策略性交通出行选择行为研究评述：实验经济学方法的应用

齐 航，于跃洋，王光超，贾 宁，凌 帅，贺正冰

(1.湖北经济学院，财经高等研究院，武汉 430205；
2.天津大学，管理与经济学部，天津 300100；
3.华中师范大学，信息管理学院，武汉 430079；
4.北京工业大学，城市交通学院，北京 100020）

由于城市交通系统的动态性、复杂性和出行者的不确定性等特点，尽可能真实地刻画出行者选择行为规律是国内外城市交通管理研究领域的热点与难点问题[1-2]。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出现了明显的学科交叉的趋势[3-4]。

一方面，随着行为心理学成果的日益丰富，以“前景理论”、“学习理论”等为代表的行为经济学（Behavioral Economics）飞速发展[5]，交通行为研究者借鉴行为经济学的最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[6-10]、网络均衡模型[11-12]和动态交通路径调整模型[13-15]。另一方面，随着实验室实验（Laboratory Experiment）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广泛的实验室实验[14-15]。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[3]。

按照国外学者Rapoport 教授的主张①这种分类与文献[3]的分类方法在本质上是一致的。，可以根据不确定性来源的不同而将现有出行选择行为实验研究划分为两类[16]。第一类实验目前以交通学者为主，数量较多，关注的是环境（或外生）不确定性（Environmental Uncertainty）。这类实验往往假设道路的旅行时间服从给定的随机分布，用来刻画道路通行能力由于交通事故、恶劣天气、道路维修等原因而产生的随机变化。这类实验本质上是基于一个底层假设——城市交通网络中的出行者数量足够多，以至于每个个体出行者对路网拥挤水平、成本分布造成的边际影响微乎其微、可忽略不计。在这种假定下，个体选择某条路径所体验到的出行成本是某个给定随机分布的一次具体实现值，个体之间不存在直接的交互和影响[17-19]。这类实验的参照理论往往是个体决策领域（Individual Decision-making）中的期望效用理论。以这类实验结果为启发，研究者提出了基于前景理论的路径选择模型等理论[20]。

第二类实验目前以经济学者和行为运营学者为主，数量相对较少，关注的是策略（或内生）不确定性（Strategic Uncertainty）[20]。这类实验往往考虑了个体选择的正外部性（如公共交通或共享交通）或负外部性（道路的拥挤效应），即假设道路的旅行时间是由共同选择的总人数决定的[21-22]，以此来刻画交通需求的内在波动性引起的不确定性。在这种假定下，个体收益不仅与自身决策相关，也与其他人的选择相关，分散自治的个体通过共同对路网成本分布产生的影响而发生交互作用。这类实验通常将群体在网络结构上的路径选择问题描述为N人非合作的博弈（N-person Non-cooperative Game），属于交互群体决策（Interactive Group Decision-making）领域，通常旨在检验均衡理论对网络流量分布和出行者行为的解释力等。还有极少量实验研究，以简化的形式同时考虑上述两种不确定性[16]。

第二类实验研究相比于第一类而言，研究数量较少，并且以国外学者为主。据笔者不完全统计，国内交通学界在该方向上最早的国际期刊发表记录是2016 年[21]。近年来，国内学者黄海军、姜锐、马寿峰、王文旭、肖锋等及其团队先后产出了一些交通选择行为的实验研究成果，然而该方向尚在起步阶段，目前的成果较为零散，缺乏横向比较和系统梳理。

本文重点关注第二类策略不确定下的交通出行选择行为实验是基于以下两个方面的原因：一方面，出行者策略性选择行为在实践生活中十分常见。例如，为了躲避拥堵，通勤者可能采取“错峰出行”策略或有意避开主干道，选择支路、小道等策略[23]；
又如，当通过交通电台或其他渠道得知某条道路非常畅通时，部分司机可能预测这条道路会因为信息发布而引来大量流量从而很快变得拥堵，因此选择规避该条道路；
再如，人们会先考虑周围居民的潜在选择从而决定是否加入“拼车”或“定制公交”等方式以共同分担出行成本。由于或正或负的外部性的存在，人们对于其他出行者会如何决策的预期和判断，将会影响其进行是否出行、目的地选择、路径选择、出发时间选择、出行方式选择等各个维度的决策。另一方面，实验室实验方法可以通过恰当地控制一些干扰因素、提升研究结果的内部有效性，非常适合于研究策略不确定条件下的交通出行选择行为。

因此，本文重点关注第二类策略不确定下的交通出行选择行为实验，旨在通过推介和评述将新兴的实验室实验方法应用于策略性交通出行选择行为的研究，增进交通科学领域专家学者对实验室实验方法的了解和认识，激发更多交通行为研究者科学严谨地、创造性地运用实验室实验方法开展研究，促进更多学科交叉成果涌现。同时，对现有出行选择行为实验发展的总结与反思，不仅对于交通管理领域发展有益，或对于行为经济学所影响的其他交叉研究方向（如行为运营、行为公共管理等）也具有一定的借鉴意义。上述诸多方面共同构成了本文的研究动机和学术贡献。

1.1 策略性交通出行选择行为实验基本流程

实验室实验方法已经发展成为检验行为理论、发现行为规律的一种科学研究范式并逐渐获得广泛认可。以实验室实验为主要方法的实验经济学走入经济学主流，并促进了很多学科交叉研究方向的形成（如行为运营、行为金融等）。实验室实验方法是指对于除感兴趣的操纵变量（自变量）和观测变量（因变量）之外的环境变量和干扰变量加以控制，征召自愿参加的被试者进入特定的实验室场所，并将其随机分配到不同实验条件（Condition）或实验处理（Treatment）中去，通过按照实验说明中的规则进行决策而获得与实验中表现正向相关的金钱报酬，从而获取行为数据用于检验现有的理论预测或理论假设[24-25]。

为了更清晰地展示策略不确定条件下交通选择行为实验的实施过程，本文借鉴孙晓燕[25]等人的文献绘制交通选择行为实验典型流程图如图1所示。

图1 策略或内生不确定条件下的交通出行选择行为实验典型流程Fig.1 Flow chart of strategic travel choice laboratory experiments

1.2 实验经济学应用于交通行为研究的方法论基础

在交通路径选择行为实证研究中，传统的数据采集方法主要包括实地观测法和实证调查方法（RP 调查、SP 调查）；
新兴的数据采集方法还包括实地/田野实验（Field Experiment）、虚拟现实实验（Virtual Reality Experiment）①实地实验/田野实验是介于实验室实验和实地观测方法之间的实验方法，区别于完全基于现实交通场景所自然产生数据的实证观测方法。虚拟现实实验，通常是指在驾驶仪仿真器上进行的，或利用虚拟现实设备进行的实验活动，是介于实验室实验和实地实验之间的实验方法。。然而，针对交通网络上的策略交互行为的研究，以上方法均存在一定的局限性。首先，对于路径选择行为的实地观测需要在真实交通路网上开展，具有实施成本高、干扰因素多、操作难度大等困难。其次，实证调查方法和虚拟现实实验更加适合研究个体心理和决策行为，难以在调查或实验过程中为参与者提供其他参与者决策等信息的反馈。再次，一方面是因为开展实地实验需要当地政府部门支持，难度大、经济开销大、操作性较低；
另一方面，实地实验可能会受到除了参与者之外的其他利益相关群体的制约，所形成的公众舆论等会反过来影响参与者的态度和行为，因此实地实验应用在策略性交互行为研究方面仍然进展缓慢。

与上述数据采集方法相比，实验室实验方法具有实施成本低、实验条件可控、可复制性强，能够获得高度的内部有效性（Internal Validity）的优点。尽管现有实验中所设计的路网与现实世界还有很大的差距，正如Smith[13]指出，基于引致价值理论（Induced Value Theory）恰当设计的实验不仅能较好地模拟实际路径选择场景中的关键条件（不确定性来源、拥挤效应、网络拓扑结构等），而且能够有针对性地检验相关理论及假设。任何科学研究方法均很难同时具备高度的内部有效性和外部有效性②内部有效性或者内部效度是指能够正确地将某个观测现象或结果归因到某一种特定的被研究因素上去，而能够最大程度地避免错误地归因到其他的干扰因素或控制变量上面去。外部有效性是指基于有限的样本中得出的研究结论推广到更为一般的总体中去而仍然能够成立。。上述不同的研究范式在保证内部有效性和外部有效性方面各有所长，研究者需要根据自己研究目的侧重点的不同而选择适合的研究方法（如图2 所示）。而实验经济学方法是现有实证类方法中内部有效性最强的研究手段，可以作为实地调查和实证观测等各类实证研究的起点[3,24]。

图2 四种实验或实证研究方法的内外部有效性比较示意图Fig.2 Types of experiments in relation to internal and external validity③图片来源于文献[3]中图3。

1.3 实验经济学发展路径对交通行为研究的启示

近四五十年来，实验经济学和行为经济学的快速发展，为实证研究复杂的不确定性条件下的决策行为提供了便利。目前，已经有三代学者对实验经济学或行为经济学的发展做出了卓越的贡献[24]。第一代行为经济学家是指活跃在20 世纪八九十年代的一批学者，他们通过在实验室实验中的观察，指出了传统/古典经济理论体系所无法解释的异象，如阿莱悖论、损失规避、锚定效应等；
在接下来的20 世纪末到21 世纪初的阶段，第二代行为经济学家开始针对上述心理现象构建具有更加真实行为心理基础的一般化的理论模型，如以不平等厌恶为基础的合作模型，k层次学习模型等；
而在最近，在第二代研究者研究成果的基础上，第三代学者探索将这些成果运用到相关的实践领域中去，用于预测或引导人们的选择行为，如助推设计等[26]。

回顾实验经济学与行为经济学学科领域迅速发展的历程，交通行为和交通管理研究者至少得到两个方面的启示[27]：

第一，行为经济学的理论与实验室实验的方法，交替地互相作用，使得对方更趋完善，形成了这门学科向前发展的强大动力（如图2 的上半部分）。一方面，理论对人们的决策行为形成预测，指导实验设计应当收集哪些数据，并为行为分析提供基准参照。另一方面，实验中发现的现有理论不能解释的“异象”（Anomalies）或规律可以启发研究者提出新的理论，通过不断地使用理论解释新“异象”的方式，相关理论也便日臻完善。

图3 实验经济学领域与交通行为科研领域研究范式对照示意图Fig.3 The schematic drawing of the comparison between the methodology of experimental economics and transport behavior research

第二，实验室实验可以作为各类实证研究的起点，在严格控制各种干扰因素的条件下检验变量之间的因果关系。研究者可以在反复检验该实验现象或因果关系稳健性的基础上，逐步将实验室实验扩展到现场实验，甚至是指导实践的应用研究中去[3]。

本文将根据策略性交互行为类别的不同分为路径选择、出行方式选择及出发时间选择这三类分别进行综述。

路径选择是目前交通选择行为实验研究最为关注的一类决策行为，下面将依据研究目标或侧重点的不同，从信息影响的评估、网络均衡及动态演化理论的检验以及Braess 悖论的验证三个方面分别进行综述。

2.1 评估信息发布对选择行为的影响

发布行前信息或实时信息是一种重要的交通需求管理手段（Travel Demand Management，TDM），其目的是引导和改变出行者路径选择行为，从而达到避免交通拥堵、提高系统效率的目的。交通研究者往往预期先进旅行者系统（Advanced Traffic Information System，ATIS）能够通过减少出行者面对的不确定性从而减缓交通拥堵，然而，目前实验室实验研究尚未得到一致的结果。Ben-Elia 和Shiftan[20]将实验研究交通信息的种类分为两类，行前信息（Pre-trip Information）和实时或在途信息（Real-time or en-route Information）。

探究提供行前信息对于人们路径选择行为影响的实验研究最早可以追溯到1992 年，Iida[28]等人设计了单一OD 两条平行路径的简单路网，将参与者随机分配到部分信息和完全信息两个实验处理中。部分信息处理中，参与者只能了解已选路径的成本情况，而在完全信息的处理中，参与者能够得知所有路径的成本信息。结果发现，平均来说，路径流量分布非常接近于均衡预测，然而个体选择随着时间却始终没有稳定下来。2007年，诺贝尔经济学奖得主德国博弈论学者Selten[17]等人再次印证了均衡对于群体层面网络流量分布的解释力。这一研究发表在博弈论与实验经济学国际顶尖期刊Games and Economic Behavior 上，激励了更多经济学者和运营管理学者关注交通网络上的策略性交互行为。该文首次从微观角度提出了两类个体对于信息的响应模式：“直接响应型”参与者——以较大的概率选择历史上收益更好的路径和“反向响应型”参与者——由于预判到大多数人是“直接响应型”而避免选择或离开上一轮收益更好的路径。Qi[22]等人借鉴了心理学中“序列依存性”的概念，利用条件概率构建了表征出行者对交通信息的响应模式的理论，并将实验中的参与者聚类为四类：直接响应型、反向响应型、高度风险规避型、维持现状型。Meneguzzer[29]发现“反向响应型”往往比“直接响应型”收益更高。

实时在途信息对路径选择行为的影响是实验研究关注较多的另一个话题。Mak[30]等人采用了一个由12 条路段和8 条互相各有重叠的路径组成的“复杂”路网，实施了实时在途信息和行前信息两个实验处理。结果显示，参与者在两个不同的实验处理下所表现出的学习行为并没有显著的差异，只是在实时信息的情景下人们表现出更多的惯性行为。Klein 和Ben-Elia[31]结合了学习理论探讨信息的影响；
Adler[32]研究了实时信息和历史经验的联合作用；
Liu[33]等人研究了实时信息准确度对于路径选择的影响；
Ben-Elia[34]等人发现实时信息能够通过降低旅行时间不确定性而促进学习，从而促进出行者做出最优选择；
Yu 和Gao[35]通过实验发现，短期内惯性对个体决策的预测能力较强，而长期来看学习行为对个体决策的预测能力较强。

2.2 检验经典网络均衡与动态演化理论

策略不确定性条件下的路径选择问题通常被描述为N人非合作博弈模型，因此这类实验的研究目的往往是检验网络均衡的预测能力或解释力。Lindsey[36]等人首先阐述了在现实交通环境中，路径的拥堵效应与通行能力随机骤降可能会同时发生的情况，在此假设基础上，提出了考虑行前信息影响的网络均衡模型。Rapoport[16]等人设计了与该理论的假设相对应的实验，通过实施不同通行能力情景的实验，验证并支持了理论模型所预测的“信息悖论”现象，即当所有路径通行能力波动出现强相关性时，提供行前信息反而使得系统总旅行时间上升。这一对研究是理论指导实验、实验反过来验证和促进理论的优秀研究范例。Dixit 和Denant-Boemont[37]设计了能够区分纯策略纳什均衡、混合策略纳什均衡和随机用户均衡这三种均衡理论的三类实验。这是设计实验检验和区分几种竞争性理论预测能力优劣的典型研究。

Rapoport[38]等人考虑具有正外部性的交通网络和具有异质成本结构的参与者，提出了一类关于共享出行的社会困境博弈模型。这类社会困境具有以下特征：任何人的参与行为会对其他所有参与者带来正的外部性；
当所有人都自愿参与该集体项目时，社会总福利达到最大化。然而，如果一些代表性决策者发现退出项目是一种占优策略，那么这一集体项目的潜在好处将会降低，从而导致更多的成员选择退出。这种可能迭代发生的非激励效应（或称“雪崩效应”）将会使得社会总福利饱受损失。论文开展了实验室实验，对社会困境模型进行检验，实验结果证实了“少数人破坏整体”确实可能在现实人群中发生并对社会总福利造成不可挽回的损失。

与传统均衡理论中出行者“完全理性”的假设不同，在现实生活中，出行者对于道路拥挤程度规律认知并不是一蹴而就的，而可能是通过不断调整选择、获得反馈、总结经验并更新知识而形成的。因此，交通研究者已经提出了众多的Day-today 网络流量动态演化模型。为了检验不同的基于路径的Day-to-day 理论模型对观测行为的解释力，Yu 和Gao[35]基于微信社交平台组织并实施了包括三条路径路网的虚拟现场实验，运用统计方法检验了路径流量和路径之间成本差对于路径之间换路率的非线性影响，该研究的结果在很大程度上支持了理性行为调整过程（Rational Behavior Adjustment Process）的理论框架。Wang[39]等人令参与者先后在单OD 二条平行路径到五条平行路径的不同网络结构上进行路径选择实验，从而检验几种经典的Day-to-day模型，并与Yu和Gao[35]等人的结论进行了对比分析。Song[15]等人利用已经发表的多源的实验数据，对比检验了强化学习、信念学习、经验加权学习模型，以及基于马尔科夫的适应性学习模型对实验中人们行为调整的预测效果。Ye[40]等人组织了实时信息条件下的实验，比较并发现了基于择路准则的学习模型的预测效果要优于以往研究中常用的基于路径的学习模型，并且短期内出行者更多表现为惯性，而长期中学习行为的解释力更强。在Qi[22]等人发现的惯性与响应强度异质性两个行为规律的启发下，Qi[41]等人分别提出了一类确定型和一类随机型Day-to-day模型，经检验两类模型均能够较好地重现实验结果。这三个工作是实验研究启发理论建模的一类尝试。

2.3 提供关于Braess悖论的经验证据

以上两类实验均是假设出行者同一个网络拓扑结构上进行路径选择或调整，而当允许网络拓扑结构发生变化时（如新增道路或封闭现有道路），人们的路径选择调整在某些条件下可能会引起Braess悖论[42]。它是指在一定条件下，为网络新增路段反而导致系统效率降低，或删除路段反而能够提升系统效率的一类反直觉的现象。实验室实验方法的引入，帮助研究者确认了这类悖论在真实人群中发生的可能性。Rapoport[43]等人对于使用严格控制的实验室实验方法证实Braess 悖论的存在进行了开创性的工作。该研究实施了“新增道路”和“封闭道路”两种处理下的实验，实验结果推翻了“Braess 悖论的影响微乎其微，并且会随着人们出行经验的积累而减弱”的原假设。受此启发，更多的实验研究对实验环境控制变量的各个方面进行了变化和尝试（如不同的需求水平[44]、路网拓扑结构[45]、信息发布策略[46]、流量组织形式[47]等），不断地证实了纳什均衡理论的预测能力，验证了“Braess 悖论现象确实会在真实人群中发生”这一结论的稳健性。

路径选择、出行方式选择和出发时间选择均是假定出行者在策略不确定条件下受到他人决策影响的决策行为，然而也存在差异。关于路径选择决策，个体出行者的备选方案（即可选路径）是给定需求的起讫点对后，由特定的网络拓扑结构而生成的，一般是离散的、具体的；
出行者群体选择的结果是需求或流量在空间维度上的分布。关于出发时间决策，个体出行者的备选方案（即可选时间点）不依赖于特定的网络拓扑结构，可能是离散的或连续的，因此备选方案集合的规模一般更为庞大；
出行者群体选择的结果是需求或流量在时间维度上的分布。针对出行方式决策，个体出行者的备选方案（即可行的出行方式）也不依赖于网络结构，而且往往是离散的、抽象的，备选方案集合规模一般较为有限，因此出行方式选择中行为规律的一般性较强，更容易迁移应用到其他类似离散选择问题中，例如Rapoport[38]等人探讨了人们选择是否加入成本分摊的公共出行方式的实验现象和结论，对于解释人们是否选择参与医疗互助金计划等其他领域的离散选择问题也具有启发意义。

3.1 出行方式选择的行为实验

除了与路径选择决策相关的Braess 悖论之外，交通中另一种常见的悖论Downs-Tomas（DT）悖论则是与出行方式选择决策相关的。它是指在一定条件下，改善道路通行能力可能会吸引原来选择公共交通方式的人群转向使用私家车自驾出行，从而使得扩容后的道路再次变得拥挤，整个系统效率降低的现象。Denant-Boèmont 和Hammische[48]的研究是目前已知的最早采用实验室实验方法验证了DT 悖论存在的研究。实验分为两个阶段，首先由一位扮演公共交通运营者的参与者选择公共交通的服务水平，其次给定服务水平不变，其他参与者扮演出行者在公共交通出行和私家车出行之间进行重复选择。Dechenaux[49]等人进一步检验了结论的稳健性。

随着共享交通的发展普及，“拼车”成为越来越多人的出行选择，一些实验研究率先开始关注这类成本分摊的共享出行（Cost-sharing or Ridesharing）行为。区别于路径选择行为实验，出行方式选择行为实验中的个体的出行方式选择不完全是具有负外部性的特征，还可能具有正外部性，即选择的总人数越多，人均成本越低。实验设计中最常见的、也是代表正外部性最简洁的成本分摊函数形式是m/f，其中m是给定常数，代表该出行方式的总成本，f为选择该方式出行的总人数。在Liu[50]等人的实验中，参与者要在固定成本的私家车、均摊成本但总成本较低的拼车（Carpool）以及均摊成本且总成本较高的班车（Shuttle）这三种出行方式之间进行重复选择，结果发现，人们很快能够找到均衡方案。受此启发，Rapoport[38]等人将对称参与者假设一般化为非对称参与者，构造了非对称/完全异质的私人成本，参与者需要在固定成本且异质的私人出行方式和均摊成本的公共出行方式之间进行重复选择。实验结果同样验证了纳什均衡对观测行为非常强的解释力。

在具有多重均衡的交通系统中，人们由于缺乏协调而使得群体无法达到帕累托效率的均衡条件。针对人们在公共交通（正外部性）和私家车（负外部性）两种出行方式之间的选择问题，Han[51]等人设计了行为实验来探究潜在影响协调行为的因素，结果发现：（1）信息反馈不仅能够促进帕累托效率均衡的达到，并且能够帮助个体行为的稳定；
（2）收敛到非效率均衡的历史经历会影响人们的初始选择偏好甚至群体实现的均衡选择；
（3）非有效均衡与有效均衡之间的壁垒越高，这种转换越难，而有效均衡的吸引值越强，它在均衡选择中越容易被选择。

Zhang[52]等人则创造性地研究了自动驾驶出行和自驾常规车辆出行之间的选择行为。实验设定在自动驾驶与普通汽车混合行驶的道路上，自动驾驶车辆比例的增加将减少道路拥堵，但使用自动驾驶车辆的出行成本始终高于使用普通汽车。实验结果表明，使用补贴措施消除出行成本的货币不公平，能够有效提高自动驾驶出行的使用，缓解交通拥堵，提高社会效益。论文在结合马尔科夫自适应学习模型和离散选择模型的基础上，构建了能够描述出行选择行为的仿真模型。结果表明，出行者的感知出行公平会显著影响出行选择行为；
出行信息会显著增加感知出行不公平，然而在提供出行补贴的条件下，出行信息会显著减弱感知出行不公平，从而提高社会总福利。

3.2 出发时间选择的行为实验

出发时间选择的行为实验通常设置在交通瓶颈问题（Bottleneck Problem）的背景下。Daniel[53]等人在一个Y 型的上下游均存在瓶颈的交通网络上进行实验室实验，结果发现：（1）实验中观测到的出行者群体的出发时间选择分布大致符合混合策略均衡的预测，证实了Nash 均衡对于数据的解释力；
（2）与理论预测一致的是，在上游瓶颈通行能力改善的处理中，经由该瓶颈的出行者行为和成本没有受到显著影响，然而具有其他起讫点出行需求的人们却不得不选择更早的时间出发，从而增加了整个出行者群体的总成本。可见，在这一出发时间的策略交互博弈中，某条道路通行能力改善后，整个系统效率下降的Braess 悖论现象再次发生；
（3）简单的强化学习模型便可以解释实验中人们表现出的“神奇”默契协调现象。

受此启发，Sun[54]等人也实施了基于瓶颈路段的出发时间选择的实验室实验，发现了无论实验设置的参数尺度如何变化，宏观层面上出行者群体选择分布均接近于用户均衡理论的预测，并且交通信息对于群体行为和个体行为产生的影响是不同的。实验也同样发现了人们的适应性学习的过程，使用强化学习和Fermi学习模型均能够较好地重现宏观层面的实验结果。Sun[55]等人的实验发现，瓶颈路段通行能力减少时，群体达到用户均衡稳态需要更长的时间，并且提供信息对无论是群体行为还是个体行为均没有显著影响。Liu[33]等人的实验发现参与者很可能追求的是出行成本预算的最小化而非出行成本本身。Yang[56]等人通过实验检验了“错时上班”（Staggered Work Hours）机制对于出发时间选择行为的影响。

3.3 同时考虑两种策略性出行选择决策的行为实验

Mak[57]等人首次同时考虑了拥挤效应（负外部性）和共享出行（正外部性）的路网，并同时考察出行者的方式选择与路径选择两个决策维度。实验采取的是被试间-被试内混合设计的方案，对于网络拓扑结构的变化采用被试内设计，即同一组被试者依次参加基础路网与扩展路网（或先扩展路网后基础路网）的实验；
对于多个参与者的决策是同时进行还是序贯进行，采用的是被试间设计，即不同组被试者被要求同时决策，或是依次决策（参与者能够在观测到已经做出决策的部分参与者结果的条件下进行决策）。在这类具有正外部性的网络上，Braess 悖论一旦发生，它的系统效率损失程度是更加巨大的。实验发现，Braess悖论现象稳定出现，即使是决策可见度更高的序贯决策条件下，也没有显著地缓解Braess 悖论发生所导致的系统效率的巨大损失。刘天亮[58]等人通过实验方法研究了朋友圈的交通信息交互对于出发时间和路径选择行为的影响。

此外，还有一些研究关注出行者“是否出行”的决策行为，运用实验室实验方法证实了在考虑弹性需求条件下仍然可能出现交通悖论现象[59-60]，由于篇幅关系本文不再详述。

当前最新探讨实验经济学方法应用于交通出行选择行为研究的综述文章是出自Dixit[3]等人和孙晓燕[25]等人。因此，本文梳理了近五年（2018—2022 年）最新发表的策略性交通出行选择行为实验研究论文共15 篇。这些论文发表的期刊包括：行为运营顶尖期刊Production and Operations Management、行为经济顶尖期刊Journal of Economic Behavior and Organization、交通管理顶尖期刊Transportation Research Part A/B/C/F以及权威期刊Transportmetrica、Travel Behaviour and Society 等，其中国内学者主导的论文比例达到40%。这一现象说明，交通科学领域的国际期刊正在越来越接受实验室实验研究范式，并且国内学者的贡献度越来越大，也取得了一定的话语权。本文从实验设计中的控制变量、操纵变量（自变量）、观测变量（因变量）三个方面，将最近五年该方向的研究发展趋势概括为三点：

（1）对实验环境中控制变量的设定更为丰富，还出现了少量在真实路网上进行的实地实验[26-27]。实验控制变量包括路网结构和路径成本函数设定、出行者特征假设等。与早期实验中路径线性成本函数设定不同，Ye[40]等人和Meneguzzer[29]采用了非线性成本函数来刻画路径旅行时间；
与大多数实验的参与者“同质化”假设不同，Rapoport[38]等人和Yang[56]等人分别考察了具有异质成本函数的参与者和“错时工作”的参与者；
与大多数实验假定拥挤道路不同，Han[51]等人和Zhang[52]等人考虑了正外部性和负外部性同时存在的决策情景。

（2）探究ATIS 或交通需求管理政策（TDM）影响的实验研究热度不减。这类研究是策略性出行选择行为实验研究中开始最早、数量最多的分支。与过去实验将ATIS 提供给出行者的信息的“量”作为操纵变量不同（分为完全信息或部分信息的不同处理），Liu[33]等人将ATIS 的市场渗透率（能够获取完全信息的出行者比例）作为操纵变量开展实验[45]。与大多数实验考虑用户均衡型信息发布策略不同，Klein 和Ben-Elia[31]通过引入奖惩机制来提升出行者对于以系统最优为准则发布的诱导信息的服从率。Mak[60]等人假设出行者是序贯决策而非同时决策的，操纵变量是在该出行者之前已经做出选择的其他出行者的决策是否可见。

（3）实验观测的重心从路径选择决策逐渐扩展到出行方式选择和出发时间选择等策略性出行行为。随着实验室实验方法日渐为交通学者所接受和采纳，学者们将这种新范式应用于本质相通、研究较少的出行方式选择[38,48-52]和出发时间选择[53-57]上，促成了更多学科交叉成果的出现。

近年来，实验经济学方法论的飞速发展和普及，为实证研究复杂的个体决策与交互决策行为提供了新的方法和工具。实验室实验方法以其成本低、可控性强、可复制性强、便于得到高度内部有效性结论的优点，成为研究策略不确定条件下交通选择行为的一种可行的新工具、新方法，可以作为实证观测和实地调查方法的有力补充。在交通行为研究中运用实验室实验的方法日益得到研究者的重视，也已经取得了令人瞩目的成果。然而，这类交叉研究尚处在相对初级的阶段，目前的成果根据研究目标的不同较为零散，缺乏横向比较和系统梳理。本文认为未来策略性出行选择的行为实验研究应关注（但不限于）以下几个方面：

（1）改变实验控制，以检验实验结论的稳健性。未来的实验设计可以在考虑参与者的计算和理解能力的前提下，尝试更加多样化的实验环境，例如采用非线性的路径成本函数、设定不同路径互相重叠的网络结构、招募真实司机参与实验等。

（2）放松实验假设、逐步开展（准）实地实验，以提升实验结论的外部效度。在理性认识实验室实验方法局限性的基础上，注重实验室方法与其他实证类方法的互补，考虑将实验行为数据和多源大数据相融合[61]，遵循“发现异象-构建理论-应用实践”的发展路径，运用实验室实验方法得到内部有效的结论后，继续放松实验假设，创造条件在真实路网上进行实验或实证观测，以逐渐探讨研究结论的外部有效性，并对交通管理政策影响进行评估。

（3）考察组合决策，以回归交通出行选择的本质。策略性交通出行选择行为包含是否出行、目的地选择、方式选择、出发时间选择、路径选择等多重维度。出行者往往同时做出若干类决策，或者完成“一揽子”出行决策。因此，未来实验研究应从个体行为视角出发，通过巧妙设计、逐步开展组合决策的研究。例如，在瓶颈问题中考察出发时间与出行方式的组合决策[62]，在自动驾驶与人工驾驶混合条件下考察出行方式与路径选择组合决策[63]等。

（4）注重实验现象与理论模型之间的“对话”，以增强理论研究与实证研究之间的互相促进。交通出行选择行为建模和实验虽然各自取得了丰富成果，然而仍相对孤立地发展，未来研究应当充分重视以理论模型来指导实验设计，并且不局限于检验均衡的预测效果、获得显著的处理效应，以及使用简单的学习模型大略拟合实验数据，而应注重以实验现象启发微观个体和宏观网络方面的理论建模，使得理论研究与实验研究能够互相促进、共同发展。

（5）评估政策干预或“助推”的效果，以促成理论和实证成果指导交通管理实践。未来研究可以开展更多类型的交通需求管理政策对行为的影响研究，一方面，评估政策干预或政策“助推”的效果，另一方面，通过了解个体响应行为的规律，启发和改善相关管理政策的设计和实施，从而实现改善交通拥堵、减少环境污染、提升社会总福利等目的。

猜你喜欢 行者参与者交通 做“两个确立”的忠实践行者少先队活动(2022年5期)2022-06-06休闲跑步参与者心理和行为相关性的研究进展体育科技文献通报(2022年3期)2022-05-23逆行者音乐天地(音乐创作版)(2022年1期)2022-04-26门限秘密分享中高效添加新参与者方案南京理工大学学报(2022年1期)2022-03-17繁忙的交通童话世界(2020年32期)2020-12-25Cлово месяца中国(俄文)(2020年4期)2020-11-24最美逆行者草原歌声(2020年1期)2020-07-25小小交通劝导员小学生导刊(2018年16期)2018-07-02基于代理的多方公平交换签名方案计算机技术与发展(2017年1期)2017-02-22海外侨领愿做“金丝带”“参与者”和“连心桥”华人时刊(2016年13期)2016-04-05