多用户类型弹性需求随机期望-超额用户平衡模型

为准确描述随机路网环境下出行者规避行程时间不确定风险的择路行为,推导了通勤者需求量服从对数正态分布和路段通行能力服从贝塔分布条件下计算期望-超额行程时间的计算公式,并在考虑出行者对行程时间的估计误差和路网服务水平对交通需求影响的基础上,建立了用等价变分不等式表示的多用户弹性随机期望-超额用户平衡模型.算例结果表明:随着需求水平波动程度和路段通行能力退化程度的加剧,当需求方差-均值比从0.5增至2.0、贝塔分布参数(l和m)从90和10变为10和10时,通勤者和非通勤者期望最小理解期望-超额行程时间分别增加了48.5%和99.2%.     

基于累积前景理论的随机异质道路网配流模型

针对出行者择路行为的有限理性和风险取向的差异性,将出行者分为4类:分别以可靠度低于50%的出行时间预算、期望出行时间、可靠度高于50%的出行时间预算和超预算期望出行时间作为选择路径的参考点.推导了需求服从对数正态分布、路段通行能力服从均匀分布条件下各类出行者的前景值计算公式,建立了用等价变分不等式表示的均衡模型.算例结果表明,累积前景理论参数设置对配流具有重要影响,随着收益敏感系数的增大,各类出行者的路径前景均呈增大趋势,且第3、4类出行者比第1、2类出行者变化更显著;随着损失敏感系数和损失规避系数的增大,各类出行者的路径前景均呈减少趋势,且第1、2类出行者比第3、4类出行者变化更显著;随着感知概率系数的增大,第1、2类出行者的路径前景呈减小趋势,而第3、4类出行者的路径前景呈增大趋势.     

基于动态用户最优的变分不等式模型解决交通分配问题的应用分析

动态用户最优交通分配理论作为智能运输系统的重要理论之一,采用变分不等式模型来解决分配问题日益成为国际上的研究热点。就此问题的发展过程进行了综述性研究,并探讨了动态用户交通分配理论的发展方向;概述了动态用户最优交通分配的研究现状,详细描述了变分不等式模型与动态交通用户最优状态的条件互等关系。基于用户最优限制条件的描述和动态用户交通分配模型的表达,说明了变分不等式方法在动态用户最优交通分配中应用的必然。同时,对动态用户最优分配的变分不等式模型如何应用,当前存在的几个主要问题及进一步的展望进行了讨论。     

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.     

基于出行时间预算负效用的出行行为建模

为研究出行者出行行为,引入出行时间预算负效用的概念.分析通勤者出行机理为先确定出发时刻,在给定出发时刻下计算备选路径的出行时间预算负效用,选择效用最大的路径出行,利用此次出行信息来调整下次出行的出发时刻,经过多次出行达到稳定状态.建立了双层规划模型描述不确定环境下出发时刻和路径选择的出行行为.用改进的相继平均法（MSA）求解下层路径选择模型,用遗传算法来解整个双层规划.用一个实例对模型和算法进行了验证.     

基于快递运输组织方案的快递竞争网络均衡

为更好地分析影响快递价格的因素,在分析基于合并式快递运输组织方案的快递作业流程、快递市场竞争中消费者行为、快递企业行为、运输企业行为及其均衡条件的基础上,应用变分不等式方法,建立快递竞争网络均衡模型,并应用修正投影算法进行了求解.算例计算分析表明,快递价格与区域的快递平均质量、运输企业和快递企业的成本以及消费者与快递企业交易成本成正比,与运输市场和快递市场的竞争激烈程度成反比,且快递企业的竞争力随其与消费者交易成本的增加而减弱.      

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.      

基于出行决策的公路网多目标最优路径算法

为使公路网静态最优出行路径能综合表达道路环境影响因素与出行者的路径选择偏好, 研究了GIS环境下的用户-系统最优出行路径决策模式。基于层次分析法, 构建了综合考虑行程时间、舒适安全性与行程费用的公路网路段交通阻抗评价指标体系, 提出了对定性与定量化参评指标进行综合一致性处理的方法。通过用户-系统共同决定的路段交通阻抗的综合评价过程, 将最优路径问题转化为最短路径问题, 采用各路段各出行目标的标准化值之和作为评价指标, 采用Dijkstra算法实现最优路径的搜索。实例验证结果表明: 最优路径比距离最短路径出行距离增加8%, 出行时间减少7%, 舒适安全性提高17%, 出行费用增加13%, 所得最优路径是针对特定用户的多目标路径, 明显异于单目标最短路径, 表明该方法可行。     

多用户多准则弹性需求随机交通均衡变分模型

针对非对称费用函数下准则权重与出行者类别相关的多准则路径选择问题,用变分不等式方法建立了具有弹性需求量的多用户多准则随机交通均衡配流模型.该模型是单用户随机均衡和多用户确定性均衡模型的推广.证明了变分模型中映射的连续性及严格单调性可分别保证均衡流量的存在性和唯一性.某路段广义路段出行费用受出行量和其它相关路段流量的影响,是所有路段流量的函数,并受出行量影响.用对角算法求解该交通均衡的变分问题.算例表明了模型的合理性和算法的可行性.     

��������ʱ��³���ɿ��Ե������ͨ��������

在基于走行时间可靠性的交通均衡问题中,普遍存在假设是引起走行时间变异的O D (Origin Destination)需求或路段通行能力的概率分布是精确已知的。然而,现实中这些概率分布很难精确获得.本文放松这个假设而仅要求知道O D需求的前m阶矩(这里m是和路段费用函数的形式相关的正整数),通过运用最坏风险价值和最坏条件风险价值指标定义鲁棒分位走行时间和鲁棒超过期望走行时间,并证明在一般分布下两种出行时间是等价的.基于此定义,通过整合出行者的感知误差,提出了鲁棒分位随机用户均衡(鲁棒超过期望随机交通均衡)模型,模型被表示为一个变分不等式,并证明了解的存在性,然后运用一种启发式算法求解该模型.数值算例显现了模型在应用上的特性及算法上的有效性.     

基于路段走行时间可靠性的路网容量可靠性

为了减少了计算工作量，基于路网容量可靠性概念的分析，构造了基于路段走行时间可靠性的路网容量可靠性双层规划模型，根据模型中反映的路径选择行为为用户平衡的特点，用灵敏度分析法求解路网容量可靠性模型，并给出了1个简单的算例．算例结果表明，该模型能够用于评估随机环境下的路网性能，并为路网性能的改善提供依据。     

基于四阶矩的路网总行程时间可靠性评价

为了评价供需服从任意分布时的路网总行程时间可靠性,提出一种基于四阶矩的计算方法.通过计算机模拟计算出路网出行总时间的四阶矩,然后推导总行程时间预算与四阶矩之间的关系,继而定义了路网总行程时间可靠性,并采用逆向求解方程得到该值.通过在大型算例路网上进行测试,得到该网络的不同预算下的总行程时间可靠性.分析结果表明,路网总行程时间可靠性随着总行程时间预算的增加而增加,当增加到一定程度时,可靠性趋于稳定值1.0,完全符合实际情况,从而说明计算机模拟加上逆向求解的基于四阶矩的可靠性算法是一个有效的算法,可以很好地应用在供需随机分布路网的行程时间可靠性研究中.     

基于道路拥堵信息的公交出行规划系统

针对当前道路拥堵增多的情况,建立了一个基于道路拥堵信息的公交出行规划系统,以引导公众避开拥堵道路。分析道路拥堵状况的指标体系,分别选取路段和交叉口的通行参数指标,并给出一种红绿灯等待灯次的简便算法,提出公交出行规划方案的拥堵指数算法。以嘉兴市为例,采用SQL＋IIS＋ASP＋Android技术构建了C/S架构的基于道路拥堵信息的动态公交出行规划系统。该系统推荐的出行方案能引导用户避开拥堵道路,提高出行效率,减少出行时间,为公众出行提供了更全面的公交出行信息和更便利的信息获取途径。     

基于神经网络的公交车辆行程时间预测模型研究

城市公交丰辆行程时间预测是公共交通信息服务和运营调度的重要内容,要求较高的实时性和准确性。本文以智能交通运输系统为背景,通过分析公交车辆的行驶特性,基于改进的神经网络模型,建立了公交车辆动态行程时间预测模型,并对比了三种不同输入变量方案的神经网络预测模型,表明该模型具有良好的适用性。此外,将该方法与卡尔曼滤波法的行程时间预测模型进行比较,结果表明,基于神经网络的动态行程时间预测模型精确度较高。     

基于实时数据的路网行程时间可靠度模型研究

道路行程时间可靠度是衡量城市道路交通服务质量的指标之一。本文分析和处理道路实时交通数据．统计其行程时间的分布,并拟合行程时间的分布曲线。以此为基础,构建行程时间可靠度模型,并进行案例分析。本文研究得出：路段的行程时间服从正态分布;出行者要求可靠度越高,需要预估的行程时间就越大;即使出行者期望的可靠度相等,对应不同的出发时刻预估行程时间也不同。     

���ڰ����ij��е�·�г�ʱ��Ԥ��

已有旅行时间预测方法多是针对高速公路、城市快速路和主干道路的路段,而针对城市一般道路,及路径旅行时间预测的研究则相对不足.本文提出一种基于案例的旅行时间预测算法.算法的基本原理为,在轨迹数据建模的基础上,建立动态更新的、包含多个属性的历史旅行样本数据库,然后根据出行时间及环境信息从案例库查找匹配案例,其结果经过一定修正用于预测路径旅行时间.与基于路段的旅行时间预测方法相比,该算法具有较强的鲁棒性和可移植性,受空间路网和数据样本量的影响较弱;并且在相同数据样本量和路网空间覆盖率的情况下,该算法预测精度高于对比算法.     

基于ARCH 模型簇的路径行程时间可靠性分析

 行程时间可靠性是反映道路交通网络可靠性的重要指标.由于交通系统存在不 确定性,行程时间的波动具有异方差性,利用传统数理统计方法建立的行程时间预测模 型,无法对行程时间进行准确的预测.针对行程时间波动的尖峰厚尾、集群性等特点,引入 计量经济学中的ARCH 模型簇.通过实证分析,评价行程时间波动的时变性、持续性,描 述系统外部信息冲击的分布,分析行程时间波动对外部信息冲击的反应机制.结果表明, ARCH 模型簇能很好地适应行程时间序列数据的方差变化特点,与交通系统的自身特性 相吻合,能够对路径行程时间的可靠性进行有效的评价.     

基于神经网络的应急车辆行程时间计算模型

消防、救护等应急车辆的行程时间直接影响救援的质量.在分析影响应急车辆行程时间的因素基础上,选取了行驶距离和出发时刻两个影响因素,应用BP神经网络模型,建立了应急车辆行程时间计算模型,求取了影响因素对行程时间的影响重要度因子.为应急车辆的选址和调度提供了依据.