交通事件影响下路网逐日出行动态可靠性

为描述交通事件持续期间逐日出行过程中的路网服务性能,构建日变路网逐日出行选择模型及可靠性指标.首先,根据出行经验更新路网阻抗,以准点到达概率最大化调整逐日出行中各出发时刻的路径总流量,以路径累积前景最大为目标调整单条路径在各出发时刻的流量,从而建立考虑出发时刻的逐日出行流量推演模型;其次,以交通事件发生前路网流量稳态时的准点到达概率和路径走行时间为参照基数,定义出发时刻准点到达和路径走行时间动态可靠性,并给出计算方法.最后,用算例验证模型和算法,并比较在出行模型中考虑可靠度时对路网逐日流量分布和路网可靠性的影响.     

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.     

路网混合均衡交通分配模型研究

在先进的出行者信息系统下,假定有装置出行者能接收到完全信息并以用户最优方式选择出行时间最短的路径,而无装置出行者仅有部分信息并以随机方式选择出行时间更长的路径。基于路网混合均衡建模理论,构建了信息影响下的路网混合均衡交通分配模型,证明了该数学规划模型解的等价性,设计了模型求解算法,并进行了算例计算与分析。     

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

����·���Ķ����û��������ģ�ͼ�����㷨

基于出行者对网络不确定性的风险态度,将出行者分为三类：保守型,冒险型和中庸型。分析了旅行时间随机扰动的降级路网中不同用户类的出行选择行为,建立了与出行者选择均衡条件等价的变分不等式模型,讨论了模型解的性质,并设计了求解模型的算法。算例表明不同风险态度的出行者在降级路网中的路径选择行为存在较大差异,而且不同风险态度的出行者对不同交通状况及管理措施的响应也存在较大差异。这一研究将有助于加深对交通行为的理解,为交通管理者设计各种有效的控制措施提供更准确和具有针对性的决策辅助信息。     

基于前景理论诱导信息的出行者路径选择模型

在前景理论的决策框架下,引入诱导因素,建立诱导信息影响下考虑出行可靠性的基于预算时间的参考点,以此得到相关的价值函数与概率权重函数。构建一个简单路网对模型进行验证,结果表明:基于前景理论诱导信息的出行者路径选择模型,较为符合出行者在实际状态下的路径选择行为,且可有效体现管理者的诱导意图,提高路网效率。     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

动态信息下的机场定制巴士路径优化

为解决因航班延误而造成旅客候机时间较长问题,考虑现实路网中阻抗不确定性和机场接驳定制化及差异化出行需求,以运营收益最大、车辆出行成本最小和车辆提前到达的时间窗惩罚成本最小为目标函数,建立了动态信息下机场定制巴士路径优化模型,并采用差分进化算法对其进行求解.为避免算法早熟,提出了改进的自适应操作方法,增强算法的全局寻优能力.通过算例计算表明:考虑航班延误和路网实时订单的动态路径优化模型,可以减少旅客26.61％～46.68％的候机时间,该模型具有较强的可靠性和应用价值.     

协同考虑脆弱性与可靠性的城市道路网络设计

根据常态事件下出行者风险规避的路径选择行为和非常态事件下兼具风险规避与后悔规避的路径选择行为,分别以可靠性和脆弱性指标描述常态与非常态事件下的路网性能,构建了协同考虑脆弱性与可靠性的城市道路网络设计一主双从规划模型,其中上层模型为满足可靠性约束条件下的路网脆弱性指标最优（路网可达性最高）,下层模型分别为基于效用理论和后悔理论的随机用户均衡模型. 算例结果表明:与仅考虑脆弱性的模型相比,本文提出的模型在牺牲一定可达性的基础上可获得较高的路网可靠性;当投资预算为0.9 × 107时,平均路网可达性与路网可靠性分别为0.138 8和0.969 6,而仅考虑脆弱性的模型获得的对应指标分别为0.140 5和0.334 1,可达性指标减少了1.20%,可靠性指标增加了190.21%;此外,如果忽视出行决策行为差异,可能获得偏离实际的次优,甚至错误的网络设计方案,无法实现预期设计目标.      

基于换乘次数的城市轨道交通有效径路集生成算法研究

城市轨道交通乘客出行路径选择,其实就是换乘站的选择,换乘站及其次序唯一确定了乘客在路网中行进的路径。基于轨道交通旅客出行所能承受的换乘次数是有上限的这一事实,设计出基于换乘次数的有效径路集生成算法。算法在充分考虑轨道交通路网结构及旅客实际出行特点的基础上,对路网进行分层、次序化处理,旨在降低算法的空间复杂度和时间复杂度。实例分析表明,该算法可以快速高效的生成有效径路集,并且生成的有效径路集包含虚拟换乘路径,为后续研究提供较好的路径结构基础。     

������Ϣ�Ե�·�������ʱ��ɿ��Ե�Ӱ��

为考察出行信息对道路网络出行时间可靠性的改善效果,将出行者划分为“有ATIS接收装置”和“无ATIS接收装置”两类,且均以随机方式选择路径,运用混合网络随机用户均衡建模理论构建了信息诱导下的出行路径选择模型.从路段容量的实际变化规律出发,假定其服从截尾正态分布,基于Monte Carlo仿真技术和网络均衡流求解算法,建立了信息影响下的道路网络出行时间可靠性评估方法.数值分析结果表明：道路网络出行时间可靠性随出行信息质量和信息系统的市场渗透率增加而递增,但其边际影响递减;对于交通需求水平高的道路网路,信息的提供对网络出行时间可靠性的改进更加明显.     

考虑速度限制的连续交通网络设计问题

本文提出了一个考虑车速限制的双目标连续交通网络设计问题,旨在通过合理的路段拓展与限速策略提高网络交通运行效率和减少交通系统的环境污染.构建了一个双目标双层规划模型来描述提出的交通网络设计问题.其中,上层问题从交通管理者的角度出发,以系统总阻抗与总投资额之和最小及网络总的车辆尾气排放最小为目标,制定最优的网络设计方案和不同时段最优的限速方案;下层问题基于用户平衡准则,描述不同时段出行者的路径选择行为.设计了基于非支配排序的遗传算法对提出的双层规划模型进行求解,并采用数值算例验证了提出的模型与算法的有效性.     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

ATIS渗透率对有限理性用户行程可靠性的影响

鉴于行程时间可靠性是累积前景择路模型参考点设置的首要依据,采用先进交通信息系统(ATIS)引导此类用户择路能否显著改善路径、OD和系统行程时间可靠性成为一个有意义的研究课题.对此,本文构建了基于双参考点累积到达时间价值择路模型与ATIS引导下路径行程时间最可靠择路模型的多类用户均衡网络,以研究随机退化路网中ATIS渗透率对双参考点有限理性用户行程时间可靠性的影响.结果表明,针对路径、OD和整个系统而言,通畅时,高渗透率能提高系统可靠性,并增加可靠性曲线的稳定性;但拥堵时,一定比例的渗透率能增加可靠性值,而高渗透率反而可能降低部分用户的可靠性.     

路段容量随机下降路网的行程时间可靠性

基于均匀分布的路段容量,分析了退化路网中路段行程时间的随机变动,构建了概率用户均衡交通分配模型,证明了等价数学规划模型解的等价性,设计了模型求解算法.在此基础上,建立了路段、路径及OD对行程时间可靠性计算模型.最后,在一简单网络上进行了计算分析.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.     

基于累积前景理论的通勤者路径选择模型

为了全面描述决策者在不确定环境下的出行行为,从价值变化和可靠性变化两个方面研究通勤者的路径选择行为及对待风险的态度,提出了基于累积前景理论（CPT）的通勤者路径选择模型.首先推广了两个参考点的CPT,接着根据不确定理论对行程时间进行预算,给出通勤者参考点估计的统一方法,然后构造通勤者的路径选择模型. 最后在一个测试网络上研究可靠度与参考点及可靠度与累积前景值的关系.结果表明,通勤者的参考点可以根据可靠度要求动态设置.出发时刻相同,出行者可靠度要求较高时,风险较低的路径前景值较大;反之可靠度要求较低时,行程时间平均值较小,虽然风险较高的路径前景值也比较大,这一结论与事实相符合.本文所提出的决策模型能够有效地描述通勤者在随机路网中的路径选择行为.