�յ������µļ�ʻԱ��Ӧ��Ϊ�IJ���ģ��

针对诱导系统提供无诱导信息、完全诱导信息、描述性诱导信息和建议性诱导信息四种情况的驾驶员反应行为(路径选择行为)建立了博弈论模型,分析了驾驶员反应行为对交通流的影响.研究表明,诱导信息对交通流的均衡是有效的,其中描述性诱导信息的效果不良,甚至与诱导系统的目标相反,而建议性诱导信息则有效地改善了交通流的分布,使路网系统的利用效率得到提高,完全信息则使系统达到Wardrop均衡状态.     

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。     

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.     

����������ҵ����Ͻ�ͨ�����յ��Ż�ģ�ͼ������

随着城市中心商业区的快速发展,其造成的城市交通拥堵已经成为影响居民出行和城市发展的严重障碍.本文以城市中心商业区的混合交通流为研究对象,建立了基于动态分配的交通流诱导优化模型.首先,基于总体费用函数的路径选择概率对城市中心商业区的交通流进行动态交通分配.然后,根据分配结果确定拥堵路段,据此给出不同交通诱导措施,再应用所建模型选择最佳方案.最后,采用VISSIM交通仿真软件,对天津市滨江道商业区的混合交通流进行动态仿真,并针对不同的交通诱导措施,应用所建模型对诱导方案进行仿真和评价,确定最优方案,从而有效地减少交通拥堵.     

基于驾驶员偏好的最优路径选择

现实生活中,驾驶员往往依据自身偏好来选择路径,对不同的路径属性有不同的要求,且对其属性值存在一个可接受范围,而不是一个精确值. 本文对存在驾驶员偏好的最优路径选择问题进行了研究,提出了一种能够综合反映驾驶员偏好的最优路径选择方法. 首先基于可能度和区间数相离度的多属性决策方法,建立驾驶员偏好与路径属性总偏差最小的优化模型,并解出路径属性权重;其次算出各路径的综合属性值,建立路径间的可能度矩阵及其排序向量,据此选出最优路径;最后以算例进行验证,结果表明本文给出的路径选择方法具有很好的可行性和适用性.     

���ڼ�ʻԱƫ�õ�����·��ѡ��

现实生活中,驾驶员往往依据自身偏好来选择路径,对不同的路径属性有不同的要求,且对其属性值存在一个可接受范围,而不是一个精确值. 本文对存在驾驶员偏好的最优路径选择问题进行了研究,提出了一种能够综合反映驾驶员偏好的最优路径选择方法. 首先基于可能度和区间数相离度的多属性决策方法,建立驾驶员偏好与路径属性总偏差最小的优化模型,并解出路径属性权重;其次算出各路径的综合属性值,建立路径间的可能度矩阵及其排序向量,据此选出最优路径;最后以算例进行验证,结果表明本文给出的路径选择方法具有很好的可行性和适用性.     

驾驶员路线选择行为分析

研究驾驶员的路线选择行为有助于提高既有道路网络(特别是城市交通网络)的利用率，从而改善交通状况。本文从宏观角度分析存在实时交通信息条件下驾驶员路线选择行为的时间演化特征，认为路线选择行为具有随机不确定性，在设计交通诱导系统或交通信息系统时，必须考虑扰动要素影响，才能保证系统有效实现均衡的交通流动态分配.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

基于GPS数据的出租车路径选择行为研究

出租车路径选择行为研究对于剖析城市交通流时空分布规律及交通流分配具有重要意义.基于北京市出租车调度系统采集的GPS（Global Positioning System）数据,本文首先通过旅程数据提取、地图匹配及双向扫除算法,构建车辆路径选择行为分析所需的RP（Revealed Preference）数据.其次,在综合考虑道路网络条件和交通条件对驾驶员路径选择行为影响的基础上,构建基于PSL（Path-Size Logit）模型的出租车多路径概率选择模型.案例分析结果表明,出租车驾驶员更倾向于选择旅行时间短、转向次数少、主干路和次干路比例较高的路径.同时,文中所提出的路径选择行为建模方法,对于提高GPS数据的使用价值具有积极的意义.