[内容提要]

《城市交通流系统分析与优化》(作者徐红利)考 虑出行选择行为中的有限 理性，基于行为决策的理论与方法， 对城市交通出行行为进行深入分析， 在探悉符合客观实际的出行决策机制 的基础上，研究城市交通流的静态分 布形态与动态演化规律，探索缓解交 通拥堵的拥挤收费策略。《城市交通流系统分析与优 化》作者期望在 考虑有限理性的出行决策规则与交通 流分布规律研究等方面，为读者提供 一种新的分析范式以及可供借鉴的研 究结论。
[作者简介]
徐红利，女，湖北黄冈人，现为南京大学工程管理学院助理研究员。2006年毕业于武汉大学应用数学系，2011年获得南京大学博士学位，2009年赴美国佛罗里达大学城市与海洋工程学院访问学习一年，2011年赴香港理工大学访问学习6个月。 作为负责人主持国家自然科学青年基金项目1项，参与国际合作项目、国家自然科学基金项目3项。获得教育部“博士研究生学术新人奖”、201 3年度“江苏省优秀博士论文”。
[目录]
前言
第1章 有限理性与行为决策概述
1．1 有限理性的内涵
1．1．1 什么是有限理性
1．1．2 有限理性假设的理论意义
1．2 基于有限理性的决策科学——行为决策
1．2．1 行为决策科学的发展
1．2 考虑有限理性的决策框架
1．3 行为决策在交通研究中的意义
第2章 交通均衡理论与模型
2．1 符号
2．2 交通均衡的定义与数学模型
2．2．1 用户最优均衡
2．2．2 随机用户最优均衡
2．2．3 系统最优均衡
2．2．4 交通流Day-to-day动态演化均衡
2．3 交通均衡模型的解
2．3．1 交通均衡模型解的性质
2．3．2 交通均衡模型求解算法
第3章 考虑有限理性的出行者行为分析
3．1 出行行为的内涵与研究意义
3．2 出行行为过程与影响因素
3．3 基于个体行为模型的出行决策机理
3．4 结论
第4章 不确定情境下的路径选择决策规则分析与实证
4．1 路径选择决策行为分析
4．2 出行路径选择决策规则的实证分析
4．2．1 基于期望效用理论的路径选择决策分析
4．2．2 基于累积前景理论的出行者路径选择决策分析
4．3 有限理性假设下的出行路径选择框架
4．4 出行效用度量体系与参数估计
4．4．1 情景问题与调研结果
4．4．2 调研结果分析与参数估计
4．4．3 效用度量体系的验证
4．5 结论
第5章 不确定情境下的路径选择与内生参考点取值
5．1 参考点研究概述与研究意义
5．2 参考点的现实意义与影响因素
5．3 参考点的确定方法与实证分析t
5．3．1 不确定情境下参考点取值的影响因素
5．3．2 参考点取值的确定方法
5．4 风险、风险态度与风险态度水平
5．5 基于问卷调研的出行者风险态度水平衡量
5．6 出行者风险态度水平影响因素分析
5．7 考虑参考点依赖的路径选择决策
5．8 结论
第6章 随机网络用户最优均衡模型与算法
6．1 随机网络用户最优均衡研究概述
6．2 符号与假设
6．3 基于累积前景理论的路径选择决策分析
6．4 基于CPT的用户最优均衡模型与算法
6．4．1 用户最优均衡条件与等价的变分不等式
6．4．2 CPT-UE模型的一般性
6．4．3 CPT-UE求解算法
6．5 CPT-UE模型的扩展与算例
6．5．1 单用户一般随机网络CPT-UE模型
6．5．2 单用户随机弹性需求CPT-UE模型
6．5．3 多用户随机交通需求CPT-UE模型
6．5．4 多用户一般随机网络CPT-UE模型
6．6 CPT-UE下的系统运营效率
6．7 结论
第7章 随机网络拥挤收费策略
7．1 交通拥挤收费的研究意义
7．2 符号与假设
7．3 考虑出行者能力的路径选择决策
7．4 考虑出行者能力的拥挤收费模型
7．5 拥挤收费模型算法与算例
7．5．1 算法
7．5．2 算例
7．6 基于出行行为分析的交通管理策略
7．6．1 基于出行行为过程分析的交通管理策略
7．6．2 基于个体行为模型的交通管理策略
7．7 结论
第8章 考虑拥挤收费的确定性网络交通流分配
8．1 确定性网络中的参考点依赖特征与拥挤收费
8．2 符号与假设
8．3 考虑参考点依赖的路径选择决策
8．4 考虑参考点依赖的交通分配模型与算法
8．4．1 模型的建立
8．4．2 算法
8．5 算例
8．5．1 传统边际成本收费下的流量分布
8．5．2 考虑参考点依赖的流量分布
8．6 结论
第9章 城市交通流Day-to_day动态演化模型
9．1 交通流动态演化研究概述
9．1．1 根据研究的范式分类
9．1．2 根据研究方法分类
9．1．3 根据随机要素分类
9．2 符号与假设
9．3 出行成本学习与出行选择决策更新
9．3．1 确定性网络中的学习与选择更新
9．3．2 随机网络中的学习与选择更新
9．4 交通流Dart-to-day动态演化模型
9．4．1 确定性网络中的动态演化模型
9．4．2 随机网络考虑可靠性诱导信息的动态演化模型
9．5 算例
9．5．1 算例1——确定性网络的情景
9．5．2 算例2——随机网络的情景
9．6 结论
第10章 考虑决策规则异质性的交通流Day-to-day动态演化模型
10．1 出行者异质性的概述
10．2 符号与假设
10．3 出行成本学习与出行选择更新
10．3．1 出行成本学习过程
10．3．2 出行路径选择更新过程
lO．3．2．1 不使用RPSS系统的选择更新
10．3．2．2 使用RPss系统的选择更新
10．4 交通流Day-to-day动态演化模型及其性质
10．5 算例
10．6 结论
第11章 总结
参考文献
索引