《数据驱动的出行行为分析》是将实验经济学方法、行为经济学理论应用于人类交通出行行为分析的一《数据驱动的出行行为分析》，分为方法论篇、理论篇、实验篇和实证篇，具有鲜明的学科交叉融合的特色。方法论篇和理论篇分别介绍了出行行为实验的研究方法与相关理论，既有深入的文献评述，又从学科发展视角探讨了“实验经济学何以赋能交通行为研究”等方法论问题，同时帮助读者快速了解“怎么做实验”的基本方法和准则。实验篇和实证篇展示了团队*新发表的八项研究，涵盖了有限理性决策、社会困境、演化博弈、强化学习等各个方面，向广大读者报告了实验经济与交通行为交叉研究方向的*新进展。

方法论篇
　　交通行为实验的理论与方法
　　第1章出行行为实验研究现状
　　出行者路径选择行为分析是预测城市交通状态、制定有效的交通控制诱导策略以及实施交通基础设置布局与优化的重要基础，然而在真实路网上通过实证观测探究出行择路原则的难度很大.近年来，随着行为学、心理学理论的日益丰富和实验室实验方法的日渐成熟，行为经济学理论和实验经济学方法，为择路原则和交通网络动态演化的研究提供了新的视角和研究框架.本章*先介绍研究背景与研究问题，接着介绍国内外对于路径选择行为的实验以及理论建模的研究现状，*后在研究现状评述的基础上，提出本章研究内容与研究路径图，总结潜在的研究意义.
　　1.1研究背景与问题
　　近年来，随着我国经济和社会的快速发展，城市交通拥堵问题也日益严峻.一方面，城市居民的机动车保有量、私家车出行比例逐年上升，另一方面，社会、经济、文化活动的日益丰富，也使得居民的非通勤出行需求不断扩大，居民交通出行总量迅速增加.城市交通拥堵已经成为困扰交通系统效率和效能的发挥，制约大城市经济发展以及人们生活质量提高的大问题.随着城市交通的供需不平衡问题越发凸显，世界各国纷纷实施了各类的交通管理和控制措施.这些管理和控制措施基本可以分为需求管理和供给管理两个方面.
　　在供给侧，由于交通供给在时间和空间上无法存储、无法转移，以及复杂的城市路网拓扑结构和通行规则，拥堵问题往往不能单单通过增加供给而解决，其典型的例证是著名的Braess悖论（Braess，1968）.Braess悖论在现实路网中发生的可能性已经被实证和实验研究反复证实，即由于出行者*立地自私地选择路径，为路网增加额外的道路或提高现有道路通行能力，有时反而会导致整个路网的整体运行水平降低.在1969年，德国Stuttgart市曾经尝试在路网中增加一些道路，结果却造成了令人意外的交通拥堵，*后不得不恢复路网的原状（Werner and Braess，1969）.与此相反，在1990年，美国纽约市宣布在地球日当天封闭位于曼哈顿繁华区的第42号大街，而这个措施对于交通负担严重的曼哈顿区来说并非雪上加霜，反而产生了难以置信的效果，相比于平日里的拥堵状况大有好转（Kolata，1990）.
　　在需求侧，交通需求管理政策（如交通诱导信息提示、机动车尾号限行等）通过影响出行者的出行行为（是否出行、目的地选择、交通方式选择、出发时间选择、路径选择等），达到减少或重新分配人们出行对空间和时间的需求的目的.然而，Zhou和Wu（2006）收集和分析了北京市共计497份有效调查问卷，发现出行者根据所获得的交通信息从而改变原来的路径选择、可能改变原本的路径选择、完全不会改变路径以及不确定会不会改变的驾驶员比例分别为16.9%，65.4%，11.5%，6.2%;Wei等（2016）基于天津市机动车尾号限行政策进行了问卷调查和关键道路流量实证研究，发现表示“使用小汽车的意愿增强”的受访者的比例达到51.4%，而流量数据也显示67.7%的路口休息日期间整体交通流量与限行前相比发生了显著增长.
　　综上，一些交通管控措施产生“事与愿违”的效果，一方面是交通系统本身的复杂性和不确定性导致的，另一方面是由于交通管理者对于出行者的路径选择行为规律还缺乏充分的认识，对于出行者如何响应相关政策未能做出合理评估.因此，“出行者路径调整行为规律的实证与建模”研究不仅是关于不确定或风险条件下个体决策和群体动态的基础性研究，而且作为交通分配的基础，还具有重要的实践指导意义.如何构建路径选择或路径调整模型，尽可能真实地刻画现实出行者的行为规律，从而对网络流量分布及其演化过程形成更为合理和准确的预测，是交通研究者十分关切的问题，也是本研究的出发点.目前针对这一问题的研究，大致可以分为理论建模和实证实验两个方面.
　　理论研究大多从两种思路开展，一方面是通过引入行为学或心理学的成果提出更加具有“有限理性”特征的静态路径选择模型及网络均衡模型，关注网络*终的均衡状态，另一方面是提出更为合理的微观路径动态调整规则，关注于交通分配的动态演化过程，相关理论成果被称为逐日动态交通路径调整模型（day-to-day traffic dynamics）（He et al.，2010;Watling and Hazelton，2003;Smith and Wisten，1995）.研究者基于不同的路径选择原则假设而构造出不同的网络均衡模型.早在1952年，著名学者Wardrop基于“所有出行者均了解网络的全部交通状况，能够正确地计算所有路段的出行成本，且总是能够正确地选择时间*短的路径”的路径选择行为假设，提出了用户均衡（user equilibrium，UE）理论（Wardrop，1952）;基于“所有出行者按照使得系统平均或总出行成本*小为目标选择进行路径选择”的行为假设，提出了系统*优分配（social optimization，SO）理论.随后，研究者基于“所有出行者对于路径成本的感知随机地偏离实际旅行时间，以一定概率选择随机‘感知’成本*小的道路”的行为假设，发展出了随机用户均衡（stochastic user equilibrium，SUE）理论.日变交通流演化建模从系统动态演化的视角，开辟了研究网络交通分配及演化机理的新领域，使得网络交通分配的研究更加贴近实际.近年来，随着行为学、心理学理论成果日益丰富，以“前景理论”、“学习理论”为代表的行为经济学飞速发展，一个明显的研究趋势是，交通研究者们将许多*新行为理论引入作为择路原则的基础假设，提出越来越多的基于“有限理性”的路径选择模型、静态网络均衡模型和动态交通路径调整模型.由此，本书提出了**个研究问题.
　　研究问题一行为学习理论作为行为学和心理学领域的*新理论成果，是否可以直接被引入交通领域用来建模动态路径调整行为？具体来说，学习理论是否能够较好地描述人们在实验中表现出的动态路径调整行为？
　　与理论研究的蓬勃发展形成鲜明对比的是，路径选择行为的实证研究发展较慢，其原因主要是交通系统的复杂性、“人”的心理因素的不可测和不确定性.一方面，交通需求时时刻刻在发生，在整个城市的庞大道路网上流动，在时间上和空间上均很难进行有效的分割来开展研究.并且交通需求是由经济和社会发展的需求派生而来，社会、经济、生态环境中的变量均会对交通行为产生或大或小的影响.因此，在真实路网上实证观测群体的路径选择行为的干扰因素众多，难度很大.另一方面，作为交通系统五大要素中起决定性作用的要素一出行者，每个出行者个体的出行目标、时间感知、思维模式、出行习惯可能差别大，有些难以直接观测或者测量.出行者在择路时还可能受到外部信息、内在情绪、对政策的支持态度等的影响，不确定性很强.因而，目前为数不多的实证研究也只是集中在重复发生、规律性较强的“日常通勤择路行为然而，近年来，随着实验室实验（laboratory experiment）方法的日渐成熟（Smith，1976;Crawford and Iriberri，2007），对于路径选择行为的实验研究成为运营、交通与经济学的交叉领域的热点问题之一.实验室实验方法通过恰当地控制一些干扰因素，有助于提升研究结果的内部有效性（internal validity），成为传统交通实证方法的有力补充.由此，本书提出了第二个研究问题.
　　研究问题二在恰当设计的实验室实验中，参与者们在实验设置的路网上表现出怎样的行为规律？现有的交通领域理论模型（离散选择、逐日动态理论）是否能够较好地描述这些行为规律？如果不能，如何构造具有更加真实行为基础的网络交通流动态调整模型.
　　1.2国内外研究综述
　　城市道路交通系统是一个有“人”参与、为“人”服务的具有不确定性的复杂巨系统，它的目标是借助道路网和多种交通运输工具，在交通管理和控制措施的辅助下，实现多样化的出行需求在时间和空间两个维度上的移动.出行者的决策行为分析与建模，一直以来就是国内外城市交通网络研究领域的热点与难点问题（黄海军等，2018;贺国光，2004）.经过几十年的发展，交通网络平衡分析已经取得了大量的研究成果，主要包括将实验室实验方法弓丨入路径选择的研究，将行为学、心理学的*新成果引入以完善路径选择理论等.受实验经济学与行为经济学发展
　　的影响，目前交通出行选择行为研究呈现出明显的学科交叉的趋势（Dixit et al.，2017;Rapoport et al.，2018）.
　　一方面，随着行为心理学成果的日益丰富，以“前景理论”和“学习理论”等为代表的行为经济学（behavioral economics）飞速发展（TVersky and Kahneman，1992），交通行为研究者借鉴行为经济学的*新理论成果提出越来越多的基于“有限理性”的路径选择模型（田丽君等，2016;王浩和_小勇，2022;潘晓锋和左志，2022;齐航等，2021），网络均衡模型（Wang et al.，2014;Wang et al.，2013）和动态交通路径调整模型（Smith，1976;Zhu et al.，2016;Song et al.，2019）.另一方面，随着实验室实验方法日渐成熟，以Selten、Rapoport教授团队等为代表的一批经济学者针对交通网络上的路径选择、出发时间选择等策略性交互行为开展了大量的实验室实验（Zhu et al.，2016;Song et al.，2019）.因此，出行选择行为实验研究日渐发展成为交通管理与经济学交叉的热点问题之一.
　　1.2.1路径选择的行为实验
　　从供应链管理的视角，交通运输网络是物流运输管理的重要要素，不同的物流需求主体需要竞争性地使用同一个城市道路网络来完成在不同的集散地或起终点之间的物品运输；从经济学的视角，许多自我利益（self-interested）驱动的个体需要共同使用有限的道路资源或机场等公共交通设施，当其经过各自路径相互重叠的路段时，常常会产生负的外部性（externalities），又称作拥挤成本，即一方对资源的使用，会对其他使用者产生负的效用.早在1920年，英国经济学家Pigou就开始关注自私的个体在无中央控制的条件下，自发自愿地选择自身*有利的路径时会造成的系统无效率现象（Pigou，1920）.不难看出，自私个体在面对具有拥挤效应的路网时如何策略性地进行路径选择的问题，不仅是交通管理者所关心的，也吸引了很多运营管理和经济学者的关注.
　　1.2.1.1分类
　　贺国光（2004）认为交通系统作为一个有“人”参与的时变复杂巨系统，具有不可忽视的不确定性，研究者通常把这种不确定性分为两类：**类是环境或者外生不确定性，通常是由于突发交通事故、雨雪天气、瓶颈路段、临时的社会活动等原因导致的路段通行能力的随机变化;第二类是系统内生不确定性，多是由交通需求的内在波动性引起的.与此相对应，现有的路径选择行为实验也大致可以依据不确定性的来源分为两类.Mak等（2015）称之为环境不确定性（environmental uncertainty）和策略不确定性（strategic uncertainty）;Dixit等（2017）称之为外生环境（exogenous environment）和内生环境（endogenous environment），但两种分类方法的本质是一致的（杜宁华，2017）.

目录
丛书序
序言
前言
方法论篇 交通行为实验的理论与方法
第1章 出行行为实验研究现状.3
1.1 研究背景与问题 3
1.2 国内外研究综述 5
1.2.1 路径选择的行为实验 6
1.2.2 出行方式与出发时间选择的行为实验 13
1.2.3 路径选择的理论模型 15
1.2.4 随机与风险条件下的路径选择理论模型 20
1.3 研究现状评述 27
1.4 本书研究内容 28
1.5 本书研究意义与创新点 30
第2章 实验室实验研究方法的简介 32
2.1 实验经济学极简介绍 32
2.2 实验设计的术语和基本原则 33
2.2.1 实验室实验的定义 33
2.2.2 实验设计的常用术语 33
2.2.3 如何通过有效的实验设计来实现 “控制” 35
2.3 实验实施的基本原则和流程 36
2.3.1 实验实施的基本原则 36
2.3.2 开展行为实验的一般步骤 39
2.3.3 交通行为实验的基本流程 40
2.4 对交通行为实验研究的常见质疑与回应 40
第3章 实验经济学研究方法的适用性探讨 45
3.1 实验经济学应用于交通行为研究的方法论基础 45
3.2 实验经济学发展路径对交通行为研究的启示 47
3.3 当前研究趋势 48
3.4 未来研究方向.49
第4章 出行行为分析的理论和方法基础 51
4.1 网络择路博弈 51
4.2 交通不确定性的来源 53
4.2.1 环境不确定性 53
4.2.2 策略不确定性 53
4.2.3 感知偏差随机性 54
4.3 有限理性决策理论 57
4.3.1 累积前景理论 57
4.3.2 基于排序的多因素决策模型 59
4.4 行为学习理论 62
4.4.1 分类和一般框架 62
4.4.2 经验加权吸引值学习模型 64
4.4.3 考虑后悔和惯性的马尔可夫过程 65
4.5 逐日动态交通路径调整模型 66
4.6 离散选择模型 68
4.7 多智能体仿真方法 69
4.8 序列挖掘算法 70
理论篇 天津大学MATS LAB部分出行行为理论研究
第5章 基于感知旅行时间分布的前景用户均衡模型 73
5.1 主观概率分布与概率权重的对比分析 73
5.2 均衡模型的构建 77
5.2.1 基于感知旅行时间分布的路径前景值 77
5.2.2 均衡模型的构建 78
5.2.3 模型性质 79
5.3 求解算法 81
5.4 算例分析 82
5.4.1 算例 1：一个三条路路网 82
5.4.2 算例 2：多起讫对多路段路网 86
5.5 本章小结 90
第6章 基于排序的双因素用户均衡模型 91
6.1 排序决策模型 91
6.1.1 排序决策机制下出行者及群体的选择方案集分析 91
6.1.2 路径选择概率 94
6.2 基于排序的用户均衡模型 96
6.3 求解算法 97
6.4 算例分析 98
6.5 本章小结 100
第7章 考虑概率认知偏差的排序前景均衡模型 102
7.1 个体决策行为框架回顾与模型假设 102
7.1.1 个体决策行为框架回顾 102
7.1.2 模型假设 104
7.2 双因素下考虑随机感知偏差的排序前景风险决策模型 105
7.2.1 双因素下参照点的生成 105
7.2.2 双因素下基于感知旅行时间分布的前景值 106
7.2.3 均衡模型的构建 108
7.2.4 求解算法 108
7.3 算例分析 109
7.3.1 算例1：三路段路网 109
7.3.2 算例2：多起讫多路段路网 114
7.4 本章小结 118
第8章 社会交互影响下的日变交通动态 119
8.1 引言 119
8.2 基于社会交互的出行者的路径选择模型 120
8.2.1 交通路网 120
8.2.2 出行者之间的社会交互和社会学习 121
8.2.3 出行者的逐日路径选择行为建模 122
8.3 路网流量的演化 124
8.4 模型性质 129
8.5 数值仿真 135
8.5.1 场景设置 135
8.5.2 简单路网 136
8.5.3 复杂路网 140
8.6 本章小结 143
实验篇 天津大学MATS LAB部分*新出行行为实验研究
第9章 动态路径调整的学习过程检验 147
9.1 本章研究问题与思路147
9.2 引言 148
9.3 实验数据集与学习模型选择 150
9.3.1 实验数据集选择 150
9.3.2 学习模型选择 152
9.4 模型拟合与评价方法152
9.4.1 模型拟合方法 153
9.4.2 模型评价方法 153
9.5 模型预测的静态结果154
9.6 模型预测的动态结果155
9.6.1 流量分布随时间变化 156
9.6.2 路径调整比例随时间变化 158
9.6.3 个体路径调整频率的分布 159
9.7 本章小结 161
第10章 动态路径调整的行为实验163
10.1 本章研究问题与思路 163
10.2 实验设计与实施 164
10.2.1 参数设计 164
10.2.2 实验实施 165
10.3 检验基准模型 168
10.3.1 观测变量定义 168
10.3.2 模型预测结果 169
10.4 惯性和响应强度的不对称性 171
10.4.1 多元回归分析 171
10.4.2 行为解释 173
10.5 响应模式的异质性 175
10.5.1 响应模式的测量 175
10.5.2 四种典型响应模式 177
10.6 本章小结 179
第11章 动态路径调整的确定型模型 180
11.1 引言 180
11.2 实验组织与描述性统计 182
11.2.1 实验对象 182
11.2.2 实验场景 182
11.2.3 实验步骤 183
11.2.4 实验结果的描述性统计 184
11.3 实验结果的行为学分析 185
11.3.1 换路率 185
11.3.2 基准模型 186
11.3.3 观测换路率 187
11.4 模型假设 192
11.5 模型构建 194
11.5.1 个体换路模型 194
11.5.2 网络流量演化DTD模型 195
11.6 均衡性质 197
11.6.1 存在性与唯一性 197
11.6.2 稳定性 198
11.6.3 与**均衡的关系 200
11.7 模型标定与检验 201
11.7.1 两路径网络场景模型拟合结果 202
11.7.2 三路径网络场景模型拟合结果 203
11.7.3 模型检验 206
11.8 解释性数值例子 206
11.9 讨论 207
11.9.1 观测流量波动的复现 207
11.9.2 关于路径依赖的吸引力假设 208
11.10 本章小结 210
第12章 动态路径调整的随机型模型 211
12.1 引言 211
12.2 逐日路径选择实验 213
12.2.1 实验场景 213
12.2.2 基于选择的确定性离散模型 214
12.2.3 确定型模型的局限性 215
12.3 基于路径依赖吸引力的随机DTD模型 215
12.4 模型检验结果 217
12.4.1 转移流量 217
12.4.2 下一时步路径流量分布 220
12.4.3 均衡流量分布 221
12.5 近似模型 223
12.5.1 稳定性分析 224
12.5.2 模型比较 226
12.6 数值例子和政策启示.227
12.6.1 网络均衡流量分布 227
12.6.2 演化过程与稳定性 228
12.6.3 计算效率 229
12.6.4 政策启示 230
12.7 本章小结 230
第13章 一类共享出行的社会困境实验 232
13.1 引言 232
13.2 实验研究的文献回顾 234
13.3 理论分析 235
13.3.1 成本分担博弈 235
13.3.2 实验的成本结构 236
13.3.3 均衡分析; 社会困境 238
13.4 实验设计 239
13.4.1 参与者 239
13.4.2 实验实施 239
13.5 研究结果 240
13.5.1 初步分析 240
13.5.2 偏离平衡;参与者角色分析 243
13.5.3 个体层面分析 245
13.6 本章小结 247
第14章 演化雪堆博弈中的个体策略更新规则研究 249
14.1 研究背景与意义 249
14.2 研究内容与技术路线.252
14.3 国内外研究现状 252
14.3.1 重复雪堆博弈 252
14.3.2 策略更新规则 254
14.4 实验设计 256
14.4.1 雪堆博弈 256
14.4.2 实验场景 257
14.4.3 实验软件 258
14.5 实验实施 259
14.5.1 实验组织 259
14.5.2 数据概况 260
14.6 聚类分析 262
14.6.1 数据预处理 263
14.6.2 聚类结果 265
14.7 IPM序列挖掘算法 267
14.7.1 问题要求 267
14.7.2 算法步骤 268
14.8 特征模式提取 269
14.8.1 重要定义和参数设定 269
14.8.2 不同群体的特征分析 270
14.8.3 高收益群体的特征分析 272
14.9 基于特征模式的 Agent 建模 273
14.9.1 参数估计 273
14.9.2 模型检验 274
14.10 基于EWA学习模型的个体决策建模 275
14.10.1 模型估计与校验 276
14.10.2 异质个体EWA模型 278
14.11 基于EWA学习的Agent模型.279
14.11.1 参数估计 279
14.11.2 模型检验 281
14.12 基于EWA学习的聚类分析.284
14.12.1 个体参数的空间分布 285
14.12.2 个体决策特征分析 286
14.13 策略与排名 287
14.14 本章小结 290
实证篇 天津大学MATS LAB部分出行行为