多属性随机时间依赖网络路径优化

为了改善实时交通诱导,根据交通网络中路段属性具有随机时间依赖性的特点,将路段各属性定义为关于时间的离散随机变量,建立了多属性条件下随机时间依赖网络路径优化模型.基于信息熵的多属性决策方法,设计了模型的求解算法;优化了网络节点的搜索顺序,使每个节点的信息只通过一步更新就可得到,从而获得多属性条件下所有节点到给定终点的路径选择结果,出行者可以根据到达某节点的具体时刻选择行进方向.最后,通过算例给出了算法的实现过程,并说明了随机时间依赖网络不遵从“先进先出(FIFO)”条件.     

基于改进Dijkstra算法的高速公路 应急疏散路径规划

为解决采用传统Dijkstra 算法在高速公路应急疏散规划路径中存在可用性差的缺陷,考虑 高速公路路网中有通行容量及条件限制的节点和路段特征,对其进行改进,提出容量限制节点的 表征方式及流量计算方法,并根据待疏散车辆特征对具有限高、限重属性的路段进行筛选,提出 分类路径规划方法。最后,以河南省高速公路局部路网疏散路径规划问题为基础设计算例,分别 采用传统算法和改进Dijkstra 算法对高速公路应急疏散路径进行求解。结果显示,传统算法得到 的路径规划及交通量分配结果中,容量限制节点上游路段的分配交通量高于节点容量,在节点处 形成疏散瓶颈,且对于规划路径中有限重条件的路段,案例中超重车辆无法使用该路段疏散;相 比而言,由改进算法得到的路径规划及交通量分配结果则不存在上述问题,从而使得疏散效率和 疏散路径的可用性得到了保证。     

随机时间依赖交通网络自适应路径选择

根据路段旅行时间具有随机性、时间依赖性等特点,将路段在不同时刻的旅行时间定义为离散随机变量;建立了随机的时间依赖网络的自适应路径模型,给出用多项式表示时间复杂性的算法,获得基于最小期望时间的所有节点到给定终点的自适应路径.出行者可以根据到达某节点的具体时刻选择下一步的最优路径.通过算例验证了算法的可行性.     

城市快速路网行程时间计算与最优路径选择算法

为提高城市快速路网的整体功能和运行效益,利用实时动态交通数据,根据动态交通因素对路段通行时间的影响,将城市快速路网划分为非拥塞和拥塞两种情况,基于安全停车距离和剩余通行能力,分别计算了两种情况的路段通行时间,提出了以行程时间最短为目标的城市快速路网行程时间计算与最优路径选择算法.将该算法应用于西安城市快速路网进行案例分析,结果表明:该算法的最优路径计算结果与实际相符,误差在15%以内;最优路径的距离约为最短路径的1.84倍.      

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。     

基于短时交通流预测的广域动态交通路径诱导方法

为提升车辆通行效率，以预测型诱导策略为基础，以排队长度作为交通诱导的约束条件，利用小波神经网络短时交通量预测预知路段堵死事件发生路段，通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定，进而建立广域诱导模型；对事件区域路网进行分区，进一步确定该模型诱导起点位置，引入基于路径尺度的Logit 路径选择模型作为诱导路径选择方法，通过流量迭代分配方法实现路网负载均衡. 通过实例验证，该诱导方法能有效地缓解道路交通拥堵，提高路网通行效率.     

基于Monte Carlo的行程时间可靠性研究

从分析行程时间可靠性的概念及其重要性入手,提出了路段、路径、OD对以及系统行程时间可靠性的定量计算方法.在路段通行能力随机变化的条件下,基于Monte Carlo仿真建立了行程时间可靠性的求解算法.考虑到行程时间可靠性与出行者路径选择的相互作用,该方法将基于行程时间可靠性的交通分配纳入到行程时间可靠性的评价之中.用一个简单算例进行测试,结果表明该方法能够对行程时间可靠性进行合理评定.     

基于GIS的城市震后交通最优路径分析系统

在调查分析城市交通系统的震害情况和主要致灾因素的基础上,研究震后桥梁、路段和路边建筑物的破坏对交通通行即最优路径的影响,提出按路段通行概率水平、有效路段长度和路段宽度进行震后交通最优路径搜索的原则.采用ArcGIS Engine的Network Analysis接口技术编制具有交通系统管理、路径分析和搜索功能的决策信息系统,该系统可以根据震后抗震救灾的需要,为抗灾指挥与抢险、消防、医疗、物资运输和避震疏散等方面进行最佳路径的评价和仿真模拟.     

基于数据库的动态路径寻优算法与实现

为适应当今数据存储和处理的需要,在路径寻优算法的实际应用过程中可以充分利用数据库管理数据的功能。利用实时动态的交通信息,寻找动态实时的最优路径,建立一个基于浮动车数据的动态实时路段速度数据库。通过实时动态地获得数据库中路段数据,提出基于数据库操作的动态路径寻优算法。为提高算法效率,提出动态变化限制搜索区域大小的辅助算法,并通过实例应用实现算法。     

上海市历史城区震后应急救援路网评价与优化

随着我国城市化进程加快,自然灾害问题也日渐凸显,作为主要自然灾害之一的地震正在严重影响着我国城市的公共安全.城市交通系统是城市重要的生命线,因此研究震后城市应急救援道路网络连通可靠度具有重要的现实意义.历史城区由于其建筑多为老旧平房,抗震性能差,而且城区道路空间局促,在遭遇地震时路网更易堵塞.本文以上海豫园区域路网为例,基于瓦砾堆积模型对震后路段通行概率进行计算,采用蒙特卡洛模拟方法对路网节点连接可靠度进行计算,对震后路网路段单元和节点的可靠性进行评估,并在此基础上判别关键路段和优化应急医疗救援路径.     

基于前景理论的动态路径选择模型

针对研究路径选择问题的传统理论——“期望效用理论”的不足,分析了“前景理论”的基本思想和结构框架．以出行者的日常上班出行为研究对象,在“前景理论”的基本框架下,研究实时交通信息影响下的路径选择问题,分析了出行者的路径选择决策过程．以出行者到达目的地的时刻为参照点,建立了价值函数．利用贝叶斯理论,对预测的路径行程时间进行更新与调整,分析出行者对路径选择结果的个人主观概率,得到决策权重函数．结合编辑阶段确定的价值函数,确定路径的前景值表达式,得到了路径选择模型．因出行者每次出行,需要对原有的经验信息进行更新与调整,故所建立的为动态选择模型．     

�¹�Ӱ����·������ʱ���ݱ���⶯̬ģ��

为描述交通事故影响下路网中走行时间与用户择路概率的相互作用及其演变规律,建立了基于事故路段及非事故路段流量状态及LOGIT原则的拟动态模型.利用分流合流模型及速度—密度函数,分别建立路段容纳车辆数和非事故路段走行时间模型,通过分析事故路段交通流的演化过程,利用交通波理论估计排队长度 ,建立事故路段走行时间模型.结果表明：事故发生前,经过一定的模拟时段后,路网交通流趋近稳定,各条路径的选择概率趋于平衡;事故持续时段内,排队长度、路径走行时间、路径选择概率相互影响,且均呈现出震荡状态;事故清除后,路径走行时间持续下降;排队完全消散后,经过一定时段稳定后的路径走行时间和路径选择概率达到新的平衡.     

逐日路径演化中出行者信息偏好的实验分析

在逐日出行过程中,出行者对各类信息的偏好是一个动态变化的过程,不同出行者对同类信息的偏好也不同.本研究搭建不同信息条件下逐日路径选择实验场景,用信息偏好系数表征不同类别信息对出行者感知时间影响的相对权重,研究出行者信息偏好的演化规律与分布特征.实验结果表明,出行个体信息偏好的演化存在3种类型,出行群体对感知时间的信息偏好系数先震荡增加后逐步稳定,出行个体对感知时间的信息偏好系数在出行群体中成正态分布.与只提供完全历史信息相比,同时提供基于指数平滑法的系统预测信息会降低出行者对感知时间的偏好.     

短时事故扰动下的逐日路网流量演化模型

为研究事故扰动下日变交通路网流量在出发时刻和选择路径上的时空演变规律,以出行经验学习更新路网理解阻抗,基于准点到达概率最大和到达前景最大分别调整计划出发时刻和出行路径.并在出行当日根据出发前各时段的实时信息再次更新路网阻抗,重新调整出发时刻和路径获得实际出行选择.从而建立考虑出行日信息更新的逐日路网流量演化模型.采用算例验证模型,结果表明:在路网无事故情形下,考虑出行日内调整,路网流量变化震荡缓和,但达到稳定所需时间长;事故发生在稳定前,会影响最终平衡态流量分布,而事故发生在稳定后,则不影响;考虑出行日调整会加大路网在事故发生后几日的流量震荡.     

交通信息系统作用下的随机用户均衡模型与演进

在有交通信息系统作用下的路网中,出行者会根据交通信息系统提供的交通状况信息和以往的经验选择白己的出行路线和出发时间。根据出行者对交通信息的信任和接受程度,本文将出行者分为怀疑保守型和信任乐观型两大类,在他们的路径旅行时间基础之上,推导出新一轮期望理解路径时间函数,讨论了该函数的特性,并建立了一个等价的随时间演进的随机用户均衡模型。     

基于路段间转移概率的最优路径预测方法

提出一种基于路段间转移概率的最优路径预测方法，即根据出行时间，将历史出行数据分为早高峰、晚高峰、非高峰3组反映不同交通状况的时间段；根据起点和终点所在区域，对出行数据作进一步处理，解决给定起点与终点之间出行数据不足的问题。基于有经验的出行者选择路径即为最优路径这一假设，通过历史出行轨迹计算得到路段间的转移概率，建立Markov链模拟出行者路段选择行为，将最大选择概率路径作为最优路径的预测结果，并给出其求解方法。该方法仅利用历史出行轨迹进行最优路径预测，避免了复杂的路段阻抗计算，且具有数据易获取，与实际出行行为一致性高，计算量小的优点。案例分析表明，预测结果准确性在不同出行时段下产生变化，而交通区域划分的大小对其影响较小。     

有限理性下考虑出发时间选择的网络交通流演化

假设出行者出发时间与路径选择随历史出行信息的更新而不断调整,研究网络交通流逐日动态演化规律.考虑出行者有限理性,基于累积前景理论,建立了出行者出发时间选择、时间间隔权重更新、路径选择及路径行程时间分布更新模型.通过数值实验表明:出行者对历史理解行程时间依赖程度对每个出发时段的稳定的流量分布无显著影响,但是对路径流量演化有显著影响;当出行者对历史理解行程时间的依赖程度大于等于0.90时,考虑出发时间选择的路网流量演化最终能达到稳定状态;从系统的整体效率来看,当出行者对历史理解行程时间的依赖程度在[0.90,0.95]时,有限理性下的交通分配结果优于完全理性.     

城市公交系统的时间可靠度研究

针对城市公共交通系统的行车时间和行车问隙易受影响的特点,以整个公交出行链为落脚点,从出行者的角度对公交的运行时间和乘客的在站等车时间进行了研究,建立了公交的运行时间可靠度、等候时间可靠度模型.以北京市为例,对晚高峰的公交时间可靠度进行了计算和分析,结果表明北京市的公交时间可靠度为中等水平.     

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.     

基于量表型选择集的出行信息需求有序选择模型

研究了城市出行者日常活动和出行所需要的关键信息, 提出了一种针对量表数据的量化分析方法; 以出行者信息需求为研究对象, 设计了一项基于李克特5级量表的问卷调查; 总结了出行个体对各类出行信息需求程度的排名, 分别构建并标定了驾车线路、目的地位置和实时路况信息需求的有序选择模型; 与多项Logit模型在参数显著度、赤池信息量准则和对数似然函数值等指标上进行对比, 以验证有序选择模型的有效性, 并对影响信息需求的关键变量进行了局部效应分析。研究结果表明: 出行者在通勤出行前最需要公交运营变更信息, 而在通勤出行中最需要实时路况信息; 非通勤出行者最关注目的地位置信息, 在出发前和途中对目的地位置信息的需求概率较通勤出行前分别高出31.08%和29.25%;在职人员对信息的需求程度普遍高于学生和自由职业者, 说明时间价值高的人群更期望通过全面及时的信息获取来合理安排出行; 女性比男性对实时路况信息的需求概率高出10.23%, 说明女性对延误的风险规避意识更强; 20~40岁的人群出行信息需求最强烈, 随着年龄的增长该需求将逐渐下降; 各年龄段对实时路况信息都表现出了较高的需求, 说明人们对于有可能带来负面影响的信息更为敏感。可见, 采用有序选择模型能够精确分析量表型选择集。