基于动态分流元胞传输模型的城市道路网络韧性评估

为全面评估重大扰动事件下城市道路网络抵御扰动并从扰动中快速恢复的能力，提出以改进元胞传输模型模拟路网流量分布状态，以韧性为测度指标的路网性能评估模型。针对传统元胞传输模型交叉口分流比例恒定的不足，明确考虑扰动事件影响期内因出行者调整路径可能导致的路径流量波动，构建出行决策行为与元胞流量传输的强耦合机制，提出一种新的动态分流元胞传输模型；基于动态分流元胞传输模型获得的路网性能参数，以路网效率为路网基础性能指标，构建反映扰动事件影响期内路网效率累积动态变化的韧性指标；并基于Sioux Falls网络开展算例研究。算例结果表明：相比传统元胞传输模型，提出的动态分流元胞传输模型通过设置交叉口动态分流参数，建立出行决策行为与元胞流量传输的动态耦合关系和路径流量变化与交叉口元胞分流比例的自洽机制，可准确描述路网实际流量分布状态；提出的基于路网效率的韧性指标可全面反映扰动事件发生后路网性能退化到恢复全过程的动态累积性能，直观展示路网抵御扰动并从扰动中恢复的能力，契合韧性内涵；韧性评估中若忽视出行决策行为潜在影响，将获得次优甚至明显偏离实际的方案或结果。     

基于道路交通状态的随机用户平衡

运用随机用户平衡配流的基本思想和交通流理论，提出了道路交通状态的概念，以便讨论交通拥挤情况下的交通量分配问题．将道路交通状态定义为行程时间和道路拥挤度的线性加权和．假定在路网随机变化的情况下，出行者以行程时间和道路拥挤度最低为路径选择准则，建立了基于道路交通状态的随机用户平衡配流模型，并证明了模型的等价性和唯一性，给出了该模型的连续平均求解算法．一个小型网络的数值计算结果表明，该模型能反映出行者在随机路网中的路径选择行为．     

协同考虑脆弱性与可靠性的城市道路网络设计

根据常态事件下出行者风险规避的路径选择行为和非常态事件下兼具风险规避与后悔规避的路径选择行为,分别以可靠性和脆弱性指标描述常态与非常态事件下的路网性能,构建了协同考虑脆弱性与可靠性的城市道路网络设计一主双从规划模型,其中上层模型为满足可靠性约束条件下的路网脆弱性指标最优（路网可达性最高）,下层模型分别为基于效用理论和后悔理论的随机用户均衡模型. 算例结果表明:与仅考虑脆弱性的模型相比,本文提出的模型在牺牲一定可达性的基础上可获得较高的路网可靠性;当投资预算为0.9 × 107时,平均路网可达性与路网可靠性分别为0.138 8和0.969 6,而仅考虑脆弱性的模型获得的对应指标分别为0.140 5和0.334 1,可达性指标减少了1.20%,可靠性指标增加了190.21%;此外,如果忽视出行决策行为差异,可能获得偏离实际的次优,甚至错误的网络设计方案,无法实现预期设计目标.      

道路交通系统韧性及路段重要度评估

韧性可以全面描述扰动事件下系统吸收干扰并从干扰中恢复的能力. 针对已有韧性指标对系统性能评价不全面、未考虑交通流量影响等问题，从路段通行能力退化与恢复入手，以网络效率为系统性能指标，构建全面评价扰动事件影响期内系统性能的韧性指标. 分别基于乐观和悲观视角提出韧性增加值和韧性减少值路段重要度指标，提出识别路段重要度的启发式算法. 算例结果表明：本文提出的韧性指标可全面描述扰动事件下路网性能退化与恢复全过程的平均累积性能，更加符合韧性指标内涵；韧性增加值和韧性减少值指标均能有效识别路段重要度，大部分路段重要度随时间动态变化.     

ATISӰ���µĻ��ڹ���ɱ�������û�ƽ��ģ��

在考虑交通信息对出行者路径选择行为影响的基础上,运用随机用户平衡配流的基本思想和交通流理论,提出了广义成本的概念。将广义成本定义为行驶时间、道路拥挤度、路段可靠性三者的线性加权和。将出行者划分为“有ATIS接受装置”和“无ATIS接受装置”两类。假定在路网随机变化的情况下,两类出行者均以广义成本费用最小作为路径选择准则,建立了ATIS影响下的基于广义成本的随机用户平衡模型。证明了模型的等价性和解的唯一性,并利用对角化算法和MSA算法设计了模型求解算法。通过一个算例表明：算法具有较好的收敛性,且该模型能反映出行者在交通信息影响下的随机路网中的路径选择行为。     

智能网联环境交通流波动消除理论与方法综述

分析近年来智能网联环境下交通流波动消除策略的研究进展，根据模型构建的技术手段将其分为三类：跟驰模型稳定性解析控制、交通流波动传播轨迹控制、强化学习驾驶行为优化控制。回顾各类策略的研究现状与模型机理，对比讨论各类控制策略的优势与不足，并从技术背景、研究场景、算法流程和应用理论方面提出智能网联环境下交通流波动消除策略的未来深化研究方向，包括考虑多车道道路环境、交通流微观机理、车辆冲突博弈的复杂情境，考虑宏微观智能网联车控制与交通流主动控制的融合优化，考虑数据缺陷、系统不确定和环境扰动下系统可扩展性和鲁棒性提升，以期为了解交通流波动消除研究进展、提升智能网联环境下交通流波动控制效果提供参考。     

基于贝叶斯网络的CTCS-3级列控车载系统韧性

为弥补现有指标的不足，引入韧性作为非常态事件下CTCS-3级（China train control system-3）列控车载子系统运行稳定性的测度指标. 提出了车载子系统韧性量化评估方法，构建了基于贝叶斯网络（Bayesian network, BN）的韧性评估模型，并定义了5种基于韧性的部件重要度指标；进一步利用贝叶斯网络双向推理功能，计算了车载子系统在不同扰动情景下的韧性及部件重要度指标. 研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力，非常态事件扰动下，韧性与可用性指标存在明显差异；不同扰动情景下系统韧性明显不同，扰动发生时，车载子系统面临磁暴影响时的韧性为0.8017，而遭遇雷电时的韧性为0.8819，面临冰雪扰动时的韧性为0.9880；部件重要度存在情景依赖，同一部件在不同扰动情景下重要度排序可能不同，且可能随时间动态变化.      

基于累积前景理论的 随机用户均衡交通分配模型

为了使交通分配更符合出行者的实际行为特征,基于累积前景理论,给出了交通流连续分布状态下路 径前景的连续函数表达式,建立了随机用户均衡模型,并给出了等价的变分不等式.该模型同时考虑了交通系统 的不确定性、出行者的感知误差以及建模者的观测误差.讨论了模型解的性质,设计了求解算法,并通过算例进 行了验证.结果表明:在(0,1)区间内,当出行可靠性参数或风险态度参数值越大时,出行者对于风险的感知越敏 感,越倾向于选择行程时间波动较小的路径;当感知误差较小或路网不确定性程度较大时,出行者的路径选择行 为均逐渐趋于稳定.研究还表明,出行者的损失规避程度对网络均衡态的影响不明显.      

基于参考依赖法的出行者日常路径选择行为建模

为研究旅行时间不确定环境下出行者动态调节日常路径选择的行为特征,基于参考依赖行为理论建立了随机路网用户日常路径选择行为模型.引入了基于参考依赖的路径负效用,并设出行者每天的路径选择行为服从基于Logit模型的决策过程,给出了保持每日网络均衡的出行者日常旅行行为演化模型,分析了模型的稳定性,并利用相继平均法与Logit配流技术相结合的启发式算法进行求解.计算结果表明:路网的流量分布和出行者的参考点在一定的时间范围内将达到稳定状态,此时,传统的期望效用模型将低估总网络用户成本和高估由通行能力改善或拥挤收费政策所带来的收益,总量上达1%左右.     

动态交通分配问题研究回顾与展望

动态交通分配(Dynamic Traffic Assignment，DTA)理论是智能交通系统中最重要的关键技 术基础之一，也是当前交通科学中最活跃的研究领域之一，其模型可以广泛应用于离线的交通规 划及政策评估和在线的智能交通系统应用。本文首先回顾了DTA理论50年来的发展历程，总结 了不同发展阶段形成的重要理论和方法。其次介绍了DTA问题的两个基本构成：出行选择准则 和交通流传播模型，指出这两个基本组成部分通过走行时间函数(或阻抗函数)来关联，并总结了 DTA 问题中主要的出行选择准则、主要的交通流传播模型、重点关注的交通行为、走行时间函 数。依据出行者的出行选择内容、交通状况掌握、出行需求弹性、出行决策时间跨度以及用户类 型等对动态交通分配问题进行分类，并详细比较分析不同类型动态交通分配问题之间的差异。 进一步，介绍了DTA问题主要的解析模型，依据时间是否连续和使用的决策变量分别对DTA模 型进行分类，并总结了不同类型DTA模型的主要优缺点。介绍了不同出行选择准则下DTA问题 的主要求解方法，并评述求解方法的收敛性、效率等。此外，还概述了DTA模型在交通规划、交通 政策评估、交通控制与管理等方面的应用。最后，对DTA理论的进一步发展进行展望，指出DTA 理论和方法可以在5方面取得突破：动态网络加载模型的高效计算方法和性态良好的动态阻抗函 数，大规模交通网络上DTA问题的有效求解算法，超级网络上基于活动链的DTA模型，DTA模型 在交通管理与控制中的应用，未来智能网联环境下DTA模型及其应用。     

多用户多方式混合交通均衡变分模型及求解算法

在城市混合交通路网中,出行者通常根据自己的出行偏好选择自己的交通方式和出行路径. 考虑城市道路中不同交通方式之间的相互影响,把出行者按照时间价值划分为多个用户类型,每类出行者可选择自驾车、出租车或公交车方式出行. 为解决这个多交通模式相互影响的混合交通均衡分配问题,从交通需求的角度出发,基于BPR公式构造了城市混合交通网络的路段旅行时间函数,建立了多用户多方式混合交通均衡变分不等式模型,并设计了基于对角化技术与MSA方法的混合求解算法. 算例结果表明,高时间价值类出行者倾向于选择自驾车或出租车出行,低时间价值类出行者倾向于选择公交车出行.     

基于二流理论的宏观交通评价模型的建立

为研究宏观道路网络交通特性,以二流理论为基础,建立道路网络宏观交通特性的评价模型。该模型引入图论的分析方法,考虑可达性的评价指标和街道的实际交通情况,全面而抽象地描述城市道路网络路段与交叉口之间的关系,并给出道路网络宏观交通特性的评价指标,最后以一简单实例说明利用该模型评价城市道路网络宏观交通特性的过程。     

����·�η���ˮƽԼ����·������ �ɿ��Է���

路网容量可靠性是评价路网综合性能的重要指标之一,已越来越受到路网规划者和交通管理者的重视,而现有评价方法大多在确定路网最大容量过程中并没有综合考虑服务水平的约束。本文为在路网容量可靠性评价中更好地体现出行者及管理者对服务水平的要求,新建了基于服务水平约束的路网容量可靠性双层规划模型,以行程时间增量系数和饱和度系数为约束构建上层规划,结合用户路径选择行为的特点,选用SUE(随机用户平衡)分配模型作为下层规划。采用遗传算法和Monte Carlo 仿真相结合的方法求解容量可靠性模型。并给出了算例.计算结果表明,该模型能够较好地体现不同服务水平要求下的路网容量可靠性,并为城市路网规划、管理及路网性能的改善提供依据。     

������Ϣ�Ե�·�������ʱ��ɿ��Ե�Ӱ��

为考察出行信息对道路网络出行时间可靠性的改善效果,将出行者划分为“有ATIS接收装置”和“无ATIS接收装置”两类,且均以随机方式选择路径,运用混合网络随机用户均衡建模理论构建了信息诱导下的出行路径选择模型.从路段容量的实际变化规律出发,假定其服从截尾正态分布,基于Monte Carlo仿真技术和网络均衡流求解算法,建立了信息影响下的道路网络出行时间可靠性评估方法.数值分析结果表明：道路网络出行时间可靠性随出行信息质量和信息系统的市场渗透率增加而递增,但其边际影响递减;对于交通需求水平高的道路网路,信息的提供对网络出行时间可靠性的改进更加明显.     

考虑出行者不同理性程度的拥堵交通流分配方法

为研究出行者感知偏好对交通分配结果的影响,本文构建了微观路径选择模型,提出拥堵条件下受路段通行能力限制的交通分配算法。引入出行者决策过程中的后悔和无差别化阈值,考虑出行时间和排队时间的心理感知差异,构建不同理性程度下的路径选择概率模型。在集计水平上,考虑当前路段及其上下游路段通行能力限制、路段车辆空间排队和溢出,提出路段车流量流入、流出的修正方法。采用增量加载分配方法,研究路段车辆的消散特性,再现了从个体路径决策到宏观路网状态的演化过程。基于Nguyen-Dupuis仿真网络,比较不同算法下各路段的拥堵车辆和各路段车辆流入、流出情况。结果表明：出行者个人偏好感知会显著影响拥堵路段的成本函数,是出行者路径选择的关键因素,但是出行者个人偏好对非拥堵路段的车辆流入、流出影响较小;考虑个体偏好的交通分配方法能降低路网的平均饱和度。本文提出的考虑有限理性的拥堵交通分配方法可应用于拥堵路网的交通诱导,有利于促进道路资源的合理利用。     

Efficiency Loss of the Multiclass Stochastic Traffic Equilibrium Assignment with Fixed Demand

There exists efficiency loss when introducing a user equilibrium traffic assignment in comparison with the system optimization assignment. Seeking the upper bound of the efficiency loss has attracted many scholars' attentions. The existing researches mainly focus on single user class and deterministic traffic assignment, few on stochastic user equilibrium (SUE) assignment with multiple user classes. In this paper, the authors investigate the upper bound of this SUE's inefficiency. Two decision-making criteria are used in the SUE, namely, time-based and monetary-based. It is shown that the upper bound of efficiency loss caused by the time-based SUE depends on the type of link travel time function, the network complexity, the travel demand, and the degree of users' perception error to travel cost. The upper bound of efficiency loss caused by the monetary-based SUE depends on the value of time of user classes besides the aforementioned factors.