路径信息诱导的双层规划模型

为了缓解交通拥堵与提高路网运行效率,建立了路径诱导信息的双层规划模型。上层模型描述信息发布者通过交通诱导信息发布手段优化路网层面的性能函数,下层模型采用效用函数描述驾驶员最优路径选择行为,其决策变量为交通信息类型,从而将交通信息对于驾驶员路径选择行为的影响引入模型中。利用极点搜索算法对一个简单路网的双层规划模型进行算例分析,得出了各种交通信息条件下上层目标函数值。虽然计算结果存在8%~13%的波动范围,但交通拥堵时发布的拥堵消散信息是最优方案,定性信息带来的总体效益要好于指示信息,因此,该模型可行。     

基于强化学习理论的车辆路径选择过程研究

为了有效缓解交通拥堵,研究驾驶员路径选择过程中的学习机制,建立了基于强化学习理论的交通诱导模型,利用MATLAB仿真驾驶员路径选择过程,并对比分析基于无诱导信息条件下驾驶员路径选择过程,仿真表明:发布诱导信息比不发布诱导信息效果好,诱导信息发布的有效性得到验证;管理者应将诱导信息的可信度提高至50%~60%,诱导信息能被充分利用,且不会导致拥堵漂移,路网流量均衡分布,能够有效缓解交通拥堵。     

基于累积自学习机制的驾驶员路径选择博弈模型

为弥补已有驾驶员路径选择博弈模型将驾驶员视为完全理性的不足,探求无诱导信息情况 下路网交通流临界状态,将驾驶员视为有限理性,其依赖累积时间感受收益做出下一次的路径选 择策略,并以驾驶员的行程时间感受作为决策收益建立了基于累积自学习机制的无诱导信息驾驶 员路径选择博弈模型。利用该模型,分析了驾驶员路径选择行为对路网交通流的影响,并通过仿 真验证得出了不同初始状态下的模型博弈平衡结果。仿真结果表明：博弈平衡状态与路网车流总 量及初始流量分配比例密切相关。当路网车流总量小于或接近路网总通行能力时,不发布诱导信 息,路网的交通流分布达到稳定平衡,路网通行能力利用率较高;当路网车流总量远大于路网总 通行能力时,不发布诱导信息,路网交通流分布会形成峰谷平衡,不能有效利用路网通行能力, 应采取相应的交通管理措施。     

不同交通信息诱导下驾驶员路径选择行为研究

针对典型路网中快速路上文字式VMS提供的不同交通信息内容,在充分考虑驾驶员认知模式的情况下对其路径选择行为展开调查与研究。通过设计包含单一或多定量的VMS消息策略实验方案,并采用SP调查法采集数据,建立了关于驾驶员路径选择行为的有序多分类Logistic模型。研究表明:在相同交通状况下驾驶员在面对不同类型信息时的路径选择行为差异较大,对信息的服从率由高到低依次为绕行节省时间、绕行距离、交通状态和拥堵长度;VMS信息发布的精确性、完整性和及时性是影响驾驶员路径选择行为的主要因素。研究结果可以为合理制订VMS信息发布策略提供依据。     

实时交通信息提供对驾驶员路径选择行为影响量化分析

研究的目的是搞清交通信息提供对驾驶员路径选择行为的影响机理和程度,为智能交通系统(ITS)中交通诱导方案的制定提供参考与依据.研究采用SP(Stated Preference Survey)调查方法针对驾驶员对交通信息响应状况进行调查,同时对目前交通信息提供现状进行了调查.对调查数据进行定性和定量分析的基础上,建立了信息提供下驾驶员路径选择行为的Logistic模型,可用于判别分析.研究发现各变量在不同程度上影响驾驶员路径改变倾向,其中驾驶员对交通信息广播的准确性评价以及能够容忍延误时间的程度等因素对驾驶员路径选择行为影响较大.     

基于动态交通诱导信息的驾驶员刺激-反应模型

针对城市道路交通信息发布时产生的信息震荡问题,以消除信息震荡、帮助驾驶员选择最优路径为目的,结合驾驶员的出行行为分析了交通诱导信息对驾驶员选择行为的影响,将交通信息发布变化量作为刺激量、路段交通负荷度变化量作为反应量,构造了基于动态交通诱导信息策略的驾驶员刺激-反应模型,通过仿真算例确定了交通信息发布的动态区间。研究表明:该方法能够有效减少交通信息震荡,对改善城市路网的使用效益具有较强的实用性。     

交通拥堵情况下路径诱导方案的生成方法

路径诱导方案的生成是交通信息诱导的核心环节.根据驾驶员在交通拥堵情况下的路径选择行为特点,运用模糊推理理论建立了驾驶员路径选择行为模型,确定出路径诱导信息发布的核心内容.在此基础上提出一种路径诱导方案的生成方法.     

��·ָ����Ϣ�����µ������ͨ����

提出考虑信息接收程度的Ｌogit型随机交通分配方法,来计算道路指引信息发布下路网交通的重新分配.出行者被划分成两类,一类根据信息的指引出行,另一类则以Logit型的随机方式进行路径选择;利用道路指引信息的市场占有率的概念,给出这两种出行行为共存下的网络加载算法,并运用逐次平均法实现了拥挤网络中的交通分配.数值试验结果表明,发布良好的道路指引信息有助于提高路网运行效率;对拥挤网络中的给定OD,存在一个最佳的占有率,并随着交通需求的增加而增加;在合理的占有率下,增加信息指引路段可有效降低路网运行时间.     

基于累积自学习机制的诱导信息条件下驾驶员路径选择

将驾驶员视为有限理性,并以驾驶员的行程时间感受作为决策收益,建立基于累积自学习机制的诱导信息条件下的驾驶员路径选择模型。通过仿真验证得出不同初始状态下的模型博弈平衡结果。仿真结果表明:诱导信息的发布并不是一直有效的,它与路网的车流总量以及初始流量的分配密切相关。     

基于强化学习的城轨信息发布策略研究

通过信息发布影响乘客选择行为进而改变路网客流分布,是从需求侧缓解拥堵问题的重要手段之一.本文提出基于强化学习的城市轨道交通信息发布策略生成方法,根据路网各区间客流满载率提取系统状态,再根据系统状态在学习器生成由各OD推荐路径组成的信息发布动作,对乘客进行信息发布;通过发布信息后路网系统状态变化,评估获得实施信息发布动作的奖励值.依托城市轨道交通客流分布动态仿真系统,使用 Q- learning 算法进行训练,获得最优信息发布策略.以实际路网为例进行算例验证,通过对比有无信息发布情景得到,在有信息发布情景下路网客流拥堵情况得到了较大缓解.     

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.     

考虑驾驶员个性的博弈协商机制与出行路径选择研究

为解决网联环境下驾驶员个性化和系统最优之间的冲突而导致的交通拥堵问题,采用博弈论、效用理论和多智能体建模技术,对驾驶员、信息发布单元以及路网管理者建立多智能体仿真模型,并提出了一种路网管理者与驾驶员之间的博弈协商机制。为了验证该方法的有效性,基于Net-Logo多智能体仿真软件,搭建了网联交通系统仿真平台,对不同路网饱和度和不同类型驾驶员比例下的出行路径信息服务策略进行仿真。仿真结果表明：所有实验的博弈协商成功率均达到90%以上,路网管理者的系统最优策略与驾驶员的个性化策略得到充分结合;当路网饱和度为1、个性化驾驶员比例为20%时,博弈协商成功率达到98%,博弈协商机制效果最明显。     

基于强化学习的城轨信息发布策略研究

通过信息发布影响乘客选择行为进而改变路网客流分布，是从需求侧缓解拥堵问题的重要手段之一.本文提出基于强化学习的城市轨道交通信息发布策略生成方法，根据路网各区间客流满载率提取系统状态，再根据系统状态在学习器生成由各OD推荐路径组成的信息发布动作，对乘客进行信息发布；通过发布信息后路网系统状态变化，评估获得实施信息发布动作的奖励值.依托城市轨道交通客流分布动态仿真系统，使用 Q- learning 算法进行训练，获得最优信息发布策略.以实际路网为例进行算例验证，通过对比有无信息发布情景得到，在有信息发布情景下路网客流拥堵情况得到了较大缓解.     

交通引导对随机型网络的路径选择影响研究

由于随机型路网的不确定性,提供交通信息将导致出行者与交通路网的相互影响形成正反馈效应.为探讨混合交通流量情况下不同交通引导策略对出行者路径选择行为及整体路网绩效的影响,依据Wardrop第二定理,运用个体选择模式中的随机效用理论,建立了随机型路网下存在资讯使用率不同的多类型出行者的模型并予以求解,软件模拟结果表明,在随机型路网中选择恰当的交通信息引导策略对整体路网绩效改善的有效性.     

�յ���Ϣ�µ�·��ѡ����Ϊģ��

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.     

��ͨ��Ϣ�ּ����ճ�·��ѡ���Ӱ������о�

交通信息对路网交通的影响是学术界广泛关注的问题,目前在这类研究中,大多是假定向出行者发布流量或旅行速度等详细的信息数值.而在实际交通信息发布中,由于检测精度等限制,只能向用户提供分为若干个级别的定性信息.本文针对这一问题,对交通信息影响下出行者日常出行决策行为以及对交通信息的感知行为进行了建模,随后使用仿真手段研究了交通信息分级条件下出行者的日常路径选择行为.结果发现,发布分级信息能使交通系统更快地达到随机均衡状态,代价是均衡状态的稳定性有所下降.同时,与发布详细信息相比,发布分级信息时系统性能较少受到信息更新周期的影响,对交通信息系统的实际应用具有一定参考价值.     

在途交通信息对出行者路径选择的影响研究

交通信息诱导是ITS研究的重要内容,是均衡路网交通流量,缓解交通拥堵的重要措施之一。通过研究交通信息诱导(VMS)对路网交通性能的影响,如:排队长度、延误以及车辆公里数等,并提出了存储-转发计算模型。以荷兰阿姆斯特丹路网为例,分析在发生交通事件和无交通事件情况下,提供即时交通信息和预测交通信息对出行者路径选择行为的影响,同时也考虑出行者对交通信息的顺从程度。该案例分析得出,在事件情况下提供预测信息能使出行者获得的收益最大。     

基于交通综合信息平台的概率交通预报方法

以交通综合信息平台为数据支撑,考虑交通指数发布对交通预测的影响,应用模式匹配和概率统计方法构建了概率交通预报方法的流程框架,研究了概率交通预报的2项关键实现技术,包括3级交通数据融合方法和交通指数发布内容.算例结果表明:概率交通预报使主路径和替代路径的饱和度差值从40%降低到23%;由于概率交通预报方法在考虑交通指数发布对出行行为影响的基础上对交通预测结果进行了修正,所以提高了交通预报的可信度,使路网交通负荷趋于均衡.     

关于诱导信息与路径选择的影响研究

交通诱导是解决交通拥挤的有效途径,其目标是通过调整出行者的出行路径。实现路网交通流的均衡分配。其中,诱导信息与出行者的路径选择行为是影响交通诱导成效的两个关键因素。文中通过探讨诱导信息与路径选择行为对交通流分布的影响,建立了诱导信息条件下出行者路径选择决策模型。并设计了相对应的求解算法,采用matlab程序进行仿真,并最后对结果进行分析。     

基于信息理论的交通信息量度量

针对语音信息缺乏量化和指路标志信息度量未反应实际出行条件下路网规模的影响作用问题,引入信息理论,构建语音信息量度量模型和图像信息量度量模型. 设计包含23组不同信息量的实验路网,测定不同信息量下的驾驶员反应时间. 研究结果显示:交通信息总量为52.22、57.90 bit时,出现反应时间的区域峰值;信息总量在50.74～57.38 bit区间段时,利于驾驶员对交通信息的认知且不产生信息量过载的现象;标志信息量为45.1、49.7 bit时,语音信息量位于5.12～10.24 bit区间利于降低驾驶员反应时间;语音信息量为5.12 bit时,标志信息位于49.70～54.30 bit区间利于提高驾驶员对交通状况认知.