考虑局部排队延误的VMS 选址双层规划模型

交通运输系统工程与信息 ›› 2014, Vol. 14 ›› Issue (6): 194-200.

考虑局部排队延误的VMS 选址双层规划模型

戢晓峰^*1,2,3，覃文文¹

1. 昆明理工大学交通工程学院，昆明650500；2. 长沙理工大学公路工程省部共建教育部重点实验室, 长沙410004；3. 吉林大学汽车仿真与控制国家重点实验室，长春130025

收稿日期:2014-04-03 修回日期:2014-09-24 出版日期:2014-12-25 发布日期:2014-12-30
作者简介:戢晓峰(1982－)，男，副教授，博士.
基金资助:
国家自然科学基金项目（61263025）；公路工程省部共建教育部重点实验室开放基金（kfj100107）；汽车仿真与控制国家重点实验室开放基金（20111116）

Bi-level Programming Model for VMS Layout Considering Local Queuing Delay

JI Xiao-feng^1,2,3, QINWen-wen¹

1. Faculty of Transportation Engineering, Kunming University of Science and Technology, Kunming 650500, China 2. Key Laboratory of Highway Engineering, Ministry of Education,Changsha University of Science & Technology, Changsha 410004, China; 3. State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130025, China

Received:2014-04-03 Revised:2014-09-24 Online:2014-12-25 Published:2014-12-30

摘要/Abstract

摘要：

用Monte Carlo 模拟技术刻画路网状态的随机性，优先考虑在交通网络瓶颈路段设置可变信息板待选点，建立多目标优化可变信息板选址双层规划模型.上层模型为基于不确定风险决策最小和诱导效益最大的双目标规划模型，下层模型为考虑局部网络有排队延迟现象的随机用户平衡模型.采用增广Lagrange 对偶算法与相继平均算法组合求解下层模型，采用非劣排序遗传算法-II 求解整个双层规划模型.算例结果表明，在可变信息板资金预算约束下，非劣排序遗传算法-II 能够有效求解可变信息板选址的多目标优化问题，得到6 组Pareto 解.研究结果可为城市道路网可变信息板诱导配置的优化和建设提供决策支持.

关键词: 智能交通, VMS 选址, 双层规划, 交通诱导, 非劣排序遗传算法- II, 增广 Lagrange对偶算法

Abstract:

Using Monte Carlo methodology to characterize randomness of the road network state, a number of candidate variable message signs (VMS) locations are deployed in bottleneck links, and then a biobjective bi-level programming model is established for optimization of VMS location. The upper level model is a dual-objective programming model considering the minimum of uncertain risk decision-making and the maximum of guidance benefits. The lower level model is stochastic user equilibrium with local network considering queuing delay. The augmented Lagrange dual algorithm combined with method successive average algorithm is adopted to solve the lower model, and the non-dominated sorting genetic algorithm- II (NSGA-II) is adopted to solve the whole bi- level programming. Analysis result indicates that NSGA-II can effectively solve the bi-level programming model of VMS location under the restriction of capital budget, and get 6 Pareto solutions. Outcomes of this research can provide decision support for optimization and construction of VMS layout in uncertain road network.

Key words: intelligent transportation, VMS layout, bi-level programming, traffic guidance, non-dominated sorting genetic algorithm-II, augmented Lagrange dual algorithm

中图分类号:

U491.1

戢晓峰，覃文文. 考虑局部排队延误的VMS 选址双层规划模型[J]. 交通运输系统工程与信息, 2014, 14(6): 194-200.

JI Xiao-feng, QINWen-wen. Bi-level Programming Model for VMS Layout Considering Local Queuing Delay[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(6): 194-200.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18909.shtml

http://www.tseit.org.cn/CN/Y2014/V14/I6/194

参考文献

[1] 戢晓峰,黄永忠,何增辉,等. 面向诱导的交通状态信息提取方法[J]. 计算机工程与应用, 2010, 46(25):16-18. [JI X F, HUANG Y Z, HE Z H, et al. Traffic state information extraction methods for traffic guidance[J]. Computer Engineering and Applications, 2010, 46(25): 16-18. ]

[2] ZHONG Shiquan, et al. Effects of different factors on drivers’guidance compliance behaviors under road condition information shown on VMS[J]. Transportation Research Part A, 2012, 46(9): 1490-1505.

[3] XU Tiandong, SUN Lijun, PENG Zhongren. Empirical analysis and modeling of drivers’response to variable message signs in Shanghai, China[J]. Transportation Research Record, 2011(2243): 99-107.

[4] 王卫卫，赵小梅，李新刚，等. VMS对驾驶员路径选择影响的实证研究与建模[J]. 交通运输系统工程与信息, 2013, 13(3): 60-64. [WANG W W, ZHAO X M, LI X G, et al. Empirical study and modeling of variable message signs on route choice behavior[J]. Journal of Transportation Systems Engineering and Information Technology , 2013, 13(3): 60-64.]

[5] CHIU Y C, HUYNH N, MAHMASSANI H S. Determining optimal locations for VMS’s under stochastic incident scenarios[C]//Transportation Research Board Annual Meeting. Washington D C, 2001.

[6] CHIU Y C, HUYNH N. Location configuration design for dynamic message signs under stochastic incident and ATIS scenarios[J]. Transportation Research Part C, 2007, 15(1): 33-50.

[7] BELL MGH. Stochastic user equilibrium assignment in network with queues[J]. Transportation Research Part B, 1995, 29(2): 125-137.

[8] RYU S, CHEN A, XU X, et al. A dual approach for solving the combined distribution and assignment problem with link capacity constraints[J]. Networks and Spatial Economics, 2014, 14(1): 245-270.

[9] 庞晓平, 陈进. 非支配排序遗传算法的动压轴承形状多目标优化[J]. 西南交通大学学报, 2012, 47(4): 639-645. [PANG X P, CHEN J. Multi-objective shape optimization of hydrodynamic journal bearings using non-dominated sorting genetic algorithmⅡ[J]. Journal of Southwest Jiaotong University, 2012, 47(4): 639- 645. ]

[10] DEB K, PRATAP A, AGARWAL S, et al. A fast elitist multi-objective genetic algorithms: NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197.

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	赵传林, 贺少松, 孙淑敏, 王钰涵. 基于理性疏忽理论的交通疏散网络双层优化模型[J]. 交通运输系统工程与信息, 2022, 22(2): 239-246.
[7]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[8]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[9]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[10]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[11]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[12]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[13]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[14]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[15]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.