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.     

��������ο���������������ģ��

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。     

考虑出发时刻调整的日变路网配流模型

为研究交通事件导致的非平衡态下日变交通网络流量的演化规律,考虑每日 出行中对出发时刻的调整,以准点到达概率最大为追逐目标,建立每日出发时刻流量转 移模型;以前景理论描述出行者有限理性,建立基于出行时间预算的路径到达前景值及 追逐前景值最大的路径流量转移模型.并依据先确定出发时刻再调整路径的行为机制建 立日变路网配流模型.最后以一个算例验证模型和算法.结果表明,路径流量在每日出行 中随时刻的分布均呈现凸函数特性,且随着出行天数的增加,各条路径上流量随时刻分 布趋于稳定;与不考虑时刻调整的模型结果相比,考虑出发时刻的情形下,路网稳定所需 时间更长,且趋于平衡的过程中,流量振幅更大,且能达到新的平衡状态.     

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.     

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.      

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

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.     

多用户类型弹性需求随机期望-超额用户平衡模型

为准确描述随机路网环境下出行者规避行程时间不确定风险的择路行为,推导了通勤者需求量服从对数正态分布和路段通行能力服从贝塔分布条件下计算期望-超额行程时间的计算公式,并在考虑出行者对行程时间的估计误差和路网服务水平对交通需求影响的基础上,建立了用等价变分不等式表示的多用户弹性随机期望-超额用户平衡模型.算例结果表明:随着需求水平波动程度和路段通行能力退化程度的加剧,当需求方差-均值比从0.5增至2.0、贝塔分布参数(l和m)从90和10变为10和10时,通勤者和非通勤者期望最小理解期望-超额行程时间分别增加了48.5%和99.2%.     

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。     

基于累积自学习机制的驾驶员路径选择博弈模型

为弥补已有驾驶员路径选择博弈模型将驾驶员视为完全理性的不足,探求无诱导信息情况 下路网交通流临界状态,将驾驶员视为有限理性,其依赖累积时间感受收益做出下一次的路径选 择策略,并以驾驶员的行程时间感受作为决策收益建立了基于累积自学习机制的无诱导信息驾驶 员路径选择博弈模型。利用该模型,分析了驾驶员路径选择行为对路网交通流的影响,并通过仿 真验证得出了不同初始状态下的模型博弈平衡结果。仿真结果表明：博弈平衡状态与路网车流总 量及初始流量分配比例密切相关。当路网车流总量小于或接近路网总通行能力时,不发布诱导信 息,路网的交通流分布达到稳定平衡,路网通行能力利用率较高;当路网车流总量远大于路网总 通行能力时,不发布诱导信息,路网交通流分布会形成峰谷平衡,不能有效利用路网通行能力, 应采取相应的交通管理措施。     

������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.     

交通事件影响下路网逐日出行动态可靠性

为描述交通事件持续期间逐日出行过程中的路网服务性能,构建日变路网逐日出行选择模型及可靠性指标.首先,根据出行经验更新路网阻抗,以准点到达概率最大化调整逐日出行中各出发时刻的路径总流量,以路径累积前景最大为目标调整单条路径在各出发时刻的流量,从而建立考虑出发时刻的逐日出行流量推演模型;其次,以交通事件发生前路网流量稳态时的准点到达概率和路径走行时间为参照基数,定义出发时刻准点到达和路径走行时间动态可靠性,并给出计算方法.最后,用算例验证模型和算法,并比较在出行模型中考虑可靠度时对路网逐日流量分布和路网可靠性的影响.     

出行方式与出发时间联合选择的分层Logit模型

基于随机效用最大化理论,选取出行者特征、行程特性与出行方式服务水平作为效用变量,以出行方式与出发时间作为选择肢,构建了出发时间位于下层与出行方式位于下层的2种居民出行NL模型。分析了北京市居民出行样本数据,并模拟了在早高峰时段对小汽车出行收取费用时,小汽车出行者出行行为的变化。计算结果表明:与传统MNL模型相比,NL模型具有更好的统计学特征,调整后的拟合优度由0.338增大至0.404;在2种NL模型中,出发时间位于下层的结构对样本数据的适应性更强;当早高峰时段小汽车出行收取费用为5元时,72.6%的小汽车出行者坚持原有出行方式与出发时间,22.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,4.8%的小汽车出行者改用公共交通方式,但出发时间不变,仅0.2%的小汽车出行者同时改变出行方式与出发时间;当收取费用为10元时,51.7%的小汽车出行者坚持原有出行方式与出发时间,40.4%的小汽车出行者坚持小汽车方式,但会改变出发时间,7.9%的小汽车出行者改用公共交通方式,但出发时间不变;当收取费用为20元时,27.5%的小汽车出行者坚持原有出行方式与出发时间,60.6%的小汽车出行者坚持小汽车方式,但会改变出发时间,11.9%的小汽车出行者改用公共交通方式,但出发时间不变。     

动态交通配流中的模糊路径选择模型研究

考虑出行者在模糊信息条件下的动态路径选择行为,提出一种基于路径模糊条件下的选择模型。出行者在一种非饱和状态下的路网结构中,根据各路段行程所需的模糊时间进行路径选择,从而影响其他出行者选择短路径,使整个路网中各路段用户均衡。该模型框架为智能化交通系统的建立提供一定的理论依据,算例结果验证了该模型的有效性和可行性。     

考虑动态交通流的停车场车辆最优疏散模型

为有效地制定停车场车辆疏散方案,缩短车辆疏散时间,研究了考虑道路网动态交通流特征的停车场车辆最优疏散模型. 首先,根据排队论将停车场每个出口车道的车辆排队抽象成一个M/M/1/1排队系统,分析出口道路交通流车头时距对车辆离开率的影响,从而估算车辆在停车场内的排队时间. 其次,构建道路网节点交通流均衡模型和路段交通流均衡模型模拟车辆的疏散路径选择行为,并估算疏散车辆的行驶时间以及在交叉口的延误时间. 最后,选取一个具有4个出口的停车场进行车辆疏散仿真模拟. 研究结果表明:出口处道路交通流车头时距对停车场车辆排队时间、行驶时间和总疏散时间均有显著影响,并且车辆在道路网中最优路径的选择主要受非疏散交通流影响;该模型能模拟停车场车辆在疏散过程中的动态交通特征及时间消耗,根据出口处道路交通流车头时距动态调整车辆离开率,提升疏散效率.      

多类型信息下的网络交通流演化模型

交通信息发布机构提供描述信息和规范信息给不同的出行者，描述信息接收者依据信息和经验更新路径行程时间认知，根据认知选择路径；规范信息接收者仅根据经验更新认知.规范信息遵从者选择推荐路径，非遵从者依据认知选择路径.两类信息遵从率都取决于信息准确度.依据非线性动力学理论分析了模型性质，研究表明，模型不动点存在但是不一定唯一，不动点状态与信息混合使用情况有关.数值试验结果表明，模型不动点与随机用户均衡点不同，以恰当比例混合使用两类信息可提高交通流稳定性.