随机时间依赖交通网络自适应路径选择

根据路段旅行时间具有随机性、时间依赖性等特点,将路段在不同时刻的旅行时间定义为离散随机变量;建立了随机的时间依赖网络的自适应路径模型,给出用多项式表示时间复杂性的算法,获得基于最小期望时间的所有节点到给定终点的自适应路径.出行者可以根据到达某节点的具体时刻选择下一步的最优路径.通过算例验证了算法的可行性.     

危险品运输路径多准则优化模型及求解算法

针对多种类型的危险品在有风险控制的路网内运输问题,考虑不同运输决策 者的路径选择需求,建立风险约束下的多准则路径优化模型.根据路段/路径的风险阈值, 以及各类危险品产生的风险测度,设计了一种双向拓扑搜索算法,通过删除原路网中非 可行路段和非可用节点,生成不同类别危险品的剩余运输网络.利用改进的标号算法,在 剩余网络中搜索不同准则下的最优路径,生成非支配路径集合.给出了不同路径之间关键 路段的调整策略,并分析了获取非支配路径集合的计算时间复杂度.最后,通过算例验证 了模型和算法的有效性.     

基于路段关联的随机网络交通模型

在网络需求和供给条件都是随机的情况下,提出了一个出行路径选择模型。模型中考虑出行者的感知误差,使用基于Logit的随机用户均衡框架来表征网络中出行者的路径选择。网络中交通需求服从对数正态分布,路段容量服从均匀分布。相邻路段的路段流和路段出行时间之间存在关联关系,用两个路段的协方差参数来表示。推导了由随机需求和随机供给导致的随机路段流和随机路径流的分布形式,采用变分不等式技术构建了路段关联下的随机网络随机用户均衡模型。给出一个求解算法来求解该模型,并对一小型网络进行测试,测试结果表明模型能够正确地反映出行者在路段关联的随机网络下的路径选择行为。     

换乘约束下城市多方式交通分配模型与算法

基于超网络理论构建了可换乘条件下城市多方式交通系统的超网络模型,同时基于所建超网络,在考虑出行者的换乘规律和换乘行为等因素下,定义了可行超路径.将超网络的路段划分为行驶路段、换乘路段、上网路段和下网路段等4类,考虑出行时间、货币费用及舒适度感受3种因素,建立各类路段的广义费用函数及超路径广义费用函数.基于超路径费用,定义了有效超路径.在此基础上,提出城市多方式交通系统的随机平衡分配模型,并且提出了换乘约束下有效超路径和最短可行超路径的搜索算法.最后,通过一个数值算例说明所提出方法的可行性和有效性.     

Logit�����������ģ�͵ĸĽ�Dial�㷨

研究Logit随机网络配流模型及实现模型求解的Dial算法,针对原模型及算法的缺陷,通过引入路段长度相关的容错系数指标重新定义有效路径的判定条件,在此基础上提出一种改进的Dial算法,并应用于Logit随机网络配流模型中.改进算法在不降低原算法精度下不仅保留了原算法的无需路径枚举、计算效率高等优越性,而且满足实际出行者偏好在较短路段上“迂回”选择潜在有效路段的特点.最后通过一个路网实例对2种算法的配流结果进行了对比.结果表明,改进的算法避免了原算法缺陷导致的结果异常,配流效果更加符合实际,其计算效果明显优于原算法.     

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.     

基于多向堵塞的超点模型研究

在城市路网中,节点阻抗极大影响着路径选择及交通分配的结果.为弥补对节点转向阻抗研究的不足,优化路网流量分配,本文分析了已有节点结构模型,并在超点结构基础上,考虑节点转向的拥堵效应,完善对转向流量、阻抗等信息的记录,提出了转向堵塞后的路径选择方法,建立了基于多向堵塞的超点模型,并设计了求解算法.通过容量限制-增量加载的交通分配方法,演示了算例网络在考虑和不考虑节点转向阻抗下的流量分配过程,分析了网络中路径阻抗变化及路段、转向流量分布.结果表明：基于多向堵塞的超点模型可以有效地表达节点的转向阻抗变化,以及多向堵塞对于流量分配的影响,更符合实际中的交通分配.     

考虑速度与拥堵的多式联运路径优化研究

对多式联运路径优化进行了研究.对于多个城市节点,扩展并建立不规则棱柱模型网络,不仅考虑不同运输方式的成本与时间,还将不同运输方式对应的速度与拥堵纳入模型.基于Dijkstra最短路径算法,创建一个包含速度与拥堵因素多式联运路径优化模型仿真系统,通过模拟动态参数,分析了该组参数下的速度与拥堵对多式联运最优路径选择的影响,为区域运输规划提供了重要的参考价值.     

基于随机时变路网的运输路径选择

针对运输路网中各路段上的行驶时间受交通管理、交通拥挤、天气变化等不确定性因素的影响而呈现出随机时变的特点,引入了路网评审技术中的三时估值法,建立了随机时变路网下以行驶时间最短为目标的路径优化模型,提出了车辆跨时段行驶时路段的时间依赖函数,设计了动态规划标号算法求解。算例求解优化结果的对比分析验证了模型及算法的有效性。     

浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.     

多模式路径流量估计模型与算法

为了通过路段检测交通流量计算拥挤条件下多种交通模式需求,提出了一个随机用户平衡条件下的多模式路径流量估计模型,并给出了相应模型的增广拉格朗日乘子算法,算法将模型中的路段容量、观测路段流量平衡与估计需求的范围等约束条件转化为相应的惩罚函数项,并将原先的有约束优化流量估计模型转化为一个无约束优化模型,最后应用一个简单的投影迭代算法求解无约束优化模型.仿真结果表明:先验需求误差对模型的需求估计结果有重要影响,误差越小估计结果越准确,而先验需求误差对路段流量估计结果几乎没有影响,因此,模型和算法简单可用.     

基于交通限制的路网最优路径算法

为了解决车辆诱导系统中复杂道路结构表达及因为城市道路交通信号管理而产生的最优路径选择求解的复杂性,依据图论中最短路径算法的基本原理,提出了含有禁行路线路网的最优路径求解算法。以行程时间最少为目标,按照网络转化法把含有禁行路线的路网转化为不含有禁行路线的路网,采用邻接节点矩阵和邻接节点权矩阵实现了道路节点关系的表达,改善了传统的Dijkstra算法,将全局节点路径的求解转化为与求解节点紧密联系的局部区域求解,将所研究的网络转化方法和改进的路径寻优算法应用于车辆诱导系统。结果表明应用该算法能够在含有禁行路线的路网中求解最优路径,减少了问题求解的路网节点数,提高了计算效率。     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题,对驾驶员产生干扰. 为解决这一问题,本文基于A* (A-star)算法,提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响,在模型的估价函数中增设惩罚系数,可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究,借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后,对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案,证明本文模型在指引路径规划时可有效避免信息过载问题.     

基于感知时间的交通分配模型及其算法研究

路径的感知时间主要受定量和随机两方面因素的影响．在实际的交通网络中,由于时间价值观的不同,道路使用者会根据习惯、偏好、信息而对出行时间、费用、道路拥挤等诸多影响因素做出不同的反应。本文通过综合考虑定量和随机两方面因素的影响效应,建立了基于感知时间的交通分配模型,设计了求解该模型的延迟加载算法。最后结合算例验证了算法的有...     

指引路径规划模型的建模与仿真验证

道路上某个位置存在多个指路标志时可能引发信息过载问题，对驾驶员产生干扰. 为解决这一问题，本文基于A* (A-star)算法，提出一种指引路径规划模型.考虑特定节点信息过载问题对指引路径实际成本的影响，在模型的估价函数中增设惩罚系数，可以有效避开引发信息过载现象的指引路径选择 . 基于 VISSIM 展开案例研究，借助其二次开发功能提取 VISSIM路网中的相关数据.利用所建指引路径规划模型求解路网中一对OD间的指引路径. 最后，对比分析有无惩罚系数两种模型得到的指引路径规划和指路标志布设方案，证明本文模型在指引路径规划时可有效避免信息过载问题.     

基于车载通信实时交通信息的城市道路路径选择方法

为车辆出行规划最优路径是智能交通系统（ITS）的一个重要研究目标.本文根据有效的实时交通信息提出一种车辆路径选择机制,这种机制包括两个阶段.第一阶段,由有线或无线传输设备和车载通信设备组成的交通信息系统（TIS）,收集用于车辆出行导航的实时交通信息数据,并将其存储至交通信息中心.第二阶段,利用有效的实时交通信息,提出两种基于Dijkstra 的路径选择算法,即一步路径选择和逐步路径选择.前者在整个车辆出行过程中,仅在其出行开始阶段单次计算通往目的地的最优路径.逐步路径选择在每个交叉口都实时更新并计算通往目的地的最优路径,并提出使用两种新优化方法以避免算法形成环路.利用NCTUns 6.0 进行路网仿真,结果表明两种算法都借助于实时交通信息,且逐步路径选择优于一步路径选择.     

城市交通流诱导信息板配置优化方法

为合理进行城市交通流诱导,提出了一种基于提高诱导覆盖率和减小诱导重复率双重约束下的信息板配置优化方法。在分区的道路网络条件和交通需求点分布确定的情况下,以追求分区内被诱导的交通量最大为前提,建立信息板优化布局函数,并通过遗传算法设计了信息板优化布局函数求解算法,在提高整个诱导覆盖率和减少诱导重复率的双重约束下确定信息板的合理数量。通过一个15个节点的网络实例验证,当设置6块信息板时,诱导重复率为1.000,且其诱导覆盖率也达到了0.978,为最优配置。结果显示该信息板配置方法能在一定交通诱导重复率的基础上达到交通诱导覆盖率最大,是一种提高交通流诱导效率的有效方法。     

基于EDV-Hop的免测距定位算法研究

为了更好地提高无线传感器网络节点定位精度,降低定位成本,针对APS算法存在的不足,提出一种新的免测距定位算法EDV-Hop,通过限制跳数实现局部范围内的定位信息提取,同时调整平均每跳距离,以此提高定位精度。在网络随机部署和任意节点密度的条件下估算节点位置,并从精度和有效性两个方面进行度量。仿真结果表明,EDV-Hop算法比DV-Hop具有更好的定位性能,它能够减少节点间通信量,降低通信成本,提高定位精度。     

基于遗传算法的道路车辆自组织网络源路由机制

在当前基于交叉路口的城市车辆自组织网络(VANETs)路由协议中，道路上数据包传输大多采用基于地理位置的贪婪转发策略，当数据量较大时，个别节点负载较重，极易引起传输延迟增大乃至丢包的情况.本文提出了一种基于遗传算法的源路由机制，通过记录单体车辆的驾驶信息而非传统方法中的车流均值数据，来预测道路上车辆网络的连通情况，并借助遗传算法，首次基于道路连通性、节点负载和连接跳数这3 点综合考虑，计算得出道路上最佳的源路由节点序列.仿真实验结果表明，在传输率与延迟时间上，性能均优于传统的贪婪路由机制，尤其在车流量为250 veh· lane-1· h-1时，传输率提升约13%.该研究可为智能交通信息通讯提供可靠助力.     

随机交通网络约束最可靠路径问题

为了模拟仿真交通网络中,约束条件下考虑风险性车辆路径选择行为,建立随机交通网络环境下约束最可靠路径问题数学规划模型,并讨论了其对偶问题.采用梯度下降算法求解对偶问题,获得原问题最优值的上界和下界,通过迭代获得原问题的近似解.针对Sioux Falls network展开数值试验并对数值结果进行了对比分析.计算结果表明：在随机交通网络环境下,无约束和有约束条件下求解的最可靠路径是不同的;不同的资源约束条件下求解的最可靠路径也是不同的,资源约束条件对交通网络中最可靠路径的选择有很大的影响.