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。     

动态交通分配理论研究综述

动态交通分配能反映路网交通流的拥挤性、路径选择的随机性、交通需求的时变性等典型交通流动态特征,比静态交通分配有着明显的优越性。在简要介绍动态交通分配的重要组成要素的基础上,归纳总结动态交通分配区别于静态交通分配的六个典型特征：因果性、先进先出原则、路段状态方程、路段流出函数、路段特性函数和路段阻抗函数。从路径选择准则、路径走行时间定义、出行者出行选择假定、动态网络交通流模型研究方法等四个方面对动态交通分配模型的分类进行综述性研究,分析不同模型的优缺点,并总结动态交通分配理论的未来研究方向,可为动态交通分配研究提供一定的参考。     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。      

基于离散时间序列OD量的动态交通分配方法

为了更确切地描述离散时间动态交通分配问题中各离散时段分配时的路网阻抗特性、更合理地反映各时段分配过程中出行者的出行行为,提出了一种基于消散周期OD量和差额OD量、分阶段分配的梯阶分配思想,它考虑了各离散时段分配前路网既有剩留交通量对后继离散时段OD用户出行选择的影响,更符合实际. 通过融合相继平均法,设计了梯阶分配算法,并据此对数据结构做了适应性补充. 示例路网下新算法与相继平均算法的数值模拟结果表明,新算法分配结果能够更为客观真实地反映现实交通中的动态现象,仿真度更高.
最后给出了梯阶分配思想在现实中的应用.     

������ɢʱ������OD���Ķ�̬��ͨ���䷽��

为了更确切地描述离散时间动态交通分配问题中各离散时段分配时的路网阻抗特性、更合理地反映各时段分配过程中出行者的出行行为,提出了一种基于消散周期OD量和差额OD量、分阶段分配的梯阶分配思想,它考虑了各离散时段分配前路网既有剩留交通量对后继离散时段OD用户出行选择的影响,更符合实际. 通过融合相继平均法,设计了梯阶分配算法,并据此对数据结构做了适应性补充. 示例路网下新算法与相继平均算法的数值模拟结果表明,新算法分配结果能够更为客观真实地反映现实交通中的动态现象,仿真度更高.
最后给出了梯阶分配思想在现实中的应用.     

基于蚁群算法的动态路径选择优化方法

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基 于伪随机状态转移规则的动态路径选择优化方法.该方法首先计算路段上流量和路阻,利 用伪随机状态转移规则和路径、路段信息素更新规则,模拟了出行者在路网节点的择路 行为,实现了路径选择过程中静态先验知识、动态交通状态及路径选择随机性的综合.算 例结果表明,该方法能够体现不同 OD 需求下路径选择的叠加效果和时延效果,相对于 平衡分配法可获得更好的路网交通均衡性,对于时变路况环境下的路径诱导系统也具有 一定的应用价值.     

基于合理路径的拥挤路网交通状态分析方法

为防止路网交通拥堵的扩散,考虑路段状态指标饱和度和行程时间的影响,建立了基于合理路径集的路网分析模型.将非拥挤区域从内到外分为控制层、诱导控制层、诱导层和无关层4个层次,反映了路网状态的空间分布和潜在演化趋势.基于交通分配得到的流量,对本文的状态分析模型进行了数值验证,仿真结果表明:各层次路段在路网中的比例随流量的增大而变化,且拥堵区域呈现扩张趋势;高峰时段各层次路段的比例为20%、5%、10%、10%和56%;同层次中饱和度越大的路段对拥堵区域的影响越大.     

动态交通流分配模型

静态交通分配模型假设交通需求和路段行程时间为常数或仅依赖于本路段上的交通流量,这对于交通量比较平稳、路段行驶时间受交通负荷影响较小的城市间长距离或非拥挤的城市交通特性分析和路网规划是比较可行的.而对于存在拥挤现象的城市交通网络,交通需求在一天之中变化甚大,使得网络交通流的时空分布规律具有时变特性,从而导致路段行驶时间大大依赖于交通负荷的变化.     

动态交通流分配模型

静态交通分配模型假设交通需求和路段行程时间为常数或仅依赖于本路段上的交通流量,这对于交通量比较平稳、路段行驶时间受交通负荷影响较小的城市间长距离或非拥挤的城市交通特性分析和路网规划是比较可行的。而对于存在拥挤现象的城市交通网络．交通需求在一天之中变化甚大．使得网络交通流的时空分布规律具有时变特性,     

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.     

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。     

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.      

兰州市交通流量分配模型及分配方案研究

交通量分配是将已经预测出的OD交通量按照一定的规则符合实际地分配到道路网中的各条道路上，并求出各条道路的交通量，如何将OD交通量正确合理地分配到O与D之间的各条道路上关键是流量分配模型的建立过程和求解方法，在兰州市现有OD交通量并综合考虑出行影响因素的基础上，建立了平衡分配模型，讨论了模型的解法，从理论上探讨和研究了兰州市路网流量分配的量优方案。     

基于路段的拥挤收费与停车收费组合优化研究

确定性路段拥挤收费对收费路段的交通拥挤缓解有很好的效果,停车收费对抑制区域路网出行需求有重要影响,将两者组合起来系统研究具有重要意义. 本文通过将路段拥挤收费与停车收费进行组合,分析组合收费策略下出行成本和出行需求变化的基础上,建立了双层规划模型. 以收费社会效益最大化为目标,以拥挤收费和停车费可行区间为约束条件作为上层优化模型,下层模型是考虑广义交通出行费用(含行程费用和停车费用)的弹性需求条件下用户平衡模型,进行路段拥挤收费与停车收费组合优化. 设计了模式搜索算法进行求解,得到不同初始步长和迭代精度下模型的最优解. 数值计算结果表明,联合收费使得路网流量分布更加均衡,缓解了收费路段的交通拥挤,同时出行需求得到了一定抑制,证明该模型与算法具有有效性.     

基于出行时间预算的SUE交通分配

基于均匀分布的路段容量,分析了降级路网中路段和路径出行时间的随机变动,假定出行者根据以往的出行经验获取路径出行时间的可变性,并以出行时间预算的形式将这种可变性纳入到其路径选择过程中,进而定义路径出行时间预算为路径出行时间均值与出行时间安全边际之和.在此基础上,采用变分不等式技术构建了基于出行时间预算的多用户类型弹性需求随机用户均衡交通分配模型,并证明了模型解的等价性.     

����·�ε�ӵ���շ���ͣ���շ�����Ż��о�

确定性路段拥挤收费对收费路段的交通拥挤缓解有很好的效果,停车收费对抑制区域路网出行需求有重要影响,将两者组合起来系统研究具有重要意义. 本文通过将路段拥挤收费与停车收费进行组合,分析组合收费策略下出行成本和出行需求变化的基础上,建立了双层规划模型. 以收费社会效益最大化为目标,以拥挤收费和停车费可行区间为约束条件作为上层优化模型,下层模型是考虑广义交通出行费用(含行程费用和停车费用)的弹性需求条件下用户平衡模型,进行路段拥挤收费与停车收费组合优化. 设计了模式搜索算法进行求解,得到不同初始步长和迭代精度下模型的最优解. 数值计算结果表明,联合收费使得路网流量分布更加均衡,缓解了收费路段的交通拥挤,同时出行需求得到了一定抑制,证明该模型与算法具有有效性.     

基于网络负载容量模型的城市路网级联失效研究

在城市道路交通中,关键路段的失效可能导致路网的大面积拥堵,为了准确判断城市道路交通网络的关键路段,首先采用原始法构建城市道路交通网络的几何拓扑图,并在已有的交通网络级联失效模型基础上,考虑了城市道路网络的有向性和拥堵的局部扩散特性,对模型的初始负荷定义及失效负载重分配的规则进行了改进,并采用改进后的模型对不同路段破坏失效进行了模拟分析,研究了不同路段发生破坏后拥挤的扩散过程.采用破坏影响后的路网平均距离降低比例和失效路段所占比例来反映路段的破坏程度,最后对路网中的路段进行重要度排序,并结合路段在路网中的度、介数及级联失效的影响程度等指标,利用K-Means聚类分析对路段进行了聚类.结论表明:只考虑路段上的流量大小或路段的一些静态指标并不能够准确判断路段的重要度,路网中往往还存在一些潜在的重要路段,考虑多种指标对不同路段进行聚类更具合理性.     

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.     

降级路网出行时间可变性仿真分析

为研究降级路网出行时间的不确定性,用OD对出行时间标准差度量出行时间的可变性.假定路段容量服从Beta分布,根据容量均值及方差建立了Beta分布参数估计模型,基于Monte Carlo仿真技术,构建了路网出行时间可变性分析方法.在该分析方法中,用户均衡交通分配用于求解各容量状态下的OD对出行时间.数例仿真结果表明:在随机供给作用下,OD对出行时间随机变化,并具有明显的长尾特征;OD对出行时间可变性与出行时间均值之间存在很强的相关性;容量波动程度对出行时间可变性影响显著,控制容量的波动程度能有效减小出行时间的不确定性.     

山区公路网关键监测点辨识方法

为了有效识别山区公路网中的关键监测点,合理布设监测设备,以使路网监控成本效益最优化,本文提出了一套山区公路网关键监测点辨识的方法。从路网监控信息采集需求角度出发,将山区公路网关键监测点划分为四种类型：事故黑点关键监测点、基础设施结构安全关键监测点、交通数据采集关键监测点以及气象信息采集关键监测点;引入路网层次划分思想,以道路安全性、功能性、交通流特性以及基础设施特性为划分指标进行路网层次划分,为关键监测点的辨识提供依据;在划分路段单元的基础上,按不同类型关键监测点构建评分指标体系,采用专家打分法和层次分析法对各路段单元进行综合评分排序,并通过设定合理阈值确定路网中的关键监测点。