考虑行程时间可靠性的阻抗函数及其应用

目前对于交通网络上交通阻抗的选取一般选用时间、距离、费用等因素,其最优路径通常为最小阻抗路径。随着城市交通变得日益拥挤及影响出行因素的不可靠的增加,行程时间可靠性成为人们选择出行路径的一个重要影响因素。文中考虑这个因素,建立了行程时间可靠性函数,并对其进行变形处理,提出了行程时间可靠性费用的概念,将其作为路阻函数,将求解最大可靠性路径问题转化为求解最小行程时间可靠性费用问题,使路阻不但考虑了交通阻抗中最关键的因素即出行时间,又考虑了出行时间的不稳定性,更符合实际路网中出行者对于出行路径的选择行为,还能作为路阻费用在交通规划软件中方便使用;最后将该方法用于交通影响评价中交通影响范围的确定,并在TransCAD中进行了实现,将其结果与基于时间确定的交通影响范围进行比较,证明了该方法的可行性及实际应用价值。     

交通信息影响下的动态路径选择模型研究

考虑交通信息对出行者选择出行路径的动态影响,建立一种动态路径选择模型。将不同类型的出行者对路段（路径）运行时间的预测看作不同的随机过程,通过对出行路径上节点的到达时间取期望值,利用一阶近似表达式,研究交通信息对出行者的出行路径选择行为的影响。     

基于广义出行费用的城市路网行程时间可靠性

为体现出行者路径选择行为,准确评价路网行程时间可靠性,采用行程时间均值和行程时间均方差的加权和定义广义出行费用,以不同的加权系数反映出行者对待风险的态度。从路段层面定义行程时间可靠性,以广义出行费用最小化为目标构建SUE模型,建立基于广义出行费用的路网行程时间可靠性模型。结合模型特点,给出Monte Carlo仿真和交通规划模型相结合的求解算法。并在一个小型测试路网上进行了验证,结果表明:出行者对待风险的不同态度对行程时间可靠性具有明显的影响,保守型出行者将使路网行程时间可靠性有所提高;所建分配模型能够较真实地反映出行者的路径选择行为,使行程时间可靠性分析更加准确。     

拥挤收费下基于前景理论的出行者路径选择行为分析

出行者（特指私家车出行者）路径选择行为的研究对于城市的交通管理和交通组织都有着重要的意义,而且随着交通出行费用的不断增加,以及道路拥挤收费政策逐步实施,仅仅考虑距离最短、时间最短来对出行者路径选择行为模型进行研究,往往实用性欠佳。针对以往的研究中考虑因素单一、模型实用性不强这一问题,运用能有效描述出行者不确定性条件下决策行为的前景理论,综合考虑出行者的出行时间、出行费用以及出行者的个人偏好、出行经验等因素,建立一个更为贴合实际的出行者路径选择行为模型。以实际算例的形式对比分析了,不同收费标准对不同出行者人群、不同性质出行的路径选择行为的影响程度。结果表明：与拥挤收费政策实施前相比,收费3元时,高收入水平出行者购物出行时的路径发生变化,而对于通勤出行,当收费大于6元时出行路径才发生变化;对于中低收入水平出行者来说,因为其较高收入者对费用更为敏感,所以拥挤收费政策实施后他们的反应也不尽相同。     

动态规划在指路标志指引上的应用

复杂多元的城市路网以及数量繁多的指路标志,使得道路使用者的行驶路径多样,为了满足出行者能迅速、快捷地到达目的地,需找到一条综合权值最优的出行路径,再在其上设置指路标志对目的地进行指引。基于此,首先阐述了动态规划的基本概念和算法思想;然后以行驶路程作为出行者路径选择的因素,定义行驶路程最小的路径为最优路径;最后,以广州大学城路网为例,针对中山大学的指引,在明确起、终点的情况下,采用动态规划的方法找到前往中山大学的最优路径,验证了动态规划算法的有效性。     

基于累积前景理论的拥挤阈值计算模型

信息诱导是缓解交通拥挤的有效途径,为了描述道路拥挤程度对出行者路径选择决策的影响机理,基于累积前景理论分析了出行者的出行决策过程,分析了出行者拥挤认知模式以及不同出行方式的拥挤信息需求。解析了拥挤阈值的概念,将行程时间作为累积前景理论决策指标建立了拥挤阈值的计算模型,以1个简单路网进行算例分析,模拟驾驶员的拥挤认知及出行活动决策。算例结果揭示了拥挤阈值对路径选择决策行为的影响,同时验证了拥挤阈值是出行者在决策过程中的决策变化分界点。出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值,出行者将改变出行路径。      

基于累积前景理论的多目标广义路网设计模型

根据随机路网环境下出行者有限理性的路径选择行为,组合能力扩展与拥挤收费2种方案,提出了基于累积前景理论的多目标广义路网设计双层规划模型。该模型上层模型以最小化系统出行时间预算和最大化系统出行前景为目标,下层模型为基于累积前景理论的用户均衡模型。推导了需求服从对数正态分布且路段通行能力服从贝塔分布条件下的前景值计算公式,建立了用等价变分不等式表示的均衡模型,设计了改进型非支配排序遗传算法求解模型。研究结果表明:出行者择路行为的风险偏好与风险认知会显著影响网络设计结果,忽视出行者择路行为的有限理性可能会产生次优甚至错误的网络设计方案。     

出行者信息类型偏好对其路径选择行为影响研究

城市交通系统本质上是由大量个体出行行为聚集形成的宏观系统,对于城市交通管理者而言,研究微观个体出行者的自身内在因素以及一些外在因素对其选择行为的影响,是制定相关有效管理措施的前提.通过RP调查方法,获取了城市交通出行者个体属性(性别、年龄和驾龄)、信息类型偏好(描述性信息和规范性信息)以及路径选择偏好(最短路径、可接受路径以及固定路径)数据.基于调查数据,研究构建了城市交通出行者信息类型偏好对其路径选择行为影响的结构方程模型,通过对模型的拟合分析,探讨了城市交通出行者的个体属性及信息类型偏好,对其路径选择偏好的影响.研究发现,城市交通出行者个体属性间的差异,使得他们偏好于不同类型的交通信息,有着不同的路径选择行为;描述性信息能够使得城市交通出行者更加倾向于选择最短出行路径,而规范性信息能够使得城市交通出行者更多地打破其固定路径选择行为;但是在交通信息影响下,仍有部分出行者倾向于选择固定路径,即使该固定路径并非是最优出行路径.文中相关研究结果有助于交通管理者更好地去预测,在交通信息影响下不同类型出行者的路径选择行为变化情况.      

考虑出行者偏好和经验的路径选择行为研究

出行者的路径选择行为是包括自身特性在内多种因素共同作用的结果。为分析出行者偏好对路径选择行为的影响,首先假设出行者从路网中获取的信息为不完全历史信息,建立了理解行程时间及其更新模型,然后给出了基于经验-加权吸引力(EWA)学习模型和累计强化学习模型的两种偏好动态更新规则,最后通过Dogit模型将理解行程时间和路径偏好共同纳入出行者的路径选择决策中。在此基础上,对比分析了不考虑路径偏好、路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好4种不同偏好情况下网络交通流的演化情况。算例结果表明:相比利用Logit模型不考虑路径偏好的流量分配结果,利用Dogit模型考虑路径偏好的流量分配结果更为均衡,且在考虑偏好时,路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好3种情况下路径的均衡流量间差异较小;偏好动态更新时,基于EWA学习模型的路径偏好动态更新规则较累计强化学习模型能更好地捕捉出行个体的路径偏好,但由累计强化学习模型得到的路网流量分配结果更为均衡;偏好为固定值时,路径的均衡流量介于EWA学习模型和累计强化学习模型两种偏好动态更新规则下路径的均衡流量之间。     

基于多智能体博弈的路径选择策略仿真研究

系统最优与用户最优代表了交通分配中路网管理者与出行者两种不同的利益出发点。在综合考虑两者在路径选择过程中动态交互特点的基础上,引入博弈论的思想协调两者的利益冲突,建立了路网系统管理者与出行者之间的路径选择博弈模型。为验证模型的有效性,结合多智能体技术进行了相应的仿真实验,并利用多智能体仿真软件Starlogo进行模拟。通过对无信息无博弈（随机）出行、用户最优出行、有信息有博弈出行以及系统最优出行等4种不同仿真方案的比较分析,验证了系统与出行个体之间协调的博弈模型性能满足了驾驶员出行需求,提高了路网整体效率,为建立实用的诱导策略提供了参考。     

考虑风险规避的动态路径选择模型研究

为了研究在不确定性交通环境下路径选择问题,引入前景理论建立动态路径选择模型以规避出行风险,保障出行者准时稳定地到达目的地。首先介绍了前景理论,计算了以行程时间为指标路径前景值和在给定的预算时间内确定路径准时到达可靠度。考虑到绝大多数出行者属于风险规避型,定义可靠度最高的路径为基准路径,将二阶随机占优于基准路径的路径归入有效集。最后定义了延误风险,以有效集中延误风险最低的路径作为可接受的最优路径。通过一个简单测试网络算例,研究了考虑风险规避的动态路径选择,并分析了对路径选择的影响。研究结果分析显示,当考虑风险规避时,出行者不再以单一的期望行程时间为最优目标,而会综合考虑出行选择。     

京雄高速公路费率动态调控研究

为了提高京雄高速公路通行效率，以小客车为研究对象，以交通经济学、博弈等理论为基础构建了有关其费率、交通量的函数模型，采用SP和RP相结合方法，对北京、雄安周边区域路网的交通量、出行成本、出行时间等进行调研，借助非集计模型，构建了有关京雄高速公路路径选择模型并对其精度进行了验证，结合实际调研数据，分析京雄高速公路在动态费率下不同时段经济效益，得到京雄高速公路收益时域图，在考虑社会效益以及出行者自身效用最大化的基础上，确定了京雄高速公路各时段的最佳费率值。高速公路费率会通过影响人的出行路径选择进而影响道路交通状况及其效益，动态费率调控可以提高效益。     

具有变需求的多模式随机动态同时的路径和出发时间问题研究

为了解决在多种交通模式条件下出行者的路径与出发时间选择问题,提出了一个变分不等式模型用于模拟具有变需求的多模式随机动态出行选择行为。推荐了一个改变的投影压缩算法求解相应的变分不等式问题,并给出了算法的迭代步骤。最后在一个相对真实的路网上进行了仿真试验,从两个OD对之间的一个路径上的路径入口流量率以及增补的路径旅行费用状况中可以看出,小汽车和卡车的路径入口流量率以及增补的路径旅行费用都可以达到一种平衡状态,表明了模型和算法的有效性和正确性。     

数量调节用户均衡及OD分解算法

城市居民出行过程中出行者的路径选择行为决定着道路网络交通流的分布模式，深刻影响着城市交通规划和网络设计方案的制定。传统交通分配依据最短路径时间选择出行路径，不能反映路径流量大小对出行者路径选择行为的直接影响。基于此，将出行起讫点间路径时间作为价格信号，路径流量作为数量信号，运用经济学非均衡理论中的价格-数量调节行为原理描述出行者的路径选择行为。在出行市场背景下，定义了数量调节用户均衡，建立了数量调节用户均衡条件和等价的非线性互补问题。运用GAP函数对非线性互补问题进行重新描述，最终建立了求解数量调节用户均衡的数学规划模型。鉴于路径流量不等于该路径中各路段流量之和，数量调节用户均衡问题需使用基于路径的算法求解，开发了基于OD分解的求解算法。OD分解算法与现有的基于路径的算法共享高斯-赛德尔分解方案，迭代过程中算法并不是顺序访问每个OD对，而是通过引入一个自适应方案来确定。针对未满足收敛条件的OD对，该算法将负梯度作为下降方向，运用Armijo类型的线性搜索确定步长，求解单OD子问题。最后分别对一简单网络和真实网络进行测试，计算结果表明：所开发的OD分解算法能将更多的计算成本投放在非均衡的...     

基于动态行程时间可靠性的单车辆路径选择算法研究

为了提高出行者的路径选择效率,从微观层面对随机动态路网条件下的单车辆路径选择问题进行深入研究。随机动态路网条件下,作为车辆路径构成单元的路段,不同时刻车辆在其上的行程时间具有明显的动态变化特征,若使用传统的最短路算法进行车辆路径选择,将某一时点的路段行程时间作为路段权值不能反映路段行程时间动态变化产生的影响,车辆路径选择结果容易造成误判。为解决此问题,按照集散波理论对于路段车辆运行状态的划分方式,首先以路段下游信号转换时刻目标车辆与排队车流队尾的相对位置关系为切入点,对路段行程时间进行分状态分类随机动态预测,然后建立对应可接受水平下的路段行程时间可靠性计算模型,最终分别针对简单网络和复杂网络的单车辆路径选择问题提出使用行程时间可靠性作为关键控制变量的三阶段车辆路径选择模型和权值异化的Dijkstra车辆路径选择算法。通过案例及对比分析表明,在出行者面临的简单网络中使用行程时间可靠性进行车辆路径选择可纠正仅仅按照单一行程时间进行车辆路径选择造成的选择误判,在复杂网络中使用行程时间可靠性作为路段权值异化的Dijkstra算法可迅速求出最可靠路径,有效解决了随机动态路网环境下的单车辆路径选择问题,是对路径选择问题研究的深入拓展。     

基于最短路径搜索的动态随机交通分配

提出了一个基于Logit方法的动态交通随机分配模型,该模型通过最短路算法和随机分配来解决动态均衡交通分配中的出行选择问题,避免了以往动态交通均衡分配中解凸规划或非线性规划问题,同时不需要路径枚举,从而使本模型更适合于大型路网的动态交通分配．随后的算例证实了该模型的可行性。     

基于路段流量二阶统计量的OD矩阵估计

在构建OD矩阵模型时,充分考虑路网中一定连续期内各路段流量的二阶统计量和出行者路径选择的随机性,提出了一种基于路段流量二阶统计量的OD矩阵估计模型,解决了观测路段的相关性和OD矩阵估计求解的不确定性问题.建立的模型所表述的路段出行量和实际路网中的出行量更加吻合.结合实例,说明了模型的可行性和有效性.     

基于前景理论—影响力混合模型的路径决策研究

传统的出行路径决策研究多集中于"事前"研究,即出行者在出行前通过综合考虑道路网络所有的信息,在纯理性的基础上确定出本次出行所选择的最佳出行路径,这与实际出行者出行路径选择有较大的不同。通过引入有限理性和节点作用力的观点,建立了基于交叉口节点决策的前景理论—影响力混合路径决策模型。通过设置仿真实验,验证了本模型相比期望效用理论和单纯的前景理论更加符合实际出行者实际路径决策,弥补了传统路径选择研究的不足。     

基于参考依赖理论的出行者路径选择模型研究

为了更好地解释和指导出行者的路径选择行为,有必要对个体出行路径选择行为进行多角度多方位研究,以期建立适用不同决策情景的模型。从出行行为的角度出发,以私家车出行者为研究对象,假设个体当前决策行为受参考状态的影响。在参考依赖理论的基本框架上,选取出行时间和费用两个影响因素建立单次出行的路径选择模型。通过设计问卷调查,应用最小二乘法和遗传算法对高时间价值和低时间价值类型出行者的模型参数进行标定。结果表明:对所研究对象进行分类之后,标定不同的模型参数能够较好地描述出行者的路径选择行为。2种类型出行者时间的损失规避参数和费用损失规避参数均大于1,出行者在时间属性和费用属性上都存在损失规避现象,损失会比等量的收益对出行者带来更大的心理效用;出行者对于时间的损失规避程度要高于费用的损失规避程度,即出行者对时间损失的敏感性更高;不同时间价值类型出行者有不同的损失规避系数,从而表现出不同的路径选择结果。高时间价值出行者的时间损失规避参数比低时间价值出行者高,时间损失对其造成的影响作用较大。在费用属性上高时间价值出行者的费用损失参数会比低时间价值出行者低。     

基于实时交通信息的行程时间估算及路径选择分析

路段行程时间的估计和预测是诱导系统的关键技术之一。由于路网参数不断变化,路段行程时间的估计必须满足实时性的要求。以城市交通控制系统的基本设施为基础,根据我国城市交通目前的发展状况,分析了影响路段行程时间的各种因素和路段行程时间的组成。利用设置在路段上的车辆自动检测装置搜集到的实时交通流信息,并结合随机服务系统的相关理论建立了城市道路路段行程时间的动态计算模型,提出了一种具有真实最短路径意义的实时动态最短路径选择的方法。