遗传算法在均衡交通分配模型中的应用

均衡交通分配模型虽具有结构严谨、结果合理等优点,就目前而言却因为变量多、维数大导致无法很好的求解,从而影响其在实际交通规划中的应用.为了提高交通分配预测的准确性,解决均衡交通分配的求解问题,本文将遗传算法(GA)应用到其中.最后通过一个简例,并利用Matlab的GA工具箱进行编程求解,证明了该方法用于求解均衡交通分配模型的可行性.     

遗传算法在均衡交通分配模型中的应用

均衡交通分配模型虽具有结构严谨、结果合理等优点,就目前而言却因为变量多、维数大导致无法很好的求解,从而影响其在实际交通规划中的应用.为了提高交通分配预测的准确性,解决均衡交通分配的求解问题,本文将遗传算法(GA)应用到其中.最后通过一个简例,并利用Matlab的GA工具箱进行编程求解,证明了该方法用于求解均衡交通分配模型的可行性.     

一种基于遗传算法的交通分配用户最优状态研究

以路网用户的出行时间最少为目标,以Matlab软件为运算平台,将遗传算法运用到交通分配模型当中,进而实现了交通分配过程中用户出行状态最优.并通过算例说明了遗传算法解决该类问题的有效性与可行性,为求解用户最优的问题提供了新的途径.     

一种改进投影算法求解排放约束下多用户交通分配均衡模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑捧放因素.通过将变分不等式同题转换成等价的最优化问题.引入改进投影算法求解该模型.在所给出的数值算例中考虑两类对排放不同偏好的用户,采用均衡算法求解二次规划子问题,所得的弧及路径最优解收敛.且均满足Wardrop平衡条件.     

动态交通分配理论研究综述

动态交通分配能反映路网交通流的拥挤性、路径选择的随机性、交通需求的时变性等典型交通流动态特征,比静态交通分配有着明显的优越性。在简要介绍动态交通分配的重要组成要素的基础上,归纳总结动态交通分配区别于静态交通分配的六个典型特征：因果性、先进先出原则、路段状态方程、路段流出函数、路段特性函数和路段阻抗函数。从路径选择准则、路径走行时间定义、出行者出行选择假定、动态网络交通流模型研究方法等四个方面对动态交通分配模型的分类进行综述性研究,分析不同模型的优缺点,并总结动态交通分配理论的未来研究方向,可为动态交通分配研究提供一定的参考。     

基于离散时间序列OD量的动态交通分配方法

为了更确切地描述离散时间动态交通分配问题中各离散时段分配时的路网阻抗特性、更合理地反映各时段分配过程中出行者的出行行为,提出了一种基于消散周期OD量和差额OD量、分阶段分配的梯阶分配思想,它考虑了各离散时段分配前路网既有剩留交通量对后继离散时段OD用户出行选择的影响,更符合实际. 通过融合相继平均法,设计了梯阶分配算法,并据此对数据结构做了适应性补充. 示例路网下新算法与相继平均算法的数值模拟结果表明,新算法分配结果能够更为客观真实地反映现实交通中的动态现象,仿真度更高.
最后给出了梯阶分配思想在现实中的应用.     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。     

快速收敛的牛顿路径算法在交通分配中的应用

以确定性交通网络用户均衡问题为研究对象,从理论上推导出以路径费用函数为基础的用户均衡模型,在这基础上,提出快速收敛的牛顿路径算法.该算法每次仅对一OD 对进行牛顿型流量转移,转移完再更新道路流量,提出“更快速度接近均衡解原则”,运用这一原则来简化Hessian 阵,从而得到迭代方向,并通过对原函数二阶泰勒展开式进行一维搜索,寻找出最优步长.将该算法运用于实际交通分配问题,分别对小、中、大三种网络类型进行测试.结果表明,相比于传统的梯度投影算法,快速收敛的牛顿路径算法具有更快的收敛速度和更高的精度,在迭代前期尤为明显.     

动态交通控制—交通分配组合模型的求解算法研究

介绍了动态交通控制-交通分配组合模型(DTCA),在此基础上研究了动态交通控制-交通分配组合模型算法,即DTCA算法,并通过计算机编程根据所给算法思想求解了一个设有交通控制信号的简单网络,并通过对算例结果的相关数据分析,说明了动态交通控制-交通分配组合算法的合理性。     

用遗传算法解决固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性,利用遗传算法的结构并行性将其用于求解固定需求交通平衡分配问题中。算法设计中采用多维并行交叉、变化的交叉率与变异率、优先策略及目标函数加惩罚项等改进措施,从而大大提高计算速度,减少了交通分配的时间,降低了分配的复杂性,为交通分配问题开创了一条新的途径,同时显示出遗传算法在交通规划中潜在的实用前景。     

Logit多路径分配模型及其求解算法研究

通过对多路径Logit分配模型及经典的Dail算法的研究,并针对kgit分配模型及Dail算法的缺陷,提出的一种改进的kgit模型及相应改进的Dail算法,对交通分配及速度求解速度都有非常重要的意义。     

���ڶ�̬�滮�ij��н�ͨ��Ԥ�������

城市交通系统是一个复杂的大系统,针对交通流的不确定性,本文基于动态规划思想提出了交通流预测与分配的方法。考虑路段容量对交通分配的影响,建立了路网流量预测和分配模型。为了保持并充分利用传统网络模型的性质和特征,引入惩罚函数,将容量约束条件转换到目标函数中,使模型符合传统均衡网络流结构。将凸规划法作为一个子过程植入惩罚函数,得到模型的求解算法。控制策略上采取预测控制、反馈校正和滚动优化的方式。最后,通过算例分析,进一步阐述模型和算法的应用,验证算法的有效性。为交通流预测和分配提供一定的参考。     

������ɢʱ������OD���Ķ�̬��ͨ���䷽��

为了更确切地描述离散时间动态交通分配问题中各离散时段分配时的路网阻抗特性、更合理地反映各时段分配过程中出行者的出行行为,提出了一种基于消散周期OD量和差额OD量、分阶段分配的梯阶分配思想,它考虑了各离散时段分配前路网既有剩留交通量对后继离散时段OD用户出行选择的影响,更符合实际. 通过融合相继平均法,设计了梯阶分配算法,并据此对数据结构做了适应性补充. 示例路网下新算法与相继平均算法的数值模拟结果表明,新算法分配结果能够更为客观真实地反映现实交通中的动态现象,仿真度更高.
最后给出了梯阶分配思想在现实中的应用.     

Application of Auction Algorithm for Shortest Paths to Traffic Assignment

Auction algorithm is a new and simple algorithm for finding shortest paths in a directed graph proposed by Prof. Bertsekas, whose application has been extended to solve a variety of linear network flow problems. In this paper, auction algorithm for shortest paths is introduced and its characteristics are analyzed. The paper compares the auction algorithm with other algorithms widely used such as label-setting algorithm and label-correcting algorithm. The auction algorithm is particularly applicable to parallel computation and to the solution of a large-scale sparse network, which precisely meets the requirements of the traffic assignment. The algorithm is easy to program. Through a variety of measures the basic algorithm can be improved and speeded up and the computation speed can be increased by several times. The auction algorithm can be adopted in various traffic assignment methods. It can be used efficiently in the case of multiple origins and a single destination, and a single origin and multiple destinations. Different origin sets and destination sets are determined in accordance with the requirement of the traffic assignment. It is not required any more to find the shortest paths connecting any node pairs, so a lot of computation can be avoided and the computing time can be reduced by the use of the auction algorithm in the traffic assignment. Auction algorithms can thus be broadly applied in the transportation fields.     

An Improved Genetic Algorithm for Allocation Optimization of Distribution Centers

This paper introduced an integrated allocation model for distribution centers (DCs). The facility cost,inventory cost, transportation cost and service quality were considered in the model. An improved genetic algorithm (IGA) was proposed to solve the problem. The improvement of IGA is based on the idea of adjusting crossover probability and mutation probability. The IGA is supplied by heuristic rules too. The simulation results show that the IGA is better than the standard GA(SGA) in search efficiency and equality.     

最短路拍卖算法在交通流分配中的应用

拍卖算法是由Bertsekas教授提出的一种求解有向网络图最短路径的新算法,并已经发展成为求解线性网络流问题的综合算法.本文首先介绍了拍卖算法,分析了其特点,并将其与常用的标号设定算法和标号修正算法进行了对比.深入分析了交通路网的特点和交通分配中最短路求解的特性.研究结果表明,最短路拍卖算法特别适合于并行计算和大规模稀疏网络的求解,符合现实路网的特点和交通分配的要求.最短路拍卖算法应用于交通分配能避免大量不必要的计算,大大节省计算时间,在交通领域具有广阔的应用前景.