共查询到10条相似文献,搜索用时 31 毫秒
1.
容量限制的交通分配优化方法研究 总被引:3,自引:2,他引:1
容量限制一直是交通分配研究的重要内容,是造成路段和路网拥挤的根本原因。目前大多数的研究都是基于拥挤模型进行理论分析和实际计算,而实际中的拥挤路网大多不是一个平衡分配问题。以Fisk提出的Losit分配优化思想及Wardrop的系统最优为基础,建立了容量限制下的路网分配优化模型,并给出了相应的启发式优化算法。 相似文献
2.
OD出行矩阵的容量限制推算方法 总被引:7,自引:0,他引:7
现有OD矩阵反推算法大多不适用于拥挤路网,本文提出的容量限制OD矩阵推算方法考虑了交通量和通行能力间的相互关系,示例表明对于拥挤路网,容量限制算法得推算精度大大提高。 相似文献
3.
《公路交通科技》2017,(5)
为了量化突发拥挤导致的城市路网的脆弱性变化,首先采用原始法对路网进行了拓扑,选取连通度与网络效率等路网特性指标从中观层面完成了路网的鲁棒性分析,进而生成了对路网鲁棒性有显著影响的改进路网。然后考虑改进路网中突发拥挤路段的排队容量限制,以路网总阻抗变化量为脆弱性识别指标,构建了含通过能力约束的交通网络配流模型。最后设计了Lagrange乘子算法并进行了算例验证。结果表明:基于脆弱性指标的模型能有效识别路网脆弱性,而突发拥挤导致的路段失效将直接导致路网总阻抗的变化并影响整个路网的鲁棒性;与无约束条件下完成的网络配流结果相比,该模型降低了对城市路网络脆弱路段误判的可能性,效果良好。 相似文献
4.
5.
网联自动驾驶车辆(CAVs)与人工驾驶车辆(HDVs)混行的交通发展模式会促进城市路网容量发生变化,为解析混合交通流对城市路网容量可靠性的影响,构建了智能网联环境下城市路网容量可靠性双层规划模型。为表征CAVs信息获取与自动驾驶的能力,假定CAVs遵循系统最优原则选择路径,而HDVs则根据自身经验选择路径,基于二者路径选择的差异建立描述混合交通分配的下层模型,刻画智能网联环境下的混合交通流分配特性。并且,为了快速求解大型路网交通分配,将下层混合交通分配模型转换为非线性互补下问题进行求解。考虑到实际路网的随机性,以及路网道路通行能力并非固定值,运用具有多种相关性的均匀随机分布理论,建立了的描述城市路网容量可靠性的上层模型。通过蒙特卡洛仿真分析不同CAVs渗透率下的路网容量可靠性,并进一步解析各路段对路网容量可靠性的敏感度。结果表明:当需求水平d > 0.5时,路网容量可靠性开始降低;当d > 0.7且CAVs渗透率λ=0时,可靠性小于0.4;当d > 0.7而λ=1时,可靠性接近1,说明CAVs可增强路网容量可靠性。研究还发现,当需求水平处于0.7~1区间时,渗透率的变化对路网容量可靠性有显著的影响,但随着需求的增大,路网处于超负荷状态,渗透率对路网容量可靠性影响较小。此外,CAVs渗透率从0增加至1的过程中,路网中存在“道路容量悖论”现象的道路从19条下降至3条,且当λ=1时路网中仅有1条道路出现了显著的“道路容量悖论”现象,拥堵严重。表明CAVs渗透率的增大可以显著改善路网中的“道路容量悖论”现象,减少路网容量可靠性的波动,提高路网运行稳定性。 相似文献
6.
7.
分析了过饱和交通条件下城市道路信号控制交叉口周期参数值的优化解。以拥挤消散时间和路网总延误为控制目标,采用定时信号控制策略,基于元胞传输模型建立了路网优化控制模型,并采用遗传算法优化信号配时,对比了不同信号周期条件下拥挤消散时间和路网总延误的变化规律。最后,本文以某市L路为算例分析了周期值与消散时间及路网总延误的关系,结论表明路网在过饱和拥堵条件下,当控制周期大于某一临界周期值时,相位差和绿信比的优化将无法抑制消散时间的持续增长趋势;最优配时结果的路网总延误值比采用传统最大周期控制策略的路网总延误值降低17%以上。 相似文献
8.
运用高斯烟羽模型计算机动车尾气排放量,然后利用支付意愿法定量分析健康损失,同时考虑延误和健康损失构建考虑健康损失的路阻模型。根据实例,分别使用Transcad和新的路阻模型计算出2个路阻,并进行交通分配。结果显示2次交通分配的路网流量不同,表明考虑健康损失的路阻模型影响了人们的出行选择,可有效解决主干路拥挤,增加次干路车流量,协调整个路网车流量均衡,提高路网交通效率。 相似文献
9.