城市交通网络综合平衡配流模型及求解算法

在用户平衡和系统最优的基础上,提出了综合平衡配流模型,以协调二者之间的矛盾。其目的是使交通规划更趋合理化,不仅考虑了整个系统,而且又不忽视用户。同时,利用改进的遗传算法来求解此模型,其结果是理想的。     

弹性需求下的随机用户平衡模型及求解算法

笔者在文中研究了弹性需求下的随机用户平衡配流模型，给出了相关的一些证明，并设计了求解算法．最后用一个简单算例进行了编程计算，指出了参数对计算结果的影响，指明了进一步研究的方向。     

求解城市交通连续平衡网络设计问题的混合算法

对于采用双层规划模型描述的固定需求条件下的连续平衡网络设计问题。给出了一种基于遗传算法和变尺度法相结合的混合算法，并给出了一个简单算例，理论分析和实际算例表明，该混合算法具有速度快和精度高的特点。     

弹性需求下的随机用户平衡模型及求解算法

笔者在文中研究了弹性需求下的随机用户平衡配流模型,给出了相关的一些证明,并设计了求解算法.最后用一个简单算例进行了编程计算,指出了参数对计算结果的影响,指明了进一步研究的方向.     

一种基于多元Probit模型的随机网络配流加载算法

为了改善基于Logit模型的随机网络配流加载算法的两个不足之处,本文提出了基于正态分布的Probit模型的随机网络配流算法。假设路段的广义交通时间服从正态分布,然后用蒙特卡洛模拟法对提出的算法进行求解。最后,用一个简单的交通网络例子对提出的算法进行验证分析。在算法求解过程中,运用Matlab对路段广义交通时间随机抽样,再对网络进行全有全无分配,将交通流量分配到起终点间的每一O-D对的最短路径上。应用Probit模型进行配流加载,其路径选择概率更接近实际更加合理,是一种值得推广的交通配流加载模型。     

城市交通流配流问题的遗传算法求解

路径的选择和交通量的分配是智能交通运输系统的主要问题．本文以遗传算法为基础，设计了一个求解该问题的优化算法，将其化为一个多约束条件的0-1规划。对路网优化设计实例表明，这一方法能迅速求出问题的全局近似最优解，并具有较高的计算精度。     

求解随机用户平衡问题的粒子群演化算法

根据城市路网交通流的随机用户平衡状态的演化特征,设计了一种基于粒子群求解固定需求随机用户平衡问题的演化算法,该算法通过在可行流空间内初始化种群,并且在迭代过程中控制迭代的步长,使得每次迭代得到的新种群中代表路网各个O-D对有效路径流量的分量其和即O-D对交通需求不变,并且路径流量保持在可行流空间内,从而避免了无效的搜索范围,最后进行了数值试验,说明了该求解固定需求随机用户平衡问题的粒子群算法是有效和可行的.     

离散非平衡公交网络优化模型及其求解算法

在分析现有的公交网络设计的研究成果基础上,提出了离散非平衡公交网络优化模型,考虑到公交网络优化的复杂性,该模型分成两个子模型：一个子模型确定公交线路的起旋点和备选线路的出车频率,另一个模型确定公交线网优化方案,模型采用遗传算法求解。     

低压配电网三相不平衡节能算法研究

配电网三相负荷不平衡对供电电网以及变压器等电器都会造成不利的影响,致使低压电网的可靠性和稳定性差,线损增高。结合工程实例,利用遗传算法在Matlab环境下求解出一个最优的负荷分配方案,从而使三相不平衡电路尽量接近三相平衡状态,减小零序电流,减少配网损耗,使系统能够在更加经济的状态下运行,达到节能效果。     

路网最优费率的双层规划模型及算法

为寻求系统、科学的路网最优费率测算方法, 提出用双层规划模型描述路网管理者、收费道路经营者和车辆用户三者在费率决策中的博弈关系, 其中上层以路网用户盈余最大化为目标, 下层是弹性需求下的多车型随机用户均衡模型, 设计了遗传-模拟退火混合优化的求解算法。计算发现路网收费收入目标的高低将直接影响测算所得费率的高低, 进而影响各车型OD出行量, 且时间价值低的车型用户比时间价值高的车型用户受费率变化的影响要更为显著, 表明双层模型在费率决策过程中能兼顾相关各方的利益, 建模时考虑车型分类能更合理地反映现实情况; 与遗传算法、模拟退火算法相比, 遗传-模拟退火算法计算结果最优。     

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.     

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。     

ATIS影响下的混合随机用户均衡交通分配模型研究

在考虑信息对出行者路径选择行为影响的基础上,基于路网混合随机用户均衡建模理论,建立了ATIS影响下的混合随机用户均衡交通分配模型,证明了该数学规划模型解的等价性,设计了求解算法,并利用算例进行了计算分析.     

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.     

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.     

ATIS影响下的混合随机用户均衡交通分配模型研究

在考虑信息对出行者路径选择行为影响的基础上,基于路网混合随机用户均衡建模理论,建立了ATIS影响下的混合随机用户均衡交通分配模型,证明了该数学规划模型解的等价性,设计了求解算法,并利用算例进行了计算分析.     

基于均衡流量的城市停车费用优化模型

基于随机用户平衡原则, 分析了出行者的路径选择和停车选择行为, 建立了满足Logit关系的城市道路停车流量分配模型。基于收益管理思想, 以停车收益最大为决策目标, 建立了城市停车费用的双层规划模型, 并以7个节点和2个停车场的小型网络进行实例验证。分析结果表明: 当停车需求为10 000pcu·h^-1时, 随着停车场2停车费用的提高, 停车流量不断向停车场1转移, 停车场1在停车费用不变的情况下收益不断增加, 当停车场2的停车费用为4元·h^-1时, 总的停车收益达到最大; 当停车需求为20 000pcu·h^-1时, 随着停车费用的上升, 总的停车收益将持续增加; 2个停车场之间存在博弈关系, 停车费用存在纳什均衡点, 当停车需求为10 000pcu·h^-1时, 2个停车场的最优停车费用均为5元·h^-1; 当停车需求为20 000pcu·h^-1时, 2个停车场的最优停车费用均为最高限价10元·h^-1。     

混合交通平衡下的道路收费策略

道路收费作为交通需求管理的一种有效措施在许多国家和地区开始提倡 .笔者研究了混合交通平衡下如何制定车辆的道路收费策略 ,提出了满足Wardrop平衡原则和车种分离函数的数学模型及求解算法 ,最后给出了算例