基于行程时间影响的关键路段识别与查找

从路段实际功能出发，提出基于路段与路径行程时间序列的相关性识别关键路段的方法.借鉴蒙特卡洛思想，以真实数据构造10万条随机路径验证该方法的可行性，并识别出对上海市路网行程时间有关键影响的路段集合.以上述集合为参照，利用模糊聚类及迭代累计平方和算法提取路段行程时间序列特征并构造两个新变量，结合基础属性建立二项Logit模型，从而主动查找关键路段.比较该模型与基础模型、随机分类器查找效果表明：基于最大归一化行程时间曲线聚类，其结果对关键路段识别模型的性能有提升效用；行程时间对数差分序列的结构性变点在路网和路段级别均有明显时间聚集特性，虽然其个数与路段关键性无明显关系，但其与常见波动程度指标相关性小，可保留用于描述行程时间波动常发性和聚集性.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

交通事件影响下的路径行程时间变化分析

为了对交通管理系统中的事件管理提供可靠的决策依据,针对持续期为数天的交通事件,考虑事件发生后出行者日常路径选择的随机性,基于路径流量联合概率分布的动态调整过程,建立了描述路网系统路径行程时间变化的随机动态交通分配模型.并用算例网络验证了本文建立模型的可行性.算例研究结果表明:交通事件持续期每增加10 d,持续期内路径的平均行程时间增加0.24%;与普通路段相比,事件发生在关键路段导致平均行程时间增加3.07%; 路段通行能力每下降10%,平均行程时间增加2.53%;不同事发路段对路网系统在事件结束后恢复到均衡状态所需时间的差别显著,关键路段通行时间的恢复约为普通路段的4倍.      

基于遗传算法的城市应急车辆调度优化

分析应急车辆到达事故地点行程时间的各种影响因素,结合实时路段交通量和交叉口控制状况,计算路段行程时间和交叉口延误时间,以总行程时间作为适应度函数,基于遗传算法优化城市道路应急车辆调度。遗传算法采用可变长度节点序列编码方式,并引入邻接矩阵概念,对应急车辆出行的合理路网进行路径集合估计,为初始路径个数的选择提供理论支撑。最后以西安市曲江区路网为例进行计算与检验,验证了优化方法的有效性与合理性。     

路段容量随机下降路网的行程时间可靠性

基于均匀分布的路段容量,分析了退化路网中路段行程时间的随机变动,构建了概率用户均衡交通分配模型,证明了等价数学规划模型解的等价性,设计了模型求解算法.在此基础上,建立了路段、路径及OD对行程时间可靠性计算模型.最后,在一简单网络上进行了计算分析.     

依赖随机参考点的网络均衡配流模型

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积.假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型.然后,给出基于Probit 加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法.算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为.对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变.     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

基于行程时间可靠性的多类用户交通分配模型

分析了路网在随机因素作用下造成的出行者行程时间的不确定性.假设出行者基于期望行程时间和行程时间可靠性的均衡选择路径,根据出行者对待行程时间可靠性的不同态度,将其路径选择行为分类,建立了基于行程时间可靠性的多类用户交通分配的变分不等式模型.给出了模型的对角化算法.对一个小型测试网络的计算结果表明,该模型能够反映出行者在不确定环境下的路径选择行为.     

基于随机退化路网的碳排放收费优化模型

结合随机通行能力退化路网和双参考点累计前景用户择路模型,构建了引导低碳出行的碳排放收费多准则双层优化模型.上层模型以系统碳排放量最少为目标,搜索最优收费路段并识别最优费率.下层模型基于双参考点累积前景用户和随机退化路网,构建综合考虑行程时间、累积到达时间感知价值、过路费和油费的多准则流量分配模型.设计了基于路段碳密度的启发式算法对模型求解,并采用双向 Nguyen Dupuis路网验证了模型和算法的有效性.研究表明,合理设置收费路段和收费标准能够有效降低全网碳排放总量,但若收费标准设置过高,会降低原瓶颈路段的通行能力,并人为制造新的瓶颈,反而使全网碳排放量上升.     

基于随机退化路网的碳排放收费优化模型

结合随机通行能力退化路网和双参考点累计前景用户择路模型,构建了引导低碳出行的碳排放收费多准则双层优化模型.上层模型以系统碳排放量最少为目标,搜索最优收费路段并识别最优费率.下层模型基于双参考点累积前景用户和随机退化路网,构建综合考虑行程时间、累积到达时间感知价值、过路费和油费的多准则流量分配模型.设计了基于路段碳密度的启发式算法对模型求解,并采用双向 Nguyen Dupuis路网验证了模型和算法的有效性.研究表明,合理设置收费路段和收费标准能够有效降低全网碳排放总量,但若收费标准设置过高,会降低原瓶颈路段的通行能力,并人为制造新的瓶颈,反而使全网碳排放量上升.     

基于在线地图交通态势分析的路网拥堵状态识别

为了实现道路网实时拥堵状态识别,以在线地图的历史延时指数为基础,用相邻路段有效拥堵状态发生时间顺序、持续时间阈值和流向流量关系识别传播性拥堵,用拥堵发生频率和持续时间阈值识别单路段系统拥堵,由此确定特定周期内的系统拥堵路段集合Nmax.以其集合范围内相邻路段时刻t的延时指数,以及其邻近拥堵持续时期的皮尔逊相关系数计算传播性系统拥堵程度值DtS;以非传播路段时刻t延时指数计算DtS?;综合前两者得到路网系统拥堵综合程度DtN,并找出该周期内的极限拥堵程度量化值.用Nmax内路段实时延时指数和实时拥堵路段数与极限拥堵状态对应的数值进行比较,计算实时拥堵程度的量化值.经实验证明,该方法能够反映路网系统拥堵形成的规律,实现路网实时拥堵状态的快速识别.     

城市信号控制路网中的路段行程时间估计方法

为了精确检测城市信号控制路网中的路段动态行程时间,分析了路段流量受交通信号控制策略影响的波动规律,提出了基于交通量图偏移的路段行程时间计算方法。研究了不同断面交通量图的相似性,根据最大相似度时交通量图的偏移,计算了断面间路段动态行程时间,并与调查结果进行了比较。比较结果表明:在城市路网封闭路段,平峰、高峰的不同时间长度内(5、10、20 min),平均行程时间最大平均相对误差为7.1%,因此,计算方法可行。     

������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.     

基于时空相关性的城市交通路网关键路段识别

关键路段通行能力的大小是决定城市道路交通是否畅通的重要因素之一.关键路段的识别为交通规划、居民出行等提供了重要的决策支撑,对缓解交通拥堵具有重要的意义.本文对城市路网关键路段的识别进行了研究.首先建立了适用于交通路网的空间邻接矩阵;其次以时空相关函数表达不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为路段重要性的衡量指标,构建了逼近于理想点的路段重要性度量模型,通过排序实现了对关键路段的识别;最后将模型应用于北京市区域路网,结果证明,该方法能够有效地识别路网的关键路段,具有实用性和可行性.     

考虑可靠性的降级路网最优路径搜索方法

针对路网降级时路网出行时间的随机性和可靠性对出行者路径选择影响较大的问题,研究了降级路网可靠性路径的选择方法．基于BPR路段出行时间模型,构建了降级路网路径出行时间的均值模型及其可靠度模型．以路径出行时间最小、路径出行时间最可靠为目标,构建了路径选择的双目标加权规划模型,设计了基于改进蚁群算法的模型求解算法．算例分析表明：该算法能快速获取可靠的路径．     

考虑自行车步行影响的交通平衡综合分析模型

步行和自行车等外界因素对机动车流的影响也具有随机性,但是这种影响更多地表现为可预见性和可控制性(尤其从交通管理的角度来看),可以说这种影响将导致可预见性的路段实际通过能力降级,并且可预见性特征使得这种影响不同于随机用户平衡中路段旅行时间的感知误差.笔者通过区分路段通过能力降级因素为内因(路段上车流量增加导致道路服务水平降级)和外因(由与路段上与车流量无关的外部因素,如随意过街人流、自行车流等外部因素,引起的道路通过能力降级),并且区分路段旅行时间为通行能力降级路段上行程时间和排解交通拥堵花费的滞留时间两个构成部分的基础上,建立了考虑自行车步行影响的交通平衡综合分析模型;通过对路段参数敏感性分析和实例对照,既展示了该综合分析模型-路径期望旅行时间平衡分析模型与确定性网络用户平衡分析模型的差异性,又展示了路径期望旅行时间平衡分析模型能较好地再现人们对道路路段通行能力降级情形下的车流路径选择行为.     

基于累积前景理论的通勤者路径选择模型

为了全面描述决策者在不确定环境下的出行行为,从价值变化和可靠性变化两个方面研究通勤者的路径选择行为及对待风险的态度,提出了基于累积前景理论（CPT）的通勤者路径选择模型.首先推广了两个参考点的CPT,接着根据不确定理论对行程时间进行预算,给出通勤者参考点估计的统一方法,然后构造通勤者的路径选择模型. 最后在一个测试网络上研究可靠度与参考点及可靠度与累积前景值的关系.结果表明,通勤者的参考点可以根据可靠度要求动态设置.出发时刻相同,出行者可靠度要求较高时,风险较低的路径前景值较大;反之可靠度要求较低时,行程时间平均值较小,虽然风险较高的路径前景值也比较大,这一结论与事实相符合.本文所提出的决策模型能够有效地描述通勤者在随机路网中的路径选择行为.     

基于四阶矩的路网总行程时间可靠性评价

为了评价供需服从任意分布时的路网总行程时间可靠性,提出一种基于四阶矩的计算方法.通过计算机模拟计算出路网出行总时间的四阶矩,然后推导总行程时间预算与四阶矩之间的关系,继而定义了路网总行程时间可靠性,并采用逆向求解方程得到该值.通过在大型算例路网上进行测试,得到该网络的不同预算下的总行程时间可靠性.分析结果表明,路网总行程时间可靠性随着总行程时间预算的增加而增加,当增加到一定程度时,可靠性趋于稳定值1.0,完全符合实际情况,从而说明计算机模拟加上逆向求解的基于四阶矩的可靠性算法是一个有效的算法,可以很好地应用在供需随机分布路网的行程时间可靠性研究中.