| 中文摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 文献综述 | 第12-17页 |
| 1.2.1 不确定环境下的城市交通出行时间 | 第12-14页 |
| 1.2.2 考虑有限理性的城市交通出行行为研究 | 第14-15页 |
| 1.2.3 诱导信息下出行者动态学习与出行决策研究 | 第15页 |
| 1.2.4 城市交通流系统Day-to-day动态演化研究 | 第15-17页 |
| 1.3 文献分析与总结 | 第17-18页 |
| 1.4 本文研究思路和框架 | 第18-19页 |
| 1.5 本文创新点 | 第19-21页 |
| 第2章 考虑有限理性与诱导信息的出行者行为分析 | 第21-26页 |
| 2.1 考虑出行者有限理性的出行决策行为分析 | 第21-24页 |
| 2.1.1 有限理性假设下的决策理论 | 第21-23页 |
| 2.1.2 基于CPT的交通出行决策分析框架 | 第23-24页 |
| 2.2 诱导信息下Day-to-day路径选择过程 | 第24-25页 |
| 2.3 小结 | 第25-26页 |
| 第3章 诱导信息下考虑路段容量退化的交通流Day-to-day动态演化研究 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 符号与假设 | 第26-27页 |
| 3.3 出行者动态学习与选择 | 第27-30页 |
| 3.3.1 关于出行时间的Day-to-day动态学习过程 | 第27-28页 |
| 3.3.2 基于累积前景理论的出行路径选择机制 | 第28-29页 |
| 3.3.3 诱导信息下的参考点调整过程 | 第29-30页 |
| 3.4 Day-to-day动态系统的性质和求解算法 | 第30-33页 |
| 3.5 算例分析 | 第33-37页 |
| 3.6 小结 | 第37-38页 |
| 第4章 基于贝叶斯更新的交通流Day-to-day动态演化 | 第38-45页 |
| 4.1 引言 | 第38-39页 |
| 4.2 基于贝叶斯方法的出行信息更新过程建模 | 第39-41页 |
| 4.2.1 贝叶斯方法 | 第39页 |
| 4.2.2 基于贝叶斯方法的出行者学习模型 | 第39-41页 |
| 4.3 基于贝叶斯学习的交通流Day-to-day动态系统 | 第41-42页 |
| 4.4 算例分析 | 第42-44页 |
| 4.5 小结 | 第44-45页 |
| 第5章 考虑决策规则异质性的动态交通系统建模与分析 | 第45-56页 |
| 5.1 引言 | 第45-46页 |
| 5.2 符号和假设 | 第46-47页 |
| 5.3 出行成本学习与出行选择更新 | 第47-49页 |
| 5.3.1 认知出行成本更新过程 | 第47页 |
| 5.3.2 出行路径选择更新过程 | 第47-49页 |
| 5.4 Day-to-day动态系统的性质和求解算法 | 第49-51页 |
| 5.5 算例分析 | 第51-55页 |
| 5.6 小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 主要研究结论 | 第56页 |
| 6.2 后续研究展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 附录：在读期间参与的科研项目与发表论文 | 第63-64页 |
| 致谢 | 第64-66页 |
