前景理论.docx

前景理论.docx

《前景理论.docx》由会员分享，可在线阅读，更多相关《前景理论.docx（7页珍藏版）》请在冰点文库上搜索。

国内外一般把路径选择模型分为以下四类：

第一，确定型网络-确定型用户平衡（DeterminantNetwork-DeterminantUserEquilibrium，简称DN-DUE）模型；第二，确定型网络-随机型用户平衡（DeterminantNetwork-StochasticUser

Equilibrium，简称DN-SUE）模型；第三，随机型网络-确定型用户平衡（StochasticNetwork-DeterminantUserEquilibrium，简称SN．DUE）模型；第四，随机型网络-随机型用户平衡（StochasticNetwork-StochasticUserEquilibrium，简称SN．SUE）模型。

路径选择模型一般根据其是静态还是动态，确定型还是随机型，平衡还是非平衡等将其分类。

一般静态模型假设网络条件不变，且出行者在条件不变的情况下决策，即不考虑时间因素。

对应地，动态假设每个过程按时间顺序发生，考虑时段对其的影响。

确定型模型假设用户拥有完美信息并是效用最大化者。

而随机型模型，在猜想知识的基础上，一般通过随机效用来建立模型，其中随机误差项加进各种方案的效用。

所有模型都是基于平衡或非平衡状态建立。

在一个用户平衡配流的交通模型中，流量通过用户改变路径或者变换出发时间达到平衡。

在平衡状态下，用户不再改变路径或变换出发时间。

非平衡模型则为了解决非平衡状态的交通问题，在拥挤情况下的选择模型一般属于这种类型。

在实际情况中，虽然出行者趋向于平衡，但系统永远是非平衡的。

以上模型的理论基础一般都依托于期望效用理论或者随机效用理论，暨是在肯定事件的未来结果是客观确定的前提下，进行理性人假设和充分信息假设，来分析人们的决策行为。

因此，决策研究是在确定的框架下或是在对未来可能的发展有充分认知的情况下进行的。

而在现实中结果或发生某一结果的概率决策者很少能够充分认知。

这就导致了期望效用理论和现实的背离。

这些背离促使各种各样的新理论陆续出现，这些新理论的一个共同之处是试图扩展“期望效用理论"的假设。

在这些新理论中，最著名的便是Kahneman与Tversky提出的“前景理论’’（ProspectTheory）。

他们通过调查和实验收集到大量广泛的证据，并对理性假设提出质疑，认为至少在复杂的决策环境下理性行为假设值得怀疑。

大量研究已经揭示出了与传统理性经济行为模型有颇多的偏离。

例如，真实世界里的决策者并不总是以概率法则来估计不确定的未来事件，决策行为也经常违背期望效用最大化原则。

在“前景理论"中，Tverskey和Kahneman提出了一种新的关于决策行为的分析框架。

概括来说，“前景理论"有以下三个基本原理：

（1）大多数人在面临“收益”的时候是风险规避的；

（2）大多数人在面临“损失”的时候是风险追求者；（3）人们对“损失”比对“收益"更敏感。

“期望效用理论”是公理性的，而“前景理论”是描述性的，是以演绎的方式从经验观察中得到的，而不是通过归纳的方式从一组逻辑上有吸引力的公理中得到的。

Tverskey和Kahneman（1986）后来指出，“期望效用理论”和“前景理论’’都是不可缺少的：

“期望效用理论”用来描述理性行为，而“前景理论’’描述真实行为。

“期望效用理论’’为某些明确和简单的决策问题的实际选择进行了准确的表述。

但大部分实际决策问题十分复杂，需要行为内容更丰富的模型。

“前景理论"与“期望效用理论”的主要差异有三点：

（1）在“前景理论"中，决策者并不关心财富本身的最终价值，而是关心财富相对于“参照点”财富量的相对变化。

这个“参照点"经常是决策者当前的财富水平，决策者以此来定义与现状相对比的得失。

这个“参照点’’也可以是某个希望值：

在既定的现有财富和预期条件下，决策者试图获取的财富水平。

（2）价值函数（ValueFunction）v。

“前景理论”中的价值函数取代了“期望效用理论”中的效用函数。

价值函数除了定义根据财富变化以外，函数曲线是S型的，对“收益”而言是上凸的，对“损失"而言是上凹的，向两端发展时，方向的变化呈现敏感性递减趋势。

而且，它在“参照点”上发生弯曲。

与在参照点右方收益很小的情况相比，在“参照点”左方，当损失很小时，函数更加陡峭。

通过函数曲线（见图2．1）的对比，也可发现“前景理论”假设决策者面对“收益"或“损失”时，具有不同的风险偏好，即在不同决策环境下，风险偏好发生了逆转；而“期望值理论”或“期望效用理论”则假设决策者（无论是风险规避者、风险中立者还是风险追求者）在任何情形下的风险偏好都是不变的。

（3）决策权重函数（DecisionWeightingFunction）。

“前景理论”中的决策权重函数取代了“期望效用理论”中的概率。

决策权重是决策者根据事件结果出现的概率P做出的某种主观判断。

它并不是概率，也不遵从概率论的公理，而是赋予概率的一个权重，可以认为是决策者的心理概率。

决策权重函数w例具有以下性质：

是概率P的单调增函数，在0和1处不连续。

对于小的概率，它始终赋予过大的权重，即>P；而对于大概率则始终赋予过小的权重，即

它的一般形状如下图所示

前景理论对于交通行为的适用性

交通问题是一个典型的不确定性问题。

在交通系统中，存在多个出行者。

每个出行者都有自己的行为目标和行为准则，在不同的交通环境下做出各自的判断与估计，然后做出决策。

这种判断与估计不仅是在当前的情况下对各自所处系统的判断与估计，而且要对系统未来的状态进行判断与估计，争取达到各自追求的目标为最优。

每个出行者的决策是无法准确预测的，也就是说，交通系统的状态是不确定的，难以预测的。

因此，出行者进行决策的交通环境中存在着不确定性。

而“前景理论"则正是用来描述不确定性条件下的决策行为的。

另外，也有证据表明：

在路径选择的实验中，出行者对于风险的态度与“前景理论”相符合。

因此，应用“前景理论”来对交通出行决策行为建模具有一定的适用性。

基于“前景理论’’的决策过程理解

“前景理论”认为，个人在做决策的时候会经历两个阶段：

编辑阶段（EditingPhase）和评价阶段（EvaluationPhase）。

第一个阶段是编辑阶段，在这个阶段，需决策的问题被“编辑”，用以建立一个合适的“参照点"并为已有的决策服务。

此时将这种选择的结果称为“编码”，如果结果超过该“参照点”时为收益，反之为损失。

出行者在面对收益和损失时将具有不同的风险态度，该风险态度将影响出行者对备选方案的评价。

第二个阶段是评价阶段，此阶段是对已经编辑过的各前景进行评价，然后选择最高价值的前景，完成决策。

为了评估决策需要，人们通常在第一阶段对事件进行预处理，包括数据的整合、简化（如整数化和相同因子的剔除），但是不同的整合、简化方法会得到不同的事件及其组合，并导致人的非理性行为和框架依赖效应，即人对同一问题的最后决策的不一致。

出行者决策过程中的决策节点、决策时刻及决策阶段

在本文中的出行者主要指的是城市交通中以小汽车为主要出行方式的出行个人。

出行者由出行起点出发，选择某条路径，经过交通网络中的多个节点到达终点便完成了一次出行。

如果出行者到达网络中的某节点，有两条以上路段直接相连并以该节点作为路段起点，此时需要进行路径选择，该节点被称为决策节点。

出行者选取行动的时间点称为决策时刻。

由于出行者只有到达决策节点时才进行决策，该时刻便是决策时刻，因此决策时刻是离散的。

两个相邻的决策时刻为一个决策周期或者阶段。

建模方法

根据“前景理论”，出行者将按照以下过程进行决策：

（1）出行者主观感知各条备选路径的出行费用；

（2）出行者根据“参照点”，判断选择各条备选路径后可能带来的“收益”与“损失”

（3）出行者根据价值函数以及概率权重函数，比较各条备选路径的前景值，选择具有最大前景值的路径。

下面将根据上述步骤进行建模。

（1）先验信息的形成过程

出行者在第天出行，进行路径选择前已经具有的关于路径的出行时间的先验信息，即前次实际出行时间的样本均值

出行者在第天出行，进行路径选择前已经具有的关于路径的出行时间变动性的先验信息，即前次实际出行时间的样本标准差

对于初始值的情况，即首次出行时，出行者只能根据备选路径的物理特性来估计可能的出行时间

（2）出行者对出行时间的感知

（3）参照点的选择

（4）价值函数的确定

这里使用提出的价值函数的形式为

（5）出行者对选择结果的主观概率

设代表出行者对路径选择后的可能结果的估计，则出行者按照如下规则进行判断：

（6）概率权重函数

（7）各备选路径的前景值的计算

（8）选择具有最大前景值的路径为出行路径