Use of a hybrid approach to combine fuzziness and randomness in transportation

• Autorzy: Sassanelli D.

Warianty tytułu

PL

Wykorzystanie hybrydowego podejścia do połączenia rozmycia i losowości w transporcie

• Języki publikacji: EN

Abstrakty

EN

Transportation choice models are mathematical tools that aim to simulate transportation systems users behaviour. Users choice behaviour modelling is affected by users' taste, preference and system attributes perception. Such uncertainty results from phenomena that have different nature. This work describes a novel approach that allows to combine both fuzziness and randomness laying in travellers choice behaviour. The proposed model, in fact, is based on both traditional stochastic approach of random utility and Fuzzy Logic in the definition of uncertainty in travel time. In the resulting model, the choice predictions are based on the evaluation of a hybrid utility, sum of a fuzzy number and a random term. As a consequence, choice predictions are expressed in terms of interval of values. These fuzzy values of probabilities are related to the vagueness of the travellers perception and knowledge of the transportation system.

PL

Modele wyboru transportu są narzędziami matematycznymi mającymi na celu symulowanie zachowań użytkowników systemów transportowych. Na modelowanie zachowania użytkowników dotyczącego dokonywanych wyborów mają wpływ gusta oraz preferencje użytkowników jak również postrzeganie cech systemu. Niepewność ta wynika ze zjawisk odmiennej natury. Niniejsza praca opisuje nowe podejście pozwalające na połączenie zarówno niejasności jak i losowości zachowań cechujących wybory dokonywane przez podróżnych. Proponowany tutaj model jest w rzeczywistości oparty zarówno na tradycyjnym stochastycznym podejściu użytkowania losowego oraz logiki rozmytej w definicji niepewności czasu podróży. W uzyskanym modelu przewidywane wybory opierają się na ocenie użytkowania hybrydowego, sumie liczby rozmytej oraz warunku losowego. W konsekwencji, przewidywane wybory wyrażone są jako interwały wartości. Te niejasne wartości prawdopodobieństw związane są z brakiem przejrzystości postrzegania oraz wiedzy podróżnych w odniesieniu do systemu transportu.

Słowa kluczowe

EN

transportation systems; behaviour modelling

PL

transport; systemy transportowe; podróżny; czas podróży; modelowanie zachowań podróżnych

• Wydawca: Warsaw University of Technology, Faculty of Transport
• Czasopismo: Archives of Transport
• Rocznik: 2006
• Tom: Vol. 18, iss. 4
• Strony: 93--104
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Sassanelli D.

• Technical University of Bari, Department of Highways and Transportation, via Orabona 4, 70125 Bari, Italy

Bibliografia

• 1. Akiyama T.: Fuzzy User Equilibrium Flow with Information Provision. Proceedings of International Conference on Modeling and Management in Transportation, 1999. http://www.gifuu.ac.jp/ceip/English/A03-1999-ICMMT.pdf
• 2. Avineri E.: A Cumulative Prospect Theory Approach To Travel Behaviour Modelling: Waiting Time Paradox Revisited. Proceedings of the EC-Workshop Behavioural responses to ITS, Eindhoven, Netherlands, 2003.
• 3. Avineri E., Prashker J., Ceder A.: Transportation Projects Selection Process Using Fuzzy Sets Theory. Fuzzy Sets and Systems, 116,2000, p. 35-47.
• 4. Ben Akiva, M., Lerman S.; Discrete choice analysis: theory and application to travel demand. MIT, Cambridge, MA, 1985.
• 5. Binetti M., Borri D., Circella G., Mascia M.: Does Prospect Theory Improve the Understanding of Transit User Behaviour? Proceedings of the 9th Conference CUPUM, Cumputer in Urban Planning and Urban Management, London, UK, 2005.
• 6. Cascetta E.: Transportation system engineering: theory and methods. Ed. Kluwer Academic Publishers, 2001.
• 7. Cascetta E., Papola A.: Random Utility Models with Implicit Availability/Perception of Choice Alternatives for the Simulation of Travel Demand. Transportation Research, C, 9, 2001, p. 249-263.
• 8. Dell'Orco M., Kikuchi S.: An Alternative Approach for choice models in Transportation: use of possibility theory for comparison of utilities. Yugoslav Journal of Operations Research, 14 (1), 2004, p. 1-17.
• 9. Luhandjula M. K., Gupta M. M.: On Fuzzy Stochastic Optimization. Fuzzy Sets and Systems, 81, 1996, p. 47-55.
• 10. Teodorovic D.: Fuzzy Logic Systems for Transportation Engineering: the State of the Art. Transportation Research, A, 33, 1999, p. 337-364.
• 11. Tversky A., Kahneman D.: Advances in Prospect Theory: Cumulative Representation of Uncertainty. Journal of Risk and Uncertainty, 5, 1992, p. 297-323.
• 12. Von-Neumann J., Morgenstern O.: Theory of Games and Economic Behaviour. Princeton University Press, Princeton, 1944.
• 13. Yubin L., Zhong Q., Guangyuan W.: Fuzzy Random Reliability of Structures Based on Fuzzy Random Variables. Fuzzy Sets and Systems, 86, 1997, p. 345-355.
• 14. Zimmermann H. J.: Fuzzy Set Theory and Its Applications. Kluwer Academic Publishers, Boston, Dordrecht, London, 1996.