王立曉，蓋筱培，孫小慧

(新疆大學(xué) 建筑工程學(xué)院，新疆維吾爾自治區(qū) 烏魯木齊 830047)

如今，由于城市化進(jìn)程的加快，地鐵憑借其快速、準(zhǔn)時(shí)等優(yōu)點(diǎn)，成為公共交通發(fā)展的主要方式，有效地緩解了城市交通擁堵問題。然而地鐵站人流量較大，空間密閉，一旦發(fā)生突發(fā)事件，通常會(huì)造成重大的人員傷亡和經(jīng)濟(jì)損失[1]。因此地鐵人員應(yīng)急疏散問題，已成為國內(nèi)外學(xué)者研究的熱點(diǎn)[2]。

在應(yīng)急疏散研究中，部分學(xué)者基于離散選擇模型進(jìn)行分析。傳統(tǒng)的離散選擇模型通常假設(shè)決策者是完全理性的，以效用最大化作為決策依據(jù)[3]。現(xiàn)實(shí)中，在突發(fā)事件情況下，決策者難以獲得完全的信息，也無法做出完全理性的決策，考慮到完全理性的局限性，20世紀(jì)40年代，SIMON[4]首次提出了有限理性。部分學(xué)者基于有限理性假設(shè)，提出了新的風(fēng)險(xiǎn)決策理論：前景理論和后悔理論[5]。由于各決策理論研究假設(shè)的不同，決策規(guī)則存在差異，近年來，在選擇行為研究中，決策規(guī)則之間的異質(zhì)性引起了廣泛關(guān)注[6]。伍健民[7]通過建立隨機(jī)效用最大化模型、隨機(jī)后悔最小化模型和混合離散選擇模型，說明決策者在進(jìn)行路徑選擇時(shí)確實(shí)存在決策規(guī)則異質(zhì)性。部分學(xué)者認(rèn)為決策規(guī)則的異質(zhì)性與決策者的選擇偏好有關(guān)。例如，HESS等[8-9]建立隨機(jī)效用最大化模型和隨機(jī)后悔最小化模型進(jìn)行對比，認(rèn)為個(gè)體在決策過程中會(huì)存在決策規(guī)則異質(zhì)性的問題，不同的決策者可能會(huì)采用不同的決策規(guī)則，并認(rèn)為決策者性格特質(zhì)可以解釋決策規(guī)則異質(zhì)性。部分學(xué)者認(rèn)為決策規(guī)則的異質(zhì)性與決策環(huán)境有關(guān)。例如，CHARONITI[10]研究到達(dá)時(shí)間變化和選擇環(huán)境對路徑選擇的共同影響，建立路徑選擇的混合模型，結(jié)果表明不同決策者在不同選擇情景中的決策規(guī)則不同。因此，決策者的選擇偏好和決策環(huán)境差異等都可能會(huì)使決策規(guī)則存在異質(zhì)性，目前的研究多是基于出行選擇行為，本研究需進(jìn)一步探索驗(yàn)證在地鐵應(yīng)急疏散中決策規(guī)則異質(zhì)性。

本研究通過考慮決策者的選擇偏好與所面臨決策環(huán)境的差異性，從相同決策者在不同情景下和不同決策者在相同情景下遵循的決策規(guī)則兩個(gè)角度出發(fā)，應(yīng)用上海世紀(jì)大道地鐵站問卷調(diào)查數(shù)據(jù)，分別建立混合Logit模型(ML)、廣義隨機(jī)后悔最小化模型(GRRM)和前景理論模型(PT)，深入探索決策者的選擇偏好和決策環(huán)境的差異對決策規(guī)則異質(zhì)性的影響，為應(yīng)急疏散管理策略提供理論依據(jù)。

1 模型構(gòu)建

本研究分別基于隨機(jī)效用理論、后悔理論和前景理論，構(gòu)建混合Logit模型、廣義隨機(jī)后悔最小化模型和前景理論模型，并進(jìn)行對比，下面對3種模型進(jìn)行簡要介紹。

1.1 隨機(jī)效用理論

隨機(jī)效用理論通常將效用函數(shù)U分為固定項(xiàng)和隨機(jī)項(xiàng)兩部分。因此，如果假設(shè)決策者n選擇方案i的效用為Uni，則Uni表示為[11]：

Uni=Vni+εni

(1)

式中：Vni為決策者n選擇方案i的效用函數(shù)中的固定項(xiàng)；εni為決策者n選擇方案i的效用函數(shù)中的隨機(jī)項(xiàng)。

Luce通過對隨機(jī)項(xiàng)的假設(shè)推導(dǎo)得到多項(xiàng)Logit模型，但該模型不能考慮決策者的異質(zhì)性，存在隨機(jī)項(xiàng)獨(dú)立假設(shè)帶來的限制[12]。隨后提出的混合Logit模型可以精確的反映個(gè)體的異質(zhì)性，具有高度靈活性，可以通過任何形式的分布進(jìn)行表示，如正態(tài)分布、均勻分布等。

混合Logit模型中的效用固定項(xiàng)表示為：

Vni=βnxni

(2)

其中，xni表示決策者n選擇方案i的屬性變量；βn表示屬性變量的隨機(jī)系數(shù)。此時(shí)，決策者n選擇方案i的概率Pni可以表示為：

(3)

其中，f(βθ)dβ表示β服從分布概率密度函數(shù)。

1.2 后悔理論模型

后悔理論的核心思想是：決策者會(huì)對自己所選方案可能產(chǎn)生的結(jié)果與其他未選方案可能產(chǎn)生的結(jié)果進(jìn)行比較，若發(fā)現(xiàn)選擇其他方案會(huì)獲得更好的結(jié)果，其內(nèi)心會(huì)感到后悔，反之，會(huì)感到欣喜，該理論以后悔值最小為決策規(guī)則[13]?；诤蠡诶碚摻⒌暮蠡谀Ｐ?，根據(jù)似然函數(shù)的不同，分為經(jīng)典隨機(jī)后悔最小化模型、廣義隨機(jī)后悔最小化模型，其中，廣義隨機(jī)后悔最小化模型有光滑的似然函數(shù)，假定所有未選擇方案影響決策者預(yù)期后悔值，相比于經(jīng)典隨機(jī)后悔最小化模型，不同的屬性有不同的后悔權(quán)重，該模型的后悔值隨屬性值的變化呈非線性變化，更加靈活，也更符合決策者的心理[14]。本研究采用廣義隨機(jī)后悔最小化模型(GRRM)，該模型的表達(dá)式如式(4)所示：

RRi=Ri+εi=

(4)

式中：RRi表示方案i的隨機(jī)后悔值；γm表示屬性m的后悔權(quán)重；βm表示屬性m的感知參數(shù)；xjm、xim分別表示方案j和方案i的m屬性的屬性值。

1.3 前景理論模型

前景理論認(rèn)為決策者在做決策時(shí)會(huì)設(shè)定一個(gè)參照點(diǎn)，將決策的各種可能結(jié)果編輯為相對于參照點(diǎn)的收益和損失[15]，根據(jù)價(jià)值函數(shù)和決策權(quán)重函數(shù)得到各備選方案的前景值，并且遵循前景值最大的決策規(guī)則。前景理論中的參照點(diǎn)有靜態(tài)參照點(diǎn)、動(dòng)態(tài)參照點(diǎn)、同質(zhì)性參照點(diǎn)、異質(zhì)性參照點(diǎn)，由于動(dòng)態(tài)異質(zhì)性參照點(diǎn)考慮決策者的異質(zhì)性與所面臨決策環(huán)境的差異性，本研究建立基于動(dòng)態(tài)異質(zhì)性參照點(diǎn)的前景理論模型。

根據(jù)出行路徑選擇中參照點(diǎn)的設(shè)置方法，如式(5)所示，首先設(shè)置動(dòng)態(tài)參照點(diǎn)。

(5)

式中：Ti，free表示自由流時(shí)間；β表示路徑參數(shù)；N為備選路徑個(gè)數(shù)。本研究以某一備選方案作為參照組，以該備選方案的屬性分別代替自由流時(shí)間Ti，free。對于每一個(gè)個(gè)體，每一個(gè)方案屬性都會(huì)有一個(gè)參照點(diǎn)，隨方案的變化而變化。

其次設(shè)置異質(zhì)性參照點(diǎn)。在動(dòng)態(tài)參照點(diǎn)的基礎(chǔ)上，考慮決策者的個(gè)人屬性，用決策者n的個(gè)人屬性參數(shù)代替路徑參數(shù)β，反映決策者的個(gè)體異質(zhì)性，表達(dá)式為：

βn=βn1xn1+…+βnixni+…βnIxnI=

(6)

式中：xni表示決策者n的第i個(gè)個(gè)人屬性值；βni表示對應(yīng)的個(gè)人屬性的參數(shù)，該參數(shù)通過Logit回歸得到。

經(jīng)過上式計(jì)算，將βn帶入到式(7)至式(10)中計(jì)算每一個(gè)體、每一個(gè)方案屬性的參照點(diǎn)，然后得到各決策者各方案屬性的動(dòng)態(tài)異質(zhì)性參照點(diǎn)，公式(8)～式(11)如下所示：

(7)

(8)

(9)

(10)

其中，Ci，vis、Ci，guide、Ci，quetime和Ci，distance分別表示參照組中能見度、疏散引導(dǎo)、排隊(duì)時(shí)間和到出口距離的數(shù)值；βn為決策者n的個(gè)人屬性參數(shù)，同質(zhì)參照點(diǎn)即βn=0，不考慮決策者的個(gè)人屬性。價(jià)值函數(shù)和權(quán)重函數(shù)表達(dá)式如式(11)和(12)所示：

(11)

(12)

其中，x是表面價(jià)值的得失；α和β為風(fēng)險(xiǎn)態(tài)度系數(shù)；λ為損失規(guī)避系數(shù)；γ和δ為風(fēng)險(xiǎn)態(tài)度系數(shù)；p為某件事發(fā)生的概率。

2 問卷調(diào)查

2.1 問卷設(shè)計(jì)和調(diào)查

由于無法獲得應(yīng)急疏散條件下的數(shù)據(jù)，本研究在常規(guī)條件下，采用RP和SP相結(jié)合的方法進(jìn)行問卷調(diào)查。乘客在地鐵站中的出口選擇行為是研究應(yīng)急疏散的方向之一，在多出口空間布局的環(huán)境中，一旦發(fā)生突發(fā)事件，設(shè)施服務(wù)水平和行人通行能力急劇下降，極易發(fā)生擁擠踩踏等事故[16]。因此，該問卷主要調(diào)查決策者對地鐵的出口選擇行為。

通過對現(xiàn)有研究的分析與總結(jié)，影響決策者對地鐵應(yīng)急疏散出口選擇的因素主要包括：①?zèng)Q策者的個(gè)人屬性，如性別、年齡、職業(yè)、受教育水平、家庭年收入與是否參加過安全教育培訓(xùn)等[17]；②決策者的出行屬性，如到該地鐵站的目的和到該地鐵站的頻率等；③方案屬性，如能見度、疏散引導(dǎo)、排隊(duì)時(shí)間、到出口的距離，預(yù)測排隊(duì)時(shí)間準(zhǔn)確性等[18-20]。問卷分為3部分，第一部分為決策者的個(gè)人屬性、出行屬性與對方案屬性重視程度的判斷，第二部分為選擇方案的情景部分；第三部分是為前景理論價(jià)值函數(shù)參數(shù)標(biāo)定設(shè)置的問題。問卷中設(shè)置了A和B兩類出口，到A類出口的距離比到B類出口的距離短。

本次調(diào)查采用實(shí)地調(diào)查，在上海世紀(jì)大道地鐵站進(jìn)行。世紀(jì)大道站是全國最大的四線三層換乘車站，也是上海軌道交通系統(tǒng)最大的換乘站，地鐵站靠近陸家嘴，周邊有許多購物、娛樂、餐飲設(shè)施與辦公樓等，人流量較大，地鐵出行的需求較大。調(diào)查時(shí)，對乘坐地鐵的乘客進(jìn)行隨機(jī)選取，讓其填寫問卷，剔除題目回答缺失與所勾選的皆為同一個(gè)選項(xiàng)的問卷，共回收有效問卷1 108份。

2.2 樣本數(shù)據(jù)統(tǒng)計(jì)

調(diào)查數(shù)據(jù)的變量設(shè)置和樣本描述性統(tǒng)計(jì)如表1所示。

本次調(diào)查收集樣本男女比例約為1:1，與上海人口統(tǒng)計(jì)比例基本一致；18～60歲的被調(diào)查者占比80.15%，18歲以下和60歲以上的被調(diào)查者占比19.85%，與地鐵出行人群的年齡分布基本保持一致；總體職業(yè)分布以企業(yè)單位人員居多，符合上海市的實(shí)際情況；總體樣本受教育水平以本科為主；收入分布以15～25萬最多，0～8萬最少；到該地鐵站的目的為購物餐飲娛樂的被調(diào)查者占比最多；被調(diào)查者到該站的頻率分布相對比較均勻。根據(jù)以上數(shù)據(jù)分析可知，調(diào)查樣本具有一定的代表性。

3 模型結(jié)果分析與對比

3.1 模型結(jié)果分析

3.1.1混合Logit模型

在構(gòu)建ML模型過程中，根據(jù)變量的影響程度，對變量水平重新分組，最終選擇的變量如表2所示。根據(jù)調(diào)查數(shù)據(jù)，運(yùn)用stata軟件，以B類出口為參照，對ML模型變量的系數(shù)進(jìn)行估計(jì)，結(jié)果如表2所示。

在本研究中，將能見度、疏散指導(dǎo)、排隊(duì)時(shí)間和到出口的距離設(shè)為隨機(jī)變量，其系數(shù)服從正態(tài)分布，其余變量設(shè)為固定變量。參數(shù)估計(jì)的系數(shù)為正，說明變量與選項(xiàng)正相關(guān)，反之，為負(fù)相關(guān)，系數(shù)值的大小說明影響程度的大小。例如，排隊(duì)時(shí)間參數(shù)估計(jì)系數(shù)為負(fù)值，說明隨著排隊(duì)時(shí)間的增加，決策者越不傾向于選擇該方案。根據(jù)問卷調(diào)查數(shù)據(jù)的統(tǒng)計(jì)分析結(jié)果，排隊(duì)時(shí)間為3-6 min時(shí)，選擇A類出口的概率為19.9%，與隨著排隊(duì)時(shí)間增加，選擇該出口的概率降低相符。能見度、疏散指導(dǎo)、排隊(duì)時(shí)間和到出口距離方差對方案的選擇影響顯著，說明決策者存在個(gè)體選擇偏好的差異。

3.1.2廣義隨機(jī)后悔最小化模型

本研究采用廣義隨機(jī)后悔最小化理論不涉及決策者的個(gè)人屬性，僅考慮方案屬性，對GRRM模型的參數(shù)進(jìn)行估計(jì)，如表3所示。

表3中，GRRM模型的R2值和調(diào)整后的R2值分別為0.239和0.236，一般認(rèn)為R2值在0.2至0.4之間時(shí)模型擬合較好，因此該模型具有較好的擬合效果。BEV、BEG、BQT和BED分別表示能見度、疏散指導(dǎo)、排隊(duì)時(shí)間和到出口的距離4個(gè)方案屬性的權(quán)重，且影響顯著。

表3 GRRM模型參數(shù)估計(jì)結(jié)果Table 3 Parameter estimation results of GRRM model變量回歸系數(shù)標(biāo)準(zhǔn)誤差T檢驗(yàn)P值穩(wěn)健標(biāo)準(zhǔn)誤穩(wěn)健t檢驗(yàn)P值BEV-0.2480.018 3-13.590.000.018 7-13.280.00BEG-0.4640.035 3-13.170.000.035 7-13.010.00BQT-0.3170.016 4-19.270.000.016 3-19.390.00BED-0.1840.026 6-6.940.000.026 7-6.890.00注:似然比檢驗(yàn)為859.298,偽R2為0.239,調(diào)整后的偽R2為0.236。

3.1.3前景理論模型

本研究基于Kahneaman和Tversky概率權(quán)重函數(shù)中的參數(shù)估計(jì)值γ=0.61，δ=0.69，根據(jù)調(diào)查數(shù)據(jù)，運(yùn)用LINGO軟件，依照徐紅利[21]的思路，對價(jià)值函數(shù)參數(shù)進(jìn)行標(biāo)定，得到α=0.28，β=0.35，λ=1.36。根據(jù)本研究標(biāo)定結(jié)果與Kahneaman、Tversky(α=0.88，β=0.88，λ=2.25)標(biāo)定結(jié)果，運(yùn)用Sketchpad繪圖軟件進(jìn)行繪圖，如圖1所示，標(biāo)定結(jié)果近似呈“S”形，符合Kahneaman和Tversky假設(shè)的價(jià)值函數(shù)形狀。

圖1 價(jià)值函數(shù)曲線圖

3.2 模型結(jié)果對比

本研究假設(shè)決策者遵循單一的決策規(guī)則，分別從相同決策者在不同情景中的決策規(guī)則和不同決策者在相同情景中的決策規(guī)則兩方面，研究在地鐵應(yīng)急疏散中決策者對出口選擇的決策規(guī)則異質(zhì)性。

3.2.1相同決策者的比較

本小結(jié)研究相同決策者在不同情景中遵循的決策規(guī)則。由于隨機(jī)效用、后悔理論調(diào)查問卷與前景理論的調(diào)查問卷不同，為了進(jìn)行比較，本研究選擇方案屬性值相同的情景，如表4所示。相同決策者在不同情景中各模型出口預(yù)測選擇比例和實(shí)際選擇比例如表5所示。

表4 選擇情景設(shè)置Table 4 Select scenario Settings情景編號能見度疏散引導(dǎo)排隊(duì)時(shí)間/min到出口的距離/m準(zhǔn)確性模型1高有>3300/ML、GRRM高有>330080%PT2低無<1300/ML、GRRM低無<130070%PT3一般無>3350/ML、GRRM一般無>335090%PT4一般有<1400/ML、GRRM一般有<140080%PT5低無<1500/ML、GRRM低無<150070%PT

表5 不同情景中的出口選擇比例Table 5 The proportion of exit selection in different scenarios情景編號實(shí)際選擇比例/%ML預(yù)測選擇比例/%GRRM預(yù)測選擇比例/%PT實(shí)際選擇比例/%PT預(yù)測選擇比例/%159.761.659.766.591.1245.748.347.728.557.937.99.410.214.413.1471.677.582.575.626.7520.118.022.333.58.9

在確定決策者的決策規(guī)則時(shí)采用誤差絕對值最小的方法，即將實(shí)際選擇比例與預(yù)測選擇比例之間的誤差絕對值最小的模型所遵循的決策規(guī)則，作為決策者的主流決策規(guī)則，誤差的大小可以衡量模型的準(zhǔn)確度。不同情景中各模型的誤差和決策者的決策規(guī)則如表6所示。

從表6的統(tǒng)計(jì)結(jié)果可以看出，相同決策者在不同情景中進(jìn)行決策時(shí)采取的決策規(guī)則存在差別。相同決策者在到出口距離較近(300 m)的情景中遵

表6 各模型的誤差和決策者的決策規(guī)則Table 6 The error of each model and the decision rules of the decision maker情景編號ML誤差GRRM誤差PT誤差決策規(guī)則10.0190.0000.246后悔最小20.0260.0200.294后悔最小30.0150.0230.013前景最大40.0590.1090.489效用最大50.0210.0220.246效用最大

循后悔最小，在到出口距離較遠(yuǎn)(350 m)的情景中遵循前景最大，在到出口距離更遠(yuǎn)(400 m和500 m)的情景中遵循效用最大的決策規(guī)則。相同決策者在不同情景中的決策規(guī)則不同與決策者的選擇偏好有關(guān)，例如與年輕人相比，中老年人可能會(huì)比較在意到出口的距離，這與問卷調(diào)查數(shù)據(jù)中，60歲以上的被調(diào)查者選擇距離較近的A類出口的概率為63.4%相符；與經(jīng)常來的乘客相比，第一次來和來過一兩次的乘客可能會(huì)對有無疏散指導(dǎo)比較在意，這與問卷調(diào)查數(shù)據(jù)中，到該地鐵站的頻率為第一次來和來過一兩次的乘客，選擇有疏散指導(dǎo)的出口概率為63.3%相符。情景1和情景2到出口距離相同，都是A類出口，除到出口距離之外，情景1遠(yuǎn)遠(yuǎn)優(yōu)于情景2，選擇情景1的概率為59.7%，情景2的選擇概率為35.2%。選擇情景2的被調(diào)查者中，來過一兩次的乘客占比37.4%，1/7 d/周的乘客占比62.6%，說明決策者的選擇偏好不同，這與決策者的個(gè)人屬性有關(guān)。

3.2.2不同決策者的比較

本小結(jié)研究不同決策者在相同情景中遵循的決策規(guī)則。根據(jù)ML模型參數(shù)回歸的結(jié)果，本研究選擇到該站的目的和到該站的頻率，按照不同水平將決策者劃分為9類，見表7。

表7 決策者類別劃分Table 7 Categories of decision makers個(gè)人屬性到該站的目的到該站的頻率決策者類別第一次來、來過一兩次第一類通勤、上/下學(xué)1～4 d/周第二類幾乎每天來第三類第一次來、來過一兩次第四類購物餐飲娛樂1～4 d/周第五類幾乎每天來第六類第一次來、來過一兩次第七類換乘和其他1～4 d/周第八類幾乎每天來第九類

根據(jù)表7中的分類和調(diào)查問卷的數(shù)據(jù)，可以得到不同類別的決策者在相同情景下的模型實(shí)際選擇比例和預(yù)測選擇比例，如表8所示。不同決策者在各模型中的誤差和決策規(guī)則如表9所示。

表8 不同類別決策者出口A的選擇比例和預(yù)測比例Table 8 The selection proportion and forecast proportion of ex-it A of different types of decision-makers決策者類別ML模型/%GRRM模型/%PT模型/%實(shí)際比例預(yù)測比例實(shí)際比例預(yù)測比例實(shí)際比例預(yù)測比例第一類54.151.046.740.054.150.0第二類54.055.946.437.554.042.1第三類64.858.047.042.464.856.8第四類63.168.143.539.363.156.9第五類67.476.546.938.867.455.7第六類50.964.839.741.450.944.4第七類66.369.545.337.166.369.1第八類64.571.943.538.164.562.5第九類64.362.944.942.164.358.7

表9 各模型的誤差和決策者的決策規(guī)則Table 9 The error of each model and the decision rules of the decision mak決策者類別ML模型誤差GRRM模型誤差PT模型誤差決策規(guī)則第一類0.0310.0410.067效用最大第二類0.0190.1190.089效用最大第三類0.0800.0800.046前景最大第四類0.0500.0620.042前景最大第五類0.0910.1170.081前景最大第六類0.1390.0650.017前景最大第七類0.0320.0280.082后悔最小第八類0.0740.0200.054后悔最小第九類0.0140.0560.028效用最大

從表9的統(tǒng)計(jì)結(jié)果可以看出，不同類別的決策者在相同的決策情景中進(jìn)行決策時(shí)所采取的決策規(guī)則也存在明顯的差別。到該地鐵站的目的為通勤、上/下學(xué)且到該站的頻率并非幾乎每天來(即第一類和第二類)的決策者，及到該站的目的為換乘或其他且?guī)缀趺刻靵?即第九類)的決策者，在相同的情景中均遵循效用最大的決策規(guī)則；到該站的目的為通勤或上/下學(xué)且?guī)缀趺刻靵?即第三類)的決策者，以及到該地鐵站的目的為購物餐飲娛樂(即第四、第五和第六類)的決策者，在相同的情景中遵循前景最大的決策規(guī)則；到該站的目的為換乘或其他但并非幾乎每天來(即第七類和第八類)的決策者，在相同的情景中遵循后悔最小的決策規(guī)則。不同類別的決策者在相同的決策情景中遵循不同的決策規(guī)則，這與決策環(huán)境有關(guān)。例如到該地鐵站的目的為通勤、上/下學(xué)且到該站的頻率幾乎每天來的決策者，更看重到出口的距離這一方案屬性，這與問卷調(diào)查數(shù)據(jù)中，該類決策者選擇距離短的A類出口的概率為67.8%相符。

4 結(jié)論

關(guān)于應(yīng)急疏散行為選擇研究，以往的研究中很少考慮決策者決策規(guī)則的異質(zhì)性。本研究基于問卷調(diào)查的數(shù)據(jù)，考慮決策者的個(gè)體選擇偏好與決策環(huán)境的差異，分別建立混合Logit模型、廣義隨機(jī)后悔最小化模型和前景理論模型，探討地鐵應(yīng)急疏散選擇行為中決策規(guī)則的異質(zhì)性，得出以下結(jié)論：

a.相同決策者在不同情景中遵循的決策規(guī)則不同，相同決策者在到出口距離較近(300 m)的情景中遵循后悔最小，在到出口距離較遠(yuǎn)(350 m)的情景中遵循前景最大，在到出口距離更遠(yuǎn)(400 m和500 m)的情景中遵循效用最大的決策規(guī)則，這與決策者選擇偏好有關(guān)。

b.不同決策者在相同情景中遵循的決策規(guī)則不同，到該站的目的為通勤、上/下學(xué)但并非幾乎每天都來的決策者在相同情景中遵循效用最大，到該站的目的為購物餐飲娛樂的決策者在相同情景中遵循前景最大，換乘或其他的決策者在相同情景中遵循后悔最小的決策規(guī)則，這與決策環(huán)境有關(guān)。

綜上可知，在地鐵應(yīng)急疏散選擇行為研究中，決策者采取的決策規(guī)則具有異質(zhì)性。決策者作為決策的主體，決策者的選擇偏好決定決策行為，環(huán)境的改變也會(huì)影響決策者做出的選擇，決策者選擇偏好和決策環(huán)境均會(huì)影響決策者所采取的決策規(guī)則。決策規(guī)則的異質(zhì)性在地鐵應(yīng)急疏散選擇行為研究中不可忽視，可以從不同角度進(jìn)行研究，例如建立考慮多種決策規(guī)則的混合決策模型也值得進(jìn)一步探討。