2 Literature Review2.1 Adaptive Rou

2 Literature Review
2.1 Adaptive Route Choice Models
Most discrete choice models for route choice analysis are based on static and deterministic networks. Examples of such models are Path Size Logit (Ben-Akiva and Ramming, 1998; Ben-Akiva and Bierlaire, 1999), C-Logit (Cascetta, Nuzzolo, Russo and Vitetta, 1996), Cross-Nested Logit (Vovsha and Bekhor, 1998), and Logit Mixture (Ramming, 2001; Bekhor, Ben-Akiva and Ramming, 2002; Frejinger and Bierlaire, 2007). In this paper we refer to these models as non-adaptive path choice models, since the fact that travelers can adjust their route choices enroute in response to revealed traffic conditions is ignored.
A seemingly natural way to build adaptive route choice models is to have a sequence of non-adaptive path choice models at each decision node, where the attributes of alternative paths reflect updated information. In this way, any of the above mentioned route choice models, with adequate incorporation of real-time information, could in principle be applied successively in a stochastic network to model adaptive route choice behavior. DynaMIT (Ben-Akiva, Bierlaire, Koutsopoulos and Mishalani, 2002) and DYNASMART (Mahmassani, 2001) are examples of dynamic traffic assignment models that apply adaptive path choice models. Calibration of DynaMIT’s route choice model based on field data is reported in Balakrishna (2006) and Balakrishna, Ben-Akiva and Koutsopoulos (2007). Furthermore, Srinivasan and Mahmassani (2003) and Abdel-Aty and Abdalla (2006) are examples of studies that estimate route switching models applied successively on intermediate nodes.
There have been a large number of studies of path choice models with realtime information, both pre-trip and en-route, and a recent literature review can be found in Abdel-Aty and Abdalla (2006). Some models predict the decision to switch from a previous chosen or experienced route (e.g. Polydoropoulou, BenAkiva, Khattack and Lauprete, 1996; Abdel-Aty and Abdalla, 2004; Mahmassani and Liu, 1999; Srinivasan and Mahmassani, 2003); others are route choice models with explicit choice sets of paths (e.g. Bogers, Viti and Hoogendoorn, 2005; Peeta and Yu, 2005; Abdel-Aty and Abdalla, 2006).
In this paper we estimate routing policy choice models based on path observations. The definition of a routing policy depends on the underlying network and the information access (Gao and Chabini, 2006). An example of how it is defined here is given in Section 3. The literature includes a number of algorithmic studies of optimal routing policy problems (e.g. Hall, 1986; Polychronopoulos and Tsitsiklis, 1996; Marcotte and Nguyen, 1998; Pretolani, 2000; Miller-Hooks and Mahmassani, 2000; Miller-Hooks, 2001; Waller and Ziliaskopoulos, 2002; Gao, 2005; Gao and Chabini, 2006). Moreover, a sequential Logit loading of hyperpath flows in an equilibrium traffic assignment is proposed in Ukkusuri and Patil (2007), however the estimation problem is not addressed.


2.2 Choice Under Risk
Non-EU theory has been studied in the literature of economics for decades (see e.g. Kahneman and Tversky, 1979; Machina, 1989; Tversky and Kahneman, 1992), yet the application in risk attitudes toward travel times and transportation route choice is scarce. Katsikopoulos et al. (2000) conduct stated preferences experiments on drivers’ route switching behavior, and find that participants are risk-averse when the average travel time along the alternative route is shorter than the certain travel time of the main route but risk-seeking when the opposite is true. This is consistent with the conclusions from Kahneman and Tversky (1979). de Lapparent (2004) studies business travelers’ risk attitudes toward travel time losses using a rank dependent expected utility model which allows probabilities to enter nonlinearly into an individual’s objective function. Avineri and Prashker (2004) find violations of EU theory in a route choice stated preferences context through a series of experiments similar to those in Kahneman and Tversky (1979). Later on the same authors apply the CPT (Tversky and Kahneman, 1992), to the study of route choice with feedback and find that it might not be suitable to address repeated decision tasks (Avineri and Prashker, 2005). de Palma et al. (2008) discuss how the non-EU framework can be modeled and estimated within the framework of discrete choices in static and dynamic contexts. Ben-Elia et al. (2008) study the risk taking behavior in a route choice context where drivers’ perceptions of travel time distributions come from both experience and description.

Kết quả (Việt) 1:

2 văn học Review
2.1 Adaptive Route lựa chọn mô hình
hầu hết các mô hình lựa chọn rời rạc cho tuyến đường lựa chọn phân tích dựa trên tĩnh và xác định. Ví dụ về các mô hình là đường dẫn kích thước hàm lôgit (Ben-Akiva và Ramming, 1998; Ben-Akiva và Bierlaire, 1999), hàm lôgit C (Cascetta, Nuzzolo, Nga và Vitetta, 1996), đã xếp lồng Cross hàm lôgit (Vovsha và Bekhor, 1998), và hàm lôgit hỗn hợp (đầm, năm 2001; Bekhor, Ben-Akiva và đầm, 2002; Frejinger và Bierlaire, 2007). Trong bài báo này chúng tôi đề cập đến các mô hình như các mô hình lựa chọn con đường không thích nghi, kể từ khi thực tế mà khách du lịch có thể điều chỉnh của enroute lựa chọn tuyến đường để đáp ứng với điều kiện giao thông tiết lộ được bỏ qua.
Một cách tự nhiên dường như để xây dựng các mô hình lựa chọn tuyến đường thích nghi là có một chuỗi các con đường không thích nghi lựa chọn mô hình tại mỗi nút quyết định, nơi các thuộc tính khác nhau phản ánh thông tin Cập Nhật. Bằng cách này, bất kỳ ở trên đề cập đến mô hình lựa chọn tuyến đường, với đầy đủ các kết hợp thông tin thời gian thực, có thể về nguyên tắc được áp dụng liên tục trong một mạng ngẫu nhiên hành vi mô hình thích nghi lộ sự lựa chọn. DynaMIT (Ben-Akiva, Bierlaire, Koutsopoulos và Mishalani, 2002) và DYNASMART (Mahmassani, 2001) là ví dụ về lưu lượng truy cập năng động chuyển nhượng các mô hình áp dụng các mô hình lựa chọn con đường thích nghi. Các hiệu chuẩn của mô hình lựa chọn tuyến đường của DynaMIT dựa trên dữ liệu trường được báo cáo trong Balakrishna (2006) và Balakrishna, Ben-Akiva và Koutsopoulos (2007). Hơn nữa, Srinivasan và Mahmassani (2003) và Abdel Aty và Abdalla (2006) là ví dụ về nghiên cứu ước tính tuyến đường chuyển đổi mô hình áp dụng liên tục trên nút trung gian.
Đã có một số lớn các nghiên cứu của mô hình lựa chọn con đường với thông tin thời gian thực, cả hai trước chuyến đi và trên đường đi, và một đánh giá văn học gần đây có thể được tìm thấy ở Abdel Aty và Abdalla (2006). Một số mô hình dự đoán quyết định chuyển từ một lựa chọn trước đó hoặc lộ trình giàu kinh nghiệm (ví dụ như Polydoropoulou, BenAkiva, Khattack và Lauprete, 1996; Abdel Aty và Abdalla, năm 2004; Mahmassani và Liu, 1999; Srinivasan và Mahmassani, 2003); những người khác định tuyến lựa chọn mô hình với sự lựa chọn rõ ràng bộ đường dẫn (ví dụ như Bogers, Viti và Hoogendoorn, 2005; Peeta và Yu, 2005; Abdel-Aty và Abdalla, 2006).
trong bài báo này, chúng tôi ước tính định tuyến chính sách lựa chọn mô hình dựa trên những quan sát con đường. Định nghĩa của một chính sách định tuyến phụ thuộc vào mạng cơ bản và truy cập thông tin (Gao và Chabini, 2006). Một ví dụ về làm thế nào nó được định nghĩa ở đây được đưa ra trong phần 3. Các tài liệu bao gồm một số các nghiên cứu thuật toán tối ưu định tuyến chính sách các vấn đề (ví dụ như Hall, 1986; Polychronopoulos và Tsitsiklis, 1996; Bản và Nguyễn, 1998; Pretolani, năm 2000; Miller-móc và Mahmassani, năm 2000; Miller-móc, năm 2001; Waller và Ziliaskopoulos, 2002; Gao, 2005; Gao và Chabini, 2006). Hơn nữa, một tuần tự hàm lôgit nạp hyperpath chảy trong một chuyển nhượng cân bằng lưu lượng truy cập được đề xuất trong Ukkusuri và Patil (2007), Tuy nhiên dự toán vấn đề không được giải quyết.


2.2 lựa chọn theo rủi ro
phòng không-EU lý thuyết đã được nghiên cứu trong các tài liệu kinh tế trong nhiều thập niên (xem ví dụ như Kahneman và Tversky, năm 1979; Machina, năm 1989; Tversky và Kahneman, 1992), Tuy nhiên, các ứng dụng trong Thái độ rủi ro đối với du lịch thời gian và sự lựa chọn tuyến đường giao thông vận tải là khan hiếm. Katsikopoulos et al. (2000) tiến hành thí nghiệm đã mô tả tùy chọn trên tuyến đường đua chuyển đổi hành vi, và thấy rằng những người tham gia có nguy cơ-averse khi thời gian trung bình đi dọc theo tuyến đường thay thế là ngắn hơn so với một số thời gian đi của các con đường chính, nhưng nguy cơ tìm kiếm khi đối diện là đúng. Điều này là phù hợp với những kết luận từ Kahneman và Tversky (1979). de Lapparent (2004) nghiên cứu kinh doanh lẻ Thái độ rủi ro đối với thiệt hại thời gian đi du lịch bằng cách sử dụng một mô hình xếp hạng Tiện ích phụ thuộc dự kiến sẽ cho phép các xác suất để tham gia nonlinearly vào hàm mục tiêu một cá nhân. Avineri và Prashker (2004) tìm thấy hành vi vi phạm của EU lý thuyết trong một bối cảnh đã mô tả tùy chọn lựa chọn tuyến đường thông qua một loạt các thí nghiệm tương tự như trong Kahneman và Tversky (1979). Sau đó các tác giả tương tự áp dụng CPT (Tversky và Kahneman, 1992), để nghiên cứu sự lựa chọn tuyến đường với thông tin phản hồi và tìm thấy rằng nó có thể không được thích hợp để giải quyết công việc lặp đi lặp lại quyết định (Avineri và Prashker, năm 2005). de Palma et al. (2008) thảo luận về làm thế nào khuôn khổ-EU có thể được mô hình hóa và ước tính trong khuôn khổ các lựa chọn rời rạc trong bối cảnh tĩnh và năng động. Ben-Elia et al. (2008) nghiên cứu nguy cơ dùng hành vi trong một bối cảnh lựa chọn tuyến đường nơi trình điều khiển nhận thức của du lịch thời gian phân phối đến từ kinh nghiệm và mô tả.

Kết quả (Việt) 2:

2 Xem xét tài liệu
thích ứng 2.1 Route lựa chọn mô hình
Hầu hết các mô hình lựa chọn riêng biệt để phân tích lựa chọn tuyến đường dựa trên mạng lưới tĩnh và xác định. Ví dụ về các mô hình như vậy là con đường Kích thước Logit (Ben-Akiva và Ramming năm 1998; Ben-Akiva và Bierlaire, 1999), C-Logit (Cascetta, Nuzzolo, Nga và Vitetta, 1996), Cross-Nested Logit (Vovsha và Bekhor, 1998), và Logit Hỗn hợp (Ramming năm 2001; Bekhor, Ben-Akiva và Ramming năm 2002; Frejinger và Bierlaire, 2007). Trong bài báo này, chúng tôi tham khảo các mô hình như mô hình lựa chọn con đường không thích ứng, vì thực tế là du khách có thể điều chỉnh các lựa chọn con đường của họ enroute để đáp ứng với điều kiện giao thông tiết lộ được bỏ qua.
Một cách dường như tự nhiên để xây dựng mô hình lựa chọn lộ trình thích ứng là phải có một chuỗi các không thích nghi mô hình lựa chọn con đường tại mỗi nút quyết định, các thuộc tính của đường dẫn thay thế phản ánh thông tin cập nhật. Bằng cách này, bất kỳ của các mô hình lựa chọn tuyến đường nêu trên, kết hợp với đầy đủ các thông tin thời gian thực, có thể về nguyên tắc được áp dụng liên tục trong một mạng lưới ngẫu nhiên để mô hình thích ứng hành vi lựa chọn tuyến đường. Dynamit (Ben-Akiva, Bierlaire, Koutsopoulos và Mishalani, 2002) và DYNASMART (Mahmassani, 2001) là những ví dụ của các mô hình phân công giao động áp dụng mô hình lựa chọn con đường thích ứng. Hiệu chỉnh các mô hình lựa chọn tuyến đường dynamit dựa trên số liệu được báo cáo trong lĩnh vực Balakrishna (2006) và Balakrishna, Ben-Akiva và Koutsopoulos (2007). Hơn nữa, Srinivasan và Mahmassani (2003) và Abdel-Aty và Abdalla (2006) là những ví dụ của nghiên cứu ước tính mô hình con đường chuyển đổi áp dụng liên tục trên các nút trung gian.
Đã có một số lượng lớn các nghiên cứu về mô hình lựa chọn con đường với thông tin thời gian thực, cả trước -trip và trên đường đi, và một nghiên cứu tài liệu gần đây có thể được tìm thấy trong Abdel-Aty và Abdalla (2006). Một số mô hình dự đoán quyết định chuyển từ một tuyến đường trước lựa chọn hoặc có kinh nghiệm (ví dụ Polydoropoulou, BenAkiva, Khattack và Lauprete năm 1996; Abdel-Aty và Abdalla, 2004; Mahmassani và Liu, 1999; Srinivasan và Mahmassani, 2003); những người khác là con đường lựa chọn mô hình với bộ rõ ràng lựa chọn đường dẫn (ví dụ Bogers, Viti và Hoogendoorn, 2005; Peeta và Yu, năm 2005; Abdel-Aty và Abdalla, 2006).
Trong bài báo này, chúng tôi ước tính mô hình định tuyến lựa chọn chính sách dựa trên những quan sát con đường. Định nghĩa của một chính sách định tuyến phụ thuộc vào mạng cơ bản và truy cập thông tin (Gao và Chabini, 2006). Một ví dụ về cách nó được định nghĩa ở đây được đưa ra trong Mục 3 Các tài liệu bao gồm một số nghiên cứu thuật toán của các vấn đề chính sách tối ưu định tuyến (ví dụ như Hall, 1986; Polychronopoulos và Tsitsiklis năm 1996; Marcotte và Nguyễn, 1998; Pretolani năm 2000; Miller -Hooks và Mahmassani năm 2000; Miller-Hooks năm 2001; Waller và Ziliaskopoulos năm 2002; Gao, 2005; Gao và Chabini, 2006). Hơn nữa, một Logit tải tuần tự của hyperpath chảy trong một trạng thái cân bằng lưu lượng chuyển nhượng được đề xuất trong Ukkusuri và Patil (2007), tuy nhiên vấn đề lập dự toán không được giải quyết. 2.2 Sự lựa chọn rủi ro Theo lý thuyết không-EU đã được nghiên cứu trong các tài liệu về kinh tế trong nhiều thập kỷ (xem ví dụ Kahneman và Tversky, 1979; Machina, 1989; Tversky và Kahneman, 1992), nhưng các ứng dụng trong thái độ rủi ro đối với thời gian di chuyển và lựa chọn tuyến đường vận chuyển khan hiếm. Katsikopoulos et al. (2000) tiến hành đã nêu sở thích thí nghiệm về hành vi chuyển đổi tuyến đường lái xe, và thấy rằng những người tham gia là sợ rủi ro khi thời gian đi lại trung bình dọc theo tuyến đường thay thế là ngắn hơn so với thời gian đi một số tuyến đường chính nhưng rủi ro tìm kiếm khi đối diện là đúng. Điều này phù hợp với kết luận của Kahneman và Tversky (1979). de Lapparent (2004) nghiên cứu thái độ rủi ro du khách kinh doanh "đối với thiệt hại thời gian đi lại bằng cách sử dụng phụ thuộc vào mô hình tiện ích dự kiến cấp bậc cho phép xác suất để vào phi tuyến vào hàm mục tiêu của một cá nhân. Avineri và Prashker (2004) tìm thấy vi phạm của lý thuyết EU trong bối cảnh một sở thích lựa chọn tuyến đường nói thông qua một loạt các thí nghiệm tương tự như trong Kahneman và Tversky (1979). Sau đó các tác giả cùng áp dụng CPT (Tversky và Kahneman, 1992), để nghiên cứu các lựa chọn tuyến đường với thông tin phản hồi và thấy rằng nó có thể sẽ không phù hợp để giải quyết các nhiệm vụ quyết định lặp đi lặp lại (Avineri và Prashker, 2005). Palma de et al. (2008) thảo luận về cách phi EU khuôn khổ có thể được mô hình hóa và dự kiến trong khuôn khổ của sự lựa chọn rời rạc trong bối cảnh tĩnh và động. Ben-Elia et al. (2008) nghiên cứu các hành vi chấp nhận rủi ro trong bối cảnh sự lựa chọn con đường mà nhận thức của người điều khiển phân phối thời gian đi lại đến từ cả hai kinh nghiệm và mô tả.