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.     

基于蚁群算法的出行者路径选择行为

出行者在选择路径的过程中主要受路径的广义费用和路径长度两个因素影响,综合考虑两因素并利用蚁群算法的路径概率选择公式摸拟出行者在节点处选择路径的过程,通过调节启发信息素与信息素的重要程度摸拟不同属性出行者的路径选择过程。研究表明:结合蚁群算法并引入信息素平滑机制能够显著减少交通量空间分布不均匀现象,并降低路网整体广义出行费用,为交通管理者提供交通管理建议。     

基于多向堵塞的超点模型研究

在城市路网中,节点阻抗极大影响着路径选择及交通分配的结果.为弥补对节点转向阻抗研究的不足,优化路网流量分配,本文分析了已有节点结构模型,并在超点结构基础上,考虑节点转向的拥堵效应,完善对转向流量、阻抗等信息的记录,提出了转向堵塞后的路径选择方法,建立了基于多向堵塞的超点模型,并设计了求解算法.通过容量限制-增量加载的交通分配方法,演示了算例网络在考虑和不考虑节点转向阻抗下的流量分配过程,分析了网络中路径阻抗变化及路段、转向流量分布.结果表明：基于多向堵塞的超点模型可以有效地表达节点的转向阻抗变化,以及多向堵塞对于流量分配的影响,更符合实际中的交通分配.     

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。     

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．     

蚁群算法下容量限制分配的路网结构可靠度分析

为达到结合道路结构可靠度与道路网络可靠度的目的,分析了容量限制分配对道路网络结构可靠度产生的影响。容量可靠度采用交通统计的方法得出,并以容量可靠度0.4作为交通流量分配的标准。在蚁群优化算法的思想下,通过基于Ant-Cycle模型的容量限制分配方法,并对所测路网阻抗函数的参数重新进行了设定,从而对道路交通流量进行了分配。利用自编的基于软件MATLAB的蒙特卡罗程序求得容量限制分配前后的路面结构可靠度,进而求得对应的整个网络的结构可靠度。通过对上海市某一实际路网对比分析表明:路段拥堵时的容量限制分配尽管会提高相应路段的可靠度,但是被分配车流的道路可靠度会降低,进而最终的结果便是整个路网结构可靠度会降低。     

集卡动态调度路径优化算法

从整体调度的角度出发,分析了整个码头作业面的动态调度方案,提出了一种新的集装箱卡车(集卡)动态调度路径的自适应蚁群算法。运用码头GPRS系统,以集卡速度、流量、位置等相关数据建立了感知链。通过判断阻塞状况和调整可行点集,确定了信息素浓度更新策略与转移概率计算方法。针对码头路网的复杂性和蚁群算法的实时计算效率,设计了蚁群算法的步骤。将信息熵引入到蚁群算法中,运用MATLAB软件,对集卡的动态调度方案进行了仿真计算。计算结果表明:当初始集卡速度分别为50、75km.h-1,初始集卡流量分别为800、1 000veh.h-1时,集卡行驶的最短路径为4.3km,行驶时间为0.057h;集卡行驶的最优路径为8.3km,行驶时间为0.111h。可见,该算法能有效缓解码头阻塞问题,提高集卡利用率和码头作业效率。     

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。     

建设中的上海新南北通道

<正>上海南北高架(内环线内)白天12小时驶入车次35万pcu,路段交通已达到100万pcu公里,占全天24小时的72%;高峰小时流量占白天12小时的9.0%。南北高架白天12小时平均断面流量13万~14万pcu。高峰小时平均断面流量1.2万pcu,全线饱和度0.90,早高峰平均行程车速23公里/小时。南北高架全天基本都处于拥堵状态,尤其是中环至内环路段长时间处于红色拥堵状态。观察现状区域路网结构可以看到,在南北高架最拥堵路段即南何     

交通突发事件下交通疏散方案设计

交通突发事件极易造成交通拥堵,严重影响城市交通系统的正常运行,应尽快制定与实施交通应急疏散方案。因此,提出一种基于蚂蚁算法优化的多目标交通疏导分配方法,通过蚂蚁算法寻求最优路径,并综合考虑多个目标影响因素,运用多目标交通分配模型生成交通突发事件下的应急疏导分流方案。通过示例仿真分析,验证该方法的可行性和实用性。     

多模式疏散交通车队配置与车道分配协同优化研究

考虑疏散交通的动态性和风险性，研究多模式疏散交通车队配置与车道分配的联合优化问题。首先，根据不同类型车辆的自由流速度，将路网离散为多尺寸元胞网络，采用元胞传输模型模拟混合交通流。然后，以最小化疏散总风险为目标，将多模式交通协同的动态疏散问题描述为混合整数线性规划模型，引入惩罚项消除因模型松弛产生的“车辆滞留”问题。在 NguyenDupuis路网中分析不同疏散需求下的最优车队配置、车道分配、疏散效率和疏散路径。结果表明：存在一个疏散交通需求区间，相比单模式疏散，组织多模式车队能够进一步降低疏散总风险， 而且最优的公交车配置比例呈阶梯变化；受路网通行能力限制，路网利用率存在上限；疏散总风险指标对疏散需求的变化比网络清空时间更敏感；多模式交通共享的路段一般位于临近风险源的出口通道，大容量的公交车优先占用最短路线，以提升疏散系统的效率。     

基于密度熵的道路交通事故影响范围分区模型

考虑路径阻抗的动态变化, 定义了网络初始荷载; 以事故持续时间为变量, 采用前景理论确定了网络负载重分配的方式; 根据交通流密度熵构建了耗散结构模型, 并与负载分配过程相结合确定了各路段的交通流密度熵变化率; 构建了基于聚类分析的交通事故影响范围分区模型, 通过仿真试验探讨了不同初始荷载和事故持续时间对分区的影响。仿真结果表明: 在交通量基数为800 pcu·h-1时, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由3个增加到6个, 间接影响区有向路段由5个增加到18个, 说明受事故影响路段的熵处于快速上升阶段, 路网的级联失效不明显; 随着交通量基数增加到1 000 pcu·h-1, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由8个增加到19个, 间接影响区有向路段由16个增加到21个, 说明交通量对路网的影响主要集中在直接影响区。可见, 不同交通情况下, 各有向路段受到事故路段的影响程度明显不同, 随着事故持续时间与初始流量的加剧, 路网中有向路段的受影响程度均增大, 因此, 采用交通事故影响范围分区能够精细地描述道路运行状态的动态变化过程。      

模拟导弹制导的交通系统路径诱导算法

模拟导弹制导的单车诱导算法利于交通系统优化目标（车流量平衡目标）.为避 免多车诱导导致的交通拥堵,以模拟导弹制导的单车诱导算法为基础,提出了模拟导弹 制导的交通系统路径诱导算法.按照出行需求,对模拟导弹制导的时间最短路径算法进行 改进,使算法满足各类单车路径规划目标,以提高单车诱导接受率.系统路径诱导算法以 交通系统优化为最终目标,对超出路网通行能力的诱导进行修正,使交通流运行趋势符 合驾驶员出行需求.建立系统优化评价指标和系统诱导接受率指标,并以北京部分地区为 例进行仿真.仿真结果表明,算法能够达到系统优化目标,同时保证了较高的系统诱导接 受率.     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

无线自组网络传输路径优化的算法研究

无线自组网络通信是一种比较常用的通信方式,无线自组网扩大传输距离是通过网络节点之间接力传输方式来实现.为了降低传输的冗余度,提高传输效率,数据在无线线自组网传输的过程中需要对传输路径进行优化.论文采用改进的遗传算法和蚁群算法对传输路径进行优化,通过仿真验证和对比分析,改进的遗传算法在传输路径优化中有更高的效率.论文研究结果为解决无线自组网络的传输路径优化问题提供重要的算法理论依据.