基于后悔理论的社交网络分享型交通信息的用户价值研究*

戢晓峰　连晨希

(昆明理工大学交通工程学院　昆明 650500)

0　引　言

随着ATIS(advanced traveler information system)、“互联网+”及移动终端应用的普及，使得社交网络分享的交通信息成为日常出行的重要参考。通常个体用户获得的社交网络信息是由好友发布、分享得来，而非来自于强烈的信息搜寻意识与针对性的搜寻行为,因此，用户浏览大量的社交网络信息主要为被动接收信息的过程，同时无意识地接收了其中的交通信息。目前鲜有学者关注此类交通信息对交通行为的影响，亟须开展相关研究为网络时代交通信息的发布策略提供理论依据。

目前，交通信息对交通行为的影响仍是重要的热点研究领域[1-3]，如Eran等[4]设计了不同准确度的交通信息场景，分析出行者对交通信息反应的灵敏度。巩亚文[5]分析了信息条件下出行者路径选择的相互影响关系，建立了路径选择演化博弈模型并总结了其演化规律。熊轶[6]通过建立期望路径出行时间期望函数，研究了交通信息条件下不同属性出行者的行为演化。魏雪梅等[7]建立了驾驶员属性、出行信息源选择及搜寻行为之间的结构方程模型，分析了驾驶员的出行信息搜寻过程。随着交通信息应用的日益普及，ATIS的市场占有率与交通信息的价值、效益逐渐受到研究者与管理者的关注[8-12]。如IIDA等[13]分析了不同质量交通信息下的路径选择，发现交通信息对决策的影响力随其质量下降而逐渐降低。伍速锋等[14]认为交通信息能够减少出行选择的不确定性，并利用效用理论与贝叶斯推理建立了交通信息效用模型。Chorus等[15]认为出行者会做出期望后悔最小的决策，并基于此建立了交通信息价值模型。闫祯祯等[16]在构建交通信息感知价值模型的基础上，探索了不同路网组合的交通信息感知价值。

当前，社交网络已经逐渐成为日常生活的主要信息源，网络的海量信息中通常也包含了大量的交通出行信息[17]。综上所述可以发现，基于效用、后悔等理论的交通信息行为及交通信息价值研究已经逐步开展，但对社交网络中的交通信息却鲜有涉及。社交网络已成为当前重要的交通信息分享渠道，对社交网络环境下的交通信息用户价值进行评估，可以为网络环境下交通信息的发布提供重要的理论依据。为了研究社交网络环境下交通信息的用户价值，首先剖析了社交网络中交通信息的产生与传播过程，并对社交网络中交通信息的特征进行分析；然后基于后悔理论建立社交网络环境下交通信息用户价值的评估方法，并在此基础上分析社交网络中交通信息的用户价值特征；最后通过设计不同的算例场景对社交网络中交通信息的用户价值进行了对比分析。

1　社交网络中的交通信息特征分析

1.1　社交网络中交通信息的产生与传播

在互联网时代，社交网络是现代生活信息交流的重要平台，网络信息行为推动了网络信息的产生与传播。信息行为是在需求和能力的调节下产生的，主要的网络信息行为有信息的获取、信息分享与信息的使用等。出行信息也将通过网络信息行为在社交网络中产生并且传播。

1) 社交网络中的交通信息来源广泛。通常包括用户体验、运营账号的直接描述、其他社交网络平台、第三方软件信息来源等；其中，运营账号是指通过专门发布交通信息以吸引其他用户，并可获取利益的经营类账号，第三方软件主要包括手机导航类软件，公交查询类软件以及网约车类软件等。

2) 网络信息的获取通常分为2种形式：一种为主动查询，如关键字搜索等方式；另一种为被动接受，如信息推送等。随着社交网络的不断发展，用户量与网络信息量迅速膨胀。而在海量的社交网络平台中，经常包含有与实时交通状态相关的出行信息。这些出行信息通常在无意间被用户接收。

3) 对于社交网络中的出行信息来说，另一种重要的信息行为是网络信息的分享行为。网络社交平台的信息传播优势在于其对信息分享者的限制程度较低，一般的用户均可分享自己的既得信息。由此，符合用户偏好的出行信息就有可能被用户分享，则该出行信息的接收范围将会扩大。

4) 社交网络中的出行信息被用户接受必然会产生信息的使用行为。出行信息的不断分享、传播使得更多的用户接收到该出行信息，而用户中的出行者在做出行决策时必然会在某种程度上对社交网络中的出行信息予以考虑。社交网络中的出行信息使用行为则主要体现于该信息对出行者的决策影响。

1.2　社交网络中的交通信息特征分析

1) 从内容上看，社交网络中交通信息的内容具有模糊性。日常的网络信息中，往往包含了部分较为模糊的交通信息。例如，城市交通拥堵时，用户的“抱怨”中就可能包含了交通拥堵的时刻、路段等信息。此类信息通常描述模糊，主观意愿强烈易引起关注或共鸣，但却是其他出行者在决策时的重要依据。

2) 社交网络中的交通信息的传播范围具有一定的不可控性。网络信息的传播动力主要为用户兴趣，一条具有较强吸引力的交通信息在社交网络中传播的时间、范围等因素均难以有效控制。

2　交通信息用户价值评估模型

交通信息用户价值的评估必须关注用户的感受，不可视为一个完全理性的效用测量过程。关注效用对比的后悔理论逐渐应用于出行决策的研究中[15-16]。后悔可理解为一件既定事情状态或结果与其可选结果之间的对比而产生的情绪。后悔理论认为[18]，对决策的评价一方面与行动结果有关，另一方面还与其放弃的可能更好的选择有关。以决策行为的效用为标准，当既定决策的效用高于可选决策时，决策者不会因此产生后悔情绪，反之，则将产生后悔情绪。在同等条件下，如果某种决策可以减少后悔情绪，可以认为该决策优于其他决策。笔者采用后悔理论作为评估模型的理论基础，即认为交通信息的用户价值取决于信息获取前后决策后悔情绪的改变。

2.1　路径选择后悔模型

在城市路网中，出行者在决策时无法完全掌握路径信息，并且出行决策也无法实现完全理性。因此，以出行效用作为路径选择的内在准则，并且根据后悔理论以降低出行决策的后悔值为目标来选择出行的路径。基于上述分析，建立路径选择的后悔模型。

设M={1,2,…,m}为m条可选路径集合；T={t1,t2,…,tm}为路径预测行程时间集合；U={u(t1),u(t2),…,u(tm)}为路径选择效用集合，u(ti)为选择路径i的效用函数，见式(1)。

(1)

出行者选择路径i就必须放弃选择其他路径，后悔心理即是由决策结果的对比产生的。由此出行者选择其他各路径较路径i可以多获得的效用即为路径i相对于其他各路径的后悔值。

设路径的预测行程时间t的概率密度为f(t)，则f(t)所服从分布与路径交通流量分布状态有关。若出行者选择路径i，则期望后悔为

(2)

式中：j∈M且j≠i，δj为后悔判别系数

(3)

出行经验下的路径决策后悔值为

ER=max(ERi)

(4)

(5)

由更新后的预测行程时间与行程时间的概率密度，并经过上述路径决策后悔模型的构建过程，可以得到更新后的路径决策后悔值为

(6)

2.2　社交网络中的交通信息的用户价值

出行者会对比出行经验下的决策与社交网络中交通信息下的决策收益，以决策的优劣来判断交通信息的用户价值。

ΔER=ER-ER+

(7)

式中：ΔER为社交网络中交通信息的用户价值。式(7)表明ΔER可取零点双侧任意值，即出行者获得网络交通信息后的决策后悔情绪可能提高或降低。

3　社交网络交通信息的用户价值特征分析

如社交网络分享型交通信息的用户价值为正，则表明该信息的使用为用户节约了成本；相反，则可能增加了用户成本。

3.1　预测误差与信息效用分析

u(ti)=exp(-εi)

(8)

式中：εi为路径i预测行程时间与真实行程时间的相对误差，是交通信息价值的重要体现，εi的取值范围为[0,+∞)。当εi取最小值0时，说明对路径i的预测行程时间与真实行程时间相同，选择路径i的效用函数也达到最大值1；随着路径i的相对误差逐渐增大，选择路径i效用函数值逐渐降低，并且趋向于0，见图1。

图1　预测时间误差对路径选择效用的影响Fig.1　The time prediction error influencing on route choice utility

交通信息的有效性主要体现于对路网交通状态描述的准确程度。而对于广义社交网络中的交通信息而言，一方面由于部分信息的模糊性可能会增强出行者决策的不确定性，另一方面，自由传播过程的失真对交通信息的有效性及出行者决策有着重要影响。

3.2　社交网络交通信息的有效性分析

图2　社交网络中交通信息的有效性Fig.2　Effectiveness of travel information online sharing

社交网络交通信息可以降低出行决策的不确定性。出行者仅依靠出行经验进行行程时间预测的概率密度函数为曲线1；辅助以网络分享的交通信息后时间预测的概率密度函数为曲线2。相对于曲线1而言，曲线2体现了预测期望值更趋近于准确值、且预测区间更为集中2个方面的特征，即提高了预测准确性。

3.3　社交网络中交通信息的负效应分析

交通信息在社交网络中的传播会造成其用户价值的衰减，甚至产生负效应，考虑信息传播时间、相对误差及交通信息用户价值的相互影响趋势，如图3所示。

图3　考虑传播时间及预测相对误差的用户价值趋势Fig.3　The utility trend considering the propagation time and relative prediction error

社交网络信息传播的相对自由会造成交通信息用户价值的损失。目前，网络传播多根据用户自身需求及兴趣而进行，信息传播的消亡时间无法确定。一方面，路网状态的实时变化决定了交通信息的用户价值将随其传播时间而降低；另一方面，网络分享的自由性使得用户的主观意愿可以伴随交通信息的传播，从而影响出行者决策的倾向性。

4　算例分析

为了验证用户价值评估模型，并且对不同网络传播场景下交通信息的用户价值进行评估，需要对交通信息的网络传播情况，以及不同场景下出行者的出行决策进行设置和模拟。假设路网中进行决策的出行者为小汽车驾驶员，为了简化计算通常采用在OD对之间仅存在2条可选路径的简单路网，如图4所示。假设某出行者在某次出行中可选路径有路径1、路径2，该出行者的经验认为路径1的行程时间为25 min，路径2因行驶距离较长行程时间约为40 min，因此,该出行者经常选择路径1出行，且对路径1较为熟悉，设熟悉度为80%，而对路径2的熟悉度为50%。假设某次出行前该出行者通过社交网络的好友分享得知路径1发生交通事故，预计路径1的行程时间为45 min，路径2约为48 min，该出行者对此信息的信任度为80%，见表1。

图4　路径选择场景示意图Fig.4 　The path selection of scene diagram

4.1　交通信息用户价值分析

4.1.1场景设置

场景1。有效性场景分析。假设该交通信息的网络传播时间较短，且与路网真实情况大致相符，该出行者则可以根据该交通信息做出更优的选择。

表1　算例取值Tab.1　Numerical value in the example

场景描述：设因受到路径1交通事故的影响，路径1、路径2上的自由流行程时间分别为50，46 min。通过模型计算得到，该出行者选择路径1与路径2的效用分别为0.606 5，0.877 7，得到路径选择决策的期望后悔值为0.046 4。而该出行者根据网络分享的信息进行出行经验更新后，可得到社交网络分享型交通信息的期望后悔值为0.037 1，且本次出行应选择后悔值较低的路径2。结果表明：社交网络分享型交通信息对出行经验进行更新后，决策期望后悔值降低了20%。

场景2。负效应场景分析。假设该交通信息的网络传播时间较长，且与真实路网状态差异较大。出行者根据该交通信息将无法做出更优的决策。

场景描述：若假设出行可选路径及该出行者对路网的经验知识与场景1相同。但该出行者获得的信息为交通事故发生数小时后好友转发而来，并且该出行者未得到更新的实时信息。而此时路径1的交通事故已处理结束，路网逐渐恢复通行。设此时的路径自由流行程时间分别为23，35 min，根据实时路径自由流时间，出行者应选择路径1出行。但出行者未获得实时信息，将选择路径2出行，用户价值将出现负值，见表2。

表2　场景结果Tab.2　Results of scenes

4.1.2交通信息用户价值特征

交通信息的有效性体现于降低了出行者决策的不确定性。假设行程时间预测服从正态分布，则不同场景下的交通信息对路径1与路径2行程时间预测上的有效性如图5所示。路径1出行者的经验预测值为25 min，而经过社交网络交通信息的更新，预测值为45 min，且分布更趋向于集中；同理，路径2的行程时间预测结果也体现了预测集中度的提高。

图5　行程时间预测Fig.5　Travel time prediction

根据信息效用与误差测算方法，得到各场景中交通信息的效用。场景1中路径1和路径2的自由流值为50，23 min，场景2中分别为46，48 min。根据网络环境下的行程时间预测，分别得到2个场景下的交通信息平均效用P1，P2，如图6所示。可见，场景2中由于交通信息经过了较长时间的传播，与真实的路网情况产生的较大的差异，其社交网络的交通信息效用远低于场景1中的实时信息。

图6　不同场景的交通信息效用Fig.6　Traffic information utility

4.2　结果讨论

场景1的结果说明在无更准确的交通信息时，社交网络中的交通信息用户价值得到了积极的体现，即辅助出行者获得了更有利的选择。出行者仅依靠出行经验无法判断偶发性交通状态，而网络分享信息中包含了对此时交通状态更准确的描述，且由于传播时间较短与真实路网状态差异较小，有较高的信息效用，可以辅助出行者做出更优的决策。

场景2中出行选择的转变说明网络传播造成了交通信息用户价值的降低，甚至造成出行决策负效应。出行者所得到的网络分享信息通常经过了一定传播时间，与真实路网存在较大差异，而出行者无意识去考量在信息传播的时间中路网状态所发生变化。因此，当交通信息在社交网络中的传播超过一定阈值后将对出行者决策产生负效应。

社交网络环境下难以获得真实、准确的交通信息，而推送式的信息传播又使用户时刻被迫接受信息。在社交网络交通信息的作用下，效用最大化的理性决策显然不尽合理，而后悔理论基于决策效用的对比，倾向于选择能够减少后悔情绪的出行决策。因此，考虑非完全理性行为并且相对具有一定不确定性的后悔理论，更适用于在社交网络环境下交通信息用户价值的评估。

5　结束语

1) 社交网络中的交通信息具有显著的不确定性与模糊性。网络信息中含有大量的交通信息，网络信息的传播范围、时间、用户主观意愿等都会成为出行决策的影响因素。

2) 实时分享的交通信息有助于降低出行者决策的不确定性。当无其他更准确的交通信息时，社交网络中的交通信息将成为出行者决策的重要依据，辅助出行者对做出更优的选择。

3) 交通信息的用户价值随其在社交网络的持续传播而降低，甚至对出行者决策产生负效应。当网络交通信息的传播达到一定的阈值后，随时间改变的路网状态将使得交通信息的失真程度增大，无法辅助出行者得到更优决策。

随着城市交通信息系统的不断完善，借助社交网络发布交通信息是必然趋势和结果。对社交网络中交通信息用户价值的初步探讨，提出了社交网络交通信息将对出行者的决策产生重要影响。但在建立网络平台的信息实时传播状态与出行者行为预测的对应关系方面尚未进行深入探讨。

在社交网络中建立影响力较大的交通信息发布节点，一方面能够快速传播实时交通信息，另一方面又难以有效控制信息的传播过程。因此，需要进一步对交通信息的网络传播特性进行探索，为建立有效的社交网络交通信息发布策略提供理论依据。

参考文献References

[1]KENYON Susan, LYONS Glenn. The value of integrated multimodal traveller information and its potential contribution to modal change[J]. Transportation Research Part F: Traffic Psychology and Behavior,2003,6(1):1-21．

[2]刘艳秋,刘 博.交通拥堵下基于实时交通信息的路径选择模型[J].沈阳工业大学学报,2014,36(4):426-430.

LIU Yanqiu, LIU Bo. Route selection model based on real-time traffic information under traffic congestion[J]. Journal of Shenyang University of Technology,2014,36(4):426-430.(in Chinese)

[3]张华歆,张丽杰.基于交通信息的通勤出行链模式选择行为[J].上海海事大学学报,2015,36(1):12-18.

ZHANG Haxin, ZHANG Lijie. Trip chain pattern choice behavior of commuters based on traffic information[J]. Journal of Shanghai Maritime University,2015,36(1):12-18.(in Chinese)

[4]ERAN B E, PACE R D, BIFULCO G N, et al. The impact of travel information′s accuracy on route-choice[J]. Transportation Research Part C,2013,26(1):146-159.

[5]巩亚文.信息诱导条件下出行路径选择行为的演化博弈分析[J].公路,2015,49(1):108-113.

GONG Yawen. Study of route choice behavior of drivers based on the evolutionary game under condition of information guidance[J]. Highway,2015,49(1):108-113.(in Chinese)

[6]熊 轶.交通信息作用下不同风险属性出行者的行为演进[J].武汉理工大学学报,2009,33(2):279-282.

XIONG Yi. A study on behavior evolution of travelers with different risk-taking under ATIS[J]. Journal of Wuhan University of Technology,2009,33(2):279-282.(in Chinese)

[7]魏雪梅,戢晓峰,陈 方.基于SEM的驾驶员出行信息搜寻行为分析[J].交通运输系统工程与信息,2012,12(3):174-179.

WEI Xuemei, JI Xiaofeng, CHEN Fang. Drivers′ travel information searching behavior study with structural equation modeling[J]. Journal of Transportation Systems Engineering and Information Technology,2012,12(3):174-179.(in Chinese)

[8]YANG Hai. Multiple equilibrium behaviors and advanced traveler information systems with endogenous market penetration[J]. Transportation Research Part B,1998,32(3):205-218.

[9]ARNOTT R, PALMA A, LINDSEY R. Does providing information to drivers reduce traffic congestion?[J]. Transportation Research Part A: Policy and Practice,1991,25(5):309-318.

[10]李志纯,黄海军.多目标路径诱导下平衡市场渗透率的确定[J].系统工程理论与实践,2005,24(4):125-130.

LI Zhichun, HUANG Haijun. Determination of equilibrium market penetration under multi-criteria route guidance systems[J].Systems Engineering-Theory & Practice,2005,24(4):125-130.(in Chinese)

[11]李 昕,刘 澜,戢晓峰.ATIS影响下的基于广义成本的随机用户平衡模型[J].交通运输系统工程与信息,2009,9(2):50-55.

LI Xin, LIU Lan, JI Xaiofeng. Stochastic user equilibrium model based on generalized cost under the influence of ATIS[J]. Journal of Transportation Systems Engineering and Information Technology,2009,9(2):50-55.(in Chinese)

[12]HALL R W. Route choice and advanced traveler information systems on a capacitated and dynamic network[J]. Transportation Research Part C: Emerging Technologies,1996,4(5):289-306.

[13]IIDA Y, UNO N, YAMADA T. Experiment analysis approach to analyze dynamic route choice behavior of driver with travel information[C]. Vehicle Navigation & Information System Conference Proceedings,Yokohama:VERT IS,1994.

[14]伍速锋,杨晓光,云美萍.出行选择中的交通信息效用模型构建方法研究[C].第二届中国智能交通年会,北京：中国智能交通协会，2006.

WU Sufeng, WANG Xiaoguang, YUN Meiping. Study on the model of travel information utility in travel choice[C]. The Second China Intelligent Transportation Annual Meeting, Beijing: ITS China, 2006.(in Chinese)

[15]CHORUS C G, ARENTZE T A, MOLIN E J E, et al. The value of travel information: Decision strategy-specific conceptualizations and numerical examples[J]. Transportation Research Part B,2006,40(6):504-519.

[16]闫祯祯,刘 锴,王晓光.基于后悔理论的交通信息感知价值研究[J].交通运输系统工程与信息,2013,13(4):76-83.

YAN Zhenzhen, LIU Kai, WANG Xiaoguang. Perceived traffic information value based on regret theory[J]. Journal of Transportation Systems Engineering and Information Technology,2013,13(4):76-83.(in Chinese)

[17]张恒才,陆 锋,陈 洁.微博客蕴含交通信息的提取[J].中国图象图形学报,2013,18(1):123-129.

ZHANG Hengcai, LU Feng, CHEN Jie. Extracting traffic information from massive micro-blog messages[J]. Journal of Image and Graphics,2013,18(1):123-129.(in Chinese)

[18]BELL D E. Regret in decision marking under uncertainty[J]. Operations Research,1982,30(5):961-981.