基于电路理论的交通分配方法初探

交通分配是4阶段理论的重要组成部分,是进行路网规划和可行性分析的基础。对现有交通分配方法认识的基础上,通过对比交通网络和多维空间集成电路,认为两者具有很强的相似性。因此,参考计算机对集成电路性能指标的数值分析方法,提出基于电路理论的SOR法迭代求解交通分配算法。     

动态交通分配理论研究综述

动态交通分配能反映路网交通流的拥挤性、路径选择的随机性、交通需求的时变性等典型交通流动态特征,比静态交通分配有着明显的优越性。在简要介绍动态交通分配的重要组成要素的基础上,归纳总结动态交通分配区别于静态交通分配的六个典型特征：因果性、先进先出原则、路段状态方程、路段流出函数、路段特性函数和路段阻抗函数。从路径选择准则、路径走行时间定义、出行者出行选择假定、动态网络交通流模型研究方法等四个方面对动态交通分配模型的分类进行综述性研究,分析不同模型的优缺点,并总结动态交通分配理论的未来研究方向,可为动态交通分配研究提供一定的参考。     

基于子网连接点分布的分布式交通分配方法

提出多点连接双子网分布式分配的方法,将整网分为具有共同连接点的子网．基于一般交通分布,分配组合模型及其网络变换解法,提出连接点吸引测度的具体度量方法。OD点在不同子网的跨网需求的分配转化为寻找连接点分布,使在该分布下,各子网平衡可达整网平衡。由此,分布式分配转化为2个部分：连接点分布,子网分配组合计算以及基于连接点分布的子网分配。分析表明,在此分布式分配中,各子网既独立完成各自的分配任务又通过在迭代过程中相互传递阻抗信息和连接点分布信息来协同工作,具有分布式系统的优点,而且计算结果表明分布式分配是可行的。     

基于网络交通分配方法族谱的交通分配 一体化技术与工程应用

为满足交通规划、建设与管理等应用场景对交通分配多样化的需求,结合目前交通分配方 法族谱中的众多模型与方法,本文构建能够满足族谱中所有交通分配特征的一体化交通分配技 术框架,提出交通网络交通分配一体化技术体系,并将该体系嵌入交通分析平台软件“交运之星- TranStar”中。该技术体系包括：“模型关键参数”“交通阻抗函数”“交通网络交通分配基础模型与 快速算法”3部分模块组合的分析模型一体化;面向步行、自行车、机动车及公共交通等多模式交 通网络的分析对象一体化;针对城市土地开发,交通网络建设,交通管理控制,公共交通系统,以 及交通政策制定等应用场景一体化。选取南京市道路网络和公交网络进行实证分析。结果表 明,本文提出的交通分配一体化技术具有处理超万节点多模式交通网络的能力,对各类交通模 式、典型业务场景的分析结果可为城市交通系统规划、建设与管理提供决策支持。     

基于子网独立计算的两级交通分配方法

基于子网分布式计算的交通分配方法的构想,以含有一个单通道子网的简单网络为研究对象,针对子网OD对（子OD对）提出子网虚拟化和子网平衡阻抗的概念,建立了描述单通道子网平衡状态下子OD对间的阻抗和子网OD量之间关系的子网流量-平衡阻抗表,进而提出基于子网独立计算的两级交通分配方法。将子网的每个子OD对转化成相应的虚拟路段。其阻抗由事先建立的子网流量——平衡阻抗表确定,然后对虚拟化后的网络进行一级分配。根据一级分配得到的各虚拟路段的流量,对各子网进行二级分配。分析表明,子网虚拟化后的网络得到简化．而且考虑到各子网规模的相对较小以及一些二级分配可以并发进行,以提高分配速度。     

基于动态模糊控制和模糊决策的交通分配方法

为提高整个路网的运行效率, 建立了一个非线性规划模型, 进一步得出相应的非线性模糊规划模型, 根据相邻交叉口交通流大小和方向的不同, 通过动态模糊控制手段, 采用弹性信号周期和最大隶属度原则, 合理地动态分配交叉口信号相位。驾驶人通过对路径察觉, 获得最小察觉阻抗路径, 并与智能交通系统提供的各路径阻抗进行对比, 选择最大满意度的路径。分析结果表明: 动态模糊控制和模糊决策法与最短路径法的交通流分配结果基本一致, 模糊最优控制使得信号交叉口的控制效用提高50%以上, 且动态模糊控制和模糊决策法更能反映人的行为, 是一种有效的交通控制方法。     

对多路径交通分配的节点分配算法的讨论

针对文[1]中的多路径交通分配的节点分配算法存在的问题进行了讨论，提出了合理的修正方法，该方法需要路径的列举。最后给出了修正方法的应用实例并与Dial算法进行了比较。     

自行车交通分配研究

本文通过对自行车交通特征的分析,对城市自行车交通分配的相关间题进行了较深 入的研究,包括自行车出行选择路线效用值的确定、自行车交通分配方法等。提出了 选择路线效用函数在因式公式及自行车文通流综合分配法.该方法在成都市综合文 通规划中已得到应用.      

基于交通控制与诱导的准动态交通分配策略与算法研究

交通出行诱导系统下的路网动态交通分配是进行交通出行诱导方案分析、评价的基础。本文主要考虑交通控制与诱导信息对路段阻抗的影响和出行者对交通诱导信息的接受程度,给出了两种准动态交通分配的策略：修改了出行路径阻抗和改变了出行路径选择。并基于常规非平衡交通分配,通过OD需求量“全有全无”方法,实现了OD变需求影响下的多时段连续准动态交通分配。最后,通过示例路网,验证了所研究的分配策略与算法的正确性。     

基于离散时间序列OD量的动态交通分配方法

为了更确切地描述离散时间动态交通分配问题中各离散时段分配时的路网阻抗特性、更合理地反映各时段分配过程中出行者的出行行为,提出了一种基于消散周期OD量和差额OD量、分阶段分配的梯阶分配思想,它考虑了各离散时段分配前路网既有剩留交通量对后继离散时段OD用户出行选择的影响,更符合实际. 通过融合相继平均法,设计了梯阶分配算法,并据此对数据结构做了适应性补充. 示例路网下新算法与相继平均算法的数值模拟结果表明,新算法分配结果能够更为客观真实地反映现实交通中的动态现象,仿真度更高.
最后给出了梯阶分配思想在现实中的应用.     

对多路径交通分配的节点分配算法的讨论

针对文[1]中的多路径交通分配的节点分配算法存在的问题进行了讨论,提出了合理的修正方法,该方法需要路径的列举.最后给出了修正方法的应用实例并与Dial算法进行了比较.     

交通分配的粒子群优化算法

为了方便合理地分配交通量,提出了交通量多路径分配的粒子群优化算法。算法的求解方法是在粒子群算法中构造了路径条数维的粒子空间,每维对应一条可行性路线,其值为对应路径所分配的交通量;对粒子进行归一化处理,使交通量守恒,并进行交通量的多路径分配;根据目标函数评价与筛选粒子,直到满足终止条件。实例计算结果表明:利用粒子群算法得到的目标函数值最小,各路段分配的交通量没有超容量现象,模型求解过程具有方向性,对交通分配的网络规模无限制,因此,粒子群优化算法可行、合理。     

遗传算法在均衡交通分配模型中的应用

均衡交通分配模型虽具有结构严谨、结果合理等优点,就目前而言却因为变量多、维数大导致无法很好的求解,从而影响其在实际交通规划中的应用.为了提高交通分配预测的准确性,解决均衡交通分配的求解问题,本文将遗传算法(GA)应用到其中.最后通过一个简例,并利用Matlab的GA工具箱进行编程求解,证明了该方法用于求解均衡交通分配模型的可行性.     

基于转向的Logit交通分配算法

为避免交通分配中传统的网络扩展法在处理转向延误时的缺陷, 通过分析网络基本要素节点、路段和转向之间的拓扑关系, 借鉴Dial算法的基本框架, 设计了一个基于转向的Logit交通分配算法。该算法以源点至路段的含转向延误的最短路径长度为依据处理各条路段, 正向计算转向权重, 反向分配路段流量和转向流量。算法计算结果与Logit路径流量和Dial算法数据相一致, 该算法可直接求解既满足Logit路径选择概率又考虑转向延误对交通分配影响的路段流量和转向流量模式, 而且Dial算法是其在转向延误为零时的一个特例。     

基于出行时间预算的SUE交通分配

基于均匀分布的路段容量,分析了降级路网中路段和路径出行时间的随机变动,假定出行者根据以往的出行经验获取路径出行时间的可变性,并以出行时间预算的形式将这种可变性纳入到其路径选择过程中,进而定义路径出行时间预算为路径出行时间均值与出行时间安全边际之和.在此基础上,采用变分不等式技术构建了基于出行时间预算的多用户类型弹性需求随机用户均衡交通分配模型,并证明了模型解的等价性.     

多用户多方式混合随机交通平衡分配模型

为了实现交通网络混合交通流随机平衡分配, 分析了广义费用下多用户多方式的路径选择机理与网络平衡条件及信息条件下多用户多方式对路径选择的影响特征, 运用数学规划理论, 建立了基于信息条件的随机混合交通平衡分配模型, 并证明了模型解的等价性与唯一性。计算结果表明: 在信息市场占有率为30%, 经过6次迭代, 模型的解能够很快收敛, 显示了信息条件占有率对交通方式选择和流量分配的影响程度, 因此, 模型可行。     

换乘行为影响下的城市公交配流算法

针对中国大城市的工作生活模式与公交网络的特性,以成都市居民公交出行为研究对象,提出了符合乘客路径选择行为的广义公交路径.考虑了公交出行的路段阻抗和站点阻抗,建立了公交路径阻抗函数,提出了有效路径的确定方法.基于改进的Logit模型,建立了一种换乘行为影响下的路径选择模型.以成都市部分公交网络为例,应用提出的配流算法进行实例验证.分析结果表明:当选定的4条公交线路高峰时段的最小发车间隔分别为4、4、3、3 min,非高峰时段的最大发车间隔均为10 min时,对应的最小换乘步行时间和最大换乘步行时间分别为0、6 min;当最大路径阻抗和最小路径阻抗分别为71.5、51.5 min时,对应的乘车时间分别为60、48 min,路径选择比例分别为5.53％、41.98％;当最大路径阻抗和最小路径阻抗分别为52.5、48.5 min时,对应的乘车时间分别为42、39 min,路径选择比例分别为13.40％、62.07％;考虑换乘行为时,配流结果与实际值的最大相对误差、最小相对误差和平均相对误差分别为16.46％、11.09％、14.42％,不考虑换乘行为时,最大相对误差、最小相对误差和平均相对误差分别为34.37％、11.38％、23.15％.考虑换乘行为的配流结果更贴近实际情况.     

基于遗传算法的城市区域交通信号控制系统仿真

城市交通信号控制是城市交通管理中的主要手段和途径。提出从系统最优原则出发制定交通管理策略的观点,建立城市区域系统最优模型,并基于MATLAB软件中的遗传算法给出求解。最后,通过两个典型交通路网模拟验证最优模型的适用性和合理性,并获得控制目标交叉口绿信比、延误数以及区域交通网络总的运行时间。     

考虑风险爱好驾驶人的相依Weibull随机交通分配模型

建立了考虑风险爱好驾驶人的相依Weibull随机交通分配(Weibull-DSA) 模型, 分析了感知等价路径负效用的Weibull边缘生存函数, 假设驾驶人总是选择感知等价路径负效用最小的路径到达目的地, 采用Copula方法构建了感知等价路径负效用的联合生存函数, 预测了路径选择概率; 设计了模型的迭代求解算法, 对模型进行了理论分析和数值验证; 研究了广州市交通调查获得的风险系数, 基于风险爱好和风险中立驾驶人, 比较了采用Weibull-DSA模型与经典的Logit-SUE和Weibit-SUE模型计算的路径选择概率、路段交通量、饱和度与系统总出行时间。计算结果表明: 随着风险系数的降低, 3种分配模型的交通系统总出行时间变大; 在风险中立情况下, 应用Weibull-DSA模型、Logit-SUE模型和Weibit-SUE模型计算得到每OD对的所有连接路径选择概率的最大差值, 分别为0.17、0.33、0.34, 在风险爱好情况下, 由3种模型得到的最大差值分别为0.20、0.36、0.41, 因此, 采用Weibull-DSA模型计算得到的不同路径选择概率的最大差值明显小于经典模型计算得到的最大差值; 相对于风险中立情况, 风险系数使得每OD对的所有连接路径选择概率的最大差值变大; 无论是风险爱好还是风险中立驾驶人, 采用Logit-SUE和Weibit-SUE模型计算得到的路段饱和度均小于0.9, 采用Weibull-DSA模型计算得到路段饱和度大于0.9;与经典模型计算结果不同, 采用Weibull-DSA模型得到的不同路径选择概率的最大差值相差较小, 一些路径获得更多交通量, 使得路径中通行能力最小的路段的饱和度大于0.9, 这一特征给出了城市路网中部分瓶颈路段拥堵现象一个新的解释。