基于计划延误成本的出发时间选择模型

出行时间不确定性对出行者造成诸多负面影响,其中之一就是计划延误成本增加.向出行者提供交通信息可减少出行时间不确定性的负面影响,减少计划延误成本.为了估计其负面效应和出行时间信息的价值,研究了一个出行时间不确定性下的出发时间选择模型.假定在不同的出发时间下,出行时间分布的形式不同.模型中出行者可得到交通信息服务系统(A T IS)提供的基于平均出行状况的交通信息或基于当日出行状况的交通信息,同时他对得到的信息有自己的感知值,基于此感知预测出行时间并选择出发时间.用算例反映了出行时间不确定性、不同信息状况和信息预测的质量对出行者广义出行阻抗的影响.结果表明交通信息的收益不应该只表现为传统的出行时间节省,它还能减少约30% ~40% 的计划延误成本.      

北京市居民出行时间成本研究

采用收入法,考虑出行目的、出行方式等因素,给出居民出行时间成本计算的方法与步骤,将居民出行时间价值货币化。以北京市2000年和2005年为对象年,估算了分目的、分方式出行对应的单位时间价值,并根据历年交通调查的数据,获取了当年北京市全社会小汽车、公共交通(包括轨道交通)、出租汽车的平均出行时间和出行量,计算得到北京市全社会当年居民出行的时间成本。     

基于公交优先的居民出行方式结构与社会效益最大化研究

为了得到城市居民出行方式最佳结构,以制定相应的公交优先政策措施.首先提出了居民出行社会效益的概念,根据居民出行时间价值、平均出行时间与出行费用,计算不同出行方式出行者平均每次出行的成本,在考虑各种出行方式比例的基础上,计算居民出行节约成本,从而计算居民出行社会效益.以居民出行社会效益最大化为目标函数,通过深入研究居民出行时间、出行费用与出行方式比例的函数关系,以及新增公交供给投入成本等参数变化规律,建立居民出行社会效益最大化的约束条件.最后以长春市居民出行调查结果为例进行了实证分析.结果表明:长春市居民出行社会效益最大时,小汽车、公共交通、步行及自行车的出行比例分别为11.27％、62.36％和26.37％,并针对计算结果给出了相应的出行方式结构合理化措施建议.     

专用道条件下电动公交线路静态无线充电设施布局优化

为了减少电动公交线路静态无线充电设施的布设成本，从而提高时间控制点的有效利用率，提出了考虑时间控制点影响的静态无线充电设施布局优化方法。首先建立电动公交车运行状态表达模型，提出乘客出行时间成本增加量计算方法；随后在总松弛时间、电池剩余电量、准点率的约束下，将每个站点是否布设静态无线充电设施、是否设置为时间控制点以及对应的松弛时间作为优化变量，将充电设施总布设成本与乘客出行时间成本增加量最小以及站点有效利用率最大作为优化目标，建立专用道条件下静态无线充电设施布局优化模型，并采用嵌入随机模拟技术的麻雀搜索优化算法进行求解；最后以一条实际线路为例进行案例分析，并对电池容量、充电功率进行敏感性分析。研究结果表明：在满足不同班次电量需求的前提下，充电设施的总布设成本、乘客出行时间成本增加量随着电池容量或者静态无线充电功率的增加而减少，且充电设施的总布设成本呈阶梯形状变化。     

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。     

交通大数据平台效益评价方法

为反映交通大数据平台受益对象的多元化,与传统ITS效益评价基于车辆所有者经济效益不同,给出了基于居民出行方式分担比的经济效益计算方法.该效益包括小客车、出租车、公交车等不同交通工具车辆运输成本、乘客出行时间成本、CO2排放环境等成本节约效益,采用加权平均法得到总效益.在乘客出行时间成本计算中,考虑收入对交通方式选择的影响,给出了不同出行方式不同目的人工时间成本计算方法及参数取值.为反映交通大数据平台信息发布对出行行为选择的影响,采用有无对比法,提出了因交通方式转移而产生的车俩运输成本、CO2排放环境成本效益计算方法.以武汉交通大数据平台建设为例,给出了影响范围与主要参数取用方法,进行了成本效益预测分析实证研究.解决了交通大数据平台效益分析定量化的问题,为交通平台类项目经济效益评价提供了理论方法.      

考虑乘客出行习惯的公交线网优化方法

为了解决既有研究缺乏定量分析乘客出行习惯,导致优化线网实施后实际运营效果不理想的现实问题,提出乘客出行习惯成本的概念,并从换乘习惯成本和出行时间习惯成本2个方面进行计算:引入换乘惩罚因子,将换乘导致的不便转化为出行时耗计算换乘习惯成本;定义出行惯性阈值,表征乘客对车内时间的敏感程度计算出行时间习惯成本.建立以考虑出行习惯的乘客出行成本和运营成本最小为目标,以首末站布局、发车频率为约束的线网优化模型,设计改进的多种群遗传算法的模型求解方法.以莱州市公交线网为例进行验证,结果表明,优化方案较优化前总成本下降了1 .8% ,乘客出行成本下降了15 .4% ,直达乘客比例提高了19 .6% ;与未考虑乘客出行习惯的传统模型相比,使用改进模型优化后乘客出行习惯成本下降了43 .4% .      

城市道路拥挤收费福利影响研究

城市道路拥挤收费虽然使总的社会福利增加,但对不同时间价值出行者的福利影响却不尽相同。以福利经济学为理论基础,以出行的货币成本和时间成本为影响因素,量化分析收费后不同出行者的福利得失。研究发现,在确定拥挤方案后如果能得到交通量的变化量,就可以得到不同选择方案出行者的福利得失。时间价值较低的出行者只有选择公共交通时才能从拥挤收费中受益,而时间价值较高的出行者,选择付费出行使他们获益最大。     

竞争条件下公共交通最优出行方式选择

多种交通方式共线运行为出行者提供了便利,但也使得出行者面临最优出行方式选择问题。为了在竞争条件下对出行者的出行方式选择进行科学的引导,提高出行者的出行效率并实现交通资源的最优配置,引入固定出行成本和可变出行成本概念,对步行、共享单车、常规公交和轨道交通4类常用出行方式的成本问题进行研究。具体方法为:分别将4类出行方式的成本量化为出行距离的函数,然后分析平均出行成本(即出行效益)随出行距离的变化规律,分别建立了单一方式与多种方式组合联运条件下的最优出行方式优化模型,最后以成都市某轨道交通枢纽周边区域为例对模型进行了验证。实证结果表明:当出行距离增加时,共享单车、常规公交、轨道交通的平均出行成本具有规模效应,即出行距离增加时,其出行单位出行成本降低;在研究区域内,按照出行距离递增的顺序,考虑出行成本因素下出行者最优出行方式依次为步行、共享单车、常规公交、轨道交通;在常规公交最优选择区间,轨道交通平均成本与其差距不大,形成了很大竞争。因此,为了实现资源高效利用,应提高常规公交竞争活力,如提升舒适性,减小发车间隔。     

机动车尾气污染对居民出行选择的影响

机动车尾气排放造成的空气污染对人体健康的危害逐渐被医学界证实。城市居民选择交通工具以及出行路线时,道路机动车尾气污染会影响其选择行为。文中通过居民出行问卷调查证实部分出行者会采取规避行为降低机动车尾气污染对个人健康的危害,建立表征出行者与污染气体接触程度的曝露指数模型,通过数据拟合建立增量时间转化模型,以出行时间增加值的形式定量得到机动车尾气污染对居民出行的影响程度,对离散选择模型的效用函数进行了修正,并给出了算例。     

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。     

基于少量探测车的城市路段平均行程时间估计

与传统的固定式采集系统(感应线圈等)比较,探测车系统具有直接采集行程时间、时空覆盖范围广等优点.研究少量探测车情况下的路段行程时间估计问题对降低探测车系统的运营费用具有重要意义.在发现停车组和非停车组的行程时间均值、非停车组所占百分比等3个参数之间关联关系的基础上,提出了在极小样本情况下估计城市路段平均行程时间的方法.基于微观交通仿真的比较分析显示,该方法优于通过样本均值估计平均路段行程时间的方法,特别是当交通状况处于拥挤情况下其优势更为明显.     

Reliability-based network flow estimation with day-to-day variation: A model validation on real large-scale urban networks

Day-to-day variation in the travel times of congested urban transportation networks is a frustrating phenomenon to the users of these networks. These users look pessimistically at the path travel times, and learn to spend additional time to safeguard against serious penalties that await late arrivals at the destinations. These additional expenses are charges similar to the tolls in system equilibrium flow problem, but may not be collected. With this conjecture, the user equilibrium (UE) formulation of congested network flow problem would lack some necessary factors in addressing appropriate path choices. This study, following a previous work proposing pessimistic UE (PUE) flow, aims to show how to measure this additional travel cost for a link, and investigates how different is PUE from UE, and when such differences are pronounced. Data are collected from the peak-hour travel times for the links of paths in the city of Tehran, to estimate the variance of travel times for typical links. Deterministic functions are obtained by calibrating the standard deviation of the daily variations of link travel times, and probabilistic functions by the technique of copula. UE and PUE traffic assignment models are built and applied to three large cities of Mashhad, Shiraz, and Tehran in Iran. The results show that the estimated flows by PUE model replicate the observed flows in screen lines much better than the UE model, particularly for longer trips. Since PUE is computationally equivalent to UE, this improvement is attained virtually at no cost.     

Bus travel time modelling using GPS probe and smart card data: A probabilistic approach considering link travel time and station dwell time

Abstract

Path travel time estimation for buses is critical to public transit operation and passenger information system. State-of-the-art methods for estimating path travel time are usually focused on single vehicle with a limited number of road segments, thereby neglecting the interaction among multiple buses, boarding behavior, and traffic flow. This study models path travel time for buses considering link travel time and station dwell time. First, we fit link travel time to shifted lognormal distributions as in previous studies. Then, we propose a probabilistic model to capture interactions among buses in the bus bay as a first-in-first-out queue, with every bus sharing the same set of behaviors: queuing to enter the bus bay, loading/unloading passengers, and merging into traffic flow on the main road. Finally, path travel time distribution is estimated by statistically summarizing link travel time distributions and station dwell time distributions. The path travel time of a bus line in Hangzhou is analyzed to validate the effectiveness of the proposed model. Results show that the model-based estimated path travel time distribution resembles the observed distribution well. Based on the calculation of path travel time, link travel time reliability is identified as the main factor affecting path travel time reliability.     

旅客行为时间价值确定方法研究

在旅客"理性经济人"的理论假定下,从旅客的选择行为出发,探讨基于最小费用和最大效用的时间价值模型构建方法,并着重就两模型的标定方法做深入研究,针对模型标定过程中出现的方程退化现象和存在的困难,提出简化的模型和参数估计方法,并以甘陕运输通道为例,对旅客的行为时间价值进行模拟分析和计算。     

Bi-objective routing problem with asymmetrical travel time distributions

Recent studies have confirmed that travelers consider travel time reliability in addition to average travel time when making route choice decisions. In this study, we develop a bi-objective routing model that seeks to simultaneously optimize the average travel time and travel time reliability. The semi-standard deviation (SSD) is chosen as the reliability measure because it reflects travelers' concerns over longer travel time better than the commonly used standard deviation. The Pareto-optimal solutions to the bi-objective model are found by using an improved strength Pareto evolutionary algorithm. Tests on a real-world urban network with field measured travel time data have demonstrated good performance of the algorithm in the aspects, such as computational efficiency, quick convergence, and closeness to the global Pareto-optimal. Overall, the bi-objective routing model generates reasonable path recommendations. The SSD-based model is sensitive to the asymmetry of travel time distribution and tends to avoid paths with excessively long delays. This would be particularly helpful to those users placing high values on travel time reliability.     

都会区旅行时间系统建置与应用

研究於都会区建构旅行时间系统,透过密集的车辆自动辨识系统设置,蒐集路段旅行时间资料,进行旅行时间预估之分析。由於在都会区进行旅行时间预估实属不易,论文介绍了旅行时间系统架构、车辆自动辨识系统车牌配对逻辑,并拟定资讯发布策略,最後以此系统运用於台中市之经验,归纳系统设备装设逻辑,并介绍旅行时间资料应用之方式。     

A route guidance system considering travel time unreliability

Under a stochastic roadway, drivers need a route guidance system incorporating travel time variability. To recommend a customized path depending on the trip purpose and the driver’s risk-taking behavior, various path ranking methods have been developed. Unlike those methods, our proposed disutility method can easily incorporate a target arrival time in the ranking process by measuring how late the travel is and by penalizing it depending on the severity of lateness. In addition, the disutility-based route guidance system can properly address travel time unreliability that causes unacceptable disruptions to the driver’s schedule (i.e., unexpected long delay). We compare the disutility-based path ranking method with other ranking methods, the percentile travel time, the mean excess travel time, and the on-time arrival probability. We show that the disutility has stronger discriminating power and requires less solution space to find an optimal path. The most important advantage is that it can estimate a driver’s risk-taking behavior for each trip purpose by using the discrete choice analysis. We construct a simulation framework to acquire the travel time data on a hypothetical roadway. We analyze the data and show how various ranking methods recommend a customized path. Using the data, we show the advantage of the disutiltiy method over the other methods, which is generating a customized path with respect to the target arrival time by properly penalizing the travel time lateness.