非集计模型原理-路怒驾驶行为诱发机理与自适应识别方法研究结果

基于非集计理论的交通行为分析一般将出行者个体作为研究对象，根据个体调查数据建立和标定模型，从个体角度研究出行者的行为特征。早在20世纪60年代，日本学者借用经济学的效用理论，首次提出了用于交通方式划分的非集计模型（disaggregate model）方法。由于在交通方式多种因素影响效果以及短期交通管理评价等方面，非集计模型较传统的“四阶段法”等集计模型的应用优势更大，因此，非集计模型自创立开始，便吸引了许多交通规划理论领域学者的研究兴趣，它不仅被频繁应用在交通方式划分领域，还广泛应用在交通发生、交通分布与交通分配等涉及选择问题等领域。相对于传统的集计方法，非集计方法将每个交通个体作为统计单位，直接将统计数据用于模型构建，而不需要以交通小区为单位进行统计处理，可充分运用调查所得的个人数据。因此，非集计模型能更准确地描述个人、家庭的出行选择过程，且建模要求的调查样本量也较集计模型小[122]。

非集计模型是以出行者选择结果的效用最大化这一假设为理论基 础[123]，即在特定的影响因素作用下，出行者选择具有最大效用值的交通出行方式。例如：对于出行者m，其第j种交通方案的效用函数定义为

式中Vjm，εjm分别为效用函数的固定项和随机项。Vjm与其包含的多种影响变量之间可用多种关系进行描述，但通常用如下线性关系进行表述：

式中λk为第k个影响变量的参数，Xjmk为第m个出行者的第j种交通方式的第k个影响变量，K为影响变量的数量。(www.xing528.com)

从非集计模型产生至今，其理论方法和具体模型在交通预测和规划领域得到了较大程度的发展，并产生了各类模型，如Multinomial Logit（MNL）模型、Nest Logit（NL）模型和Probit模型等。例如，在建模过程中，当效用函数的随机项εjm服从二重指数（Gumbel）分布或多维正态分布时，该非集计模型为MNL模型或Probit模型。

驾驶人作为人-车-路系统中最核心的因素，其驾驶行为的变化可能使得整个交通系统也随之变化。而愤怒情绪往往会影响驾驶人的感知、判断、决策和执行过程，进而影响其驾驶行为和驾驶绩效。所以，个人因素和场景（环境）因素对驾驶人愤怒情绪的影响较大。而驾驶情绪的产生往往具有一定程度的非线性和离散性特点，非集计模型能够较好地适应于驾驶情绪的产生特性。驾驶人是否产生愤怒情绪（愤怒驾驶），其本质可视为一种行为选择结果，即在各种影响因素的作用下，驾驶人将基于个人期望效应选择特定的驾驶情绪类型或等级，所以可用非集计理论对驾驶愤怒等级进行预测。