基于路段的拥挤收费与停车收费组合优化研究

确定性路段拥挤收费对收费路段的交通拥挤缓解有很好的效果,停车收费对抑制区域路网出行需求有重要影响,将两者组合起来系统研究具有重要意义. 本文通过将路段拥挤收费与停车收费进行组合,分析组合收费策略下出行成本和出行需求变化的基础上,建立了双层规划模型. 以收费社会效益最大化为目标,以拥挤收费和停车费可行区间为约束条件作为上层优化模型,下层模型是考虑广义交通出行费用(含行程费用和停车费用)的弹性需求条件下用户平衡模型,进行路段拥挤收费与停车收费组合优化. 设计了模式搜索算法进行求解,得到不同初始步长和迭代精度下模型的最优解. 数值计算结果表明,联合收费使得路网流量分布更加均衡,缓解了收费路段的交通拥挤,同时出行需求得到了一定抑制,证明该模型与算法具有有效性.     

����·�ε�ӵ���շ���ͣ���շ�����Ż��о�

确定性路段拥挤收费对收费路段的交通拥挤缓解有很好的效果,停车收费对抑制区域路网出行需求有重要影响,将两者组合起来系统研究具有重要意义. 本文通过将路段拥挤收费与停车收费进行组合,分析组合收费策略下出行成本和出行需求变化的基础上,建立了双层规划模型. 以收费社会效益最大化为目标,以拥挤收费和停车费可行区间为约束条件作为上层优化模型,下层模型是考虑广义交通出行费用(含行程费用和停车费用)的弹性需求条件下用户平衡模型,进行路段拥挤收费与停车收费组合优化. 设计了模式搜索算法进行求解,得到不同初始步长和迭代精度下模型的最优解. 数值计算结果表明,联合收费使得路网流量分布更加均衡,缓解了收费路段的交通拥挤,同时出行需求得到了一定抑制,证明该模型与算法具有有效性.     

基于消圈算法的拥挤网络流分流研究

针对拥挤网络流的分布不均匀现象,用基于消圈算法的思想对拥挤网络流进行深入研究,以均衡拥挤路段和相应平行路段的流量。以拥挤网络中实时流量为研究对象,建立了以交通网络总阻抗最小为目标,以路段容量、饱和度、总流量守恒等为约束条件的模型。设定初始容量值为0.75倍的通行能力值,构建增流网络并寻找负回路,以求得最小调整量,由此调整回路流量,算法中阻抗随回路流量实时更新。对含拥挤路段的回路采用阶梯式扩容来不断调整流量,直至实现拥挤路段和平行路段流量的均匀分布。通过算例表明,消圈算法可以获取拥挤网络各路段的调整量和调整方法,有效缓解交通拥堵。     

瓶颈路段上拥挤收费水平与收费时段的优化问题

本文主要在瓶颈路段建立单一收费方案,并且优化瓶颈路段上的拥挤收费水平 和收费时段.首先,应用 Greenshields 模型描述了瓶颈路段上流量的演化过程,并计算每个 时刻出行者的出行时间和出行费用.通过出行费用与流量的关系调整每个时刻流量的分 配,得到稳定状态时排队的长度和运动部分的速度.然后,建立双层规划模型,其中上层模 型是最小化最大排队车辆数和最大化运动部分的最小速度,下层模型是应用 Greenshields 模型模拟出行者的出行行为.应用改进的遗传算法求解双层规划模型,得到最优的收费水 平和收费时段.最后,应用一个简单的算例来验证本文所建立的模型及其算法,并且通过 变换参数来分析所得到的现象和结论.     

基于环境保护的拥挤收费定价研究

为了缓解城市交通拥挤和污染问题,从降低交通需求以及环境保护的角度,建立合理的机动车拥挤收费定价模型。以大连市6条拥堵路段为调查对象,开展道路交通流量和道路平均车速的交通调查,利用拥挤收费定价模型计算出定价,并通过博弈论模型进行征收范围确定,最后,通过SP/RP调查方法了解居民对拥挤收费的接受度,研究如何通过拥挤定价实现缓解交通压力的同时更大力度解决尾气污染的问题。研究表明,恰当设置交通拥挤收费将引导人们更多的向公共交通出行,未来城市交通拥挤情况能够得到明显改善,环境污染问题也能得到减缓。     

超级拥挤公交网络均衡配流

使用公交路段的表示方法描述公交网络,公交路段上的出行费用受拥挤影响,公交车辆上的乘客流量受车辆运营能力限制.在拥挤影响和能力限制的双重约束下,建立公交乘客均衡配流模型,设计求解算法并给出算例.模型和算法尤其适用于高峰时期乘客流量大于线路运营能力的超级拥挤公交网络均衡配流.     

多模式路径流量估计模型与算法

为了通过路段检测交通流量计算拥挤条件下多种交通模式需求,提出了一个随机用户平衡条件下的多模式路径流量估计模型,并给出了相应模型的增广拉格朗日乘子算法,算法将模型中的路段容量、观测路段流量平衡与估计需求的范围等约束条件转化为相应的惩罚函数项,并将原先的有约束优化流量估计模型转化为一个无约束优化模型,最后应用一个简单的投影迭代算法求解无约束优化模型.仿真结果表明:先验需求误差对模型的需求估计结果有重要影响,误差越小估计结果越准确,而先验需求误差对路段流量估计结果几乎没有影响,因此,模型和算法简单可用.     

用相关路段交通流逼近目标路段流量的神经网络方法

为了研究城市道路动态变化的交通流量之间的关系，本文分析了城市道路交通流量分布的特点，提出了用相关路段的流量数据逼近目标路段流量的思想，给出了用于逼近的神经网络模型、具体算法和评价标准，在比较精确的训练样本基础上对网络进行了训练，测试了训练后的网络的性能，并与传统的多项式逼近方法进行了比较．实验表明，采用基于神经网络的非线性动态逼近方法较传统的多项式逼近方法能够更加有效的改善逼近的误差．     

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.     

基于随机退化路网的碳排放收费优化模型

结合随机通行能力退化路网和双参考点累计前景用户择路模型,构建了引导低碳出行的碳排放收费多准则双层优化模型.上层模型以系统碳排放量最少为目标,搜索最优收费路段并识别最优费率.下层模型基于双参考点累积前景用户和随机退化路网,构建综合考虑行程时间、累积到达时间感知价值、过路费和油费的多准则流量分配模型.设计了基于路段碳密度的启发式算法对模型求解,并采用双向 Nguyen Dupuis路网验证了模型和算法的有效性.研究表明,合理设置收费路段和收费标准能够有效降低全网碳排放总量,但若收费标准设置过高,会降低原瓶颈路段的通行能力,并人为制造新的瓶颈,反而使全网碳排放量上升.     

基于遗传算法的流量差值预测模型

随着高速公路网络以及联网收费技术的发展,路网中心需对各收费站进出流量差异进行分析及预测.该文应用ELMAN神经网络,运用相关站点历史数据逼近的方法,建立了流量差值预测模型;运用遗传算法对神经网络进行优化.预测模型能基本反映流量差值的变化趋势.     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

基于还贷的收费公路合理费率研究

由于经济发展相对滞后、公路建设资金短缺等客观因素制约,目前我国的收费公路很大一部分为收费还贷公路。从公路还贷的角度,在考虑公路建设方和用户双方利益的前提下,以交逋均衡理论及最优化理论为基础,建立均衡状态下的基于还贷的公路收费费率——流量关系的双层规划模型,提出了模型的算法并加以应用,由此确定合理费率。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

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。     

基于生成对抗网络的交通流参数实时估计模型

为有效调控道路网时空资源，需实时估计交通流参数。若要准确估计交通流参数，应详细考虑道路网交通流时空特征。本文基于生成对抗网络，提出一种能捕捉交通流时空特征的实时估计模型，即TSTGAN模型。该模型包括生成器和判别器两部分，生成器利用门控卷积神经网络 捕捉交通流的动态空间特征，使用基于注意力机制的长短期记忆神经网络分析交通流的动态时间特征；采用门控卷积神经网络与长短期记忆神经网络构建判别器；通过对抗方式训练生成对抗网络的生成器与判别器，实时获得交通流参数估计值。使用中国山东省淄博市12个卡口设备和美国加州洛杉矶市23个线圈检测器获得的交通流量数据，验证TSTGAN模型的可靠性。结果表 明，TSTGAN模型引入的时空模块能有效提取交通流的时空特征，所得均方根误差和平均绝对误差比现有模型分别降低2.12%~42.41%和1.66%~40.49%，证明所提TSTGAN模型可以提高交通 流参数的估计精度。     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

����Elman������ĵ�·����ʱ��ͨ��Ԥ�ⷽ��

以道路子网为研究对象,采用Elman神经网络实现道路网多断面交通流短时预测. 首先通过提取交通流空间特性对道路网进行划分,降低道路网整体分析复杂度及解空间维数,提高交通流预测的计算精度和效率;其次以实时采集的交通流数据为基础,并以重构的交通流时间序列作为输入,采用Elman神经网络实现道路网多断面交通流同时预测;最后,基于城市快速路多断面交通流量数据对短时交通流预测方法进行验证,并与BP神经网络预测结果进行对比分析. 验证结果表明,本文提出的道路网划分方法能够划分出满足预测需求的子路网,在划分的子路网上,应用Elman神经网络能够实现道路网多断面同时预测,且预测效果优于BP神经网络.     

连续交通网络设计的全局双层多项式优化模型

提出了一种面向典型连续交通网络设计问题的全局双层多项式优化模型,其函数均为多项式,且下层问题为凸问题;上层问题旨在优化网络性能,下层问题用来刻画确定性用户均衡(DUE)交通流模式;利用Fritz John条件和乘子代替下层规划,将提出的双层多项式优化模型转换为等价单层优化问题,并利用矩半定规划(MSDP)方法得到其全局最优解;利用矩矩阵的秩作为保证全局最优性的充分条件,并估计全局最优解的个数;给出了最优道路收费问题的数值算例,用提出的双层多项式优化模型描述了算例中的最优道路收费问题,并通过Wardrop用户均衡约束调整现有路段上的交通流量,使总通行费收益最大化。研究结果表明:该简单算例的最大收益为13.5元,同时可以得到该算例的矩矩阵的秩为1,从而证明了该结果的全局最优性,提出的方法克服了均衡约束数学规划(MPEC)法和值函数法等现有求解双层优化问题的经典算法由于连续交通网络设计固有的非凸性,只能找到局部最优的问题;提出的全局双层多项式优化模型与算法为典型连续交通网络设计提供了更好的探索工具。