基于出行个体行为的交通网络效率研究

为有效反映城市道路网络中出行者的个体微观行为对网络宏观特征的影响,根据出行个体对交通信息的接受情况不同对出行者的类型、及其路径选择规则进行重新设计,结合兼顾考虑交通需求、时间费用和交通流量的交通网络效率评价模型,利用仿真技术,模拟出行者个体行为对交通网络效率的影响。仿真结果显示:交通信息的及时供给和出行者对交通信息的学习能力,整体上会有效提升路网的运行效率;在相同出行规模情形下,具有学习行为的出行者交通网络效率稳定且波动小;在交通信息供给充分的条件下,信息学习出行者的规模受到路网的承载能力的影响。     

客流特征视角下的轨道交通网络特征及其脆弱性

为提高城市轨道交通网络脆弱性评估的客观性, 将乘客需求特性集成到网络脆弱性的计算中; 在城市轨道交通网络Space L空间下静态拓扑结构的基础上, 以客流为权重建立了轨道交通加权网络; 基于客流指标提出了车站连接强度和加权节点介数, 用于反映动态网络结构特征, 度量节点间相互作用强度; 针对城市轨道交通网络客流的时空特性, 结合网络客流需求特性, 基于出行消耗最大容限阈值, 构建了站点故障条件下的乘客有效路径子图和网络客流的OD损失率, 进而评估城市轨道交通网络的脆弱性; 以西安城市轨道交通网络为例, 从网络客流视角分析了城市轨道交通网络特征及其脆弱性。研究结果表明: 西安市轨道交通网络具有小世界网络特性, 平均路径长度为10.7, 其中小寨站和北大街站为网络关键节点, 其车站连接强度分别为166 795、149 059, 加权节点介数分别为0.365、0.369, 这两个站点的中断对西安市轨道交通网络效率的影响分别为40.1%、39.4%;乘客出行容限阈值极大地影响着网络中站点的重要性排序, 网络脆弱性随着乘客出行容限阈值的增大而逐渐降低; 脆弱性与介数的相关性强于脆弱性与度和强度的相关性, 随着出行容限阈值的增大, 加权介数与其脆弱性的关联性逐渐降低。可见, 提出的计算指标和方法突出了客流特征与乘客需求对轨道交通网络脆弱性的影响, 能够很好地体现轨道交通网络的功能特性。      

基于均衡原理的交通需求结构分析方法研究

道路网络上的交通流状态是交通需求结构和道路网络结构二者共同作用的结果,交通需求结构与道路网络结构一体化研究是实现交通需求系统管理的基础。鉴于此,运用均衡原理建立交通需求结构与道路网络结构二者的耦合关系模型,提出基于交通网络与交通需求二重均衡协调的交通需求结构分析模式,可为交通需求系统化管理提供理论依据和方法。     

城市交通需求与交通网络一体化均衡协调方法

以出行需求函数与路阻函数所反映出的交通需求与交通网络的可变性为基础,运用均衡原理建立二者的耦合关系模型,从宏观层面提出基于交通需求与交通网络二重均衡协调的城市与交通一体化规划的方法,并给出了交通需求与交通网络协调性判断的标准。研究表明:该方法能够同时对交通需求与交通网络进行一体化协调配置,实现交通网络流量与交通需求量的双向均衡。     

一类弹性需求混合均衡交通分配的效率损失

交通网络中不同类型用户的路径选择行为导致混合均衡交通分配。自私用户总是选择最小实际出行成本的路径出行,利他用户选择最小理解出行成本的路径出行。最小理解出行成本是实际出行成本与边际出行成本的线性加权。首先,构建了自私用户和利他用户弹性需求混合均衡交通分配的等价变分不等式模型;然后,假定路段出行成本函数为多项式出行成本函数,并运用非线性规划方法界定了该类混合均衡交通分配的效率损失上界及其与网络参数的关系。研究结果表明,效率损失上界与网络拓扑结构无关,只和路段出行成本函数的最高次以及最小和最大利他系数相关。     

多方式条件下城市交通分配研究

随着城市综合交通体系的不断发展和完善,城市出行多方式化的特征日益突出.本文在充分考虑城市多方式交通网络结构特性的基础上,构建方式及路径联合选择模型,研究多方式条件下的交通分配方法.首先,基于随机效用最大化理论构建出行方式和路径联合选择的Nested Logit（NL）模型;其次,运用路段实测交通流数据标定道路混合交通流条件下的交通阻抗函数;最后,基于构造的多方式交通网络进行多方式交通分配,分析出行量在网络上的时空分布.结果表明,本文所提出的多方式条件下的交通分配方法,能够有效地描述城市多方式交通网络条件下的出行方式和路径选择行为,以及交通出行在交通网络上的时空分布规律,对于完善城市综合交通体系具有重要意义.     

基于能耗测度的道路拥挤收费模型

分别建立了考虑能源消耗与拥挤收费的小汽车广义出行费用及考虑舒适性消耗的 公共汽车广义出行费用,构建了由这两种交通出行方式组成的交通系统总能源消耗函数.考虑 能耗对出行者路径选择行为的影响,建立能耗目标约束下的以出行时间最小为上层目标函数 的双层规划模型,其中上层模型以一定节能水平下的系统延误最小为目标;下层模型满足双 模式交通网络的随机用户平衡,并采用遗传算法和Frank-Wolfe 算法求解.通过算例,将道路拥 堵收费及节能目标抽象化后代入模型,探讨了道路收费前后交通能耗变化及在不同的节能目 标情况下,道路拥堵收费的节能效果.计算结果表明,在交通需求量较大时,实施道路拥挤收费 有利于减少交通能耗,当节能目标小于25%且同时采取道路收费时,路网出行时间都会相应 减少.     

城市居民高峰时段出行方式选择

城市居民在高峰时段出行时,有多种出行方式可供选择,在选择的过程中会综合考虑多方面的因素。采用模糊综合评价法对居民出行所考虑的各种因素进行评价,可以预测居民在高峰时段出行方式的结构和比例,对合理设置交通结构、减轻城市高峰时段的交通拥挤有现实指导意义。     

居民出行时间选择及拥挤收费政策

应用基于活动的出行需求预测方法,分析了居民出行的时间分布规律与影响居民出行时间选择的因素,分别建立了出发和到达时间选择模型,用长春市居民出行调查数据对模型进行了标定和验证。用已建模型对比评价了两种拥挤收费政策,证明了调整高峰时段小汽车出行费用策略不仅可以使居民的高峰时段出行减少大约18％,而且可以抑制小汽车出行,调整城市交通方式分配结构,说明已建模型可以全面有效地进行交通需求管理政策的评价。     

��·ָ����Ϣ�����µ������ͨ����

提出考虑信息接收程度的Ｌogit型随机交通分配方法,来计算道路指引信息发布下路网交通的重新分配.出行者被划分成两类,一类根据信息的指引出行,另一类则以Logit型的随机方式进行路径选择;利用道路指引信息的市场占有率的概念,给出这两种出行行为共存下的网络加载算法,并运用逐次平均法实现了拥挤网络中的交通分配.数值试验结果表明,发布良好的道路指引信息有助于提高路网运行效率;对拥挤网络中的给定OD,存在一个最佳的占有率,并随着交通需求的增加而增加;在合理的占有率下,增加信息指引路段可有效降低路网运行时间.     

动态交通分配问题研究回顾与展望

动态交通分配(Dynamic Traffic Assignment，DTA)理论是智能交通系统中最重要的关键技 术基础之一，也是当前交通科学中最活跃的研究领域之一，其模型可以广泛应用于离线的交通规 划及政策评估和在线的智能交通系统应用。本文首先回顾了DTA理论50年来的发展历程，总结 了不同发展阶段形成的重要理论和方法。其次介绍了DTA问题的两个基本构成：出行选择准则 和交通流传播模型，指出这两个基本组成部分通过走行时间函数(或阻抗函数)来关联，并总结了 DTA 问题中主要的出行选择准则、主要的交通流传播模型、重点关注的交通行为、走行时间函 数。依据出行者的出行选择内容、交通状况掌握、出行需求弹性、出行决策时间跨度以及用户类 型等对动态交通分配问题进行分类，并详细比较分析不同类型动态交通分配问题之间的差异。 进一步，介绍了DTA问题主要的解析模型，依据时间是否连续和使用的决策变量分别对DTA模 型进行分类，并总结了不同类型DTA模型的主要优缺点。介绍了不同出行选择准则下DTA问题 的主要求解方法，并评述求解方法的收敛性、效率等。此外，还概述了DTA模型在交通规划、交通 政策评估、交通控制与管理等方面的应用。最后，对DTA理论的进一步发展进行展望，指出DTA 理论和方法可以在5方面取得突破：动态网络加载模型的高效计算方法和性态良好的动态阻抗函 数，大规模交通网络上DTA问题的有效求解算法，超级网络上基于活动链的DTA模型，DTA模型 在交通管理与控制中的应用，未来智能网联环境下DTA模型及其应用。     

城市交通需求管理对策

针对单纯依靠提高交通供给的方式难以满足日益增长的交通需求,导致大城市交通拥堵日益剧增的问题,梳理并评析国内外各大城市的交通需求管理实践经验。首先,将交通需求管理策略分为控制出行需求和引导出行方式两大方面。然后,从城市规划和交通规划相配合,以及交通影响分析的角度对控制出行需求进行分析。最后,从引导小汽车合理使用、提高公交服务水平和调整出行时空分布三方面指出引导出行需求的具体方法,包括从限购和限用小汽车的角度引导小汽车合理使用的策略;从轨道交通建设、公交线网优化、公交专用车道建设等方面提高公交服务水平的策略;从实行错时上下班、征收拥堵费等角度调整出行时空分布的策略。     

考虑交通事件影响的动态交通信号控制策略

采用数值仿真方法评价了固定式信号控制、延误最小自适应信号控制与通行能力最大自适应控制3种典型信号控制策略下的路网动态运行效率; 采用双排队模型构建了动态交通流仿真平台, 提出了交叉口流量传输优化模型, 分析了双排队模型中交叉口内交通流运行的状态; 假定用户依据瞬时用户最优原则选择路径, 提出了考虑信号控制惩罚时间的瞬时用户最优约束; 以系统总行程时间、有无交通事件影响的行程时间为评价指标, 研究了低、中、高3级不同交通需求下的信号控制效果。试验结果表明: 在低、中级交通需求下延误最小自适应控制策略的系统总行程时间最小, 比通行能力最大自适应控制在无交通事件影响下总行程时间分别降低0.45%和0.18%, 在有交通事件影响下总行程时间分别降低5.95%和2.52%;在高级交通需求下, 通行能力最大自适应控制总行程时间最小, 对比延误最小自适应控制, 在有、无交通事件影响下系统总行程时间分别降低5.46%、5.31%;对比有无交通事件影响下系统总行程时间变化幅度, 固定式信号控制在不同交通需求下均表现出最高的稳定性; 在低、中级交通需求下, 延误最小自适应控制策略较通行能力最大自适应信号控制策略更稳定, 在高级交通需求下, 两者的稳定性无显著差异。可见, 当交通需求较大时, 应提升交叉口通行能力, 当交通需求较小时, 应降低车辆延误。      

区域交通模型建设思考——以广东省综合交通模型为例

中国区域交通一体化迫切需要开展区域交通模型研究,而传统交通模型建模方法在数据基础、调查方法上的不适用性造成区域交通模型的研究多停留于理论层面.打破传统的交通建模基础数据需求,明确多层次空间模型体系,依托高速公路联网收费数据,铁路、水运、航空等监测数据构建广东省综合交通模型.阐述在有限基础数据的背景下广东省综合交通模型框架、路网设置特点、交通分区方法、出行频次模型、目的地选择模型、区域货运模型等建模的关键技术方法.     

自动驾驶对交通运输系统规划的影响综述

车辆是交通运输系统的重要组成部分,伴随着自动驾驶技术的发展与应用,交通运输系统 将发生深刻变革。本文聚焦于自动驾驶技术对交通运输系统规划的影响,综述自动驾驶特点下 交通数据采集与管理手段、土地利用、停车需求、交通供需、交通需求预测、交通网络布局等方面 发生的新变化。在此基础上,从规划的角度出发,实现对自动驾驶环境下交通运输系统的再认 知,总结自动驾驶环境下交通需求预测、城市交通网络布局等新的交通规划方法与技术。通过对 交通运输系统的再认知发现：在自动驾驶环境下,交通数据具有细粒度、高鲜度的新特点;土地利 用模式将发生改变,城市将呈扩张和去工业化趋势,停车需求减小;交通系统供给能力和可靠性 提高,出行需求的时空分布将更为分散。交通系统规划方法的变化体现在交通需求预测和交通 网络布局两个层面：交通需求预测框架从“四步”框架转变为模型组合化和出行行为一体化的预 测框架,同时,需求预测的各阶段需引入对自动驾驶特征及其系统性影响的分析;交通网络布局 设计采用连续时域上的布局设计框架,有望解决传统交通网络布局设计的时滞性问题,可适应并 服务于动态变化的土地利用及交通需求。本研究认为,未来需重点研究自动驾驶对交通安全、交 通拥堵、公共交通规划、慢行交通规划等方面的影响。此外,解决自动驾驶实测数据缺乏的困境、 解析异构交通阶段交通系统的运作机理、应对交通需求反弹引起的供不应求、评估难以衡量的外 部成本等问题将是未来研究的难点。     

满足交通网络流量增长态势的扩能优化研究

在交通网络的实际应用中,流量的发展态势往往超出现存网络的最大流量承载能力,这就需要考虑如何提高网络的输送能力,即如何对交通网络进行扩能。本文基于发展态势的流量需求、扩能代价最低以及扩能拥堵程度高的线路条件,构造了最优的扩能算法。通过此算法,可以选择交通网络中最优的扩能路线。在交通运输领域,由于流量的发展态势需要扩能的问题普遍存在,本文的研究内容可以为交通网络的扩能决策、优化、设计等提供应用基础。     

城市交通供给策略与交通需求管理对策研究

城市交通拥堵问题已经成为城市发展的瓶颈,导致城市交通拥堵的根本原因是交通供需关系的不平衡.因此,需要探讨影响交通供需关系的主要因素,不同供给策略与需求管理对策的影响规律以及实现生态城市绿色交通系统的供需动态平衡策略.通过动力机制分析和经验总结,阐述了城市交通供给策略与交通需求管理对策当前存在的主要问题及其作用机理,提出...     

大型活动交通分布预测方法比较及应用

大型活动的举办势必会对城市交通产生影响,为更好地制定交通管理措施,需要对大型活动进行交通需求预测。四阶段法是交通需求预测的常用方法,交通分布预测是四阶段法的第二阶段。通过对交通分布预测常用三种方法的比较分析,说明三种方法的优缺点,并通过三种方法在唐山世园会举办期间交通分布预测中的应用比较,得到交通需求总量。     

Joint Optimization Model of Road-use Pricing and Capacity Using the Optimal Control Theory

This paper presents a joint optimization model of congested road-use pricing and capacity using the optimal control theory in disequilibrium traffic networks with elastic demand. The model aims at maximizing the total network benefit from travel within the study horizon. Referring to the discrete version of the model, the first-order optimality conditions are derived using the maximum principle and are employed to design an iterative solution method for the model. Numerical results obtained from an example network are presented to demonstrate the effectiveness of the model and the solution method.