基于广义出行费用的城市路网行程时间可靠性

为体现出行者路径选择行为,准确评价路网行程时间可靠性,采用行程时间均值和行程时间均方差的加权和定义广义出行费用,以不同的加权系数反映出行者对待风险的态度。从路段层面定义行程时间可靠性,以广义出行费用最小化为目标构建SUE模型,建立基于广义出行费用的路网行程时间可靠性模型。结合模型特点,给出Monte Carlo仿真和交通规划模型相结合的求解算法。并在一个小型测试路网上进行了验证,结果表明:出行者对待风险的不同态度对行程时间可靠性具有明显的影响,保守型出行者将使路网行程时间可靠性有所提高;所建分配模型能够较真实地反映出行者的路径选择行为,使行程时间可靠性分析更加准确。     

信息影响条件下考虑出行异质性的路径选择模型

出行者路径选择行为的研究对于预测城市交通流时空分布规律及维持网络经济、高效运转具有重要意义.为了探究多类型异质出行者路径选择行为的异同,研究了基于累积前景理论的多类别异质出行者路径选择模型.通过定义出行者参考点,引入考虑时间价值系数的风险敏感系数计算方法,以保证异质出行者拥有异质的风险偏好,研究分析了是否提供实时路况信息2种情境下常规通行者与通勤者路径选择行为的异同.数值算例表明,拥有较大参考点的出行者更倾向于保守地选择一条出行时间较长的道路,而其他人则更加冒险.此外,与通勤者相比,当备选方案均可以满足自身出行需求且自身参考点足够大时,常规出行者更愿意忽视风险,以获得更高的出行收益.      

基于累积前景理论的拥挤阈值计算模型

信息诱导是缓解交通拥挤的有效途径,为了描述道路拥挤程度对出行者路径选择决策的影响机理,基于累积前景理论分析了出行者的出行决策过程,分析了出行者拥挤认知模式以及不同出行方式的拥挤信息需求。解析了拥挤阈值的概念,将行程时间作为累积前景理论决策指标建立了拥挤阈值的计算模型,以1个简单路网进行算例分析,模拟驾驶员的拥挤认知及出行活动决策。算例结果揭示了拥挤阈值对路径选择决策行为的影响,同时验证了拥挤阈值是出行者在决策过程中的决策变化分界点。出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值,出行者将改变出行路径。      

基于前景理论的出发时刻选择模型研究

介绍了研究出行者出行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。基于前景理论,以实时交通信息影响下的日常上班出行为研究对象,具有重要的理论意义和实践价值。选择到达目的地的时刻作为参照点,确定了价值函数。通过对可供出行者选择的时间范围进行分段,研究了在不同时段出发,出行者如何预测路径的行程时间。出行者将选择可获得最大价值的时刻作为出发时刻,以此为目标建立了出发时刻的选择模型。通过设定到达目的地时刻的满意区间,研究了出行者下次出行是否改变和将如何改变出发时刻。     

拥挤收费下基于前景理论的出行者路径选择行为分析

出行者（特指私家车出行者）路径选择行为的研究对于城市的交通管理和交通组织都有着重要的意义,而且随着交通出行费用的不断增加,以及道路拥挤收费政策逐步实施,仅仅考虑距离最短、时间最短来对出行者路径选择行为模型进行研究,往往实用性欠佳。针对以往的研究中考虑因素单一、模型实用性不强这一问题,运用能有效描述出行者不确定性条件下决策行为的前景理论,综合考虑出行者的出行时间、出行费用以及出行者的个人偏好、出行经验等因素,建立一个更为贴合实际的出行者路径选择行为模型。以实际算例的形式对比分析了,不同收费标准对不同出行者人群、不同性质出行的路径选择行为的影响程度。结果表明：与拥挤收费政策实施前相比,收费3元时,高收入水平出行者购物出行时的路径发生变化,而对于通勤出行,当收费大于6元时出行路径才发生变化;对于中低收入水平出行者来说,因为其较高收入者对费用更为敏感,所以拥挤收费政策实施后他们的反应也不尽相同。     

基于参考依赖理论的出行者路径选择模型研究

为了更好地解释和指导出行者的路径选择行为,有必要对个体出行路径选择行为进行多角度多方位研究,以期建立适用不同决策情景的模型。从出行行为的角度出发,以私家车出行者为研究对象,假设个体当前决策行为受参考状态的影响。在参考依赖理论的基本框架上,选取出行时间和费用两个影响因素建立单次出行的路径选择模型。通过设计问卷调查,应用最小二乘法和遗传算法对高时间价值和低时间价值类型出行者的模型参数进行标定。结果表明:对所研究对象进行分类之后,标定不同的模型参数能够较好地描述出行者的路径选择行为。2种类型出行者时间的损失规避参数和费用损失规避参数均大于1,出行者在时间属性和费用属性上都存在损失规避现象,损失会比等量的收益对出行者带来更大的心理效用;出行者对于时间的损失规避程度要高于费用的损失规避程度,即出行者对时间损失的敏感性更高;不同时间价值类型出行者有不同的损失规避系数,从而表现出不同的路径选择结果。高时间价值出行者的时间损失规避参数比低时间价值出行者高,时间损失对其造成的影响作用较大。在费用属性上高时间价值出行者的费用损失参数会比低时间价值出行者低。     

出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性

为了更科学合理地对配置多模式交通设施资源提供理论依据,利用效用平衡原理与平面设计原则,构建了一种融合多影响因素(费用、行程时间、行程时间可靠度、车内拥挤程度)和多种交通方式(自驾、地铁、停车换乘、公交车)用于分析出行选择行为的SP调查设计方法。采用一对一、面对面调查方法收集有效行为数据,利用离散选择理论定量化分析了各种因素对出行方式选择的影响,探究了多模式交通网络中的方式选择行为,解析了出行者对不同交通方式行程时间可靠度和车内拥挤度的感知差异性。研究结果表明:地铁的可靠度价值比公交车和小汽车的可靠度价值分别高59.8%和32.1%;公交车的车内拥挤度价值比地铁和停车换乘的车内拥挤度价值高26%和84%,表明出行者对不同交通方式行程时间可靠度和车内拥挤存在显著的感知差异性,感知差异性显著影响方式选择模型预测结果而应该在模型中被充分考虑;行程时间可靠度和车内拥挤度显著影响通勤出行者的方式选择;平均时间价值和行程时间可靠度价值分别为49.8,81.97元·h~(-1),出行者愿意增加超过50%的平均出行时间来避免过度的车内拥挤;定量化的支付意愿等结果可用于多模式交通设施的规划设计与评价。     

交通信息影响下的动态路径选择模型研究

考虑交通信息对出行者选择出行路径的动态影响,建立一种动态路径选择模型。将不同类型的出行者对路段（路径）运行时间的预测看作不同的随机过程,通过对出行路径上节点的到达时间取期望值,利用一阶近似表达式,研究交通信息对出行者的出行路径选择行为的影响。     

基于前景理论—影响力混合模型的路径决策研究

传统的出行路径决策研究多集中于"事前"研究,即出行者在出行前通过综合考虑道路网络所有的信息,在纯理性的基础上确定出本次出行所选择的最佳出行路径,这与实际出行者出行路径选择有较大的不同。通过引入有限理性和节点作用力的观点,建立了基于交叉口节点决策的前景理论—影响力混合路径决策模型。通过设置仿真实验,验证了本模型相比期望效用理论和单纯的前景理论更加符合实际出行者实际路径决策,弥补了传统路径选择研究的不足。     

基于安全可靠性的多类用户交通分配模型

为探究出行安全对用户出行选择行为的影响,提出了考虑事故风险成本和旅行时间的多类用户交通分配模型。针对事故发生的随机性特征,定义了路径出行安全可靠性概念,并以此计算用户的事故风险成本预算,体现出行者的安全偏好。基于考虑事故机会和事故风险的基础事故预测模型,针对路段和交叉口的不同特征,分别定义了路段和交叉口的事故风险成本分布。构建的交叉口事故风险成本模型,体现了交叉口不同转向的事故风险成本的差异性。为了求解基于安全可靠性的多类用户交通分配模型,采用路径配流法和相继平均法设计了相应的求解算法,并通过算例分析了模型和算法的有效性。研究结果表明：安全可靠性在用户出行选择中具有重要影响。当在广义出行费用中考虑事故风险成本时,出行者会更多地选择事故风险成本较小的路径;不同风险倾向的用户会有不同的选择特征,保守型出行者倾向于选择路径事故风险成本标准差相对较小的路径,即事故风险成本波动小的路径,而中立型出行者倾向于选择事故风险成本均值相对较低的路径;考虑交叉口的事故风险成本与否会直接影响流量分配结果,即路径交叉口数量和转向的差异性同样会影响出行者的选择。所提出的模型对于客流预测和网络安全评价与管理具有潜在的应用价值。     

考虑舒适度因素的出行价值模型

为了探究舒适度对出行者路径选择的影响,通过分析出行舒适度的影响因素,构建舒适度价值模型,从而建立考虑舒适度因素的出行价值模型。首先考虑行程时间、出行费用和舒适度3种出行价值的影响因素,建立出行价值模型;然后采用意愿调查法对出行者舒适度选择特征进行调查,以性别、年龄、出行方式、行程时间为特征变量,通过排序选择模型对舒适度选择概率进行标定,发现交通方式和行程时间两种影响因素对舒适度选择具有显著影响。通过计算出不同交通方式、不同行程时间对应的舒适度选择概率,从而得到不同出行状态下的舒适度概率分布,由此建立了基于舒适度排序选择模型的出行价值模型。最后以公交车出行价值为参考,进行算例分析,利用AHP层次分析法,对行程时间、出行费用和舒适度3种因素的单位价值进行判断,得出出行价值计算模型,分别针对考虑和不考虑舒适度的出行价值模型进行比较分析。结果表明,当考虑舒适度因素时,私家车和自行车的出行价值分别下降了2.6%和30.2%。由此可见考虑舒适度的出行价值模型能够更好地评价不同出行方式的价值差异。     

供需不确定条件下的预算-超额用户平衡模型

为更加全面、准确反映随机路网中出行者规避风险的择路行为,以预算-超额行程时间作为出行者选择路径的依据,提出了一种供应及需求不确定条件下同时考虑可靠性和不可靠性的交通分配模型——预算-超额用户平衡模型,推导了需求服从Gamma分布、路段通行能力服从均匀分布条件下预算-超额行程时间的解析表达式,并以此为基础建立起用等价变分不等式表示的平衡模型。利用一个小型测试网络比较了用户平衡模型、基于可靠性的用户平衡模型以及预算-超额用户平衡模型的性能。研究结果表明：提出的模型是有效、可行的;其平衡流量模式不同于用户平衡模型和基于可靠性的用户平衡模型;随着需求水平、可靠度以及路段通行能力退化程度的增加,预算-超额行程时间随之增加。     

动态路阻下的出行时间预测和路径选择模型

通过分析原有路径选择模型的不足之处,在考虑路网中路段路阻的动态性和出行者出行路径选择的随机性的基础上,提出了一种出行期望时间预测和动态路径选择模型,并引用一个具体算例来证明该模型的正确性和适用性;同时分别运用最短路径模型和文中所提出的动态路径选择模型进行求解,得到每条路径被选择的概率和最短期望出行时间,结果证明文中模型能计算出出行者期望时间和可能出行路径,比传统模型更加符合现实状况,更能模拟现实生活中出行者的出行行为和路网路阻随时间变化的状态,对出行者的出行决策更具指导价值。     

考虑行程时间可靠性的阻抗函数及其应用

目前对于交通网络上交通阻抗的选取一般选用时间、距离、费用等因素,其最优路径通常为最小阻抗路径。随着城市交通变得日益拥挤及影响出行因素的不可靠的增加,行程时间可靠性成为人们选择出行路径的一个重要影响因素。文中考虑这个因素,建立了行程时间可靠性函数,并对其进行变形处理,提出了行程时间可靠性费用的概念,将其作为路阻函数,将求解最大可靠性路径问题转化为求解最小行程时间可靠性费用问题,使路阻不但考虑了交通阻抗中最关键的因素即出行时间,又考虑了出行时间的不稳定性,更符合实际路网中出行者对于出行路径的选择行为,还能作为路阻费用在交通规划软件中方便使用;最后将该方法用于交通影响评价中交通影响范围的确定,并在TransCAD中进行了实现,将其结果与基于时间确定的交通影响范围进行比较,证明了该方法的可行性及实际应用价值。     

基于行程质量的随机用户平衡分配模型

提出行程质量的概念以描述出行者在不确定环境下的路径选择准则。将行程质量定义为行程时间和行程时间可靠性的线性加权和,综合了影响路径选择的两个不同的重要因素:行程时间和行程时间可靠性。假定在路段通行能力随机变化的情况下出行者以估计行程质量费用最小作为路径选择的标准,建立了基于行程质量的随机用户平衡分配模型。证明了模型解的等价性和唯一性,给出了求解模型的MSA算法。在一个小型测试网络上的计算结果表明:模型能够反映出行者在随机路网中的路径选择行为。     

应急车辆出行前救援路径选择的多目标规划模型

针对城市中应急车辆的救援路径优化问题,分析了基于交通信息中心的应急车辆最优路径的多目标属性,给出了随机网络中各属性的量化计算方法,以最小化出行时间,最大化行程时间可靠度为目标,考虑了通行可靠性、安全性、道路条件限制等因素,建立了应急车辆出行前最优路径选择的多目标规划模型.模型所求得的解是综合最优路径,反映了应急车辆路径选择的目标需求,克服了以往直接等同于图论中最短路径的缺陷,给出了算法,通过算例验证了模型的合理性和有效性.     

动态规划在指路标志指引上的应用

复杂多元的城市路网以及数量繁多的指路标志,使得道路使用者的行驶路径多样,为了满足出行者能迅速、快捷地到达目的地,需找到一条综合权值最优的出行路径,再在其上设置指路标志对目的地进行指引。基于此,首先阐述了动态规划的基本概念和算法思想;然后以行驶路程作为出行者路径选择的因素,定义行驶路程最小的路径为最优路径;最后,以广州大学城路网为例,针对中山大学的指引,在明确起、终点的情况下,采用动态规划的方法找到前往中山大学的最优路径,验证了动态规划算法的有效性。     

基于动态行程时间可靠性的单车辆路径选择算法研究

为了提高出行者的路径选择效率,从微观层面对随机动态路网条件下的单车辆路径选择问题进行深入研究。随机动态路网条件下,作为车辆路径构成单元的路段,不同时刻车辆在其上的行程时间具有明显的动态变化特征,若使用传统的最短路算法进行车辆路径选择,将某一时点的路段行程时间作为路段权值不能反映路段行程时间动态变化产生的影响,车辆路径选择结果容易造成误判。为解决此问题,按照集散波理论对于路段车辆运行状态的划分方式,首先以路段下游信号转换时刻目标车辆与排队车流队尾的相对位置关系为切入点,对路段行程时间进行分状态分类随机动态预测,然后建立对应可接受水平下的路段行程时间可靠性计算模型,最终分别针对简单网络和复杂网络的单车辆路径选择问题提出使用行程时间可靠性作为关键控制变量的三阶段车辆路径选择模型和权值异化的Dijkstra车辆路径选择算法。通过案例及对比分析表明,在出行者面临的简单网络中使用行程时间可靠性进行车辆路径选择可纠正仅仅按照单一行程时间进行车辆路径选择造成的选择误判,在复杂网络中使用行程时间可靠性作为路段权值异化的Dijkstra算法可迅速求出最可靠路径,有效解决了随机动态路网环境下的单车辆路径选择问题,是对路径选择问题研究的深入拓展。     

考虑出行者偏好和经验的路径选择行为研究

出行者的路径选择行为是包括自身特性在内多种因素共同作用的结果。为分析出行者偏好对路径选择行为的影响,首先假设出行者从路网中获取的信息为不完全历史信息,建立了理解行程时间及其更新模型,然后给出了基于经验-加权吸引力(EWA)学习模型和累计强化学习模型的两种偏好动态更新规则,最后通过Dogit模型将理解行程时间和路径偏好共同纳入出行者的路径选择决策中。在此基础上,对比分析了不考虑路径偏好、路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好4种不同偏好情况下网络交通流的演化情况。算例结果表明:相比利用Logit模型不考虑路径偏好的流量分配结果,利用Dogit模型考虑路径偏好的流量分配结果更为均衡,且在考虑偏好时,路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好3种情况下路径的均衡流量间差异较小;偏好动态更新时,基于EWA学习模型的路径偏好动态更新规则较累计强化学习模型能更好地捕捉出行个体的路径偏好,但由累计强化学习模型得到的路网流量分配结果更为均衡;偏好为固定值时,路径的均衡流量介于EWA学习模型和累计强化学习模型两种偏好动态更新规则下路径的均衡流量之间。     

基于双层规划模型的应急救援调度与路径选择集成优化

城市中突发事件发生后,为有效降低财产损失和人员伤亡,减少应急救援在调度和路径选择等环节的响应时间损失,保障应急救援任务顺利完成,需要对各类应急救援交通资源进行合理调度,并在起讫点间根据路网实时交通状态,动态选择行驶路径,减少其路段行程时间。在多目标应急救援调度和最优路径选择目标分析的基础上,提出了一种考虑不同类型应急车辆调度和最优路径选择的双层规划的集成优化模型。在上层模型中,主要考虑应急救援车辆的调度费用成本,通过最小化应急救援车辆的固定成本、容量成本和时间成本,来确定不同类型应急车辆的出救位置和相应出动车辆数;下层模型中,主要考虑应急救援车辆的路径在途行程时间,通过最小化动态路网下应急救援的路段行程时间和信号延误时间来确定救援通过的路径,并根据固定的时间间隔动态更新路网的交通状态,使救援车辆尽可能选择避开交通拥堵的路段行驶,从而更快速到达目的地。案例分析结果表明,基于双层规划的应急车辆调度和路径选择集成模型与仅考虑调度或路径选择的模型相比,总调度成本降低了2.67%,总在途行程时间减少了21.05%,路径选择中能有效降低通过沿线拥堵道路的比例,表明模型具有很好的适用性和实用价值。