[7]。
2.5 引入心理变量的出行方式选择模型
以效用最大化原理为准则，考虑出行者心理因素，采用BL模型(Binary Logit Model)构建交通方式选择模型。由于效用函数的影响因素很多，我们无法对影响效用的所有因素进行量测，因此应将该效用函数看作是一个随机变量。令Uin Uin(Xin) in （1）
式中，Xin——个人n对第i个出行选择方式的特征向量；
in——个人n对第i个出行选择方式的心理变量随机扰动；
Uin——个人n对第i个出行选择方式的效用函数。
BL(Binary Logit)模型是二项Logit模型，即选择肢只有2个，各项的选择概率分别由下eX1n1P 式计算得出： （2） 1neX1n eX2n1 e (X1n X2n)
eX2n1 P2n 1 P （3） 1nX1nX2nX1n X2ne e1 e
式中，P1n为个人n选择出行方式选择肢1的概率；P2n为个人n选择出行方式选择肢2的概率。
由式（2）和（3）可以看出，BL模型的选择概率与选择方案效用的绝对值大小无关，而仅与选择方案的效用差(X1n X2n)有关。
3. 结束语
交通信息诱导系统最理想的状态是以效用最大化原理为准则，最大限度地满足出行者出行的需求。不管经历怎样的出行选择和出行决策，出行并不是真正的目的，最终，出行者会选择一种出行方式，但这是一个可行解，而不一定是最优解。因此研究出行者出行选择的机理是必要的，交通信息诱导系统力求在这个动态博弈的过程中出行者能够选择最优解。同时，人们方式选择行为受到出行者对道路的熟悉程度、道路复杂程度、交通信息可靠性等诸多定性和非定性因素的影响，对人们出行方式选择行为的研究还有待进一步深化。
参考文献
[1] 林震，杨浩. 交通信息诱导系统对出行选择的影响分析[J]. 交通运输系统工程与信息.