交通地理与网络科学/寻路

寻路

概念

出行行为是一个反馈过程，专注于通过空间知识获取来“优化”旅行者的行动。这个收集过程由：导航和**寻路**（或路径查找）组成。前者指的是通过定位物体位置和规划可能的旅行轨迹来实现无阻碍旅行所需的计划和行动。后者指的是从一个选择集（也由旅行者遵循特定规则生成）中选择一条连接感兴趣的起点和终点对的轨迹（即路径）的过程。

**寻路**与旅行隐式地联系在一起；空间信息在旅行过程中累积。新增加的知识有助于人类旅行者更有效地找到通往感兴趣目的地的不同可能轨迹。因此，人类旅行者不仅寻求收集知识，而且还处理它（学习机制）以做出更“优化”的旅行决策。一般来说，这种知识的积累不仅以转弯角度、转弯次数、路段长度的形式出现，而且还包括关键的环境点以及路径附近的其他特征。换句话说，个人可能会将被认为重要的点（工作、家和其他）指定为锚点或地标，以识别不同地点的位置，并促进它们之间的导航。此外，应该注意的是，地图、对话交流和其他（除了实际旅行之外）等其他来源也可能以不同的形式（和影响）为旅行者提供环境知识。

空间学习

人们发现，旅行者根据其对空间环境的熟悉程度（例如几何配置）和环境复杂性（例如太多细节难以记住）表现出显著的不同。

熟悉度效应

熟悉度与导航频率相关，因此，熟悉度高的地点与个人的空间知识水平呈正相关。此外，熟悉度分为两个组成部分：局部经验和全局经验。前者指的是对网络中地点的详细空间知识。后者指的是环境整体的显著元素（例如道路等级、著名地标和其他）。

熟悉度水平直接影响个人的决策过程；决策基于当前的空间知识。例如，每日通勤者能够检索到过去的资料（主要是局部经验），并在旅行过程中（例如交通状况变化）补充新获得的知识。对于在一个陌生的城市中的访客来说，大部分信息都基于全局经验（可能通过地图获得），并且随着旅行的进行，通过局部经验得到补充。总的来说，每日通勤者比在一个陌生的城市中的访客能够更准确地识别（并预期）某些旅行事件（例如交通信号的位置）。此外，除了水平之外，熟悉度在其他形式（例如不同的锚点、不同的局部经验和其他）之间也有所不同。

环境复杂性

空间环境的几何配置在个人的学习机制中起着重要作用。证据表明，高度差异化的区域（例如房屋风格的变化、地块密度、邻近植被的增加、从直线到曲线的模式变化和其他）加速了个人学习过程。相反，路径的同质性阻碍了存储和检索用于决策的空间信息的进程；难以识别哪个区域与感兴趣的起点和终点对相关。

其他证据表明，感兴趣的起点和终点对之间较长的旅行时间会阻碍信息的存储。旅行者需要记住太多细节。当旅行者也不熟悉环境时，这种困难会增加。这并不是说高度熟悉会消除复杂性的影响。在高度熟悉的环境中，旅行者仍然会忽略空间细节，并将其视为不必要的，以应对复杂性。

交通网络中的寻路

在交通研究中，路径查找和选择是一个基本的过程。实质上，旅行者探索网络并最终选择一条连接任何两个起点和终点对的路径，从几个可行的替代方案中选择。这种行为受到旅行者和物理基础设施特征的影响。旅行者的属性包括客观元素（年龄、性别、收入……）和主观元素（偏好、感知、经验……）。相反，物理基础设施由交通网络组成。此外，这种选择是一个反馈过程，旅行者之前的决策影响未来的决策。

通常，路径查找和选择行为（旅行行为的一个子集）主要集中在三个方面：旅行者对替代路线的了解、路线决策过程以及由于旅行者-道路网络系统的属性导致的路线选择偏好。第一个方面包括分析旅行者用来生成其可能路线集的标准（最短路径、最快路径……），第二个方面侧重于执行决策的规则（预先规划、马尔可夫过程和中间过程），最后一个方面研究属性对路线选择偏好的影响。

选择集生成

旅行者只考虑感兴趣的起点和终点对之间可行路径的一个子集，原因有很多：信息有限（例如旅行者不知道其他替代方案）、个人偏好（例如长途旅行者将选择范围限制在高速公路上）、对客观标准（例如最小化旅行时间）的次优解决方案（其他旅行者可能考虑最小化距离或其他目标）等等。这个子集成为旅行者的路径选择集，因此在仅考虑这个子集的情况下将选择一个最优选择。

交通研究文献中存在着不同的选择集生成算法。最常见的方法是标签法。它包括使用链接的属性，例如旅行时间、旅行距离和功能类别，以包含在每个替代路线的广义成本函数中。此外，这些路线根据感兴趣的属性和目标标准（例如，最小化时间、最小化距离等）进行标记。通过这种方式，可以为旅行者感兴趣的每个起点-终点对生成可行的选择集。其他算法可能是基于模拟的（即从概率分布中采样），或者更启发式的（例如链接惩罚方法）。

Ramming的博士论文中可以找到相当普遍的处理方法

决策过程

旅行者必须从其选择集中选择路线的标准和时间点。例如，旅行者可能在开始旅行之前预先计划他们的选择。旅行者可能在每个路口评估他们的选择（即在网络的每个节点选择一个新选项）。旅行者也可以预先计划并在每个路口重新评估。此外，旅行者还必须有一套决策规则，使他们能够从选择集中选择他们的选项。这些决策规则可能基于不同的假设行为抽象，包括：效用最大化（旅行者具有代表其偏好的效用函数，因此选择效用最高的选项）；满足（旅行者选择第一个超过其阈值水平的替代方案）；按方面消除（低于阈值的值的替代方案将被忽略）；以及词典规则（旅行者选择对最重要的属性具有最高价值的路线，如果出现平局，旅行者选择对第二重要的属性具有最高价值的路线，依此类推）。

效用最大化是最常见的方法。这是一个数学公式，它包含三个假设：传递性（如果消费者更喜欢 a 而不是 b，并且更喜欢 b 而不是 c，那么它必须更喜欢 a 而不是 c），完整性（消费者对所有商品组合都有偏好），以及自反性（偏好与其本身相关；漠不关心被考虑在内）。此外，效用最大化还有两种方法：确定性（消费者定义明确，可以访问所有相关信息）和概率性（通常假设偏好的排序是随机的，因为研究人员可能会忽略效用函数中的某些属性；参见随机效用模型）。

其他最近的标准可能考虑搜索过程、空间信息、学习机制等。Zhang的博士论文中可以找到详细的处理方法。

选择和决策者的属性

大多数研究表明，旅行时间和旅行距离是路径选择背后的主要解释因素。 然而，其他因素（如审美风景、网络知识和旅行信息）也与路径查找和选择的解释相关联。此外，社会人口统计也显示出影响旅行者的路径查找和选择行为。根据实证研究，最重要的属性如下所示。

旅行者属性

1. 社会人口统计（年龄、性别…）
2. 时间价值（旅行者可能会以不同的方式权衡时间段）
3. 过去经验（新决策基于以前的决策）
4. 旅行目的（工作通勤、休闲旅行…）
5. 熟悉度（如前所述，对网络的了解）
6. 信息（目前对交通状况或其他方面的了解）

路径属性

1. 旅行时间
2. 旅行距离
3. 旅行成本（例如，通行费）
4. 一天中的时间
5. 路段特征（即几何配置和基础设施条件）

实验

交通研究人员已经开发了几种实验设计，以研究旅行者在多种选择决策下的行为。通过这种方式，可以获得旅行者对选择情况不同属性（与寻路相关的路径）以及与其自身个人特征相关的偏好的估计（通常通过市场细分方法对旅行者进行分组）。

通常，实验设计在现实程度和收集的数据来源（假设选择与观察到的选择）方面有所不同。此外，在路径查找和选择研究中存在两组实验设计：（准）实验室实验和实地观察。前者包括：纸质实验（例如，多项选择题）、带有视觉辅助的实验（例如，带有图表、地图的题目）、以及模拟（例如，基于计算机的模拟和固定基座车辆模拟器）。后者包括面对面或通过电话的访谈；自我完成问卷；跟踪/尾随受试者（例如，车牌匹配）；以及最近的受试者GPS跟踪。

数据收集技术

以下列出了基于Carrion和Levinson论文的路线/路径查找和选择研究中使用的几种技术。

1. 假设情景的问卷调查。
2. 包括视觉辅助的假设情景的问卷调查。
3. 基于计算机的模拟器
4. 固定基座车辆模拟器
5. 实地自我完成问卷。
6. 实地访谈。
7. 实地GPS跟踪

应用

寻路和交通分配乍一看似乎不是交通研究中重叠的领域。然而，应该指出的是，交通分配模型建立在旅行者的行为假设之上（他们是否拥有完美的信息？他们是否最小化旅行时间？等等）。因此，从最基本模型（全或无分配）到最复杂模型（动态交通分配）的模型都具有关于旅行者在网络中游荡并优化其选择的行为的基本假设。

交通分配和行为假设

交通分配可以定义为一个迭代过程，其中流量（出行需求）根据标准并在特定假设下分配到网络中。存在几种类型的交通分配（实际上分类可能会有所不同）：不考虑拥堵的分配；考虑拥堵的交通分配；随机交通分配；具有随机旅行时间的随机交通分配；日间交通分配；以及动态交通分配。除了最后两个之外，所有这些都属于静态数学程序理论（线性程序、非线性程序和随机程序），最后两个是动态数学程序。

基本交通分配模型是由Wadrop提出的。它由两个均衡定义：用户和系统。用户均衡 (UE) 指的是将流量分配到网络中，以使每个用户都能最小化他们自己的旅行时间（行为假设，其中隐含地包含完美的信息和理性），并且当用户无法找到更好的替代路径时，就会获得 UE。在系统最优 (SO) 中，流量分配应以最小化整个网络的总旅行时间为目标。这些均衡的结果也因链路旅行时间函数（链路流量或链路阻抗）的假设而异。BPR链路旅行时间函数在交通分配过程中模拟拥堵时非常流行（参见下面的链接）。其他基于原始基本沃德罗普模型的形式通过指示旅行时间的感知而不是实际旅行时间来改变行为假设（随机用户均衡，其中将感知误差作为随机变量添加），并且风险行为也可以通过考虑风险函数（例如指数形式）包含在模型中（通常用于考虑旅行时间可靠性的交通分配）。

在更复杂的模型中，例如日常交通分配，其中传播动力学很重要，规则被用于考虑旅行者如何在每个时间事件中决定从一条路径切换到另一条路径。这些规则可以基于时间事件 t 时的线性旅行时间差异，甚至可以比较所有先前时间事件中的旅行时间的递减权重。换句话说，昨天所经历的旅行时间对于未来决策比前天所经历的旅行时间更重要，以此类推。

交通分配的其他来源

交通/交通分配基础

寻路设计

寻路设计是指在明确考虑个人寻路过程的情况下，对具有空间需求的设施进行规划。寻路“高效”设计包括使用标志、建筑形式和其他 readily available 的信息来源，帮助用户快速完成路径查找和选择过程。传统上，设施设计一直是建筑师和城市规划师进行的过程。然而，它还包括为制作清晰易懂的标志的平面设计师，以及为设施维护和持续改进的建筑管理人员和人员。

一般来说，设计必须将信息的定位和呈现方式作为重要组成部分，考虑用户。购物中心就是很好的例子，它们包括区域地图，以及指示地图在整个设施中的位置的点。通常，这些地图位于设施入口附近，并在它们之间以固定的间距在内部传播。其他重要组成部分包括入口/出口门的定位。由于安全问题（疏散程序）和可达性（靠近几何形心），这些也是至关重要的。此外，可以包含其他信息来源，如交互式标志、闪烁的灯光、警报器等，以持续通知用户设施时间表或条件的变化。 地图方向（北朝上）不是全球标准，虽然在美国和欧洲很常见，但在日本等地方却找不到。

根据一些研究，地图比地标更适合学习导航。