系统最优的动态交通网络流分配模型的分批并行算法

智能交通系统是一个复杂的综合系统,动态交通流分配是它的一个关键问题,是运输科学的一个前沿和热点。对于已经建立的系统最优的动态交通流分配模型,根据非线性规划问题的Kuhn-Tucker条件求解出问题的解。由于交通网络是一个大系统,结合分批调度理论将交通网络进行分批处理后简化了配流过程中的寻径,最后设计出分批并行调度算法。     

兰州市交通流量分配模型及分配方案研究

交通量分配是将已经预测出的OD交通量按照一定的规则符合实际地分配到道路网中的各条道路上，并求出各条道路的交通量，如何将OD交通量正确合理地分配到O与D之间的各条道路上关键是流量分配模型的建立过程和求解方法，在兰州市现有OD交通量并综合考虑出行影响因素的基础上，建立了平衡分配模型，讨论了模型的解法，从理论上探讨和研究了兰州市路网流量分配的量优方案。     

基于计算机模拟的动态交通分配模型的分布式并行算法

动态交通分配是智能交通系统中重要的核心理论模型。计算机模拟是求解动态交通分配问题的一种有效方法。本文给出了一种基于计算机模拟的动态交通分配模型的分布式并行算法，以求动态交通分配模型能够在智能交通系统的实时调度和运营方面得到应用。并且，基于面向对象的设计技术，本文给出了该算法的实现框架和流程。提出的模型可以作为先进的交通管理系统和先进的出行者信息系统的核心理论模型。     

动态交通系统最优控制的路径选择模型

在分析各种影响动态交通系统最优控制约束的基础上,依据相关原理,采用数学建模的方法建立了态交通系统最优控制模型,最后给出该模型的主要算法.智能交通运输系统的核心部分为动态交通流分配模型与算法,其基础则为动态交通系统最优控制模型,因此建立用于诱导路径选择的动态交通系统最优控制模型将有助于改善城市日益恶化的交通环境,提升人们的生活质量,同时也为城市规划与管理以及各种交通政策的制定提供理论依据.     

动态交通系统最优控制的路径选择模型

在分析各种影响动态交通系统最优控制约束的基础上,依据相关原理,采用数学建模的方法建立了态交通系统最优控制模型,最后给出该模型的主要算法.智能交通运输系统的核心部分为动态交通流分配模型与算法,其基础则为动态交通系统最优控制模型,因此建立用于诱导路径选择的动态交通系统最优控制模型将有助于改善城市日益恶化的交通环境,提升人们的生活质量,同时也为城市规划与管理以及各种交通政策的制定提供理论依据.     

考虑多峰的系统最优动态路径流量分配图解方法研究

动态交通分配是交通科学研究的难点,尤其是如何得到系统最优解.Munoz和Laval (2006)介绍了一类图解方法,得到了并行网络动态路径流量分配系统最优解.在此基础上,本文扩展其图解方法,研究存在多个高峰情形的并行网络动态路径流量分配系统最优问题.基于累计到达曲线已知的假设,即出行用户的出发时刻选择给定,并借助于瓶颈模型点排队假设,以两条并行路径为例,考虑其中一条路径瓶颈处的容量为常数,另一条路径瓶颈处容量为常数和无穷大两种情形,通过变分法描绘满足动态最优性条件的系统最优流量分配曲线,得到动态路径流量分配系统最优解.本文的研究有助于加深对交通流量时空分布规律的理解.     

大型活动结束期间的行人交通网络动态均衡模型

为了科学评价大型活动结束时场馆内外行人通道网络的拥挤水平,讨论了离场观众途经场 馆出口疏散过程中的实时需求估计与路径选择问题。运用解析与随机模拟方法,提出了观众离场 实时交通需求生成与分布模型;在此基础上,建立了基于路径选择的动态用户均衡分配模型并设 计了启发式求解算法;最后,以某大型活动场馆的赛事散场为例,阐述了上述模型的应用。研究 结果表明,所建立的行人交通网络均衡模型能捕捉观众离场期间的交通需求分布以及通道瓶颈处 行人交通流密度,描述在活动结束后离场观众流量随着时间快速增加,到达峰值后逐步减少的过 程,刻画离场观众在场馆出口通行能力限制下,离场过程被延长的整个过程,并分析场馆内外行 人通道上的行人密度。     

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。     

多优先级多车种动态应急交通网络反流策略研究

危化品爆炸泄漏和火灾爆炸等局部突发事件下,疏散车辆与救援车辆在路网上通行的优先级具有差异性。为研究多优先级多车种动态应急交通网络协调优化问题,本文根据多车种的优先级差异性,松弛路段传输模型,模拟疏散和救援交通在路网上的动态加载过程,引入交叉口冲突转向消除与道路反流约束;考虑到优先通行车辆的反流策略会占用低优先级车辆的道路通行能力,设置救援交通的逆行路段数限制。设计分阶段优化方法求解多优先级多车种动态应急交通网络协调优化的多目标混合整数线性规划模型(MPCDETN-MMILP)。最后,以 NguyenDupuis路网为例,分析优先通行车辆使用的逆行路段数对疏散和救援交通的影响。算例结果表明：救援交通逆行路段数和对救援车辆迅速到达受灾区域的提升存在上限,且这种提升趋势是逐渐变缓的,而对疏散车辆迅速到达安全区域的抑制呈现波动式的增加趋势;救援交通逆行路段数对救援优先的疏散和救援交通运行优化效果有较大协调作用;连接受灾区域和外部救援场站,且可构成最短径路的路段更会被选择为救援交通逆行路段。     

系统最优的动态交通网络流

智能交通系统是一个复杂的综合系统,动态交通流分配是它的一个关键问题,是运输科学的一个前沿和热点.对于已经建立的系统最优的动态交通流分配模型,根据非线性规划问题的Kuhn-Tucker条件求解出问题的解.由于交通网络是一个大系统,结合分批调度理论将交通网络进行分批处理后简化了配流过程中的寻径,最后设计出分批并行调度算法.     

交通运输网络扩能优化算法研究

当交通运输网络的预期流量超过路网能力时,如何选择经济、合理的扩能优化方法改进路网能力,是交通运输部门需要面临的重要问题。因此,建立交通运输网络的扩能优化模型,设计通过构建关于改扩建费用最短路逐步迭代的求解算法．并对模型及其算法的有效性加以验证,可为解决交通运输扩能优化问题提供参考。     

泛在网络在智能交通中的应用初探

融合智能交通和泛在网络中的相关概念和技术,提出了＂泛在交通＂的概念,把其分成泛在的交通信息、泛在的交通检测和泛在的交通控制三个部分,介绍了各个部分之间的相互联系和作用.结合泛在网络中的无线通信、传感器以及射频身份识别等关键技术,给出了泛在交通网络构架图及其相关技术.     

基于Benders分解的多方式物流运输网络优化模型

基于Benders分解,对多种交通方式下的物流运输网络优化模型的求解算法进行了研究。首先,以一个典型的物流运输网络优化模型求解为例,分析了Benders分解算法及其实现要点以及可能存在的问题,并提出相应的解决方法。然后在此基础上,通过引入不同交通方式的排放因子和各种排放物的排放成本,建立了多种交通方式下的物流运输网络优化模型。模型的目标函数为考虑运输排放的总成本最小,约束条件包括交通方式能力的限制等等,同时描述了基于Benders分解算法进行模型求解的主问题和子问题。最后,通过一个算例,对模型及其算法的效率和效果进行比较分析,说明模型和算法的可行性和有效性。     

基于过饱和控制的疏散网络优化模型

应急条件下疏散需求呈现短时爆发性特点,为提高网络优化模型在应急疏散状态下的适用性,本文提出了网络过饱和度概念,并结合疏散交通组织策略建立过饱和控制的疏散网络双层优化模型.上层模型从疏散组织者的角度出发最小化疏散网络过饱和度,下层模型以Wardrop 用户平衡准则模拟疏散参与者的疏散路径选择行为.采用禁忌搜索算法求解所建模型,并以Sioux Falls 网络为平台验证其有效性.实验结果表明,在应急交通疏散状态下,基于过饱和控制的疏散网络优化模型能够实现疏散网络通行能力的最大化利用和应急交通组织策略的最优化配置,具有较强的适用性.     

基于极值优化的综合运输路网连续网络设计双层规划模型

本文提出了综合交通运输系统路网连续投资配置的双层规划模型,其中上层规划者在投资预算及其他约束条件下,考虑环境污染、土地占用及能源消耗等外部成本,对线路及综合交通运输枢纽做出连续的投资配置,以实现系统最优;下层网络用户在上层规划者的投资配置下,其路径选择满足确定用户平衡原则。最后,基于极值优化设计了求解该模型的算法,并给出了具体算例对算法进行验证。计算结果表明：所建立的模型符合实际情况,且采用的启发式算法也较有效。     

基于动态交通信息的GPS导航系统的开发研究

在分析普通GPS导航系统的工作原理及优缺点的基础上,研究开发出一种基于动态交通信息的GPS导航系统,该系统通过对动态交通信息的采集、分析,结合电子地图和定位系统,产生运行时间短、道路畅通的导航线路,可有效提高通行质量,也可在一定程度上缓解交通拥堵问题。     

基于城市既有道路的公交线网优化技术方法

鉴于目前公共交通已成为解决城市交通供需矛盾、调整交通结构的主要手段,有必要就如何通过充分利用现有的城市道路资源优化布设城市公交线网,提高公交系统的运行效率作一探讨。     

震后区域路网运输优化调度模型

震后区域路网由于受众多随机事件影响,路段通行能力下降,从而导致行程时间波动性增加.建立了以运量方差积最小为优化目标,从交通流合理分配的角度出发的无差别和考虑运输任务差别的交通流运输网络优化调度模型,用二次加权平均算法求解模型.通过对模拟仿真网络的计算结果表明,该模型能较好解决震后运输网络交通流分配问题.