考虑移步需求的无桩型共享单车动态调度研究

共享单车系统自发的不均衡性导致单车数量分布与用户需求分布之间产生偏移，降低了系统服务能力，需要调度实现再平衡. 现有动态调度算法缺乏考虑起点车辆供给不足，用户在出行过程中“再次”取车的移步需求，难以准确识别用户真实的出行需求分布，降低了调度效果. 本文提出以用户出行选择行为为下层，以调度车辆路径规划为上层的双层规划模型框架，设计结合仿真系统的启发式求解算法. 算例场景基于上海市虹口、杨浦区共享单车历史出行数据搭建，并进行网格化处理. 算例结果表明，模型能有效识别移步需求，提高共享单车的供需匹配能力. 针对各类调度资源配置情况，共享单车的供需匹配率提升18.07%~ 19.89%，提高了共享单车系统的管理效率.     

共享单车调度路径优化研究

当前共享单车停放点经常出现供需时空失衡现象,无法满足市民的出行需求,因此,单车投放机构需要进行调度以平衡城市各共享单车投放点的供应量.为保证共享单车的调度效率,需要选择合理的调度路径,针对共享单车的调度路径优化问题开展研究:以调度车辆最少和调度成本最低为目标,构建多车场有时间窗要求的共享单车调度路径优化模型;基于禁忌搜索算法,设计模型的求解算法;以某城市大区内的摩拜单车系统为例进行案例分析.结果表明:利用此模型和算法能有效减少调度成本,提高共享单车的调度效率.     

基于TSIS二次开发的交通诱导系统仿真分析

介绍了TSIS与VC的接口原理和二次开发流程.给出TSIS二次开发的程序编写基础和RTE.dIl文件的生成方法.根据交通诱导的需要,给出了出行路径诱导、交叉口自适应控制、路段限速的二次开发设计思路和程序设计说明.通过编写TSIS接口函数,完成了示范区域路网交通诱导、控制系统的仿真分析.结果表明:提出的基于VC和TSIS二次开发的交通出行诱导系统仿真分析方法,充分利用了TSIS的微观仿真能力,不仅克服了模拟分析方法计算机量大、模拟结果不符合实际交通状况的不足,同时也提高了交通出行诱导系统仿真分析的直观性和科学性.     

交通出行诱导的Stackelberg博弈模型及其遗传算法求解

针对交通出行诱导的实际需求,分析了进行博弈的共同知识.基于对道路交通管理者和道路使用者的策略分析,通过建立道路使用者确信度模糊模型,构建了交通出行诱导的离散动态Stackelberg博弈模型.针对交通出行诱导的两阶段博弈特征,提出了基于逆向归纳法的博弈模型求解算法.设计了基于遗传算法的博弈模型计算机求解算法,使产生的交通出行诱导方案能够实现系统最优下的用户最优.     

基于交通控制与诱导的准动态交通分配策略与算法研究

交通出行诱导系统下的路网动态交通分配是进行交通出行诱导方案分析、评价的基础。本文主要考虑交通控制与诱导信息对路段阻抗的影响和出行者对交通诱导信息的接受程度,给出了两种准动态交通分配的策略：修改了出行路径阻抗和改变了出行路径选择。并基于常规非平衡交通分配,通过OD需求量“全有全无”方法,实现了OD变需求影响下的多时段连续准动态交通分配。最后,通过示例路网,验证了所研究的分配策略与算法的正确性。     

关于诱导信息与路径选择的影响研究

交通诱导是解决交通拥挤的有效途径,其目标是通过调整出行者的出行路径。实现路网交通流的均衡分配。其中,诱导信息与出行者的路径选择行为是影响交通诱导成效的两个关键因素。文中通过探讨诱导信息与路径选择行为对交通流分布的影响,建立了诱导信息条件下出行者路径选择决策模型。并设计了相对应的求解算法,采用matlab程序进行仿真,并最后对结果进行分析。     

基于出行决策的公路网多目标最优路径算法

为使公路网静态最优出行路径能综合表达道路环境影响因素与出行者的路径选择偏好,研究了GIS环境下的用户-系统最优出行路径决策模式.基于层次分析法,构建了综合考虑行程时间、舒适安全性与行程费用的公路网路段交通阻抗评价指标体系,提出了对定性与定量化参评指标进行综合一致性处理的方法.通过用户-系统共同决定的路段交通阻抗的综合评价过程,将最优路径问题转化为最短路径问题,采用各路段各出行目标的标准化值之和作为评价指标,采用Dijkstra算法实现最优路径的搜索.实例验证结果表明:最优路径比距离最短路径出行距离增加8%,出行时间减少7%,舒适安全性提高17%,出行费用增加13%,所得最优路径是针对特定用户的多目标路径,明显异于单目标最短路径,表明该方法可行.     

出行前交通诱导决策系统的静态博弈模型

对出行前交通诱导决策系统的设计需求进行了分析.通过对公交出行策略和个体机动车出行策略进行分析,建立了基于公交和个体机动车等效出行时间的静态博弈模型,模型与出行者的出发时刻和优化出行路径的路段集相关.采用枚举的方式,将出发时刻离散为间隔1 min来对出行前不同出行方式决策博弈模型进行求解.通过实例分析可以看出,提出的出行前交通诱导决策博弈模型可实现对出行者进行出发时刻、出行方式、出行路径的诱导.     

基于GBAS的公交路径选择仿真系统研究

通过对公交系统进行网络描述,提出以换乘次数最少为首要优化目标,以公交出行距离最短为第二优化目标的基于GBAS(基于图的蚁群系统)的公交出行路径选择算法.同时,以该算法为核心研发一套仿真系统对算法有效性进行验证,亦具有一定的应用参考价值.     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

基于局部连通性的在途动态路径诱导方法

驾车购物已经成为现代城市居民常见的生活出行方式,而驾车购物出行量的不断 增长也引发了严重的道路交通供需矛盾,加重了城市交通拥堵程度.为更好地满足居民驾车购 物出行的实际需要,出行路径诱导已成为一种优先选择,但目前大多数路径诱导方法运用固 定的最优路径搜索算法来规划行驶路线,不能完全自适应交通流的变化,并没有考虑到购物 出行特点.本文提出一种在途动态路径诱导方法,分析实时交通信息对路网连通性的动态影 响,在途中对诱导路径进行局部范围的重新搜索,并及时将更新结果反馈给在途车辆.实验结 果表明,与其他动态路径诱导方法相比,该方法计算量减少了56%以上,具有更强的实时性和 有效性,并具有开放性结构,能够根据需求替换不同路径搜索算法.     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

��·ָ����Ϣ�����µ������ͨ����

提出考虑信息接收程度的Ｌogit型随机交通分配方法,来计算道路指引信息发布下路网交通的重新分配.出行者被划分成两类,一类根据信息的指引出行,另一类则以Logit型的随机方式进行路径选择;利用道路指引信息的市场占有率的概念,给出这两种出行行为共存下的网络加载算法,并运用逐次平均法实现了拥挤网络中的交通分配.数值试验结果表明,发布良好的道路指引信息有助于提高路网运行效率;对拥挤网络中的给定OD,存在一个最佳的占有率,并随着交通需求的增加而增加;在合理的占有率下,增加信息指引路段可有效降低路网运行时间.     

����ͨ����Ϣ�յ�Ч���ķ����о�

交通流信息诱导能提高区域交通运行效率。本文在区域交通流信息诱导建模理论基础上,基于调研数据,利用VISSIM软件对北京市西南二环内某区域交通进行仿真,对比评价交通流信息诱导措施实施前后的区域道路交通流运行状况,通过5种不同场景分析,结果显示当I.A南进口左转车受诱导量从10%增至30%时,其南进口左转车流旅行时间的降低幅度从18%变至减少42%,延误从234s降至164s,在保证对区域内其他路段干扰较小的情况下,有效缓解I.A南进口左转车流的拥堵。     

基于GPS浮动车的高速公路路线诱导方法研究

随着我国高速公路建设的快速发展,高速公路路线诱导可以显著提高高速公路的通行能力。根据现代智能交通运输系统的实际需求．研究基于GPS浮动车数据的采集系统,并构建基于BP神经网络算法的旅行时间预测模型,可为驾驶者提供实时的路线诱导,同时有助于驾驶员避开拥塞和提高出行质量。     

��ͨ���յ������µ�·�����ƽ��˫��滮ģ��

交通流诱导系统的应用，使得传统的路网系统随机用户平衡发生了变化。本文把交通流诱导系统的效益费用和交通流诱导条件下的随机用户平衡结合起来，以交通流诱导效果和建设费用问题之间的相互关系为基础，寻找交通流诱导系统建设和随机网络平衡的综合优化方案。文章采用双层规划模型描述了系统最优和交通流诱导条件下的随机用户平衡之间的相互作用，并给出了灵敏度分析算法。     

车路协同环境下群体车辆诱导与协同运行方法

为解决城市发展带来的交通拥堵问题,发掘道路交通的潜力,提高车路协同环境下车辆在路网中的行驶效率,面向群体车辆提出了一种诱导优化方法和协同控制策略;在车辆诱导分配方面,在起始点和目的地之间的可达路径中,以交通效率最优、车辆排放最小为目标,设计了基于道路饱和度、车辆行程时间和延误的群体车辆分配规则,建立了群体车辆诱导分配优化模型,并用多目标非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)和多目标粒子群优化算法进行求解;在车辆协同运行控制策略方面,基于引力场思想建立了多车协同运行模型,并提出了多车协同加减速策略;通过仿真验证比较了不同网联自动驾驶车辆(CAV)渗透率下的车辆诱导优化结果,同时仿真了车辆协同加减速策略,并将诱导优化方法和协同控制策略进行了联合仿真。仿真结果表明:多目标诱导分配方法可以提升车辆速度和环境效益,且群体车辆平均速度与CAV渗透率正相关;在四车组队行驶环境中,车辆协同加减速策略能够将车辆在加速和减速时的初始平均加速度分别提高15.0%和8.2%,让车辆快速达到目标速度,保障行车安全;在联合仿真环境中,路网群体车辆的加速度平均提高了11.6%,速度平均提高了1.6%,碳氧化合物排放量减少约4.9%。由此可见,提出的方法能够提高路网通行效率,降低车辆能源消耗,减少对环境造成的不良影响。      

城市交通流诱导信息板配置优化方法

为合理进行城市交通流诱导,提出了一种基于提高诱导覆盖率和减小诱导重复率双重约束下的信息板配置优化方法。在分区的道路网络条件和交通需求点分布确定的情况下,以追求分区内被诱导的交通量最大为前提,建立信息板优化布局函数,并通过遗传算法设计了信息板优化布局函数求解算法,在提高整个诱导覆盖率和减少诱导重复率的双重约束下确定信息板的合理数量。通过一个15个节点的网络实例验证,当设置6块信息板时,诱导重复率为1.000,且其诱导覆盖率也达到了0.978,为最优配置。结果显示该信息板配置方法能在一定交通诱导重复率的基础上达到交通诱导覆盖率最大,是一种提高交通流诱导效率的有效方法。     

考虑个性化出行需求的多模式公交路径规划

在多模式公交出行中,传统的路径规划方案已无法满足出行者日益增长的出行需求. 为提供基于出行者多种出行需求的个性化路径规划方案,通过IC卡刷卡数据模拟公交时刻表,建立基于模拟时刻表的多模式公交路网模型;采用动态阈值化法建立个性化出行需求评价值模型;设计深度优先搜索-遗传算法（depth first search-genetic algorithm,GA-DFS）,并基于此组合算法提出初始种群产生策略和两点变异方法;最后,假设了3种不同出行需求的出行场景,将某市区的多模式公交路网数据应用于模型和求解算法中,并与使用较广的模拟退火-遗传算法（simulated annealing-genetic algorithm,GA-SA）进行对比分析. 仿真结果表明:所提出的算法与模拟退火-遗传算法相比,平均迭代次数减少了42%,寻优能力提高了50%,并且可以提供基于乘客多种出行需求的路径规划方案.