双线单换乘区条件下公交串车的驻站防治方法

换乘会增加公交车在换乘站点停靠时间的不确定性,从而可能诱发串车和加剧线路的不稳定性。针对上述问题,以常见的存在单换乘区的两条公交线路为对象,提出了利用车辆驻站为控制手段的双线控制增强学习模型和算法。首先,对换乘区进行了归类分析,明确系统运行的供需特征,定义了系统的稳定性度量指标;其次,以线路运行的仿真系统为基础,建立线路控制的增强学习模型,并给出对应的Q学习算法;最后,通过算例验证模型与算法的有效性。研究表明新的控制方法可以在双线单换乘区条件下有效防止串车现象的发生,线路运行稳定性系统的运能可得到有效提高,乘客的平均等车和换乘时间均有所减少。     

考虑辅路缓冲的快速路紧急疏散最优控制

针对紧急疏散中单向需求激增的情况,提出利用地面辅路缓冲容纳部分疏散车流,从而降低快速路疏散的整体时空风险.基于宏观交通流模型建立了快速路疏散车流演化方程,明确了上匝道车速对主线车速的影响,从而实现经典宏观交通流模型对路网状态演变处理的一致性.针对由下匝道、地面并行道路和上匝道构成的地面辅路行程时间的二分特征,建立了相应的离散时间的流量演化方程.辅路系统方程不仅可以刻画地面辅路疏散车流的主要特征,而且能与已有快速路的状态演化系统实现无缝结合.数值分析表明,利用匝道控制和辅路分流两种手段可以实现系统整体时空疏散风险的最小化控制.     

基于完善交通信息收集的UAV路径规划

针对部分路段不能获取完整交通信息的问题,提出使用无人机对未布设固定型交通信息检测器路段进行交通巡视,完善交通信息。通过时空网络建立了一个总飞行时间最短、最大单机飞行时间最短的多目标模型,确定最佳的无人机数量和交通信息收集路径。新模型不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,而且加入了对未布设固定型交通检测器路段的巡视次数以及巡视时间间隔约束问题,使巡视路径更加合理。情景分析表明,使用两架无人机进行巡视时,总飞行时间最短为37min,在23min 内完成巡视任务;随着最大单机飞行时间权重的增大,无人机的总飞行时间增加9.76%,最大单机飞行时间减少8.70%。算例分析表明,所建模型和方法能够解决大规模路网的多无人机调度问题,能够根据实际需求得到满意的巡视路径。     

基于两阶段行程时间的交通流分配理论

针对目前静态交通流分配理论难以处理网络流量演化的问题,给出了基于交通流 反λ 基本图的流量分配新模型.通过不断求解新模型更新路段交通状态,明确了利用静态交通 流分配模型分析网络交通流演变的具体方法.假设网络路段均处于自由流状态,通过求解得到 平衡路段流量,判断是否达到临界流量.将路段流量达到临界流量的路段设定为拥挤状态,重 新求解平衡流量,判断是否仍存在达到临界流量的路段.依据上述思路,直到新的模型无解或 无新的路段达到临界流量.本文通过定义网络不同级别的拥挤瓶颈,完成对网络流量演化的分 析描述.算例验证了新模型与方法的可行性.新理论提供了分析网络交通状态演变的新思路, 拓展了静态交通流分配理论.     

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.     

多用户多准则城市交通网络非稳定均衡分析

为了反映现实中交通出行者实施出行与否的决策过程,通过对实际城市交通网络状态的分析,引入了非稳定均衡网络状态的概念。同时通过对出行者出行选择行为的深入分析,引入了多用户多准则非稳定均衡网络状态的非线性互补问题模型和变分不等式模型,并利用超级网络的概念证明了两者的等价性。新模型能够将出行者的路径选择决策、目的地选择决策、出行方式选择决策以及出行与否决策合理的整合在一起,从而可完整的反映城市交通流的形成模式。给出了求解多用户非稳定均衡态的变分不等式模型的修正投影算法,并通过一个数值例子验证了算法的有效性。结论部分给出了多个可进一步深入研究的方向。     

������Ч·���Ľ�ͨ�����ķ����㷨

交通流分配是交通规划的核心工作之一，而路网中有效路径的搜索又是进行交通流分配的基础。通过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，本文提出了一种有效路径的分层定向搜索算法，并结合博弈理论建立了新的交通流分配模型。新的算法合理的汲取了启发式配流的比例加载思想，并借鉴相继平均法思路解决了多起讫点对的配流问题。新算法具有模拟实际交通路径选择行为，并给出唯一路径流量的特征。文中用一个算例说明了该方法的有效性。     

停车需求分布的双层规划模型及算法

针对停车需求给定条件下的停车设施选择问题,建立了描述停车设施选择和出行路线选择行为的双层规划模型,并基于在部分增广乘子法中嵌套Frank-Wolfe算法的思路设计了求解模型的有效算法.上层模型在满足停车需求和设施停放车辆数有限条件下,力图最小化实际停车需求分布与期望分布间的差异.下层模型假设出行者路线选择行为遵循用户均衡原则.上下层模型通过设施选择概率函数实现有效关联.部分增广乘子法中嵌套Frank-Wolfe 算法求解上层模型可以有效利用上层模型的单纯形式约束特征.算例分析验证了新模型与算法的有效性.研究结论拓展了现有理论的应用场景,为相关研究提供了新的建模分析思路.     

无人驾驶条件下共享停车匹配模型及算法

针对如何减少无人驾驶车辆在泊车过程中不必要的频繁移位和因此增高的事故风险,构 建了在满足合理共享停车需求条件下最小化无人车移位成本的共享停车供需匹配优化模型,并 利用解的结构特征设计了一种具有针对性的模拟退火求解算法。鉴于无人车灵活变换泊位的特 征,将泊车需求与泊位供给在时间上加以分割,从而使得基于分割时段的匹配模型可以反映无人 车的泊车特征。将对应分割时段的匹配集合加以组合形成对应模型可行解的匹配图。利用匹配 图的时空结构特征,定义对应分割时段的匹配图邻域,从而完成对模拟退火算法关键操作的设 计。结果表明：利用新方法可以实现无人车的共享停车匹配;经过优化处理,无人车的移车次数 可减少至不到初值的5%;一般情况下最优匹配图不唯一,为其他停车要求提供了操作空间。