基于前景理论的双维度条件下动态路径选择

随着人们生活水平的提高,对出行过程的要求也有了新的标准,而目前在单维度基础上进行的出行路径选择研究已经逐渐偏离出行者的真实需求。为了更好的满足出行者的出行需求,本文以前景理论为基础,从费用维度与舒适维度两个层面对路径进行综合考察,即在考虑感知费用的前提下引入舒适度函数,并分别以动态修正费用函数与舒适度修正函数为参照点进行收益与损失判定,在得到相应前景值后,根据用户对出行过程的费用与舒适度偏重系数计算出路径综合前景值,并以此作为路径选择的判定基础。最后通过一个具体算例对模型进行验证与分析,结果显示相对于单维度的路径选择模型双维度判断更符合实际。     

小汽车出行多阶段路径动态决策研究

针对小汽车路径选择的多阶段动态决策问题,采用决策场理论对驾驶员多阶段路径选择过程进行研究。进行了交通状态波动下的多阶段动态决策实验,仿真分析了驾驶员出行前路径选择和出行中路径变更行为的微观心理偏好进化特征,并与实测结果进行了对比分析。偏好进化分析表明,路径变更行为的触发频率随路段交通状态的变化幅度而增加,小范围的波动不易引起路段交通流的显著变化;第二阶段决策的偏好进化更加缓慢,驾驶员普遍出现较长时间的判断过程,路况预警信息的推送需要预留足够的时间。统计检验分析表明,决策场模型良好地描述了多阶段的小汽车路径动态选择行为,可为城市道路交通诱导组织提供支撑。     

多元动态交通流信息融合与交通动态信息实时诱导发布系统

文章结合多元数据融合(MDF)、地理信息系统(GIS)和全球定位系统(GPS)等现代信息技术,设计城市多元动态交通流信息融合与交通动态信息实时诱导发布系统,实现面向政府、企业和出行者的交通决策支持、综合管理、信息服务功能,改进城市交通现状,并为居民提供良好的出行环境。     

基于广义费用的城市轨道交通客流分配

为了更加客观全面地反映城市轨道交通出行者决策行为，提升城市轨道交通客流预测准确性，缓解线路运营面临的高峰时段客流拥挤现象，从出行广义费用角度出发，开展城市轨道交通客流分配研究。综合考虑票价、出行时间、舒适度、准时性等因素，构建了城市轨道交通乘客出行广义费用计算模型；以北京地铁5号线为例，将广义费用作为出行阻抗引入客流分配之中，构建了基于广义费用的随机用户平衡条件下的城市轨道交通客流分配模型，并提出了嵌套Logit模型的迭代加权法用以求解模型；基于分配模型及算法，对不同票价和列车容量条件下的城市轨道交通客流分配结果进行了对比分析。结果表明，基于广义费用的城市轨道交通客流分配模型能够实现对轨道交通流量的有效预测，可对各类缓解高峰时段拥挤措施的实施效果进行评估，辅助城市轨道交通领域相关决策。     

基于物联网技术的城市道路交通信息系统设计研究

1城市道路交通信息系统的需求分析1.1智能交通物联网在ITS中交通参与者通过装备在道路上、车上、换乘站上、停车场上以及气象中心的传感器和传输设备,可以向交通信息中心提供各处的交通信息;中心得到这些信息并通过处理后,实时向交通参与者提供道路交通信息、公共交通信息、换乘信息、交通气象信息、停车场信息以及与出行相关的其他信息;出行者根据这些信息确定自己的出行方式、选择路线。现行的很多交通管理系统都是被动     

基于交通大数据的动态交通状态预测及全局路径规划研究

为提高动态交通状态预测的准确性,对基于交通大数据的动态交通状态预测及全局路径规划进行研究。以交通大数据为基础,获取指定路段的属性信息与采集信息,通过对样本数据进行描述,得到该路段的试验数据。在具体的预测和分析阶段,构建基于交通大数据的预测模型,实现对动态交通状态的可靠预测。试验结果表明,时间特征值对交通流量的影响较大,某一时间段的交通状态数据可为全局路径规划提供数据源,有利于相关人员作出科学决策,可更好地满足当前智慧交通管理新需求。     

预约出行在行为时空棱柱理论中的正效用研究

本文基于行为模型（activity-based model）时空棱柱（space-time prism）理论分析了交通出行行为在其中的特征及精细化需求侧管理模式（预约出行模式）对个体交通出行行为的影响。根据时空棱柱理论中的“三大制约”（能力制约、组合制约、权威制约）评估了预约出行模式产生的效应，其中预约出行模式对能力制约没有负面效应，对组合制约及权威制约均有正效应，最终结合现阶段预约出行及其实践应用论证了预约出行模式对交通出行行为及交通系统管理能产生的正效用。同时预约出行模式本身的优点包括大规模交通优化管理中节省优化算例及保证优化结果信息时效性，是未来交通发展的重要方向。     

基于Multi-Agent的动态路径诱导系统

动态径路诱导是现代智能交通系统研究的一个重要领域。文章使用Multi-Agent技术思想,运用Java语言,结合动态路径诱导的实际需求开发动态路径诱导系统。基于各Agent间的实时交互信息,包括路段Agent提供的路况信息、路口Agent提供的交通信号信息、车辆Agent提供的车辆行驶及诱导需求信息,运用改造后的A*智能优化算法,实时计算诱导车辆当前位置下的最优路径。同时引入区域控制Agent与中心决策Agent对全局进行控制,避免局部最优及交通拥堵漂移现象的发生,从而达到整个路网的优化。完整地仿真了一个功能齐全的动态路径诱导系统,并且验证了该动态路径诱导模型的可行性及有效性。     

争做智慧城市的急先锋——各地智能交通建设风起云涌

“智能交通”是智慧城市建设的重要组成部分，通过改进地面公交调度和信息服务、出租车综合信息服务、轨道交通换乘信息服务和交通枢纽综合信息服务等，能够帮助出行者选择更好的出行方式，由“盲目”出行转变成“有序”和“可靠”出行。近年来，各地都在不遗余力地推进智能交通的建设，并将它作为发展智慧城市的重要目标。     

基于模拟退火算法的共享单车动态调度问题研究

针对共享单车的时空分布不均衡，无法满足部分出行者需求的情况，研究共享单车动态调度问题，以减少骑行需求损失，降低调度成本。本文综合考虑车辆分布的时空变化、满足骑行需求的收益和调度成本，以总利润最大为目标，建立共享单车的动态调度模型，采用模拟退火算法对问题进行求解。算例分析表明，该模型可以有效地指导调度车辆路径的优化调整，减少骑行需求损失，提高用户满意度和共享单车运营商收益，基于模拟退火算法的求解方法表现出较好的收敛性。