分配模型

合集下载

第09章基本交通分配模型

该方法简单，精度可以根据 N 的大小来调节，因而在实际中常被采用。
该方法仍然是近似算法，有时会将过多的流量分配到容量小的路段。
N 越大，配流结果越接近均衡解，但计算工作量相应增加。另外，非常大的 N 值也不能完全保证配流结果一定满足用户均衡条件。
算例：
9.3.4 二次加权平均分配法 (method of successive averages)
分配步骤
分配算例：
试用二次加权平均分配法（MSA方法）求解下面的固定需求交通分配问题（迭代2次）。
9.4 用户优化均衡交通分配模型（User Equilibrium Model） UE（用户均衡）的概念最早由Wardrop于1952年提出。User Equilibrium的基本假设有：
假设出行者都力图选择阻抗最小的路径；
假设出行者能随时掌握整个网络的状态，即能精确计算每条路径的阻抗从而做出完全正确的路径选择决策；
假设出行者的计算能力和计算水平是相同的。
User Equilibrium的定义：当不存在出行者能单方面改变其出行路径并能降低其阻抗时，达到了UE状态。
9.4.1 均衡分配模型的建立 Wardrop第一原理的数学描述变量说明：
在实际应用中，对于大规模网络，通常4至6次迭代就够了。确定迭代次数时，要综合考虑原始数据的准确性、财力约束和具体的网络结构。
UE分配算例：网络模型如下，试用F-W算法求两边的交通量。
9.5 系统优化均衡交通分配模型（SO Model）
9.5.1 SO模型的基本思想
Wardrop第一原理有时也称为用户均衡（UE）原理、或用户最优原理。UE模型就是建立在UE原理上的数学模型。
Wardrop第二原理反映的是一种系统目标，即按什么样的分配是最好的，为规划管理人员提供了一种决策方法，在实际中难以实现，除非所有的道路使用者都相互协作为系统最优而努力。

供应链的风险及分配模型

供应链的风险及分配模型
供应链的风险包括物流风险、市场风险、财务风险、环境风险等。

供应链的分配模型包括基于效率的分配模型、基于合作的分配模型、基于风险共担的分配模型等。

1. 物流风险：
物流风险指的是供应链中的物流环节出现的问题，如运输延误、货物损毁、突发事件等。

为了应对物流风险，供应链可以采用备用供应商、仓储备货、增加运输方式多样性等策略。

2. 市场风险：
市场风险包括市场需求波动、市场竞争加剧、新技术引入等因素。

供应链可以通过市场预测和预测技术、合理库存管理、市场调研等方式来降低市场风险。

3. 财务风险：
财务风险包括供应链中的资金流动问题、付款延迟、货币汇率波动等。

供应链可以通过资金储备、灵活的付款方式、风险对冲工具等策略来应对财务风险。

4. 环境风险：
环境风险指的是供应链中对环境产生的影响，如能源消耗、废物排放等。

供应链可以通过节能减排、环境管理体系、环境风险评估等措施来降低环境风险。

供应链的分配模型可以根据不同的情况选用适合的模型，例如：
1. 基于效率的分配模型：
该模型注重资源的有效利用，以实现供应链的高效运作为目标。

常见的基于效率的分配模型包括线性规划、整数规划等。

2. 基于合作的分配模型：
该模型强调供应链各方的协作和合作，通过资源共享和信息共享来优化供应链的整体效益。

常见的基于合作的分配模型包括生产配额分配、市场份额分配等。

3. 基于风险共担的分配模型：
该模型将供应链中的风险进行共担，通过风险分配和合理的契约设计来降低风险对供应链的影响。

常见的基于风险共担的分配模型包括合同采购、保险共担等。

要素分配模型 -回复

要素分配模型-回复要素分配模型，也被称为因素分配模型，是指在一个系统或问题中，将要素（inputs）按照一定的规则或算法进行分配或分配权重的过程。

要素可以是资源、任务、权益或其他需要进行分配的实体。

一. 要素分配模型的目的和意义要素分配模型的目的是为了在有限的资源或权益下，合理地进行分配并达到优化的效果。

在实际应用中，要素分配模型可以用来解决许多问题，例如资源分配、任务分配、资金分配等。

它可以帮助决策者合理地配置资源，使得整体效益最大化，从而提高系统的运作效率和质量。

要素分配模型的意义在于可以提供一种科学、定量化的方法来解决资源分配问题。

它能够减少人为干预和主观决策的因素，降低决策的不确定性，增加决策的准确性和效率。

同时，要素分配模型还可以提供多种不同的分配方案供决策者选择，并根据不同的目标和约束条件进行评估和比较，以便做出最优的决策。

二. 要素分配模型的基本步骤要素分配模型的基本步骤可以分为以下几个部分：问题定义、要素归类、权重确定、分配规则设计、模型评估和优化。

1. 问题定义：首先需要明确要解决的问题是什么，目标是什么，以及存在哪些约束条件。

比如，资源分配的目标可能是最大化效益，约束条件可能包括资源的限制、时间限制等。

2. 要素归类：将待分配的要素进行分类，根据其性质和特点进行归类。

这有助于后续的权重确定和分配规则设计。

3. 权重确定：权重是指不同要素在分配过程中的重要程度或优先级。

确定权重可以通过主观评估、专家咨询、统计分析等方法得到。

常见的权重确定方法包括层次分析法、主成分分析法等。

4. 分配规则设计：根据问题定义和权重确定的结果，设计具体的分配规则或算法。

分配规则可以是简单的权重乘法、线性分配、优先级分配等，也可以是复杂的优化算法或模型。

分配规则的设计应结合具体问题的特点和目标，考虑效率、公平性、可行性等因素。

5. 模型评估和优化：对设计好的分配规则进行评估和优化，比较不同方案的效果，并进行调整和改进。

第九章-基本交通分配模型1

Step 3 用加权平均法计算各路段当前交通量
（8-1）
Step 4 如果
相差不大，则停止计算。即
为最终分配结果。否则返回 Step1 。
实践中 Step 4停止计算的判断即可用误差大小，也可以用循环次数的多少来进行运算的控制；用的比较多的是循环次数。在 Step 3中权重系数 a由计算者给定。a即可定为常数，也可定为变数。通常定为常数时a=0.5；定为变数时a=1/n， n是循环次数。
◦ 原理理论上合理，实际求解非常困难。
◦ Beckmann（1956）等价数理最优化模型（有约束非线性最优化问题）
◦ 其中：
，表示路段a上的交通流量；
◦ ：路段 - 径路相关变量，即 0-1 变量。如果路段a属于从
出发地为r目的地为s的OD间的第k 径路，则其值为1 ，否则为0 ；
◦ f；krs ：出发地为r ，目的地为s的 OD 间的第k条径路上的流量
一、用户平衡分配模型及其求解算法
◦ （1）模型化
◦ 其中，hkrs：OD对rs间第k条径路的交通量。 tkrs ：OD对rs间第k条径路的行驶时间。 trs：OD对rs间最短径路的行驶时间。 qrs ：OD对rs的分布交通量。
【例9-3】如图表示了一对由两条可选路径连接的起终点， t1,t2分别表示路段1,2上的交通时间，用x1, x2表示相应的交通流量，q表示总的OD流量，则q=x1+x2。
◦ 对于完全满足Wardrop原理定义的平衡状态，则称为平衡分配方法；对于采用启发式方法或其他近似方法的分配模型，则称为非平衡分配方法。
交通分配模型
均衡模型非均衡模型
用户均衡模型扩展标准用户均衡模型系统优化均衡模型

基于数学建模的资源优化分配模型

基于数学建模的资源优化分配模型资源优化分配模型是一种基于数学建模方法的决策模型，旨在通过合理的资源分配策略来实现资源的最大化利用和效益。

在资源优化分配模型中，首先需要确定目标函数，即所需优化的目标。

目标函数可以根据具体的应用场景来确定，如最大化利润、最小化成本、最大化效益、最大化服务质量等。

根据目标函数的设定，可以进一步确定约束条件和决策变量。

约束条件是指对资源分配进行限制的条件。

这些约束条件可以是资源的供给限制、技术限制、市场条件等。

例如，一家生产企业在分配生产资源时可能会考虑工人的工作时间、机器的使用时间、原材料的供应量等。

这些约束条件需要根据实际情况加以确定，并在模型中进行描述和考虑。

决策变量是指在资源分配过程中可供调整的变量。

决策变量的选取与模型的复杂性和实际可行性有关。

常见的决策变量包括：产品生产量、资源的分配比例、生产线的配置等。

在实际应用中，决策变量的选取需要综合考虑多个方面的因素，例如成本、效益、风险等。

在基于数学建模的资源优化分配模型中，常用的数学方法包括线性规划、整数规划、动态规划、模拟等。

不同的数学方法适用于不同的问题，根据实际情况选择合适的方法进行建模和求解。

线性规划是一种常用的数学方法，适用于目标函数和约束条件都是线性关系的问题。

线性规划通过数学优化理论和算法来求解最优的资源分配方案。

整数规划则是在线性规划的基础上增加了整数变量的限制，在某些问题中可以更好地反映实际情况。

动态规划是一种适用于具有重叠子问题和最优子结构性质的问题的优化方法。

通过将问题分解为多个子问题，并保存子问题的最优解，动态规划可以高效求解问题的最优解。

在资源优化分配模型中，动态规划可以用于处理具有时序关系的问题，例如生产计划、库存管理等。

模拟是一种基于随机数生成的数学方法，适用于对不确定性因素进行建模和分析的问题。

通过随机数的生成和运算，模拟可以模拟一系列可能的情况，从而评估各种资源分配策略的效果。

在资源优化分配模型中，模拟可以用于评估不同决策方案的风险和不确定性。

客流分配正态分布概率分配模型

客流分配正态分布概率分配模型一、概述客流分配是城市规划和交通规划中的重要内容之一，其合理分配能有效提高交通运输系统的效益，减少交通拥堵和资源浪费。

在客流分配中，正态分布概率分配模型是一种常用的分配模型，通过对客流量的统计分析，可以得到符合正态分布的概率分配模型，进而指导交通规划实践和决策。

二、正态分布概率分配模型的基本原理1. 正态分布概率分配模型的定义正态分布是统计学中的一种重要的概率分布模型，其特点是以平均值为中心，两侧对称，呈钟型曲线。

正态分布概率分配模型是基于正态分布理论的客流分配模型，通过统计数据和概率分布分析，可以得到交通流量在各个位置或时间段的分布概率。

2. 正态分布概率分配模型的建立步骤（1）数据收集：首先需要收集交通流量的相关数据，包括不同位置或时间段的客流量数据。

（2）数据处理：对收集到的客流量数据进行处理和整理，包括数据清洗、去除异常值等。

（3）统计分析：利用统计学方法对客流量数据进行分析，得到客流量的概率分布情况。

（4）建立模型：根据统计分析的结果，建立符合正态分布的概率分配模型，以描述客流量在各个位置或时间段的分布规律。

三、正态分布概率分配模型在客流分配中的应用1. 道路交通客流分配正态分布概率分配模型可以用于道路交通的客流分配，通过对各个路段的交通流量进行统计分析，建立符合正态分布的概率分配模型，以预测和优化交通流量的分布情况，指导道路交通规划和管理。

2. 公共交通客流分配在公共交通系统中，正态分布概率分配模型也可以用于客流分配，通过对不同线路或车站的客流量数据进行分析，建立客流量的概率分布模型，从而合理安排公共交通服务的供给，提高运输效率和服务质量。

3. 城市空间客流分配对于城市空间的客流分配，正态分布概率分配模型同样具有重要的应用意义，可以通过对城市不同区域或功能区的客流量数据进行分析，建立客流量的概率分布模型，从而优化城市空间布局和交通组织。

四、案例分析以某城市的公共交通客流分配为例，通过正态分布概率分配模型进行分析和建立客流分配模型，以指导公共交通服务的优化和规划。

分配资源价值评价技术与分配模型

动态规划模型的特点是采用自底向上的递推方式，逐步求解子问题的最优解，并利用这些最优解来求解更大规模的问题。动态规划模型的每个子问题都对应一个阶段的最优解。
动态规划模型的应用范围广泛，包括背包问题、路径问题、排序问题等。在分配资源价值评价中，动态规划模型可以用来确定最优的资源分配方案，以实现资源价值最大化。
间接成本法
考虑资源的间接成本，如机会成本、未来收益等，以更全面地评估资源价值。
基于收益的评价方法
静态收益法
评估资源在某一时间段内所能带来的直接收益，如销售收入、节约的成本等。
动态收益法
考虑资源的长期收益和未来发展潜力，以更准确地评估资源价值。
基于权重的评价方法
权重评分法
根据资源的重要性和对组织的贡献程度，为资源分配权重，再根据权重进行价值评估。
04
实证分析
数据来源与处理
数据来源
收集了某公司近五年的财务数据，包括收入、支出、利润等，以及公司员工的基本信息，如年龄、性别、学历等。
数据处理
对收集到的数据进行清洗和整理，确保数据的准确性和完整性。同时，将数据分为训练集和测试集，以便后续的模型训练和评估。
实证结果
模型训练
01
使用机器学习算法对训练集数据进行训练，得到一个能够预测
VS
在学术领域，分配资源价值评价技术与分配模型也是研究的热点问题之一。通过对该领域的研究，可以更好地理解资源分配的本质和规律，为实际应用提供理论支持和指导。
研究内容与方法
研究内容
本研究旨在探讨分配资源价值评价技术与分配模型的相关问题。具体研究内容包括：1) 分析现有分配模型的优缺点和适用范围；2) 研究基于不同评价准则的资源价值评价方法；3) 构建综合考虑多种因素的综合分配模型；4) 通过实例应用验证模型的可行性和有效性。

收入和财富分配模型

收入和财富分配模型
收入和财富分配模型是研究和描述一个国家、地区或组织内收入和财富分配情况的理论框架。

这些模型旨在解释为什么个人和家庭能够获得不同的收入和财富水平，并研究这些差距的影响和可能的解决方案。

以下是一些常见的收入和财富分配模型：
1. 边际效用理论：边际效用理论认为，人民会根据他们对不同商品或服务的边际效用来进行消费决策，进而影响他们的收入和财富水平。

2. 生产要素理论：生产要素理论关注不同生产要素（如劳动、土地、资本）的贡献，并根据这些贡献来分配收入和财富。

3. 简单分配模型：这种模型假设收入和财富是均匀分配的，没有考虑到不同个体的努力、技能或其他因素。

4. 资源分配模型：资源分配模型考虑到各种因素（如教育、技能、机会等）对收入和财富的影响，并分析这些因素之间的关系。

5. 随机分配模型：随机分配模型指出收入和财富分配是一个随机的过程，不仅受到个人能力和努力的影响，还受到机会和运气的影响。

6. 政策影响模型：政策影响模型研究不同经济政策对收入和财
富分配的影响，例如税收制度、福利政策和教育政策等。

这些模型各自有不同的假设和方法，用于解释和预测社会中的收入和财富分配情况。

在实际应用中，研究人员可以结合多个模型，以获取更全面的理解和指导。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

能出
出比
简单、不易出错
评较
缺点对各个行方案价进、
全做行
适用范围在不要求对各个全程方案做出评价、进行比较时使用
‘。。能对各个全程在要求对各个全程霖ｒ毙；，！什产．Ｙ繁琐、Ｌ出行方案做出ｎ容易出错方案做出评价、进ＶＣ片心ｔ，ｃＡ１Ｗｆｓ二Ｕｉ？ｉ｝口斗ｉ汀７，Ｘ
表１两种决策方法的特点和适用范围
项目优点
不程
图１运输网络
首先选择合理的出行路径。对于本图的运输网络，可以确定１９到之间的合理路线如下：１２－－
３６９１２５６９１２５８９１４５６９１－－，－－－，－－－，－－－，－－－一
用等）；
ｅ分配参数； — ｍ — 合理出行路线条数。出行者在确定自己的出行目的地之后，即开始进行路线选择。由于交通网络比较复杂，往往包含
从上面的介绍可以看出，两种分配方法的结果基本是相同的。然而，由于单阶段决策分配法较好地考察了最短路因素，比较符合交通状况随机变化比较小的规划，或者出行距离较长的出行，但是单阶段决策法存在确定合理出行路线比较复杂和主观的问题。而多阶段决策分配法较好地考虑了道路交通的随机变化因素，是用于出行距离较短、交通状况随机变化大的情况。但是这种方法有时不能获得合理
意义。
关键词：静态多路径；交通分配；决策；模型中图分类号：１Ｕ２文献标识码：Ｂ文章编号：０－７６２０）００５－３１２４８（０３１－００００
《交通标准华髓二００三年第＋期
ＡｅＳａｉＭｕｔｌＲｕｅａｆＡｓｎｎＭｅｏＮｗｔｔｃｌｐｅｔＴｆｃｉｍｅｔｔｄｉｏｒｉｓｇｈ
ＬＵａ－ａ，ＩＢｏｈｉＨａｇ一ａｎＸｎｉＩＸｏｙｎＪａ－ｕ，ｕｉＮｉｎ
（ｃｏｌＴａｓｒｔｎｄｆＳｕｗｓＪｏｎＵｉｒｔ，ｎｄ６０３，ｈａＳｈｏｏｒｐｔｉａＴａｉｏｔｅｉｔｇｖｓｙＣｅｇｕ０１Ｃｉｆｎｏａｏｎｒｆｃｈｔｏｎｅｉｈａ１ｎ
Ｋｙｒ：ｉｕｉｅｅｒｆａｓｎｅｔｅｉｏａｉ；ｈｓｓｔｍｌｐｒｔ；ｔｆｃｉｍｎ；ｄｃｉｍｋｇｍｔｄｅｗｄｔｃｔｌｏｏａｕａｉｓｇｓｎｎｅｏ
求有较高速度，还应有较优的可行解，但由于计算机存储空间及数学计算能力的限制，“ 快、优”很（ｒＧｎｒｉ）出行分布（ｒＤｓｉｔｎ、方Ｔｉｅｅｔｎ、ｐａｏＴｉｉｒｕｏ）ｐｔｉｂ式选择（ｏｅｉ、出行分配（ｒＡｓｎｅｔＭｄＳｌ）ｐｔＴｉｓｇｍｎ＂难达到，因此在实际的运输需求预测及工程规划ｐｉ）四个阶段，将未来各个交通区的运输发生总量分配中，出行分配预测应用模拟方法的情况比较多，其到运输网络的具体路段上，以此来获得各路段和节中最常用的是两类静态多路径出行分配模型。点上的流量。由于对这两类模型在认识上存在一定误区，人对于出行分配预测，常用的分析方法包括模拟们无法确定预测的精度，没有评判选择模型优劣的方法和数学规划模型方法。数学规划模型方法又包具体标准，更没有将以个人出行行为为基础的理论括线性模型和非线性模型。从理论上说，线性模型引人宏观的出行分配模型，因此预测结果无法使人可用改进的单纯形法和对偶单纯形法进行求解，但信服。本文运用决策理论的思想对现有的两类静态由于维数很高，约束条件很多，求解并非易事。非多路径交通分配方法进行对比分析，提出了决策系线性模型则可用Ｆａｋｌ算法、对偶改进算ｒ－ｆｎＷｏｅ数的概念，将出行者个人行为引人交通分配模型，建立了一种新的静态多路径交通分配模型，使交通法、Ｌｇｎｅａｒｇ算法等，ａ将非线性模型转换为线性模
】「ＵＩＩ工＇１卜门｝２Ｉ心１儿１Ｌ３如几人目ＪｍＭ
《交通标准化》黔二００三年第＋期
３新的交通分配模型由于最短路因素和随机因素始终存在于出行者
４５８９１４７８９－－－，－－－共六条。－分别计算各条路线的出行时间，然后代入公式（），则可得出各条路线被选择的概率，最后１计算可统计出各条路线以及各路段的交通量数据。具体计算结果见表２。图２为路网上分配的流量。
２分析评价
豁二
００三年第十期
各出行路线被选用的概率可采用下面的Ｌｇｏｉｔ
型的路径选择模型计算：
Ｐ（ｒ，一种
ｓ）ｘ［－ｋ／／ｘ［＂ｉｔ．，ｐＯ（）］艺ｅ－ｔ）］．ｋ＝－ｔｉｅｐＯ（／．
一
Ｐｒ，）Ｏｒｓ在第ｋ（，ｋ— ｓＤ量Ｔ，（）条出行路线上的分配率；ｔ）第条出行路线的路权（ｋ（— ｋ行驶时间、费用等）；ｔ各出行路线的平均路权（一行驶时间、费
万方数据
的出行结果，并且缺乏合理解释。按照决策学的解释，这种情况是由于多阶段决策不能获得全局的最优解导致的。
根据决策学的理论，寻找效用值最大方案的方法有两种：一种是逐段回顾比较法（多阶段决策法），一种是全程一次比较法（单阶段决策法）。在功能上，两种方法是等价的；在其他某些方面，两种方法则各有不同的优点、缺点、适用范围。表１列出了两种方法的特点和适用范围。
ＡｓａｔｈｒｃｕｄｃｉａｉｔｒｓｇｔｏｔｓｎａａｚｔｗｔｓＴｉａｉｅｓｉｏｍｋｇｏ ’ ｔｕｈｔｃｎａａｄｌｅｔｏｅｏｂｔｃｒ：ｓｌｓｅｓｎｎｈｙｈｔｅｅｏｏｒｔｎｙｈｅｙｐｆｐｃｃｅｓｎｓｔｍｌｌｒｔｔｆａｉｍｎｍｔｄｒｇｏｔｏｃｔｄｃｉ－ａｉｒｔａｘｔｇｉｕｉｅｅｆｓｇｅｔｈ，ｂｎｓａｅｏｅｉｏｍｋｇａｉｌｉｔｃｔｏｒｉｓｎｉａｐｕａｃｅｏｉｕｃｎｐｆｓｎｎｃｅｃｎ，ｎｏｕｅｔｖｌｓｎｉｄａｂｈｖｒｔｆａｉｍｎｍｄｌｆｎｓｅｓｔｍｌ－ｏｆｉｔｉｒｃｓｅｒ’ｉｖｕｌａｉｔｒｆｓｇｅｔｅ，ｏｄａｔｉｕｉｉｆｅｔｄｒｅａｄｉｅｏｏｉｓｎａｃｏｕｎｗｃｔａｐｒｔａｉｍｎｍｔｄＴｒｇｔｓｔｆｄｍｎｆｅａ ’ ｏｔｍｉｍｒａｕｔｏｓｌｏｅｇｅｔｈ．ｏｈｔｒｆｅａｄｃｓｓｃｅｏｃｒｅｅｕｓｎｓｅｏｈｕｈｈａｃｉｅｉｏｔｕｏｓｅａ，ｓｔｒｃｈｉａｉｅｅｃｃｌｎｃｎｅｒｃｈｖｐｔａｓｉａｃ．ｔｌａｒｉｉｆａｇｉ
数百个或上千个交通节点，每一ＯＤ点对之间具有很多不同的出行路线，尤其是长距离的出行。因此，用本模型分配时，首先必须确定每一Ｏ（，Ｄｓｒ）点对之间的合理出行路线。在实际应用中合理出行路线可以通过交通调查获得。
此模型适用于区域路网规划或者区域间的大型
运输线路建设的可行性研究，即适用于出行者选择出行路线时受交通的随机变化影响较小的情况，应用时需要考察出行者对路网情况的熟知程度（２ｌ０１信息不充足条件下的多阶段独立决策．２多阶段独立决策模型主要考虑随机因素，出行者在整个出行过程中要进行多次出行路线选择。出行者从他们的出行起点ｒ到达出行终点ｓ，需经过一系列的交通节点（交叉口），每到一个交通节点，都必须做出选择，在该点所邻接的有效路段中选择一条路段作为他出行路线的一部分，继续进
目前，国内外一般采用以集合分析思想为指导，包含各类预测方法和模型在内的四阶段预测法进行运输需求预测。四阶段预测法通过 “ 出行生成
型求解。然而在实际应用中，求解数学规划模型不仅要
万方数据
需求预测的结果更加精确，具有一定的实际意义。１现有的两类静态多路径交通分配模型简介出行分配过程的关键是确定出行的主体（主要是人）选择路径的规则，只有符合出行路径选择规则的模型，才能较好地模拟出行者在路网上的运动过程，出行分配的结果才能更加真实。由出行者的路径选择特性可知，出行者总是希望选择最合适（最短、最快、最方便、最舒适等）的路线出行，称之为最短路因素，但由于交通网络的复杂性及交通状况的随机性，出行者在选择出行路线时往往带有不确定性，称之为随机因素。这两种因素存在于出行者的整个出行过程中。从某种意义上说，出行分配过程也就是出行者选择出行路径的过程。这一过程也可称为出行者决策过程，即出行者根据他获得的信息或者经验来选取最适合他的出行路线。本文所考察的两类静态多路径分配问题从决策学的角度考虑属于信息不充足条件下的独立决策问题，即出行者兼顾利害关系，权衡各个出行方案的广泛影响性和随机性，然后选择他的具体出行路线。按照决策学的原理，这一决策过程可以分为单阶段决策和多阶段决策两种类型。单阶段决策是指整个出行过程中出行者只作一次出行路线选择决策，而多阶段决策则是指整个出行过程中出行者要作多次出行路线选择过程１１１，１信息不充足条件下的单阶段独立决策．１单阶段独立决策模型主要考虑出行的最短路因素，出行者只在出行前作一次路线选择。