共查询到20条相似文献,搜索用时 281 毫秒
1.
供需不确定条件下的预算-超额用户平衡模型 总被引:1,自引:0,他引:1
为更加全面、准确反映随机路网中出行者规避风险的择路行为,以预算-超额行程时间作为出行者选择路径的依据,提出了一种供应及需求不确定条件下同时考虑可靠性和不可靠性的交通分配模型——预算-超额用户平衡模型,推导了需求服从Gamma分布、路段通行能力服从均匀分布条件下预算-超额行程时间的解析表达式,并以此为基础建立起用等价变分不等式表示的平衡模型。利用一个小型测试网络比较了用户平衡模型、基于可靠性的用户平衡模型以及预算-超额用户平衡模型的性能。研究结果表明:提出的模型是有效、可行的;其平衡流量模式不同于用户平衡模型和基于可靠性的用户平衡模型;随着需求水平、可靠度以及路段通行能力退化程度的增加,预算-超额行程时间随之增加。 相似文献
2.
为研究有限理性出行者的出行行为,引入前景理论。建立基于前景值的用户均衡模型进行路网配流,用相继平均法求解路径流量。考虑路径流量和具体规划要求选择充电站候选站址,利用排队理论建立充电站的服务模型,以充电站的建设服务成本和用户等待时间成本之和最小为目标来确定充电站站址和充电站配置的充电机台数,用边界分析法对模型进行求解,最后用一个算例对模型和算法的有效性进行验证。 相似文献
3.
现有的日变交通分配模型多数是以路径变量为研究对象,其主要有初始路径流量不唯一和忽略了路径之间的相关性等问题;而以路段为研究对象的日变交通分配模型虽然克服了上述不足,但其有限理性仅体现在出行者对最短路成本的认知上,本质上还是基于确定环境下的客观旅行时间进行决策,无法描述出行者在不确定环境下的风险态度和心理特征。基于此,在累计前景理论的框架下,构建了一个以路段变量为研究对象的日变交通分配模型,该模型克服了路径模型的两大缺陷,能够表征有限理性的出行者在不确定风险环境中的决策行为以及面对风险时的主观心理特征。最后,本研究通过一个算例讨论了有限理性、日变模型演化步长和损失规避系数对流量变化的影响,结果表明出行者的有限理性行为会增加路网上流量的波动性,这说明交通管理者应采用相关技术和方法减少出行者的有限理性行为,以达到减缓流量波动的目的。对于流量逐日演化步长和损失规避系数等参数而言,其取值越大,流量波动性也会相应增加,因此,在交通实践中,有必要对参数进行合理调控,如考虑一定程度的出行习惯,适当增加出行者对交通系统的敏感性等,从而减少旅行成本。 相似文献
4.
5.
城市道路交通网络系统容量评估模型 总被引:1,自引:0,他引:1
以出行者出行行为选择为基础,以最大化网络容量为目标,建立了城市道路交通网络容量双层规划评估模型。其中下层引入停车路段(搜索停车设施所行驶的路段)和步行路段,把停车设施转化为道路路段,以出行分布、方式分担和均衡配流组合模型来反映出行者出行目的地、出行方式服从多项式Logit和出行路径服从用户均衡原则的出行选择行为;上层以网络储备容量最大化为目标,考虑网络的路段通行能力、外部环境以及服务水平要求等约束条件下的最大流量问题。最后给出了相应的启发式求解算法。研究结果表明:该模型和算法有效且易于操作。 相似文献
6.
先进的旅行者信息系统对出行者选择行为的影响研究 总被引:11,自引:1,他引:11
目前研究先进的旅行者信息系统对出行者选择行为的影响主要集中在对路径选择行为的影响上,而忽略了对出行者出行终点和交通方式选择的影响。假定路网中的出行者一部分装有信息装置,另一部分没有装信息装置,利用离散选择理论中的层次选择结构模型和交通规划理论中的随机均衡方法,研究了先进的旅行者信息系统对出行者终点选择,方式分担和路径选择行为的综合影响,建立了一个与网络均衡条件等价的数学规划模型,设计了模型的求解算法,并用一算例分析了市场渗透率和信息质量对出行者选择行为的影响。 相似文献
7.
实时路况信息的提供,有助于出行者对不同路径效用的判断,但由于信息的模糊性以及出行者有限的计算能力,出行者的决策行为在某些情况下依然是有限理性的,即不能选择效用最大路径。因此,本研究基于西蒙的有限理性理论,假设出行者不能完全预测全部备选方案的后果,即实现效用最大化,提出了有限理性模型,并设计试验,验证交通领域路径选择中有限理性的决策行为。试验中,每次出行前向被试者发布实时路况信息,记录被试者的决策结果、决策时间等数据,分析其有限理性路径选择行为,并建立有限理性路径选择模型描述其有限理性特性。研究发现出行者在两条路径效用差小于一定阈值时无法实现理性判断,实现效用最大化,只能随机选择;在效用差大于该阈值时才可进行理性判断,实现效用最大化。根据这一现象,将原有Logit模型效用最大化假设松弛为有限的效用最大化假设,并建立有限理性下的Logit模型(BRBL模型)。通过对模型研究分析,发现模型在0点附近的敏感度要小于传统Logit模型。通过分别对BRBL模型和BL模型进行标定,发现改进后的模型可以解释出行者路径选择决策中的一些有限理性行为,而且标定结果显示模型精度优于传统的BL模型,在路况信息提供下的路径选择问题,新的模型更为适用。 相似文献
8.
建立了能力约束下的旅行选择和停车行为模型,模型同时考虑了出行者对旅行路径和停车设施的选择、道路路段和停车设施的能力约束以及道路网络的需求弹性。构造了数学规划模型,证明在非主动能力约束下,网络均衡条件与该数学规划模型等价;当能力约束为主动约束时,该数学规划模型的解不是网络均衡解,但当对路网的饱和路段和饱和停车设施征收某个附加费用之后,网络均衡解满足能力约束。设计了增广的Lagrangian对偶算法和部分线性化算法来求解该模型,并利用算例来验证模型和算法的效率及评价交通政策的效果。计算结果表明:停车收费、新增停车设施、停车设施与目的地之间的步行距离将显著影响出行者的旅行选择和停车行为。 相似文献
9.
信息诱导是缓解交通拥挤的有效途径,为了描述道路拥挤程度对出行者路径选择决策的影响机理,基于累积前景理论分析了出行者的出行决策过程,分析了出行者拥挤认知模式以及不同出行方式的拥挤信息需求。解析了拥挤阈值的概念,将行程时间作为累积前景理论决策指标建立了拥挤阈值的计算模型,以1个简单路网进行算例分析,模拟驾驶员的拥挤认知及出行活动决策。算例结果揭示了拥挤阈值对路径选择决策行为的影响,同时验证了拥挤阈值是出行者在决策过程中的决策变化分界点。出行时间在拥挤阈值内出行者不改变出行路径;出行时间超过拥挤阈值,出行者将改变出行路径。 相似文献
10.
降级路网的认知及交通流平衡分析模型 总被引:6,自引:3,他引:6
为定量衡量因路段降级原因导致路网通行能力的丧失量,分析出行者在降级路网中的路径选择行为将导致何种网络交通流平衡状态,通过将降级路网划分为车流外界因素导致路段可通行能力降级和路段上车流量增加导致道路服务水平的下降两种类型,辨别旅行时间长短与旅行时间波动对出行者路径选择行为的影响,推导出同时考虑这两方面因素影响的可变路径旅行时间风险度量;在此基础上建立了降级路网中的交通流平衡分析模型,该模型满足存在性和惟一性,并能正确描述出行者对降级路网结构认知差异性情况下的网络交通流平衡状态。通过实例展示了不同旅行可靠性要求下,出行者对路径旅行时间长短的权衡关系以及整个路网交通流平衡结果。 相似文献
11.
为体现出行者路径选择行为,准确评价路网行程时间可靠性,采用行程时间均值和行程时间均方差的加权和定义广义出行费用,以不同的加权系数反映出行者对待风险的态度。从路段层面定义行程时间可靠性,以广义出行费用最小化为目标构建SUE模型,建立基于广义出行费用的路网行程时间可靠性模型。结合模型特点,给出Monte Carlo仿真和交通规划模型相结合的求解算法。并在一个小型测试路网上进行了验证,结果表明:出行者对待风险的不同态度对行程时间可靠性具有明显的影响,保守型出行者将使路网行程时间可靠性有所提高;所建分配模型能够较真实地反映出行者的路径选择行为,使行程时间可靠性分析更加准确。 相似文献
12.
传统的出行路径决策研究多集中于"事前"研究,即出行者在出行前通过综合考虑道路网络所有的信息,在纯理性的基础上确定出本次出行所选择的最佳出行路径,这与实际出行者出行路径选择有较大的不同。通过引入有限理性和节点作用力的观点,建立了基于交叉口节点决策的前景理论—影响力混合路径决策模型。通过设置仿真实验,验证了本模型相比期望效用理论和单纯的前景理论更加符合实际出行者实际路径决策,弥补了传统路径选择研究的不足。 相似文献
13.
出行者路径选择行为的研究对于预测城市交通流时空分布规律及维持网络经济、高效运转具有重要意义.为了探究多类型异质出行者路径选择行为的异同,研究了基于累积前景理论的多类别异质出行者路径选择模型.通过定义出行者参考点,引入考虑时间价值系数的风险敏感系数计算方法,以保证异质出行者拥有异质的风险偏好,研究分析了是否提供实时路况信息2种情境下常规通行者与通勤者路径选择行为的异同.数值算例表明,拥有较大参考点的出行者更倾向于保守地选择一条出行时间较长的道路,而其他人则更加冒险.此外,与通勤者相比,当备选方案均可以满足自身出行需求且自身参考点足够大时,常规出行者更愿意忽视风险,以获得更高的出行收益. 相似文献
14.
用多用户类型随机用户平衡描述实际路网中出行者的路径选择行为。根据出行者对路网状况认识的不同程度,将出行者划分为具有相同特性的多个类型。将多用户类型随机用户平衡问题表示为一个无约束极小化问题,并提出了该问题的一种基于路段水平的灵敏度分析方法。建立了多用户类型随机用户平衡条件下的连续网络设计问题的双层规划模型,并给出了基于灵敏度分析的启发式算法。实例的结果表明模型具有一般性和适应性。 相似文献
15.
出行者的路径选择行为是包括自身特性在内多种因素共同作用的结果。为分析出行者偏好对路径选择行为的影响,首先假设出行者从路网中获取的信息为不完全历史信息,建立了理解行程时间及其更新模型,然后给出了基于经验-加权吸引力(EWA)学习模型和累计强化学习模型的两种偏好动态更新规则,最后通过Dogit模型将理解行程时间和路径偏好共同纳入出行者的路径选择决策中。在此基础上,对比分析了不考虑路径偏好、路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好4种不同偏好情况下网络交通流的演化情况。算例结果表明:相比利用Logit模型不考虑路径偏好的流量分配结果,利用Dogit模型考虑路径偏好的流量分配结果更为均衡,且在考虑偏好时,路径偏好为固定值、基于EWA学习模型更新路径偏好和基于累计强化学习模型更新路径偏好3种情况下路径的均衡流量间差异较小;偏好动态更新时,基于EWA学习模型的路径偏好动态更新规则较累计强化学习模型能更好地捕捉出行个体的路径偏好,但由累计强化学习模型得到的路网流量分配结果更为均衡;偏好为固定值时,路径的均衡流量介于EWA学习模型和累计强化学习模型两种偏好动态更新规则下路径的均衡流量之间。 相似文献
16.
为考察信息对降级路网运行效率的影响,将出行者根据有无ATIS接收装置划分两类。采用路网混合均衡建模方法构建了信息影响下的混合均衡变分不等式模型,并设计了模型求解的启发式算法。采用一个测试网络开展了仿真研究。结果表明,无论路网降级程度大小,要想使路网运行效率维持在较高水平,ATIS的市场渗透率和提供信息的质量水平都应控制在一个合理的范围内。 相似文献
17.
城市居民出行过程中出行者的路径选择行为决定着道路网络交通流的分布模式,深刻影响着城市交通规划和网络设计方案的制定。传统交通分配依据最短路径时间选择出行路径,不能反映路径流量大小对出行者路径选择行为的直接影响。基于此,将出行起讫点间路径时间作为价格信号,路径流量作为数量信号,运用经济学非均衡理论中的价格-数量调节行为原理描述出行者的路径选择行为。在出行市场背景下,定义了数量调节用户均衡,建立了数量调节用户均衡条件和等价的非线性互补问题。运用GAP函数对非线性互补问题进行重新描述,最终建立了求解数量调节用户均衡的数学规划模型。鉴于路径流量不等于该路径中各路段流量之和,数量调节用户均衡问题需使用基于路径的算法求解,开发了基于OD分解的求解算法。OD分解算法与现有的基于路径的算法共享高斯-赛德尔分解方案,迭代过程中算法并不是顺序访问每个OD对,而是通过引入一个自适应方案来确定。针对未满足收敛条件的OD对,该算法将负梯度作为下降方向,运用Armijo类型的线性搜索确定步长,求解单OD子问题。最后分别对一简单网络和真实网络进行测试,计算结果表明:所开发的OD分解算法能将更多的计算成本投放在非均衡的... 相似文献
18.
基于出行时间预算的多用户交通分配模型及算法 总被引:1,自引:1,他引:0
通过分析在满足一定可靠性要求条件下出行者追求总预期出行时间最小的择路行为,定义交通网络的惯常均衡态。以不同的出行者会增加相异的出行时间预算为假设前提,建立相应的多用户变分不等式交通分配模型。这一模型不仅具有不依赖具体路阻函数形式的一般化建模特征,而且避免了现有文献中必须处理非凸约束集的问题,因此可以对模型的解进行定性分析。针对该模型,提出相应的求解算法。由于求解算法仅需对现有的网络交通分配算法加以局部修改即可实现,因此可被应用于实际规模的网络分析。通过算例结果的比较分析说明新模型及算法不仅有效,而且更符合现实。 相似文献
19.
为了研究由于交通控制设备资源有限,只有部分节点受到控制时交通流在路网上的分配,讨论了交通分配的一般准则和方法,并通过对出行者在控制节点和未控制节点的路径选择行为的假设,建立了混合交通配流模型。模型的最优状态为,出行者在未控制节点处都是选择从该节点到达终点路段综合费用最小的路段,而在控制节点处完全服从控制策略的引导选择路径。研究表明,当所有节点都被控制时,模型等价于SO模型;当所有节点都不受控制时,模型等价于UE模型。用一个简单的路网进行算例分析,说明了模型的可行性和合理性。 相似文献
20.
《公路交通科技》2017,(7)
在逐日动态演化模型框架下,引入了ATIS的一致性交通预测信息,以研究其对个体出行者的路径选择行为作用以及对整体路网交通流动态演化过程的影响。按照对ATIS交通预测信息的使用与否,将路网中的所有出行者划分为两类,在此基础上,构建了一个逐日交通流演化模型,模拟路网中两类出行者的路径选择动态调整过程。对演化模型的不动点及其存在性、唯一性等理论特性进行了研究。同时,通过对模型稳定性条件的分析,证明了一致性交通预测信息增强了路网交通流演化的渐进稳定性。数值试验结果表明:出行者接收交通预测信息时受到的误差影响越小,路网交通流演化过程越容易趋于稳定。研究结果将有助于智能交通系统的优化设计。 相似文献