路径选择的关键因素并分析影响机理，对准确预测、调节道路交通流状态，完善、提升交通信息发布系统的功能，具有十分重要的作用。

图1  城市道路交通流状态调节基本原理图

Fig. 1  Adjustment principle of state of urban road traffic flow

事实上，交通信息对驾驶人在途路径选择的影响分析，一直受到学者们的高度重视^[6-7]，并已经从多个相关角度展开研究： 孟梦等^[8]建立多方式交通网络中的组合出行路径选择模型，研究同时考虑出发时间的动态路径选择问题；曹亚康等^[9]建立了考虑VMS显示状态的驾驶员改变路径频率的C-Logit模型，定量分析VMS发布的交通信息对驾驶员路径选择行为的影响；WANG等^[10]结合交通诱导系统、交通控制系统以及物联网，将交通数据传递给驾驶人，使驾驶人能够选择最佳路径；LI等^[11]研究了车辆路径诱导系统中的最优路径搜索方法，提出一种基于实时交通信息利用模糊推理技术进行层次分析的交通路径诱导模型；刘艳秋等^[12]提出了交通拥堵下基于实时交通信息的路径选择模型，优化了实际交通系统中的时间最短路径选择模型；郭洪洋等^[13]通过模拟路网环境构建交通状态模式识别模型，用以模拟出行者的心理活动，采用意向(SP)调查法获取驾驶员在路网中的路径选择决策数据，对行为数据建模，对信息环境下出行者的不完全理性行为进行了重点研究。基于上述文献分析，本文作者提出交通信息影响驾驶人在途路径选择决策的关键因素(如图2所示)，即交通信息的发布率、交通信息的可信度，在城市交通需求一定的前提条件下，这2个因素分别决定了道路交通阻抗、驾驶人对交通信息的服从程度。然后，基于交通工程相关理论对相关影响机理进行了建模、分析。

图2  信息发布影响驾驶人在途路径选择决策的关键因素图

Fig. 2  Key factors through which traffic information effect route-choosing of drivers

1  交通信息对驾驶人在途路径选择的影响分析

1.1  交通阻抗和信息发布率

根据Wardrop第一平衡原理，驾驶人在驾驶过程中，通常会依据所在道路的实际状况，即道路阻抗，选择对自己最有利的出行路径。可以表现交通阻抗的变量很多，如排队长度、交通拥堵指数(traffic performance index, TPI)、实时车速、车头时距、路面占有率、交通流量、行程时间等。驾驶人依照其中的部分因素，对路段的交通流状态进行辨识，根据其行程时间预算，评估行程延误、经济损失及拥挤带来的心理压力，决策是否重新选择行驶路径。通过驾驶人对路径的自主优选，最终实现交通流在路网中的均衡分布，即每条路径的交通阻抗相等。

而VMS、手机、广播等不同终端发布的交通信息正是通过诱导、提示等方式，使在途驾驶人能够了解周边交通状况，并结合其自身出行经验，选择阻抗最小的路径也就是对驾驶人最有利的路径。事实上，根据抽样调查可知，约90.7%的驾驶人在驾驶期间会收听交通信息广播，而收听交通广播越频繁的驾驶员也越容易受到交通信息的影响从而改变路径；约有92.3%的驾驶员对VMS发布的诱导信息表示关注，其中69%的驾驶人经常关注VMS信息，并愿意通过交通诱导信息进行路径的选择^[14]。

在实际的交通组织管理中发现，交通信息对驾驶人在途路径选择的影响作用表现为正、反2个方面。一方面，驾驶人总希望选择交通阻抗较小的路径出行，以缩短出行时间。另一方面，当某个路段的交通流处于拥堵状态，驾驶人服从交通诱导信息转移到其他路段时，往往会产生蜂拥现象，之前畅通或者处于临界状态的其他路段却会变得拥堵。由此，交通信息应有一定的信息发布率，即应当隐蔽部分信息量，发布的范围也需要适当进行控制。按照一定的比率发布信息，目的在于协调区域路网中各路段交通流状态，保证路段间交通阻抗的协动。为此，本文提出交通信息发布率的概念。

定义1：交通信息发布率指交通信息在发布的过程中，发布出来的信息量占原有信息量的比例。

从定义1可知：交通信息发布率可以利用信息对区域路网中路段的覆盖率、信息实际发布时长与交通信息的设计发布周期的比率等进行计算。

1.2  驾驶人对交通信息的信任程度

交通信息诱导的实施效果与信息质量有关^[15]，在做出路径选择行为前，发布的交通信息的准确度是影响驾驶人决定的重要因素^[16]。驾驶人对交通信息的可信度越高，对诱导信息的服从率就会越高，交通信息诱导的效果就会越好。一般而言，驾龄长的驾驶员更倾向于综合交通信息与道路信息进行新路径的选择，而年轻的驾驶员由于经验匮乏更倾向于按照交通信息给出的路径选择建议选择驾驶路径。事实上，现实过程中由于系统发布的信息存在偏差、诱导信息给出的建议路径与驾驶人的出行需求不吻合等原因，驾驶人不会总是严格遵从诱导信息给出的建议或者指示去选择行驶路径^[17]。交通信息发布的诱导作用一定程度上取决于驾驶员对信息的响应程度，他们对此的“合作”或“遵从”情况决定着信息的作用效果^[18]。

2  交通信息对路段交通阻抗的影响

2.1  相关变量与基本关系

为方便表述，本文引入一个具有单起讫点的简单城市交通网络，并对相关变量进行如下定义：分别用r和s表示起、讫点；t为时刻；p_i (i=1, 2, …, N)为起点r和讫点s之间的通行路段；为t时刻路段p_i上的交通阻抗，t时刻的路段交通阻抗可以用t时刻该路段的平均行程时间来表征；为t时刻路段p_i上的流入率，亦称到达率。为t时刻路段p_i上的流出率；为t时刻路段p_i上的车辆数，亦即路段p_i上的流量。

在上述变量中，流量与流入率、流出率3个变量满足如下关系等式：

        (1)

基于车流统计规律，引入如下假设。

假设1：车辆在路径中的每个路段上的行驶过程，都符合先进先出(FIFO)原则。

在该假设条件下，t时刻之后抵达起点r的车辆，其通过某路段的时间只和t时刻之前该路段上的车辆流入率有关，与和t时刻之后的流入率无关。根据流量守恒法则，在和t时刻到时刻之间驶出路段p_i的车辆数等于和t时刻路段p_i上的车辆数，于是得：

           (2)

            (3)

由式(1)~(3)可知：路段的交通阻抗是路段流入率和路段流出率的函数。本文分别在有、无交通信息发布的前提下，对路段交通阻抗的函数特性进行分析。

2.2  无交通信息发布时的路段交通阻抗的函数特性

路网中车辆的行驶速度，通常受到车流密度影响，而车流密度通常可以用路段车辆数与路段长度的比值进行表示，即

              (4)

通常情况下，车流密度越大，行驶速度越缓慢，行驶时间则越长，亦即该路段的交通阻抗越大。因此，路段交通阻抗可视作该路段车流密度的单调增函数。由式(4)可知：在路段长度一定的情况下，路段交通阻抗由道路上某一时刻的车辆数决定。而由式(1)可知：路段上的瞬时车辆数由该路径上的初始车辆数、流入率、流出率共同决定。因此，路段交通阻抗由该路段上的初始车辆数、流入率、流出率共同决定，即是，和的函数。

若初始车辆数为0，则有

             (5)

于是，路段交通阻抗和路段车辆流入率有关，前者是后者的函数，且表现为一种隐函数关系，即

              (6)

2.3  有交通信息发布时的交通阻抗特性

2.3.1  交通信息的形式化表达

交通信息通常具有如下参数：t₀为第1次信息发布的时刻；T为信息发布的周期；为信息发布率；为在信息发布的t₀时刻，路段p_i上的瞬时交通阻抗。

为了保证信息发布周期内出行的驾驶人能够获取有效的信息，规定信息发布的周期小于t₀时刻到达车辆通过路径的时间，即对于起点r和讫点s之间的N条路径而言，有

2.3.2  驾驶人完全遵从交通信息情况下的交通阻抗 变化

假设驾驶人完全相信并遵从交通信息的诱导，则驾驶人会有如下的路径选择方式：

1) 若＞，，则驾驶人选择p_i路径。

2) 若，，则驾驶人可以任意选择路径。

为表述方便，以2条路径情况为例进行描述。设有2条路径p₁和p₂， ＜，根据1)和2)描述的路径选择方式，在时刻，路径p₁和p₂的流入率分别为：

      (7)

         (8)

需要说明的是，通常情况下，当信息发布率减少，随着交通信息被诱导至其他路段的车辆比例(即路径转移率)也会相应减少；而随着信息发布率增加，路径转移率也会增加。在假设驾驶人完全相信并遵从交通信息诱导的前提下，本文基于上述分析给出如下假设：交通信息发布率和路径转移率2个指标对于流入率的作用是等价的。为了简化分析过程，式(7)和(8)中使用信息发布率代替路径转移率。

将新的阻抗函数分别记为和。由式(5)可知：，且。由式(7)和(8)可知：和是时刻t时刻 路径数，且表现为流入率、流出率共同决定，和信息发布率的函数。根据Wardrop第一平衡原理知，路径阻抗相等时，用户最优。

在某时刻，令阻抗函数对信息发布率求偏导数，可得：

    (9)

   (10)

考虑拥挤因素，阻抗函数对流量的偏导数应大于0，即：＞0，＞0，又＞0且  ＞0，则由式(7)和(8)，有

＞0，＜0          (11)

因为，，＜，说明在信息发布开始阶段，信息发布对路网的优化是有利的。

假设方程，当时，存在大于0的解，即路径p₁和p₂在某个时刻阻抗相等。

情形1：，存在解，说明信息发布率为的情况下，经过2条路径的阻抗相等。而＜0，说明是关于的单调减函数。当仅仅存在2条路径可以选择的情况下，根据Wardrop平衡原理，如果，路径阻抗相等，整体路网状态达到最优。若继续增大，＜0，更多发布信息对路网是不利的，路网状态会偏离最优状态，如图3所示。

情形2：，解不存在，说明路网状态离最优状态偏差较大，信息发布只能使路网状态靠近最优状态，而不能使其达到最优状态。

对于情形1，驾驶人若能在2条路径的阻抗第1次相等的时刻获取相应的交通信息，则可以使得各路径阻抗继续保持相等的状态。但在实际情况中，一方面，交通信息发布条件下的驾驶人的在途路径选择决策具有随机性，与最优路网状态需要的固定出行选择存在差异性；另一方面，所发布的交通信息也会具有

一定的偏差，因此很难保持各路径阻抗相等。

对于情形 2，保持现有的出行选择会使得路网状态更逼近最优状态，直至两路径阻抗差减少，在＞的某个时刻两路径阻抗相等，则存在解，与情形1类似。

图3  阻抗与信息发布率的关系

Fig. 3  Relationship between impedance and information release rate

3  驾驶人对发布信息的信任程度对路径选择的影响

用变量来表示驾驶人对所发布信息的信任程度。获取了交通信息的驾驶人对路径的选择，可以理解为受因素，和的影响。驾驶人在行驶途中，往往不会去关注不同路径阻抗和，而只是通过其行车经验或者广播等其他信息，主观选择阻抗和较小的路径，也就是相对畅通的那条路径。据此可认为，驾驶人的路径选择行为，受到因素和的影响。

假设驾驶人对路径a和b路径的选择比例为P_a和P_b，则

         (12)

显然有：。于是，

       (13)

       (14)

极端情况：

1) ，，，信任程度为100%。

2) ，，，极其不信任，选择信息发布阻抗较大的路径。

一般情况下取值大于0。在时刻，将式(13)和(14)代入流入率函数，有

       (15)

令阻抗函数对信息发布率求偏导数，有

    (16)

若要求所发布的信息对路网交通流状态的变化有利，也就是说，通过发布信息对驾驶人的出行路径选择行为产生影响，使得路径a和b上的阻抗逐渐缩小差距并趋于相等，则必须满足＞0，即：

＞，由此可以推导出

＞            (17)

即驾驶人对所发布的诱导信息要有一定的信任程度，这样才能保证交通信息系统效能的合理发挥。

4  结论与展望

1) 在城市道路交通需求一定的情况下，交通信息发布率(内容设置、发布时长)、驾驶人对所发布信息的信任程度(交通信息可信度与驾驶员经验)是影响驾驶人在途决策的主要因素，分别决定了道路交通阻抗、驾驶人对交通信息的服从程度。

2) 在没有任何交通信息的情况下，道路交通阻抗与路段的车辆流入率之间存在一定的关系；而当存在交通信息时，假设驾驶人完全服从交通信息的诱导，交通阻抗则变成了时刻t时刻 路径数，且表现为流入率、流出率共同决定，和信息发布率的函数，即在信息发布率的影响下，随时间而变化。

3) 通过对阻抗函数与交通信息发布率的相关关系进行分析可以发现，通常情况下，在某个特定的时刻上总存在一个交通信息发布率，能够让区域路网中各个路径上的交通阻抗保持一致。

4) 交通信息发布的可信度或者驾驶人对交通信息的信任程度是交通信息影响驾驶人在途路径选择的关键因素，通过分析可以发现，符合驾驶人直观感受的诱导信息，往往会引导驾驶人的在途路径选择并使得路网交通状态趋于优化。

参考文献：

[1] 韩苗苗, 可变信息标志的人-机关系研究[D]. 西安: 长安大学汽车学院, 2008: 8-14.

HAN Miaomiao. Study on the men-machine relation of variable message signs[D]. Xi’an: Chang’an University. School of Automobile, 2008: 8-14.

[2] BEN-ELIA E, SHIFTAN Y. Which road do I take? A learning-based model of route-choice behavior with real-time information[J]. Transportation Research Part A: Policy and Practice, 2010, 44(4): 249-264.

[3] 张辉. 北京市VMS布局规划与设计研究[D]. 北京: 北京交通大学交通运输学院, 2011: 9-19.

ZHANG Hui. Research on planning and design of variable message signs in Beijing[D]. Beijing: Beijing Jiaotong University. School of Traffic and Transportation, 2011: 9-19.

[4] LINDLEY J A. Urban freeway congestion problems and solutions: an update[J]. ITE Journal, 1989, 59(12): 21-23.

[5] RATROUT N T, ISSA Y F. Effectiveness of newly introduced variable message signs in Al-khobar, saudi arabia[J]. PROMET-Traffic&Transportation, 2014, 26(2): 169-177.

[6] JINDAHRA P, CHOOCHARUKUL K. Short-run route diversion: an empirical investigation into variable message sign design and policy experiments[J]. Intelligent Transportation Systems, IEEE Transactions on, 2013, 14(1): 388-397.

[7] ZHONG Shiquan, ZHOU Lizhen, MA Shoufeng, et al. Effects of different factors on driver's guidance compliance behaviors under road condition information shown on VMS[J]. Transportation Research Part A, 2012, 46(9): 1490-1505.

[8] 孟梦, 邵春福, 曾靖静. 考虑出发时间的组合出行动态路径选择模型[J]. 中南大学学报(自然科学版), 2014, 45(10): 3676-3684.

MENG Meng, SHAO Chunfu, ZENG Jingjing, et al. Dynamic route choice model with departure time in combined trip[J]. Journal of Central South University (Science and Technology), 2014, 45(10): 3676-3684.

[9] 曹亚康, 李新刚, 贾斌. 诱导信息下驾驶员路径选择行为建模研究[J]. 山东科学, 2014, 27(2): 83-92.

CAO Yakang, LI Xingang, JIA Bin, et al. Modeling of route choice behavior response of a driver to variable message signs[J]. Shandong Science, 2014, 27(2): 83-92.

[10] WANG Danping, HU Kunyuan. Research on path optimization of urban traffic guidance system[J]. Applied Mechanics and Materials, 2014, 624: 520-523.

[11] LI Caixia, ANAVATTI S G, RAY T. Analytical hierarchy process using fuzzy inference technique for real-time route guidance system[J]. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(1): 84-93.

[12] 刘艳秋, 刘博. 交通拥堵下基于实时交通信息的路径选择模型[J]. 沈阳工业大学学报, 2014, 36(4): 426-430.

LIU Yanqiu, LIU Bo. Route selection model based on real-time traffic information under traffic congestion[J]. Journal of Shenyang University of Technology, 2014, 36(4): 426-430.

[13] 郭洪洋, 张玺, 刘澜, 等. 多源信息约束下的路径选择模型与算法[J]. 计算机应用, 2014, 34(7): 2093-2098.

GUO Hongyang, ZHANG Xi, LIU Lan, et al. Route choice model and algorithm under restriction of multi-source traffic information[J]. Journal of Computer Applications, 2014, 34(7): 2093-2098.

[14] 石京, 陶立. 实时交通信息提供对驾驶员路径选择行为影响量化分析[J]. 武汉理工大学学报(交通科学与工程版), 2010, 34(4): 639-643.

SHI Jing,TAO Li. Quantitative analysis of the influence of real-time traffic information providing to the driver’s path selection behavior[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2010, 34(4): 639-643.

[15] ZHANG Aomuhan, GAO Ziyou. Effect of ATIS information under incident-based congestion propagation[J]. Procedia-Social and Behavioral Sciences, 2012, 43(4): 628-637.

[16] BEN-ELIA E, DI PACE R, BIFULCO G N, et al, The impact of travel information’s accuracy on route-choice[J]. Transportation Research Part C: Emerging Technologies, 2013, 26: 146-159.

[17] LAI K H, WONG W G. SP approach toward driver comprehension of message formats on VMS[J]. Journal of Transportation Engineering, 2000, 126(3): 221-227.

[18] 车广侠, 石建军, 隋莉颖. VMS交通诱导系统现状分析[J]. 道路交通与安全, 2006, 6(8): 19-21, 29.

CHE Guangxia, SHI Jianjun, SUI Liying. Present situation analysis of VMS traffic guidance system[J]. Road Traffic & Safety, 2006, 6(8): 19-21, 29.

(编辑  陈爱华)

收稿日期：2015-08-28；修回日期：2015-12-18

基金项目(Foundation item)：国家自然科学基金项目资助(61572069)；中央高校基本科研业务费(2014JBM211)；系统控制与信息处理教育部重点实验室开放课题(Scip201507)；河北省交通运输厅科技项目(A0201-150505)；交通部青年科技英才培养项目(201540)；城市交通运行仿真与决策支持北京市重点实验室(BZ0012)；北京城市交通协同创新中心项目 (Project(61572069) supported by the National Natural Science Foundation of China; Project(2014JBM211) supported by the Fundamental Research Funds for the Central Universities; Project(Scip201507) supported by the Open Project Program of Key Laboratory of System Control and Information Processing; Project(A0201-150505) supported by the Department of Traffic and Transportation of Hebei Province; Project(201540) supported by Research Foundation for Outstanding Scholars of Transport Ministry of China; Project(BZ0012) supported by Beijing Municipality Key Laboratory of Urban Traffic Operation Simulation and Decision Support; Supported by Center of Cooperative Innovation for Beijing Metropolitan Transportation)

通信作者：朱广宇，博士，副教授，从事智能交通系统、数据仿真与分析研究；E-mail: gyzhu@bjtu.edu.cn