数量调节用户均衡及OD分解算法

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...     

转向延误和路段容量双约束下的用户均衡模型及算法研究

为了更真实地反映拥堵交通网络实际情况,考虑到交叉口转向延误和路段容量约束对交通分配模型的影响,首先构建了带转向延误和路段容量双约束下的用户均衡模型,利用Karush-Kuhn-Tucker条件证明其等价性;其次,通过改进的最短路算法,利用Projection Gradient算法作为内循环、增强拉格朗日乘子法作为外循环求解该模型.最后,利用算例路网证明该算法的可行性,对比初始状态、管控措施及双约束状态下的均衡网络流交通分配结果,发现得到路径解的同时能清晰地知道某一路段或路径交通流量转移情况,该模型通过流量转移为交通管控措施提供决策依据,进而有效地缓解交通拥堵.     

考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

基于拓扑处理的Logit型网络加载算法

针对均衡交通分配问题,提出了一种基于拓扑处理来改进DIAL算法中合理路径的定义并求解Logit型网络加载模型的新算法。当道路网络存在环路时,算法根据从节点到讫点的阻抗的降序来删除节点上游没有遍历的路段,从而将有环网络变为无环网络并根据拓扑排序确定的节点计算顺序来计算路段权重和流量。对于无环网络,新算法可以得到与理论值完全一致的结果;对有环网络,可以减少DIAL算法中非合理路径的数目。计算实例表明:新算法可降低DIAL算法中合理路径定义过于严格所带来的误差。     

多车道高速公路的动态离散交通流模型

根据路段流量守恒、匝道流量守恒、交通流量约束等条件，建立了一个多车道高速公路动态离散交通流模型。该模型中考虑了车辆改道行驶定实际交通现象，考虑了车辆的起讫节点（即OD对）。对该模型与其它模型关系的分析表明该模型包含了已有的一些模型。     

城市交通网络非稳定随机均衡分析

阐明了城市交通网络流量均衡的不稳定特征,并提出了非稳定随机均衡分析的概念.通过构建基于路网使用者选择行为判断的超级网络,揭示了基于一般简化网络利用随机用户均衡对非稳定均衡网络状态进行研究的不合理性,并通过增加相对独立的虚拟节点与路段修正了超级网络.基于修正的超级网络对路径选择概率进行分析,构建了基于路段流量加载的不动点流量分配模型.针对该不动点模型给出了相继平均法内嵌基于Monte Carlo模拟的随机加载过程的交通流分配算法,并用算例验证了该算法的有效性.通过比较非稳定均衡与弹性需求下的交通网络用户均衡,说明了非稳定均衡概念在交通网络规划中应用的重要意义.     

多目标的双层动态均衡交通网络设计研究

采用双层动态均衡模型解决城市交通网络的设计问题,即构建以交通网络总阻抗和建设资金为上层目标,动态路径选择的变分不等式模型为下层目标的双层规划模型。利用模拟退火算法求解上层模型,采用修正的投影算法求解下层模型。此模型能够内在地不断修正路段流入率值和路段能力增量(即网络设计方案),同时可以得到路段流入率值和路段能力拓宽方案的最优解,该算法的可行性与正确性已在一个小型网络上得到验证。     

考虑燃油消耗的广义用户平衡分配模型

分析了交通分配中考虑燃油消耗的重要性及路段燃油消耗费用与路段流量的关系,将燃油消耗费用考虑到路段阻抗中,建立了相应的广义出行费用函数;假定固定需求情况下出行者以广义出行费用最小作为路径选择的准则,构建了考虑燃油消耗费用的广义用户平衡分配模型(GUE);证明了模型解的等价性和唯一性,给出了求解模型的F-W算法;最后给出一...     

考虑出行者偏好和经验的路径选择行为研究

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。     

基于多级网络的多模式交通配流研究

为解决多模式复合网络的交通配流问题,将复合网络转化为多级网络形式,并提出多级网络客流分配模型、约束条件,以及其求解算法.将多模式复合网络转化为多级网络结构.以三级网络结构为例,网络第一级为带有组合出行的方式选择网络;网络第二级为基于出行逻辑的平面拓展网络;网络第三级为小汽车出行的道路网络.分析多级网络中的路径阻抗,包括线段阻抗与换乘点阻抗,提出以N-L模型解决多级网络流量的分配问题.根据复合网络构建的实际情况,在模型中加入有效路径筛选、有效换乘筛选与典型组合方式筛选等约束条件,以提高模型求解效率.采用连续平均法对多级网络配流模型进行求解.以三模式叠加的复合网络配流为算例,模型迭代7次即达到收敛条件.结果显示,在算例网络中,轨道换乘出行方式具有一定的竞争力,约占总出行量的40%.通过SP调查验证了该结果的可靠性.该方法在考虑了路径选择、换乘点选择、组合交通方式选择的情况下,将客流分配到多模式复合网络中去,弥补了传统四阶段法在多模式交通配流应用中的不足.