本书考虑了出行群体间的相互影响，依据混合博弈理论、后悔理论和神经网络模型，分别讨论了假设场景中的商业中心停车收费问题、基于混合博弈理论和神经网络模型的OD反推技术以及现实场景下的商业中心停车需求演变规律。 在研究过程中针对交通需求预测四阶段法的一致性问题，本研究运用混合博弈理论搭建了交通方式和路径选择一体化模型，并利用后悔理论简化了目标函数的结构。在模型求解过程中，为了克服遗传算法易早熟收敛慢和序列二次规划算法稳定性不足的缺点，首次将两者互相迭代进行求解，显著加快了模型的收敛速度，提高了计算精度。在OD反推计算中，首次运用混合博弈模型和神经网络模型进行复合计算，大大降低了训练样本的计算难度。 此外，在简单交通场景的研究中，分别针对商业中心购物出行距离远近、商业中心连接路段拥堵程度、不同商业中心停车费率高低进行了仿真运算，得出了各因素对商业中心停车需求影响程度的量化结果，为商业中心停车泊位数量的合理化设置提供理论依据。在现实交通场景的研究中，以“经济百强县”江西省丰城市为例，分别从差异化停车收费模式、城区发展影响、居民收入水平和收入结构变化等方面进行了系统研究，得出的结论可为当地政府改善现有商业中心停车问题、规划未来停车资源配置提供参考依据。

第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 研究内容
1.4 研究结构
第2章 理论背景及依据
2.1 后悔理论
2.2 交通行为学
2.3 混合博弈理论
2.4 遗传算法
2.5 交通分配
2.6 神经网络
2.7 交通需求管理
第3章 基于混合博弈理论和后悔理论的交通模型搭建
3.1 研究背景
3.2 交通场景的建立
3.3 混合博弈模型的搭建
3.4 交通出行成本函数的设置
3.5 目标函数的选取
3.6 结论
第4章 出行距离远近对商业中心停车需求的影响
4.1 参数设置
4.2 算法选择
4.3 算例分析
4.4 结论
第5章 连接路段拥堵程度对商业中心停车需求的影响
5.1 交通拥堵对交通出行的影响
5.2 心理干扰参数设置
5.3 其他参数设置
5.4 算例分析
5.5 结论
第6章 停车费率对商业中心停车需求的影响
6.1 研究背景
6.2 参数设置
6.3 算例分析
6.4 结论
第7章 基于混合博弈理论和神经网络的OD反推技术研究
7.1 研究背景
7.2 交通场景
7.3 模型参数设置
7.4 训练样本中OD出行矩阵的获取
7.5 训练样本中路段流量的获取
7.6 BP神经网络模型构建
7.7 目标年交通场景系统运行情况
7.8 结论
第8章 我国中小城市商业中心差异化停车收费实施效果研究
8.1 交通场景
8.2 交通模型
8.3 算例分析
8.4 城区发展对中小城市商业中心停车收费政策的影响
8.5 城区发展变化时的研究场景
8.6 城区发展变化时的交通模型
8.7 城区发展变化时的算例分析
8.8 结论
第9章 出行者收入水平变化对商业中心停车收费的影响研究
9.1 研究背景
9.2 交通场景
9.3 交通模型
9.4 算例分析
9.5 居民收入结构变化的影响
9.6 居民收入结构变化时的交通场景
9.7 居民收入结构变化时的交通模型
9.8 居民收入结构变化时的算例分析
9.9 结论
参考文献