限制路径条件下的交通流分配模型。

在对用户平衡问题进行系统分析的基础上，讨论了限制车流径路条件下交通流分配问题的特点，构造了基于用户平衡原则的数学模型，并说明了两种模型在意义上的等价性。     

与交通控制协同的交通流准均衡分配模型研究

本文从路网均衡最优的角度，考虑交叉口交通信号控制对交通流的阻滞延误，建立了以路网总出行时间最小为目标的交通流均衡分配方程。通过引入拥挤度的概念，提出一个准均衡分配算法，算法不苛求能在一个问隔内使混乱交通流趋于平稳，而是在一定交通需求下，根据路段的运行状况（拥挤度），加载或卸载路段交通量，并考虑驾驶员出行特性，优化交叉口最佳信号配时，使交通流在不断反馈与不断调整过程中达到最优。     

路网交通流量分配模型

无论是对新建路的规划，还是对现有路网进行改造与管制，交通流预测都是非常重要的一环。该讨论了路网交通流量分配的数学模型。     

基于增强拉格朗日乘子法的容量制约交通分配问题研究(英文)

传统的交通分配问题(TAP)没有容量的限制,但是事实上,路段和网络都有其自身的容量限制。传统的用户均衡网络模型允许分配的交通流量结果超过其容量,这显然是不合理的。首先,介绍了起点算法的基本原理及其有效的实现,并运用一个算例网络进行交通分配;然后,运用增强拉格朗日乘子法针对具有容量限制的该网络重新进行交通分配,并将两种结果进行比较。实验结果表明:增强拉格朗日乘子法具有良好的运算性能和效率,并且更具有实际意义,能够更加合理的运用到实际的交通分配问题中。     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。     

路段环境交通容量优化模型与算法研究

在分析路段环境交通容量主要影响因素的基础上,探讨了路段的污染控制约束条件,以及通行能力约束条件,建立了通行能力和污染控制约束的环境交通容量优化模型,构建了基于增广拉格朗日松弛和辅助问题原则法的模型求解算法.实例结果表明,构建的算法能够快速有效地求解这类环境交通容量优化模型.     

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。     

公路网交通分配多路径随机选择的系统分析

笔者分析了一个OD对之间具有多条路线条件下，交通流对路线随机选择情况下的出行市场均衡模型，该模型是以交通总需求为约束条件，以多项式Logit模型为随机函数，并以每条路线的供给函数为基础而构造的。最后，笔者用启发式算法中的逐步平均步长法（MSA）进行了实例验算，证明了均衡模型及其解法的有效性。     

基于累积前景理论的 随机用户均衡交通分配模型

为了使交通分配更符合出行者的实际行为特征,基于累积前景理论,给出了交通流连续分布状态下路 径前景的连续函数表达式,建立了随机用户均衡模型,并给出了等价的变分不等式.该模型同时考虑了交通系统 的不确定性、出行者的感知误差以及建模者的观测误差.讨论了模型解的性质,设计了求解算法,并通过算例进 行了验证.结果表明:在(0,1)区间内,当出行可靠性参数或风险态度参数值越大时,出行者对于风险的感知越敏 感,越倾向于选择行程时间波动较小的路径;当感知误差较小或路网不确定性程度较大时,出行者的路径选择行 为均逐渐趋于稳定.研究还表明,出行者的损失规避程度对网络均衡态的影响不明显.      

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.     

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.     

一种改进投影算法求解排放约束下多用户交通分配均衡模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑捧放因素.通过将变分不等式同题转换成等价的最优化问题.引入改进投影算法求解该模型.在所给出的数值算例中考虑两类对排放不同偏好的用户,采用均衡算法求解二次规划子问题,所得的弧及路径最优解收敛.且均满足Wardrop平衡条件.     

基于多时段动态交通分配模型设计

基于多时段动态交通分配方法是基于时段划分的,它不仅反映不同时段交通量的变化规律,而且在分配过程中考虑路网中的交通阻抗,充分反映已有交通量对交通分配的影响。该模型能够反映交通网络的动态属性,从而为交通诱导提供必要的可用信息。     

基于网络对偶均衡的有边约束的交通流分配模型

利用网络对偶均衡理论,依据“局部近视”用户均衡原则建立了具有一般边约束的网络交通流分配模型. 将交通网络中的流量与行程时间看作一对对偶的变量. 从网络的基本组成元素入手,首先考虑网络节点的流量守恒条件与节点距起点最小行程时间对偶关系,然后考虑路段流量与“局部近视”用户路段行程时间约束条件的对偶关系,最后通过整合上述对偶关系,并增加一般边约束建立了新的交通流分配模型. 分析了模型求解过程中如何体现“优先出牌”与“在途调整弹性”两个择路行为假设. 利用模型求解结果中分起讫点对的路段流量唯一的特点,给出了确定有效路径集的搜索算法. 用算例验证了模型及算法的有效性,并对具有一般边约束的流量分配模型的计算结果从拥挤收费和路段排队延误角度进行了解释.     

配气凸轮优化设计的惩罚函数法和增广拉格朗日乘子法

将约束最优化问题的间接解法中有代表性的惩罚函数法和增广拉格朗日乘子法应用到配气机构五项式凸轮型的最优化设计中，优化设计结果表明混合法（内点法）的求解精度最高，外点法的收敛速度最快，而增广拉格朗日乘子法的求解精度较高且收敛速度也较快，更适于用来求解此类问题。     

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.     

公路网交通分配多路径随机选择的系统分析

笔者分析了一个OD对之间具有多条路线条件下 ,交通流对路线随机选择情况下的出行市场均衡模型 .该模型是以交通总需求为约束条件 ,以多项式Logit模型为随机函数 ,并以每条路线的供给函数为基础而构造的 .最后 ,笔者用启发式算法中的逐步平均步长法 (MSA)进行了实例验算 ,证明了均衡模型及其解法的有效性