基于双层规划模型下的路径安排问题研究

目前我国交通拥堵给许多地区的经济社会发展带来极大的负面影响,如何缓解交通拥堵对于城市的发展具有重要的意义。在研究路径安排问题上,建立了基于控制中心的双层规划模型。上层目标从交通管理者的角度,最小化出行者的系统总阻抗,下层模型通过基于元胞传输模型构建了出行者的动态路径选择行为模型。通过案例分析验证了提出的模型的可行性。     

基于前景理论诱导信息的出行者路径选择模型

在前景理论的决策框架下,引入诱导因素,建立诱导信息影响下考虑出行可靠性的基于预算时间的参考点,以此得到相关的价值函数与概率权重函数。构建一个简单路网对模型进行验证,结果表明:基于前景理论诱导信息的出行者路径选择模型,较为符合出行者在实际状态下的路径选择行为,且可有效体现管理者的诱导意图,提高路网效率。     

机场旅客进出场交通方式选择的双层规划模型

以机场出发旅客为研究对象,在分析多种交通方式下旅客进出场出行费用对其交通方式选择影响基础上,应用双层规划模型描述了机场旅客进出场交通方式选择问题,并利用基于灵敏度分析的启发式方法对模型进行求解．模型综合考虑了交通系统的收益和旅客的利益．通过算例可以看出,应用双层规划模型描述机场旅客进出场交通方式选择问题是合理的,所采用的方法是可行有效的,对于制定多模式交通运输价格策略、缓解大型机场地面交通拥挤等具有现实意义．     

基于居住区共享停车的双层规划诱导模型

为了缓解因城市停车资源有限造成的停车难问题,根据共享停车理论和智能交通诱导策略,提出了居住区泊位参与的共享停车诱导服务流程,探讨了实现居住区共享停车的基本条件,建立了诱导服务的泊位协调控制双层规划模型.该模型上层以高峰泊位空闲指数差异均值最小为目标,作为衡量该诱导服务能否实现区域范围停车资源均衡利用的指标;下层以驾驶员停车后平均步行距离最小为目标,作为衡量共享停车是否可行的依据.根据双层规划模型的求解原理和粒子群算法优化思想,设计了该模型的粒子群嵌套优化算法,并进行仿真实验.结果表明:鹤祥园小区最低泊位空闲指数为0.301,最大高峰泊位对外共享率为0.093,即只利用了不足1/3的闲置泊位就缓解了远洋城的停车问题;平均步行距离为160.59m,说明共享方案可行.      

历史街区交通微循环优化的双层规划模型

为满足历史街区日益增加的交通需求, 利用街区内密布的街巷网络组织交通微循环, 建立了历史街区交通微循环优化的双层规划模型, 以提高干路畅通性与路网平均行程车速、缩短绕行时间和控制环境污染为优化目标, 以街区内街巷的通畅和历史遗存保护为约束条件, 构建上层模型, 采用用户均衡交通分配与借助TransCAD求解下层模型, 并选取开封市草市街历史街区进行实例分析。计算结果表明: 优化计算使干路平均饱和度可由0.69最多降至0.36;路网平均行程车速可由26.33 km·h^-1最多提升至28.87 km·h^-1; 街区内街巷平均饱和度可由0.07最多提升至0.37;绕行时间及环境污染得到控制。可见, 该模型的应用缓解了干路网络的交通压力, 提高了街区可达性及总体运行效率, 具有良好的交通效益和环境效益。     

基于双层规划的危险货物配送路径鲁棒优化

针对不确定环境下带时间窗的多配送中心危险货物配送路径优化问题, 提出一种含鲁棒控制参数的鲁棒优化方法; 综合考虑危险货物运输风险、运输费用和服务时间窗, 构建了危险货物配送路径多目标双层鲁棒优化模型, 上层模型追求运输风险和运输费用最小化, 下层模型采用用户均衡交通分配模型; 根据Bertsimas-Sim鲁棒优化理论, 对含有不确定参数的上层模型进行鲁棒对等转化; 联合增强型Pareto遗传算法和Frank-Wolfe算法构建了求解多目标双层鲁棒优化模型的混合算法, 采用3段式编码和解码方法、等位匹配交叉操作以及翻转变异等遗传操作方法求解上层模型, 采用Frank-Wolfe算法求解下层用户均衡模型; 以经典的Sioux-Falls交通网络为例, 对含有3个配送中心、7个需求点的危险货物配送路径优化问题进行案例分析, 以验证模型及其算法的合理性。研究结果表明: 当鲁棒控制参数分别为0、30和60时, 构建的混合算法能分别快速得到3、2和3组鲁棒最优解, 且所有解均为包含具体运输路段和发车时刻的配送方案, 而非配送顺序; 该混合算法与传统两阶段启发式算法相比, 运算时间能节省54.74%。可见, 该混合算法无论是在求解效率上, 还是在解的表达形式上均优于两阶段启发式算法, 能较好地完成不确定环境下危险货物配送路径多目标双层鲁棒优化任务。     

诱导信息下的路径选择行为模型

本文为诱导信息下的驾驶员路径选择行为提出了一种基于决策场理论和贝叶斯理论的推理、预测、判断和路径选择决策的交互仿真模型. 首先,由贝叶斯推理理论建立诱导信息和以往出行经验共同作用下的路况动态更新模型;进而将其与基于决策场理论的动态路径选择模型相结合,构成诱导信息下的路径选择行为交互模型. 通过诱导信息下的路径选择行为动态模拟,获取诱导信息对路径选择行为的量化影响效能值. 仿真分析显示,诱导信息可信度、出行经验、路径固有偏好、决策速度/质量和路线选择标准是影响驾驶员对诱导信息做出响应的关键因素. 分析结果表明,决策场理论与贝叶斯理论相结合能较好地解释驾驶员路径选择行为的动态特性.     

城市公共停车场选址双层规划模型

停车问题是中国大中型城市面临的主要交通问题之一。考虑到早期对停车问题认识不足和城市空间资源紧张的实际情况,发展公共停车场十分必要。构建城市公共停车场选址双层规划模型:下层优化目标为考虑停车场容量约束的用户均衡,上层优化目标为行驶时间和步行时间广义成本最小。该模型克服了传统规划模型无法同时考虑行驶时间、等待时间、停车收费和步行时间的缺点,并利用交通规划软件EMME3进行求解。最后,基于经典Sioux Falls路网算例的结果表明,停车场选址双层规划模型求解过程相对简单,结果较为可靠。该研究方法可为城市公共停车场规划建设和相关政策制定提供理论支持。     

城市道路网双层规划模型及其应用

分析了城市道路网规划的目标以及现有规划模型在应用时存在的不足之处.采用双层规划模型构建了城市路网规划模型.用迭代算法对该模型求解.以兰州市为例,结合城区实际交通状况和交通需求,采用该模型及算法进行路网规划,获得了兰州市道路网规划方案.在该方案中从快速路至支路初步形成了“金字塔”形分布.     

双目标路径诱导下的交通信息定价策略

为了提高交通信息定价精度, 在假定出行者权衡出行时间和出行费用双目标路径诱导的基础上, 建立混合均衡定价模型, 通过实例对模型进行了标定和验证, 对比评价了单目标和双目标路径诱导下的交通信息定价策略, 并给出双目标路径诱导下的交通信息定价结果。研究结果表明, 与双目标路径诱导相比, 单目标路径诱导改变了交通信息定价的可行区域, 当具有信息的出行者、交通信息提供者、交通管理者三方各自的利益为决策主体时, 交通信息的最终价格分别为1.3、2.6和1.8元, 说明了混合均衡定价模型是有效的。     

诱导条件下交通控制子区自动划分

实现路线诱导系统与交通控制系统的最终集成, 需要解决的一个现实问题是: 在目前不少城市已使用了SCAT或SCOOT等区域自适应交通控制系统的情况下, 路线诱导系统是如何与这类交通控制系统实现数据共享和方案协调, 试图探讨区域自适应交通控制系统与路线诱导系统如何利用数据共享, 实现区域交通控制中心在诱导条件下交通控制子区的自动划分。     

多路公交优先交叉口配时优化的双层规划模型

公交优先感应信号控制会对非优先相位车辆产生不利影响, 为了均衡非优先相位的损失, 降低交叉口及下游公交站台的乘客延误, 建立了多路公交优先交叉口配时优化的双层规划模型。上层模型描述了基于交叉口延误以及下游公交站台乘客排队延误的优先策略时长优化, 下层模型在计算交叉口停驶-加速延误的基础上描述了各相位绿时损失的均衡过程, 以优先策略时长为决策变量, 将优先策略的影响引入到下层模型。利用Gauss-Seidel迭代法设计了求解算法, 并进行了实例分析。分析结果表明: 配时优化后, 周期内交叉口和下游站台乘客的总延误减少了23 576.12s, 同时交叉口车辆停驶-加速延误减少了62.87s, 双层规划模型在公交优先的前提下保障了交叉口的整体效益。     

有偏好的交通网络路径选择模型

在城市交通网络中, 已知路径的时间属性与费用属性, 分析了出行者对路径有、无主观偏好时的路径选择问题。当无偏好时, 利用信息熵理论和多属性综合决策方法给出了获得路径综合属性值的计算模型; 当有偏好时, 对不同的路径通过互反判断矩阵给出主观偏好, 然后利用互反判断矩阵之间的偏差建立关于属性权重向量的优化模型, 并采用解析的方法对模型进行求解, 得到每个属性的权重, 从而进一步计算出每条路径的综合属性值, 属性值最大的路径为最优路径。分析结果表明: 在无偏好时最佳选择路径2的综合属性值为0.918;在有偏好时最佳选择路径4的综合属性值为0.965, 与无偏好的相差较大, 且6条路径的选择次序不同。可见, 出行者的主观偏好对路径选择结果有较大的影响。     

交通诱导信息对路网中车辆行为的影响

为研究诱导模型的诱导效果, 用元胞自动机模型模拟车辆在路网中的行为, 仿真了不同诱导信息在不同交通量、不同受诱导率情况下对交通流的影响, 提出基于Agent的交通诱导模型, 模型采用Q-学习算法优化诱导信息, 可根据路网中交通流情况发布建议性诱导信息, 调节交通流分布。仿真结果表明: 影响诱导效果的主要因素为受诱导率和诱导信息, 基于Agent的交通诱导模型能有效均衡路网交通流, 且随着交通流的增加, 优势逐渐明显。在轻交通量情况下, 该模型较出行者自由选择路径模型略优; 但在重交通量情况下, 发布建议性的诱导信息比描述性诱导信息能减少12%平均行程时间。     

不确定性对城市交通出行者路径选择的影响

为了研究城市交通中旅行时间的不确定性对出行者路径选择的影响, 基于展望理论, 提出了出行者规避不确定性假说, 应用贝叶斯模型分析了重复出行中出行者对不确定性的认知更新及其对出行行为的影响, 并通过调查数据进行了实例验证。分析结果表明: 77.73%的出行者偏好旅行时间不确定性小的路径; 路径旅行时间不确定性降低时, 有66.39%的出行者改变了出行时间, 平均时间预算减少了10.03%;对路径熟悉程度增加时, 有70.90%的出行者改变了出行时间, 平均时间预算减少了15.56%。可见, 出行者的出行时间预算随旅行时间不确定性的下降和重复出行的增加而减少。     

道路网单向交通优化设计模型

为了提高道路网的通行能力和服务水平, 提出了单向交通组织的双层规划模型。上层模型的目标函数为最小总走行时间、最短绕行距离和最少交叉口冲突点数量, 用于求解单向交通的优化方案; 下层模型为用户均衡交通量分配模型, 用于计算上层模型给出的道路网中的路段交通流特征。提出路段组合、可行解判断等方法减少决策变量和解空间, 设计多目标遗传算法进行求解, 并以威海市数据进行实例分析。分析结果表明: 在实施单向交通组织后, 机动车流量与道路容量的平均比值由0.516 1下降至0.487 1, 平均值的方差从0.418 9下降至0.379 1, 机动车的平均出行时间由27.1min下降至25.4min, 单行引起的平均绕行时间仅有0.61min。可见, 提出的模型可应用于中等城市道路网的单向交通方案设计。     

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.