基于日变交通配流的城市道路网络韧性评估

为有效评价重大扰动事件下的路网性能，提出以日变交通配流（day-to-day?traffic?assignment，DTA）为基础的城市道路网络韧性评估模型. 明确考虑重大扰动事件下交通流动态变化特性，构建了综合考虑出行者认知更新、行为惯性等因素影响的DTA模型，设计了启发式求解算法；定义了基于DTA的路网可达性指标，构建了可全面评价扰动事件生命周期内系统性能的韧性指标与评估模型，并在Nguyen & Dupuis网络上进行算例研究. 结果表明:在扰动事件后的前10天，路网韧性波动变化，此后随着交通流分布趋于稳定，路网韧性单调上升，从第10天的0.323上升到第50天的0.794，上升了145.77%；与传统随机用户均衡（?stochastic ?user ?equilibrium，SUE）模型相比，DTA模型获得的路网可达性与韧性指标存在显著差异，SUE模型下路网可达性随时间单调上升，而DTA模型下路网可达性在前15天剧烈波动，随后才单调增加，表明要获得准确的路网韧性指标，必须首先准确假定出行决策行为和相应配流模型；出行者行为惯性、路段通行能力退化程度与恢复速率以及路网拥挤程度等因素均对交通流量分布产生显著影响，进而影响路网可达性最终导致路网韧性指标发生显著变化，表明实际应用中应在充分调查的基础上合理标定相关参数.      

道路交通系统韧性及路段重要度评估

韧性可以全面描述扰动事件下系统吸收干扰并从干扰中恢复的能力. 针对已有韧性指标对系统性能评价不全面、未考虑交通流量影响等问题，从路段通行能力退化与恢复入手，以网络效率为系统性能指标，构建全面评价扰动事件影响期内系统性能的韧性指标. 分别基于乐观和悲观视角提出韧性增加值和韧性减少值路段重要度指标，提出识别路段重要度的启发式算法. 算例结果表明：本文提出的韧性指标可全面描述扰动事件下路网性能退化与恢复全过程的平均累积性能，更加符合韧性指标内涵；韧性增加值和韧性减少值指标均能有效识别路段重要度，大部分路段重要度随时间动态变化.     

基于贝叶斯网络的CTCS-3级列控车载系统韧性

为弥补现有指标的不足，引入韧性作为非常态事件下CTCS-3级（China train control system-3）列控车载子系统运行稳定性的测度指标. 提出了车载子系统韧性量化评估方法，构建了基于贝叶斯网络（Bayesian network, BN）的韧性评估模型，并定义了5种基于韧性的部件重要度指标；进一步利用贝叶斯网络双向推理功能，计算了车载子系统在不同扰动情景下的韧性及部件重要度指标. 研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力，非常态事件扰动下，韧性与可用性指标存在明显差异；不同扰动情景下系统韧性明显不同，扰动发生时，车载子系统面临磁暴影响时的韧性为0.8017，而遭遇雷电时的韧性为0.8819，面临冰雪扰动时的韧性为0.9880；部件重要度存在情景依赖，同一部件在不同扰动情景下重要度排序可能不同，且可能随时间动态变化.      

地铁网络服务韧性评估与最优恢复策略

针对已有基于拓扑效率的地铁网络韧性指标无法反映地铁运营实际的不足，构建考虑线 路流量影响的路网服务效率指标和基于服务效率的路网服务韧性指标，以及基于路网服务效率 的节点重要度指标；提出以路网服务韧性最大化为目标的优化模型，并基于遗传算法求解模型获 得最优恢复策略。算例结果表明：分别以服务效率和拓扑效率作为路网性能指标，获得的失效节 点恢复次序明显不同；蓄意攻击下，最优恢复策略获得的路网服务韧性分别比基于重要度的优先 恢复策略、基于节点度的优先恢复策略和随机恢复策略高16.76%、72.11%和86.21%。上述结果 表明，必须根据地铁运营实际合理选择路网性能指标和恢复策略，否则可能得到次优甚至明显偏 离实际的方案，无法实现预期目标。     

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.     

基于群体决策的多交叉口协同控制方法

基于竞争-合作的群体决策机制，将单点信号优化构建为各相位的交叉口通行权的竞争过程，将多点协同构建为上下游相位之间的协作过程，提出了一种兼顾多交叉口协同效益和单交叉口控制优化的路网信号配时设计方法；利用车路协同环境下路网内车辆路径信息的可感知性，动态精准地量化解析上下游交通耦合关系；在此基础上建立了分层动态决策框架，在单层决策中剥离了上下游交叉口控制决策对本地决策的影响，解耦协同控制模型中路网交通状态和信号控制决策之间的复合关系；设计了基于交叉口内各交通流向竞争力的分布式信号配时决策算法，并通过仿真试验平台比较了群体决策协同控制方法与传统协同控制方法的控制效果。研究结果表明: 相较于传统协同控制方法，群体决策协同控制方法可动态适应路网交通需求，在交通效率和稳定性上具有显著优势，在不同饱和度的交通需求水平下可降低车均延误15%以上；在路网交通饱和度较高的情况下, 群体决策协同控制方法延误降低幅度可达19.2%，控制优势更加明显；由于群体决策协同控制方法可在下游交叉口进口道车辆排队过长时减少上游车辆流出，可降低路网最大排队长度超40%，有效规避路网溢流风险；通过对群体决策协同控制模型的分布式求解，可实现单次决策过程计算时间小于0.01 s，具有应用于大规模复杂路网的实时信号配时决策的潜力。      

基于烈度分布的震后城市路网结构韧性分析

为了分析城市内部道路网络应对地震灾害时的韧性变化特征，首先考虑地震空间分布特性，结合各基础设施的综合震害分析，构建了基于烈度衰减分布的路段连通概率模型，识别脆弱路段；然后以此为基础提出了面向3个维度的路网结构抗震韧性多指标评估模型；最后结合实例对城市路网处于不同失效情景下的韧性表现进行分析。结果表明：少数路段失效时路网仍具有较强的韧性，在关键路段累积失效后会使得多方面网络韧性明显下降，路网运输效率降低，并且削弱了节点间的连接关系。     

考虑交叉口渠化区排队特征的元胞传输模型

为了更准确地描述城市道路交叉口交通流演化规律，以具有进口道展宽设计和合用车道功能设计的信号控制交叉口为研究对象，综合考虑排队消散过程、分流过程、可选择性换道和合用车道4个现实因素改进了元胞传输模型(CTM);结合交叉口的几何特征，以车道组为单位提出了路段元胞划分方法；在此基础上，调整了元胞发送能力函数对排队的消散过程，并进行了建模；在分流过程建模中引入阻塞因子来描述不同车道组空间排队的相互影响，以平衡相邻车道组空间排队为目标对过渡区可选择性换道行为进行了建模，并在合用车道建模中考虑了不同流向车流的冲突效应；结合实际交叉口，选取车道组周期最大排队长度作为评价指标，验证了改进CTM的有效性。试验结果表明：改进CTM可以同时估计不同车道组的排队长度，随着直行车流比例的增大，改进CTM的估计误差逐渐减小，不同流量场景下，路段最大排队长度的平均绝对误差(MAE)、均方根误差(RMSE)和加权平均绝对百分比误差(WMAPE)的平均值分别小于16.43、21.36 m和13.51%;与基准方法相比，不同场景下改进CTM对路段最大排队长度的MAE的减小幅度为15.31%～90.03%,且在高流量场景下...     

���ڿɱ�Ԫ������ģ�͵ij��е�·��ͨ�����Ʒ���

城市道路交通流预测的可靠性、实时性是城市交通管理与控制的基础. 为提高城市道路交通流的预测能力,提出了可变元胞传输模型（VCTM模型）. 在分析元胞传输模型（CTM模型）在城市道路交通流预测方面应用不足的基础上,根据流量守恒定律,将元胞的交通流密度和元胞的长度两个参数引入CTM模型,建立了VCTM模型. VCTM模型根据路段连接、汇聚、分流等三种形式的不同特点,分别建立了元胞连接、汇聚、分流的交通流传输公式. 虽然VCTM模型引入了元胞的交通流密度和元胞的长度两个参数,增加了模型求解的运算量,但克服了元胞长度必须相等的局限性,确保VCTM模型可以应用于城市路网中的不同道路. 仿真结果表明,VCTM模型能够满足城市道路交通流预测的要求.     

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle, CAV)应用先进的车联网与自动驾驶技术，可以采用智能交叉口的组织形式，大幅提升交叉口的通行效率，为降低CAV与人工驾驶车辆(Human-driven Vehicle, HV)混行条件下城市交通系统的整体出行成本，提出智能交叉口在城 市交通网络中的布局优化问题，建立数学优化模型并求解。首先，基于对两类车辆行驶特性的分析，建立混合用户均衡模型，描述CAV与HV的路径选择行为；其次，从交通规划者的角度，以系统最优为目标，整合混合用户均衡模型，建立面向新型混合交通流的智能交叉口网络布局优化模型，并利用改进的遗传算法求解；最后，选取Sioux-Falls交通网络作为案例分析，验证模型与算法的有效性，并研究CAV渗透率变化对优化结果的影响。研究表明，智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率，同时，大幅降低了由于网联自动 驾驶单方面技术优势带来的CAV与HV的出行效率差距，增进了出行公平性。     

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。     

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。     

交通路况感知下的自适应动态路径规划方法

针对传统路径规划算法在动态网络中的时效性和可用性不足，本文提出一种适用于时变 路网环境下的自适应动态路径规划方法。通过引入动态网络流式图划分思想，构建一种分层路 网的状态树索引，有效降低了动态路网中路径查找的计算代价，并扩展了传统路径规划算法在动 态路网中的普适性。在此基础上，将区域路况的时空变化信息融合到索引树中，进一步提出一种 基于时空层次网络的路径映射方法。并按照访问节点的距离逐步收缩最小包含区域来减少路径 查找视野，将路径查找过程转化为在层次图中的小范围寻址。为适应路网动态变化特征，路径映 射采用多路并行的双向探测策略，使得路径搜索迅速收敛于一个最优解，在动态路况变化和旅行 代价之间寻求平衡。最后，结合北京市实时交通路网数据集进行实验评估，在查询性能和自适应 调整方面验证了所提出方法的有效性。     

基于道路拥堵信息的公交出行规划系统

针对当前道路拥堵增多的情况,建立了一个基于道路拥堵信息的公交出行规划系统,以引导公众避开拥堵道路。分析道路拥堵状况的指标体系,分别选取路段和交叉口的通行参数指标,并给出一种红绿灯等待灯次的简便算法,提出公交出行规划方案的拥堵指数算法。以嘉兴市为例,采用SQL＋IIS＋ASP＋Android技术构建了C/S架构的基于道路拥堵信息的动态公交出行规划系统。该系统推荐的出行方案能引导用户避开拥堵道路,提高出行效率,减少出行时间,为公众出行提供了更全面的公交出行信息和更便利的信息获取途径。     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

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.     

基于改进PageRank算法的路网重要交叉口筛选方法

为便于对饱和交通状况下的城市道路交叉口进行分级管理,需解决城市道路交叉口的重要性排序问题,综合考虑全路网中各交叉口之间的静态结构连接关系和动态流量影响,在改进PageRank算法的基础上,提出了能够反应全路网动态变化的交叉口繁忙程度指标,并将该指标用于路网重要交叉口排序筛选来分析交叉口的状态。研究结果表明:排序越靠前的交叉口越繁忙也越重要,交叉口繁忙程度指标综合考虑了全路网交叉口状况,弥补了以饱和度为评价指标只能片面衡量单个孤立交叉口状态的不足,更准确地反映了饱和交通状况下交叉口之间的相互影响;本文方法排序结果与饱和度评价指标排序结果相比,40%交叉口的排序升降幅度在3位以内,30%交叉口的排序平均下降了7位,其余30%交叉口的排序平均上升了8位。该研究结果为饱和交通状况下交叉口的合理分级提供了量化手段,有助于及时发现急需管控的交叉口。