降级路网的认知及交通流平衡分析模型

为定量衡量因路段降级原因导致路网通行能力的丧失量,分析出行者在降级路网中的路径选择行为将导致何种网络交通流平衡状态,通过将降级路网划分为车流外界因素导致路段可通行能力降级和路段上车流量增加导致道路服务水平的下降两种类型,辨别旅行时间长短与旅行时间波动对出行者路径选择行为的影响,推导出同时考虑这两方面因素影响的可变路径旅行时间风险度量;在此基础上建立了降级路网中的交通流平衡分析模型,该模型满足存在性和惟一性,并能正确描述出行者对降级路网结构认知差异性情况下的网络交通流平衡状态。通过实例展示了不同旅行可靠性要求下,出行者对路径旅行时间长短的权衡关系以及整个路网交通流平衡结果。     

通行能力约束下的弹性需求交通投影动态演化模型

利用投影动态系统理论建立了具有路段通行能力约束的弹性需求交通网络动态演化模型.通过分析节点路段处交通流量与出行阻抗关系,揭示了出行者在网络局部对出行路线进行调整的决策过程,并分别建立了有通行能力约束的路段流量更新方程和弹性交通需求下的节点最短行程时间估计方程.通过在整个网络上整合上述两类方程,得到最终的交通网络投影动态...     

基于定向树搜索的博弈配流模型

通过将交通路网中路径搜索的定向式启发策略与深度优先的树搜索算法相结合,提出了一种有效路径的定向树搜索算法。该算法利用节点坐标划定有效搜索区,使搜索范围缩小。在具体的求解过程中一是利用已求出的节点位势确定下一步搜索的邻接节点范围,二是利用一个简单的节点估价函数确定进一步要选择的节点。通过给每一个节点一个搜索标记号来记录搜索树的分杈情况,可以顺利的实现有效路径的连续搜索,并结合博弈理论建立了新的交通流分配模型,给出了博弈配流的步骤。新模型合理反映了交通路网中出行者的出行路径决策行为,提供了唯一的路径流量解,因此便于在交通网络的灵敏度分析和优化设计中应用。最后,用一个简单算例说明了该方法的有效性。     

适用于路径规划系统的动态路网描述模型

为满足路径规划对路网交通信息的需求，章建立了基于GIS节点一弧段拓扑结构的路网模型。通过将路网转化为对偶图，成功地解决了最优路径计算过程中存在的交叉口转向限制问题；分别对不同最优目标函数下对偶链的路权进行标定，着重研究了路段动态行程时间的计算方法。通过电子地图上不同颜色和状态的动态线条来显示交通流的实时变化，使出行能够很容易识别这些信息。本模型为车辆导航提供了可视化的信息平台。     

城市交通网络非稳定随机均衡分析

阐明了城市交通网络流量均衡的不稳定特征,并提出了非稳定随机均衡分析的概念.通过构建基于路网使用者选择行为判断的超级网络,揭示了基于一般简化网络利用随机用户均衡对非稳定均衡网络状态进行研究的不合理性,并通过增加相对独立的虚拟节点与路段修正了超级网络.基于修正的超级网络对路径选择概率进行分析,构建了基于路段流量加载的不动点流量分配模型.针对该不动点模型给出了相继平均法内嵌基于Monte Carlo模拟的随机加载过程的交通流分配算法,并用算例验证了该算法的有效性.通过比较非稳定均衡与弹性需求下的交通网络用户均衡,说明了非稳定均衡概念在交通网络规划中应用的重要意义.     

基于多智能体博弈的路径选择策略仿真研究

系统最优与用户最优代表了交通分配中路网管理者与出行者两种不同的利益出发点。在综合考虑两者在路径选择过程中动态交互特点的基础上,引入博弈论的思想协调两者的利益冲突,建立了路网系统管理者与出行者之间的路径选择博弈模型。为验证模型的有效性,结合多智能体技术进行了相应的仿真实验,并利用多智能体仿真软件Starlogo进行模拟。通过对无信息无博弈（随机）出行、用户最优出行、有信息有博弈出行以及系统最优出行等4种不同仿真方案的比较分析,验证了系统与出行个体之间协调的博弈模型性能满足了驾驶员出行需求,提高了路网整体效率,为建立实用的诱导策略提供了参考。     

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。     

随机交通网络中依赖信息的路径优化问题研究

针对交通网络中路径通行时间具有与时间相关的随机分布特性，将研究在此类交通网络上依赖信息的路径选择问题。在路径选择过程中引入交通信息，在随机交通网络上最优路径选择原则为下一节点的选择将依赖于已实现的路段时间及当前节点的出发时间，通过期望最小值方法，按照路径通行时间期望值最小原则，建立一种通过所获得交通信息来进行路径选择的优化模型，给出了模型的求解算法。并在简单交通网络上对模型进行实现。     

面向出行时间可靠性的最优路径规划

目前城市道路交通普遍存在交通拥挤、交通出行困难等问题。尤其是一些大城市,交通拥挤问题已成为制约城市进一步发展的重要问题。因此,提高出行者的出行效率和可靠性对解决交通拥挤问题具有重大意义。城市道路交通网络是一个典型的动态随机网络,网络中弧和节点的耗费是随机的,且随时间变化。其最优路径问题可以转化为图论网络中的最短路径问题。提出一种基于蒙特卡罗模拟和遗传算法的动态随机网络最短路径算法来解决城市道路交通网络的最优路径问题,并提出基于出行时长95%可靠性的最优路径选择方法来保证出行时间的可靠性。实验表明该算法可以很好地解决城市道路交通网络出行时间可靠性的问题,可以很好地运用到交通出行的路径规划中去。     

观测路径出行时间下随机网络交通需求估计

道路网络起讫点（OD）需求是城市决策长期交通规划和短期交通管理中的基础参数,准确的交通需求更是实施交通拥堵控制、限行限速、路径诱导等措施的先决条件。综合运用观测的轨迹已知和未知路径出行时间,建立随机网络交通需求估计双层规划模型。上层广义最小二乘模型最小化历史交通需求与待估交通需求、观测路径出行时间与待估路径出行时间之间的偏差,约束为交通需求、路段流量、路段出行时间与路径出行时间之间的传播关系,通过高斯混合模型（GMM）对其中轨迹未知的观测出行时间依概率聚类。下层为随机网络交通出行均衡模型,分别运用出行时间预算和随机用户均衡处理路网不确定性和出行者感知误差。上、下层之间通过交通需求和OD-路段关联比例进行信息传递。设计迭代算法框架求解双层规划模型,迭代算法包含求解上层模型的最速下降法、求解下层模型的相继平均算法和求解GMM模型的最大期望（EM）算法。通过算例表明轨迹未知的路径出行信息的加入在提升需求估计精度的同时也增大了估计值的方差;设计的迭代算法能够稳定收敛到10^-5的精度;GMM软聚类方法估计的交通需求显著优于硬聚类方法估计的需求值;交通需求值对观测路径出行时间的扰动更加敏感。研究考虑出行者风险态度,通过轨迹信息的重新构建揭示城市交通需求演化规律。     

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。     

城市道路交通网络系统容量评估模型

以出行者出行行为选择为基础,以最大化网络容量为目标,建立了城市道路交通网络容量双层规划评估模型。其中下层引入停车路段（搜索停车设施所行驶的路段）和步行路段,把停车设施转化为道路路段,以出行分布、方式分担和均衡配流组合模型来反映出行者出行目的地、出行方式服从多项式Logit和出行路径服从用户均衡原则的出行选择行为;上层以网络储备容量最大化为目标,考虑网络的路段通行能力、外部环境以及服务水平要求等约束条件下的最大流量问题。最后给出了相应的启发式求解算法。研究结果表明：该模型和算法有效且易于操作。     

基于对偶图的城市交叉口延误分析

交叉口是城市路网的重要组成部分之一。交叉口延误对人们出行服务与交通网络规划有着非常重要的意义。借鉴了图论中的对偶图思想将传统城市路网结构转换为对偶网络,结合北京市浮动车数据,建立交叉口延误分析模型,生成随时间动态变化的城市对偶路网序列图。通过对交叉口不同转向的延误数据生成的趋势图进行可视化分析,探讨交叉口延误规律,为人们出行服务与动态路径规划提供依据。     

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。     

初始条件对驾驶员逐日路径选择行为和网络交通流演化的影响

从查阅到的文献可以看到,在驾驶员逐日路径选择行为及网络交通流演化的研究中,均假定驾驶员第1天对路径的理解行程时间相同,也即初始条件中没有考虑驾驶员的个体差异性。首先,对初始条件和驾驶员逐日路径选择过程建模,在2条平行路径的简单路网中,运用Agent仿真方法模拟了不同初始条件下驾驶员逐日路径选择过程。结果表明：路网达到平衡所需的时间与驾驶员对历史信息的依赖程度显著相关,而与第1天驾驶员对路径行程时间理解的相关差异性不显著;路网平衡和用户平衡的差别与两者均显著相关。虽然在不同情况下路网均能够达到近似的用户平衡状态,但是平衡时驾驶员对2条路径的理解行程时间存在较大差异。     

无人驾驶环境下考虑OD结构的路网容量模型

为了研究未来无人驾驶车辆对路网容量的影响,揭示无人驾驶车辆与普通车辆的相互影响特性,假设无人驾驶车辆遵循系统最优路径,普通车辆遵循用户最优路径,构建了无人驾驶环境下的道路网络储备容量模型。上层模型为满足路段容量约束条件下的最大交通需求,各OD之间的交通需求采用不同的增长乘子;下层模型为两类用户的混合路径选择行为模型,无人驾驶车辆以系统总阻抗最小为目标,而普通车辆以个人出行成本最小为目标。采用多种群遗传算法进行求解,并通过算例验证了模型和算法的有效性和可行性,得到非统一增长乘子下的路网容量,比较了统一增长乘子与非统一增长乘子的异同之处。研究结果表明:①两种计算结果所得到的道路网络容量增长趋势类似,但是非统一增长乘子计算结果大于统一增长乘子计算结果,当无人驾驶车辆市场渗透率达到一定比例时,二者计算结果的差异随着市场渗透率的增加而逐渐减小;②不同OD对的增长乘子不一定相同,无人驾驶车辆的加入可以优化不同地区的OD需求分布,从而提升整个道路网络的容量;③非统一乘子的计算方法可以有效避免不同OD对的干扰作用,提高部分OD对在低市场渗透率下的路径利用率,路段流量分布更加均衡;④当无人驾驶市场渗透率达到较高的比例时,道路网络容量可增加的幅度较小。     

无人驾驶环境下考虑OD结构的路网容量模型（双语出版）

为了研究未来无人驾驶车辆对路网容量的影响，揭示无人驾驶车辆与普通车辆的相互影响特性，假设无人驾驶车辆遵循系统最优路径，普通车辆遵循用户最优路径，构建了无人驾驶环境下的道路网络储备容量模型。上层模型为满足路段容量约束条件下的最大交通需求，各OD之间的交通需求采用不同的增长乘子；下层模型为两类用户的混合路径选择行为模型，无人驾驶车辆以系统总阻抗最小为目标，而普通车辆以个人出行成本最小为目标。采用多种群遗传算法进行求解，并通过算例验证了模型和算法的有效性和可行性，得到非统一增长乘子下的路网容量，比较了统一增长乘子与非统一增长乘子的异同之处。研究结果表明：①两种计算结果所得到的道路网络容量增长趋势类似，但是非统一增长乘子计算结果大于统一增长乘子计算结果，当无人驾驶车辆市场渗透率达到一定比例时，二者计算结果的差异随着市场渗透率的增加而逐渐减小；②不同OD对的增长乘子不一定相同，无人驾驶车辆的加入可以优化不同地区的OD需求分布，从而提升整个道路网络的容量；③非统一乘子的计算方法可以有效避免不同OD对的干扰作用，提高部分OD对在低市场渗透率下的路径利用率，路段流量分布更加均衡；④当无人驾驶市场渗透率达到较高的比例时，道路网络容量可增加的幅度较小。     

随机交通分配中有效路径的定向树搜索算法

交通路网中有效路径的确定方法是进行各类随机交通流量分配的关键技术.文章将交通路网中节点位置的确定性与交通出行中路径选取的有向性相结合,模拟树的生长,提出了一种有效路径的定向树搜索算法.通过将该方法应用于随机用户均衡分配模型,说明了该方法的有效性.     

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。     

智能网联环境下的城市路网容量可靠性分析

网联自动驾驶车辆（CAVs）与人工驾驶车辆（HDVs）混行的交通发展模式会促进城市路网容量发生变化，为解析混合交通流对城市路网容量可靠性的影响，构建了智能网联环境下城市路网容量可靠性双层规划模型。为表征CAVs信息获取与自动驾驶的能力，假定CAVs遵循系统最优原则选择路径，而HDVs则根据自身经验选择路径，基于二者路径选择的差异建立描述混合交通分配的下层模型，刻画智能网联环境下的混合交通流分配特性。并且，为了快速求解大型路网交通分配，将下层混合交通分配模型转换为非线性互补下问题进行求解。考虑到实际路网的随机性，以及路网道路通行能力并非固定值，运用具有多种相关性的均匀随机分布理论，建立了的描述城市路网容量可靠性的上层模型。通过蒙特卡洛仿真分析不同CAVs渗透率下的路网容量可靠性，并进一步解析各路段对路网容量可靠性的敏感度。结果表明:当需求水平d > 0.5时，路网容量可靠性开始降低；当d > 0.7且CAVs渗透率λ＝0时，可靠性小于0.4；当d > 0.7而λ＝1时，可靠性接近1，说明CAVs可增强路网容量可靠性。研究还发现，当需求水平处于0.7~1区间时，渗透率的变化对路网容量可靠性有显著的影响，但随着需求的增大，路网处于超负荷状态，渗透率对路网容量可靠性影响较小。此外，CAVs渗透率从0增加至1的过程中，路网中存在“道路容量悖论”现象的道路从19条下降至3条，且当λ＝1时路网中仅有1条道路出现了显著的“道路容量悖论”现象，拥堵严重。表明CAVs渗透率的增大可以显著改善路网中的“道路容量悖论”现象，减少路网容量可靠性的波动，提高路网运行稳定性。