新書推薦：
《
叶长海文集（全十册）
》
售價：HK$
968.0
《
对外汉语教学探究：面向东南亚的汉语教学思考和实践 跨越语言之桥，融通文化之脉
》
售價：HK$
63.8
《
《古籍识小录》上下册
》
售價：HK$
512.6
《
西周基层地域组织研究
》
售價：HK$
63.8
《
中国土司制度史料集成（全十九册）
》
售價：HK$
5478.0
《
守护健康：纽约市公共卫生制度的构建（1866—1920）
》
售價：HK$
96.8
《
岩体边坡锚固结构体系安全性评价指标体系研究
》
售價：HK$
72.6
《
癌症幸存者的秘密
》
售價：HK$
50.2
|
| 內容簡介： |
|
《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最新发表的八项研究，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最新进展。
|
| 目錄：
|
|
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 473.3 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 916.1.1 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部分最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 18211.2.1 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 22012.4.3 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 25814.5 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
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
