����������ҵ����Ͻ�ͨ�����յ��Ż�ģ�ͼ������

随着城市中心商业区的快速发展,其造成的城市交通拥堵已经成为影响居民出行和城市发展的严重障碍.本文以城市中心商业区的混合交通流为研究对象,建立了基于动态分配的交通流诱导优化模型.首先,基于总体费用函数的路径选择概率对城市中心商业区的交通流进行动态交通分配.然后,根据分配结果确定拥堵路段,据此给出不同交通诱导措施,再应用所建模型选择最佳方案.最后,采用VISSIM交通仿真软件,对天津市滨江道商业区的混合交通流进行动态仿真,并针对不同的交通诱导措施,应用所建模型对诱导方案进行仿真和评价,确定最优方案,从而有效地减少交通拥堵.     

������Ⱥ�㷨�Ĺ�·���˿�������Ż�

公路客运快递依托客运线路采用直达模式进行运输获得了较好的经济效益,但直达模式却制约着其运输网络的能力和结构. 为提高运输网络的能力,完善运输网络结构,发挥公路客运时效性好的优势,本文提出转运的思想,并用优化模型设计公路客运快递的运输网络,使快件运输时间最小化. 优化模型是带有时间窗的运输网络设计问题,传统算法难以求解,因此用蚁群算法进行求解. 算例分析表明,基于优化模型设计的运输网络可以节省快件的运输时间,提高公路客运快递的运输能力.     

对CBD交通流分配问题的研究

推广了Ｄ’Ｅｓｔｅ交通流分配模型，建立了广义Ｄ‘Ｅｓｔｅ交通流分配模型。证明了Ｄ’Ｅｓｔｅ交通流分配模型和广义Ｄ‘Ｅｓｔｅ交通流分配模型之解的存在唯一性，并且给出了广义Ｄ’Ｅｓｔｅ交通流分配模型的数值求解方法和实例验证。     

�ۺ���������෽ʽ�ֲ����ģ���о�

针对综合运输网络运量预测需求,建立了多式网络分层分配模型,以分层网络拓扑结构和相应路径搜索算法的改进为重点,建立了适合分层网络结构的运量分配模型. 分层网络模型中心节点代表城市中心和换乘枢纽,相应地构建适用分层网络结构的广义费用函数、路径搜索算法. 以本文研究方法为基础开发了辅助计算系统,用于解决大规模运输网络的运输需求预测问题. 以在建的京沪高速铁路沿线运输网络为研究案例,研究结果验证了本文构建的多方式分层分配模型的有效性与实用性.     

基于两阶段行程时间的交通流分配理论

针对目前静态交通流分配理论难以处理网络流量演化的问题,给出了基于交通流 反λ 基本图的流量分配新模型.通过不断求解新模型更新路段交通状态,明确了利用静态交通 流分配模型分析网络交通流演变的具体方法.假设网络路段均处于自由流状态,通过求解得到 平衡路段流量,判断是否达到临界流量.将路段流量达到临界流量的路段设定为拥挤状态,重 新求解平衡流量,判断是否仍存在达到临界流量的路段.依据上述思路,直到新的模型无解或 无新的路段达到临界流量.本文通过定义网络不同级别的拥挤瓶颈,完成对网络流量演化的分 析描述.算例验证了新模型与方法的可行性.新理论提供了分析网络交通状态演变的新思路, 拓展了静态交通流分配理论.     

���ڶ�̬�滮�ij��н�ͨ��Ԥ�������

城市交通系统是一个复杂的大系统,针对交通流的不确定性,本文基于动态规划思想提出了交通流预测与分配的方法。考虑路段容量对交通分配的影响,建立了路网流量预测和分配模型。为了保持并充分利用传统网络模型的性质和特征,引入惩罚函数,将容量约束条件转换到目标函数中,使模型符合传统均衡网络流结构。将凸规划法作为一个子过程植入惩罚函数,得到模型的求解算法。控制策略上采取预测控制、反馈校正和滚动优化的方式。最后,通过算例分析,进一步阐述模型和算法的应用,验证算法的有效性。为交通流预测和分配提供一定的参考。     

突发灾害下交通控制与VMS协同技术

估计了可变信息板(VMS)的影响范围,构建了交通控制与VMS的协同一体化模型。通过VMS影响驾驶人的出行路径选择行为,引导路网交通流向最优交通流分布模式发展。通过交通控制调整交叉口信号参数,实现路网交通流的截流与分流,最终形成路网交通流最优交通分布模式。采用Frank-Wolfe均衡分配和遗传算法相结合对模型进行优化求解,利用Paramics API开发模型和算法。以Paramics软件为仿真平台,以山东省淄博市淄博新区为模拟路网,在路网突发灾害下对模型和算法进行了验证。验证结果表明:路网饱和度越大,构建的模型相对于Synchro模型,提高路网交通流运行性能指标的效果越明显,促进路网交通流稳定性的能力越强,越能均衡分配路网负载。当受灾交通流疏散完成80%,路网连线饱和度分别为不大于0.8,大于0.8且不大于1.0,大于1.0时,相比Synchro模型,构建模型的受灾交通流疏散时间分别减少11.55、21.84、25.64min,疏散速度分别提高25.98%、31.83%、20.16%。     

低碳背景下港口群混合轴辐式运输网络优化

为了在节能减排的现实背景下对区域港口群运输网络进行优化,探究了港口群运输网络中的各项成本以及船舶、车辆碳排放的影响因素,引入了碳排放权重、成本系数和时间效用系数,在实现港口群运输网络总成本最小的目标下,构建了考虑碳排放的港口群混合轴辐式运输网络优化模型,最后应用算例计算分析了速度变化下25种情景的最优结果,并从中确定了海上航运网络、陆上集疏运系统的最优运量、运力配置方案,使该模型具有实用性和可行性.     

基于优化速度模型的城市交通微观尾气排放模型

介绍了城市交通尾气排放模型的特点,提出建立微观交通流与现有排放模型相结合的思想.把微观交通流中的优化速度模型与微观尾气排放模型结合起来,建立了基于微观交通流的城市道路微观尾气排放模型.用武汉市的观测数据对优化速度模型参数进行了辨识,对10辆车在十字交叉路口启动过程中的尾气排放进行了动态仿真,仿真结果表明该模型可以模拟城市交叉路口车队启动过程中尾气排放的动态演化过程.     

快速路可变限速与匝道控制协同优化策略

可变限速控制和匝道控制是快速路交通控制的主要手段,本文对两者的协同优化策略进行了研究.借助智能车路协同系统强大的信息感知能力,通过引入微观交通流信息,对经典METANET模型进行了改造,构建了可变限速控制影响下的微观METANET模型,实现了一种新的可变限速控制策略,同时,采用ALINEA算法,对入口匝道进行了优化控制,实现了两者的协同优化.最后,基于实际道路和交通流数据搭建了仿真平台,对微观METANET模型和协同优化策略的有效性进行了验证.仿真结果表明,微观METANET模型具有良好的交通流预测效果,协同优化策略能有效地改善快速路交通流状态.     

元胞自动机交通流模型研究现状

交通流理论研究是以建立能够描述实际交通一般特性的交通流模型,从而揭示交通流的基本规律。在非线性科学和复杂性科学的推动下,元胞自动机模型成为研究交通流的一种新的交通流动力学模型。介绍元胞自动机交通流模型的产生与发展,分析用于道路交通、城市路网和轨道交通中的几种经典的元胞自动机交通流模型,并对今后可能的研究趋势进行展望。     

基于客流量的城市公共交通运营财政补贴分配优化研究

目前我国大多数城市对公共交通企业亏损都是采用政府和企业协商确定政策性亏损补贴的方法,但这种方法不仅没有提高公交企业的运营效率,而且也没有减轻政府财政补贴的负担.本文分析道路交通和轨道交通的客流量,将轨道交通的趋势客流和道路交通向轨道交通的转移客流的总和作为道路交通企业需要对轨道交通企业进行补贴分配的客流量;应用经济学中的资源配置问题,将公共交通运营收入的财政补贴和公共交通车辆改造的财政补贴看作两种资源,并将其分别分配到道路交通和轨道交通中;以客流量为约束条件,并根据线性规划的对偶理论推算城市公共交通运营财政补贴的影子价格;再联合分配客流量构建城市公共交通运营财政补贴的分配优化模型;最后以重庆市的公共交通为例,验证模型的可行性.     

����������·��ͨ���������˻�״̬����

基于行程时间对交通需求的影响,建立路段交通流模型,对路段交通流量稳定性及通行能力的退化状态进行分析.在出行者的交通需求具有弹性的情况下,路段行程时间越长,交通需求越低.模型中行程时间由道路上的交通状态决定,车辆行驶过程的计算利用MITSIM模型,通过数值模拟方法分析弹性需求对交通流的稳定性及通行能力的影响.仿真结果表明,在交通需求和路段性能相互作用下,路段交通流量趋向于稳定,非饱和状态下的稳定流量随着交通压力的增加逐渐上升到最大通行能力,而饱和状态下的稳定流量小于最大通行能力且交通压力越高通行能力退化越严重.因此在城市路网规划时,应综合考虑路网中各路段通行能力,避免路段通行能力下降.     

基于CNN-SVR混合深度学习模型的短时交通流预测

精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)与支持向量回归分类器(Support Vector Regression,SVR)的特点:在网络底层应用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测.为验证模型的有效性,取G103国道的实际交通流量数据进行试验.结果表明,提出的预测模型与传统的预测模型相比具有更高的预测精度,预测性能提高了11%,是一种有效的交通流预测模型.     

Statistical Properties of Individual Choice Behaviors on Urban Traffic Networks

Many transportation processes and behaviors, from traffic flow movement to crowd stampede and natural fluxion, are related to the action of agents. We have investigated and quantified the interplay between topologies and the individual behavior modes (unselfish and selfish) in equilibrium urban traffic networks. In this paper, the unselfish and selfish behavior correspond to the system optimum (SO) and user equilibrium in the traffic assignment. A significant finding is that the fractions of flow for two cases are constants in the minimum spanning tree where a large number of transport task is shouldered. In addition, we find that the upper bound of unselfish behavior is limited and ordinal for different network topologies which, therefore, indicates large investment on SO is not an effective method to alleviate the traffic congestion caused by selfish behavior. We report the phase transition from free traffic to congestion and derive a general scaling relationship between the congestion and the flow in arbitrary network topologies suggesting that the result might be practically useful for designing urban traffic networks.     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。     

基于综合交通网络的干线公路客流预测方法

提出了一种融合多种运输方式的干线公路客流预测方法;通过引入基于“人次”的标准客运单元和“点-线”的枢纽节点转化方法,将公路、铁路、航空以及水运等不同运输方式子网络进行融合,构建了可体现不同运输方式之间换乘关系的综合交通网络模型;考虑出行经济费用、出行时间、最大出行恢复时间、舒适度等因素,构建了综合交通网络下不同运输方式的阻抗模型;利用额定载客数和单位时间发车次数等参数,实现了综合交通网络下不同运输方式路段最大容量的标定;基于标准客运单元和综合交通网络模型提出了考虑综合交通阻抗的客流分布预测模型,实现了考虑其他运输方式影响的干线公路客流预测,并以黑龙江省哈大绥齐地区为例进行方法验证。研究结果表明:与2019年的实际观测值相比,在无伴行线路时基于综合交通网络的干线公路客流预测方法预测结果平均误差为5.47%,略低于传统四阶段法的6.14%,但在有伴行线路时该方法平均误差为4.58%,远小于传统四阶段法的11.89%;相比传统四阶段法,该方法能够更好地反映综合交通网络结构变化后转移客流对干线公路客流量的影响;相比新增水运线路,新增高速铁路或普通铁路伴行线路对干线公路客流影响更大,更能促使公路客流向铁路进行转移。      

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

基于均衡原理的交通需求结构分析方法研究

道路网络上的交通流状态是交通需求结构和道路网络结构二者共同作用的结果,交通需求结构与道路网络结构一体化研究是实现交通需求系统管理的基础。鉴于此,运用均衡原理建立交通需求结构与道路网络结构二者的耦合关系模型,提出基于交通网络与交通需求二重均衡协调的交通需求结构分析模式,可为交通需求系统化管理提供理论依据和方法。