随机时变路网环境下稳健路径选择及实证研究

交通拥挤、天气、突发事故等不确定性因素影响着城市区域之间的路网提供的 连通服务水平.本文对城市片区间道路连通路径选择进行研究.根据随机时变网络描述和 稳健路径选取原则,建立了最优化模型,并采用改进的Dijkstra 算法.通过深圳实例计算, 分析了出发时刻与最短路径行程时间和路段构成之间关系,并与确定性时变路网环境下 进行计算结果对比.结果表明,随机时变路网环境下鲁棒性最优算法选择稳健路径具有合 理性和可行性,可以很好地应用到区域动态连通情况的研究.     

依赖随机参考点的网络均衡配流模型

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积.假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型.然后,给出基于Probit 加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法.算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为.对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变.     

面向城市交通网络的 K 最短路径集合算法

在城市交通网络中,为了优化交通流,需要搜索到符合出行需求 K 最短路径,并 将 OD（Origin-Destination）交通流合理分配到这些路径上.本文主要对搜索符合出行需 求的 K 最短路径搜索算法进行了研究,解决了已有算法仅能搜索出单条满足最短及 K 最 短条件路径的问题.根据 Wardrop 第二原则及路段阻抗函数理论,分析了路径集合搜索方 法对优化城市交通流的必要性,并定义了城市交通网络中 K 最短路径集合的概念及选择 条件,提出了一种面向城市交通网络的具有多项式时间复杂度的 K 最短路径集合搜索算 法.仿真结果表明,本文所提算法可以搜索出满足出行需求的所有 K 最短路径集合,在该 路径集合上进行交通流分配的效果明显优于传统方法.     

优化蚁群算法在最短路径诱导中的应用

最短路径算法在许多应用领域和研究中起着十分重要的作用。现有文献对最短路径问题提出了大量的优化求解方法和算法,大部分研究仅针对固定权值网络,对权值随时间变化等时变情况考虑较少。在通信系统、智能交通系统等实际网络及应用领域中,随着时间的变化,边的权值往往也同时改变。因此,时变网络中最短路径求解问题的研究更具有实用意义。针对一般算法存在的缺陷,现提出三点优化,使算法既能避免陷入局部最优解,又能更快地收敛到全局最优解。     

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。     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

城市快速路网行程时间计算与最优路径选择算法

为提高城市快速路网的整体功能和运行效益,利用实时动态交通数据,根据动态交通因素对路段通行时间的影响,将城市快速路网划分为非拥塞和拥塞两种情况,基于安全停车距离和剩余通行能力,分别计算了两种情况的路段通行时间,提出了以行程时间最短为目标的城市快速路网行程时间计算与最优路径选择算法.将该算法应用于西安城市快速路网进行案例分析,结果表明:该算法的最优路径计算结果与实际相符,误差在15%以内;最优路径的距离约为最短路径的1.84倍.      

��������ο���������������ģ��

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积。假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型。然后,给出基于Probit加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法。算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为。对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变。     

基于射频数据的道路交通流路径识别优化模型

针对非RFID(Radio Frequency Identification)覆盖道路交通流路径识别误差较大等问题，本文提出基于FCD(Floating Car Data)校核下RFID道路断面交通流路径识别优化组合模型。首先， 利用平移不变小波变换将RFID初始数据切分为可追溯交通流、非追溯交通流及随机项；然后，根据统计路段中浮动车数量将路段分为Full、Defect、Null这3类，并建立FCD-RFID追溯路径模型识别可追溯交通流路径构成，同时，提出考虑出行时间、道路等级和驾驶偏好因素的综合成本阻抗效用函数，通过路径感知随机用户平衡分配模型估算非追溯交通流与随机项路径；最后，通过路径叠加识别断面交通流最终路径构成。结果表明：相较于单一RFID交通流路径识别，组合模型具有更高精度，MAE(Mean Absolute Error)为 72 辆，较单一 RFID 算法下降 62.5%，MRE(Mean Relative Error)为9.5%，下降72.2%；在非RFID覆盖校核道路中，组合模型MRE为13.3%，较单一 RFID算法下降82.0%，有效验证了本文模型的可行性及适用性。     

考虑自行车步行影响的交通平衡综合分析模型

步行和自行车等外界因素对机动车流的影响也具有随机性,但是这种影响更多地表现为可预见性和可控制性(尤其从交通管理的角度来看),可以说这种影响将导致可预见性的路段实际通过能力降级,并且可预见性特征使得这种影响不同于随机用户平衡中路段旅行时间的感知误差.笔者通过区分路段通过能力降级因素为内因(路段上车流量增加导致道路服务水平降级)和外因(由与路段上与车流量无关的外部因素,如随意过街人流、自行车流等外部因素,引起的道路通过能力降级),并且区分路段旅行时间为通行能力降级路段上行程时间和排解交通拥堵花费的滞留时间两个构成部分的基础上,建立了考虑自行车步行影响的交通平衡综合分析模型;通过对路段参数敏感性分析和实例对照,既展示了该综合分析模型-路径期望旅行时间平衡分析模型与确定性网络用户平衡分析模型的差异性,又展示了路径期望旅行时间平衡分析模型能较好地再现人们对道路路段通行能力降级情形下的车流路径选择行为.     

基于地面路网MFD 的快速路出口匝道流量分配模型

过于集中的流量分配易导致出口匝道和与之相衔接的地面道路过饱和,进而影响快速路和地面路网的通行效率.为提高路网中车辆通过快速路到达目的地的通行效率,基于地面路网宏观基本图（Macroscopic Fundamental Diagram,MFD）,以出口匝道通行能力和与之相衔接的地面路网承载能力为约束条件,以整个路网的车辆总行程时间最短为优化目标,建立快速路出口匝道流量分配模型.根据宏观网络车流平衡方程,采用改进的遗传算法对模型进行求解.最后,通过实际路网验证了模型的有效性.结果表明,该模型可有效提高车辆通过快速路到达目的地的通行效率,同时降低出行成本.     

出行策略与行程时间不确定下的公交客流分配方法

利用杭州市公交线路站点GIS数据和车辆运行GPS数据进行分析,将公交车到站时间分为站点停靠时间和站间行程时间,得到公交车站点之间运行可能总时间的分布概率.通过实际的公交路网结构,定义扩展的公交网络有效路径.在考虑公交线路联合发车频率和根据乘客路径选择的广义成本下,建立出行策略与行程时间不确定下的公交客流分配模型,并将公交线路发车时刻表引入用户均衡模型中,设计了基于扩展网络最短路的Method of Successive Average(MSA)算法求解,通过对两个交通小区间高峰小时的客流分配结果验证模型和算法的有效性.     

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.     

基于网格交通状态分类的行程时间规律挖掘与计算

在出租车轨迹数据挖掘的基础上，本文提出基于网格交通状态的行程时间计算方法。在区域网格化的基础上，利用出租车全球定位系统(Global Positioning System, GPS)数据构建区域网格宏观基本图，并对宏观基本图的流量-密度关系进行拟合；进而使用高斯混合聚类法，将区域交通状态分类为畅通、轻度拥堵和重度拥堵。对不同交通状态网格的行程时间进行挖掘分析，发现3类交通状态下网格行程时间表现出不同的分布特征，畅通、轻度拥堵和重度拥堵的最佳行程时间分布分别为Gamma分布、Weibull分布和对数正态分布；通过不同状态网格行驶时间联合概率密度分布的近似拟合推导出路径网格行程时间概率密度模型。本文提出的方法可以快速计算一 定可靠度条件下的行程时间，对不同线路和时间内的案例分析结果表明，该方法对路径行程时间估计的平均绝对误差在1%~16%，可以为交通诱导与未来导航提供技术方法支撑。     

基于G/G/c/FCFS 排队模型的城市停车流量分配模型

为探索城市路网中交通均衡与停车选择之间的相互关系,本文根据出行者实际停车搜索过程,运用G/G/c/FCFS 停车排队模型,研究了路径流量、行程时间、停车场可用概率三者的关系,进而计算停车场在车辆到达时的可用概率,并将此概率纳入停车搜索路径的广义费用函数,最后根据交通网络中出行者路径选择和停车选择理论,提出基于停车排队理论下的随机用户均衡模型,并设计了模型求解算法. 算例结果表明,本文模型能准确合理地分配城市路网中的停车流量. 研究结论有助于从城市整体角度为停车需求规划提供依据.     

基于G/G/c/FCFS排队模型的城市停车流量分配模型

为探索城市路网中交通均衡与停车选择之间的相互关系,本文根据出行者实际停车搜索过程,运用G/G/c/FCFS 停车排队模型,研究了路径流量、行程时间、停车场可用概率三者的关系,进而计算停车场在车辆到达时的可用概率,并将此概率纳入停车搜索路径的广义费用函数,最后根据交通网络中出行者路径选择和停车选择理论,提出基于停车排队理论下的随机用户均衡模型,并设计了模型求解算法. 算例结果表明,本文模型能准确合理地分配城市路网中的停车流量. 研究结论有助于从城市整体角度为停车需求规划提供依据.     

基于道路交通状态的随机用户平衡

运用随机用户平衡配流的基本思想和交通流理论，提出了道路交通状态的概念，以便讨论交通拥挤情况下的交通量分配问题．将道路交通状态定义为行程时间和道路拥挤度的线性加权和．假定在路网随机变化的情况下，出行者以行程时间和道路拥挤度最低为路径选择准则，建立了基于道路交通状态的随机用户平衡配流模型，并证明了模型的等价性和唯一性，给出了该模型的连续平均求解算法．一个小型网络的数值计算结果表明，该模型能反映出行者在随机路网中的路径选择行为．