An often-overlooked problem in the evaluation and prediction of congestion charge policies is commuters’ bounded rationality. Although some studies have sought to account for this using cumulative prospect theory (CPT), the specific behavioral parameters that reflect travelers’ decision-making process in response to congestion charge scenarios are based on assumptions and lack empirical evidence. This paper aims to provide empirical evidence to define the shape parameters in CPT—while accounting for systematic heterogeneity due to commuters’ characteristics—in order to build more realistic behavioral models for car commuters’ departure time choice behavior under congestion charge scenarios. A stated preference (SP) experiment with four time-based congestion charge scenarios is designed to obtain commuters’ departure time choices when facing uncertain travel conditions. A genetic algorithm (GA) is used to estimate the CPT coefficients that reflect car commuters’ cognitive biases under the congestion charge. The results suggest that commuters’ departure time choice under the congestion charge policy is consistent with the assumption of CPT. We find evidence of risk-averse and risk-taking behavior, loss aversion, and large distortion in probability weighting, and individuals’ personal and commuting characteristics had heterogeneous effects on CPT coefficients. The results shed light on travelers’ behavioral responses to congestion charge schemes and provide an important empirical reference.

拥堵收费政策的评估和预测中一个经常被忽视的问题是通勤者的有限理性。尽管一些研究试图使用累积前景理论 (CPT) 来解释这一点，但反映出行者对拥堵收费情景的决策过程的具体行为参数是基于假设的，缺乏经验证据。本文旨在提供经验证据来定义 CPT 中的形状参数——同时考虑通勤者特征引起的系统异质性——以便为汽车通勤者在拥堵收费场景下的出发时间选择行为建立更现实的行为模型。一项具有四种基于时间的拥堵收费情景的陈述偏好 (SP) 实验旨在获得通勤者在面临不确定的出行条件时的出发时间选择。遗传算法 (GA) 用于估计 CPT 系数，该系数反映了汽车通勤者在拥堵费下的认知偏差。结果表明，通勤者在拥堵收费政策下的出发时间选择与CPT假设一致。我们发现风险厌恶和冒险行为、损失厌恶和概率加权的大失真的证据，以及个人的个人和通勤特征对 CPT 系数有不同的影响。研究结果揭示了出行者对拥堵收费计划的行为反应，并提供了重要的实证参考。遗传算法 (GA) 用于估计 CPT 系数，该系数反映了汽车通勤者在拥堵费下的认知偏差。结果表明，通勤者在拥堵收费政策下的出发时间选择与CPT假设一致。我们发现风险厌恶和冒险行为、损失厌恶和概率加权的大失真的证据，以及个人的个人和通勤特征对 CPT 系数有不同的影响。研究结果揭示了出行者对拥堵收费计划的行为反应，并提供了重要的实证参考。遗传算法 (GA) 用于估计 CPT 系数，该系数反映了汽车通勤者在拥堵费下的认知偏差。结果表明，通勤者在拥堵收费政策下的出发时间选择与CPT假设一致。我们发现风险厌恶和冒险行为、损失厌恶和概率加权的大失真的证据，以及个人的个人和通勤特征对 CPT 系数有不同的影响。研究结果揭示了出行者对拥堵收费计划的行为反应，并提供了重要的实证参考。结果表明，通勤者在拥堵收费政策下的出发时间选择与CPT假设一致。我们发现风险厌恶和冒险行为、损失厌恶和概率加权的大失真的证据，以及个人的个人和通勤特征对 CPT 系数有不同的影响。研究结果揭示了出行者对拥堵收费计划的行为反应，并提供了重要的实证参考。结果表明，通勤者在拥堵收费政策下的出发时间选择与CPT假设一致。我们发现风险厌恶和冒险行为、损失厌恶和概率加权的大失真的证据，以及个人的个人和通勤特征对 CPT 系数有不同的影响。研究结果揭示了出行者对拥堵收费计划的行为反应，并提供了重要的实证参考。