摘要：为了给在动态和随机的交通网络中寻找可靠路径提供通用的建模框架，这篇文章通过重构两种常用的通行时间可靠性测度，即按时到达率和百分位通行时间，处理了一类两阶段路径搜索模型。相对于期望效用准则而言，这个模型更加复杂。我们用基于样本的表达式以吻合时空相关的路段出行时间数据。若干新颖的重构方法的引入使问题转化为等价的更易求解的线性整数规划模型。我们对拉格朗日分解方法做了进一步开发，先把基于样本的非预期耦合约束对偶化，然后把松弛模型分解成一系列计算高效的子问题，这些子问题是时间依赖的最短路径问题。最后的数值实验展示了所提方法的求解质量和计算性能。

Lixing Yang, Xuesong Zhou. Optimizing on-time arrival probability and percentile travel time for elementary path finding in time-dependent transportation networks: linear mixed integer programming reformulations, Transportation Research Part B, 2017, 96: 68-91.