基于改进行程时间估计模型的最优路径选择

为解决交通网络最优路径问题,提出改进的行程时间估计模型,并设计基于该模型的最优路径算法。行程时间估计模型在分段截断二次速度轨迹模型的基础上进行改进,用路段节点的到达速度代替同一出发时刻下测得的速度,通过构造在时间和空间上连续的速度轨迹来估计行程时间。首先,基于Yen′s KSP算法以路段距离为阻抗求解K条最短路径;其次,分别用改进的行程时间估计模型估计K条最短路径的行程时间;最后,以行程时间为成本选择最优的路径。通过Sioux Falls网络的数值试验验证模型和算法的有效性和优越性。试验结果表明：改进的分段截断二次速度轨迹模型相比于原始模型精度平均提高了65%;算法的最优路径结果能减少路径经过的交叉口数和缩短最优路径的总长度,而且最优路径的行程时间估计结果 与真实值的MAPE保持在3%内。     

城市信号控制路网中的路段行程时间估计方法

为了精确检测城市信号控制路网中的路段动态行程时间, 分析了路段流量受交通信号控制策略影响的波动规律, 提出了基于交通量图偏移的路段行程时间计算方法。研究了不同断面交通量图的相似性, 根据最大相似度时交通量图的偏移, 计算了断面间路段动态行程时间, 并与调查结果进行了比较。比较结果表明: 在城市路网封闭路段, 平峰、高峰的不同时间长度内(5、10、20 min), 平均行程时间最大平均相对误差为7.1%, 因此, 计算方法可行。     

随机时变特征下基于行程时间的路径选择算法

基于南京市实测数据分析了道路交通流实际随机、时变特征,证实现有行程时间最短路径算法相关研究中对道路交通流的随机、时变特征的假设与实际不符.以反例论证道路交通流实际随机、时变特征下,自适应算法(Adaptive Routing Policy)在求解行程时间最短路径方面的无效性.针对交通模式时段内道路交通流随机、时间无关的特征,以及路段行程过程中行程时间的确切概率分布难以知晓的实际情况,提出基于历史概率分布的历史期望行程时间最短k路径基础上的考虑风险衡量及当前道路实际交通流状况的路径选择算法.     

路网规模对出行者路径选择转换的影响

为预测交通流的演化动态,提高交通系统运行效率,需研究路网规模与出行者路径选择转换行为间的关系。首先设计并实施实验室行为实验,收集出行者实际路径选择相关数据。行为实验涉及4个不同规模的虚拟道路网络,30名参与者基于以往的出行信息（即出行时间）在虚拟路网上进行路径选择。然后利用假设检验、回归分析等统计方法对收集到的实验数据进行分析。分析结果表明：随着路网规模的增大,路网达到用户均衡（User Equilibrium, UE）状态的次数减少。对各路网用户均衡状态与系统最优（System Optimum, SO）状态的对比表明：各路径流量的平均值都很接近于UE值,而与SO值相差较大。从逐日路径流量演化和个体选择可变性两方面分析了路网规模与路径选择转换间的关系,发现逐日路径选择转换人数（或个体路径选择转换数量）与路网规模呈正线性相关。此外,个体路径选择转换频率与平均经验出行时间显著相关。由此得出结论：单方面扩大路网规模并不总能促进路网交通流演化到用户均衡状态,且出行时间与个体路径选择转换数量存在幂函数关系。     

基于驾驶人路径选择偏好的OD行程时间预测方法

以广东省深圳市3 000余辆浮动车近300万组数据为基础, 以地理信息系统技术为主要工具, 以最具代表性的深圳市福田区与罗湖区为研究区域, 确定了不同起讫(OD)点扩展半径。以浮动车唯一编号进行地图匹配, 根据确定的研究区域与扩展半径, 获取了浮动车OD路径与行程时间。确定了驾驶人在进行路径选择时的时间与空间偏好, 建立了基于路径选择偏好的OD行程时间预测方法。以平均绝对百分比误差、均方根相对误差与最大相对误差为指标, 对基于最短路径、最快路径与偏好路径的3种行程时间预测方法进行比较。比较结果表明: 与基于最短路径的预测方法相比, 采用提出方法的平均绝对百分比误差、均方根相对误差与最大相对误差分别降低了66.51%、61.24%、61.47%;与基于最快路径的预测方法相比, 采用提出方法的平均绝对百分比误差、均方根相对误差与最大相对误差分别降低了63.64%、59.70%、58.99%, 因此, 采用基于驾驶人路径选择偏好的OD行程时间预测方法可以显著提高OD行程时间的预测精度。     

停车场内部动态路径选择诱导研究

停车场内部路径选择是停车诱导系统中的一个基础理论问题,在最优泊位确定的前提下,如何实时确定最优路径并准确诱导是至关重要的.首先利用图论方法将停车场内部车位布局结构简化为带权有向图,进而在分析停车场内部交通实时状态的基础上,研究路段动态阻抗函数模型,通过动态规划实现实时路径选择.最后通过算例分析,得到动态路径选择算法使行程时间减少了10.85％～ 15.18％,从而提高停车场利用效率.     

VMS行程时间诱导效益仿真算法

基于宏观交通仿真模型, 提出了可变情报板(VMS)行程时间诱导效益仿真算法, 分析了驾驶人的信息关注率和信息理解偏差系数对VMS行程时间诱导效益的影响。以行程时间计算模型和驾驶人信息响应模型与METANET仿真模型为理论基础, 以路网总耗时改善率为诱导效益目标, 在3种不同规模的路网上进行仿真试验。仿真结果表明: VMS行程时间对于改善路网运行效率通常具有正面的诱导效益; 信息关注率越高, 信息理解偏差系数越小, 诱导效益越显著; 当信息关注率为80%以上时, 小型、中型、大型3种路网的诱导效益分别达到28.89%、15.87%、10.53%以上。可见, 仿真算法有效。     

考虑路段随机行程时间异质性的交通网络可靠路径规划模型和算法

为应对交通网络路段随机行程时间异质性分布情况下,出行者路径选择决策对行程时间可靠性和不可靠性方面的关注,以均值-超量行程时间为优化准则,构建了一种新的可靠路径规划模型;为刻画交通网络中不同路段随机行程时间的异质性分布,以行程时间前四阶矩为输入,解析估计了均值-超量行程时间,以免于现有研究均一化的分布假设;利用均值-超量行程时间的理论特性,提出了以Dijkstra最短路算法和K-最短路算法为基础的精确和近似两阶段算法;以Monte Carlo模拟方法为基准,验证了基于前四阶矩的均值-超量行程时间解析估计方法的精确性;通过求解算例网络中所有OD对的最短均值-超量路径,分析了近似两阶段算法的精确性和计算效率。研究结果表明：现有研究中常用的路段随机行程时间正态分布假设会忽略偏度和峰度系数对可靠路径选择结果的影响,而均值-超量行程时间解析估计方法所得近似值与真值的相对误差不超过0.13%;当K-最短路算法中K为10时,近似两阶段算法求解的全网络OD对最短均值-超量路径中,有0.11%的OD对的最小均值-超量与精确两阶段算法求解结果不同,最大相对误差为3.35%;针对由随机选择的5个节点与其他节点组成的OD对,近似两阶段算法平均计算时间与精确两阶段算法平均计算时间的比值范围为0.87%~22.96%,表明近似两阶段算法不仅保证了其求解准确性,还可有效提高计算效率;提出的模型和算法能够接纳网络中不同路段随机行程时间分布具有异质性的现实特征,其路径规划结果能够更好地体现出行者对按时到达可靠性和迟到风险的关注诉求。     

����SVM�ij��п���·�г�ʱ��Ԥ���о�

随着城市快速路交通信息采集系统的发展,特别是视频车牌采集系统的应用,使实时动态获得快速路行程时间成为可能,同时也促进了高精度行程时间预测的理论研究和实际应用需求. 本文基于快速路车牌识别数据检测的海量历史时间序列数据,选择预测时段的前4个时段的数据作为输入特征值,以遗传算法建立模型参数优化算法,得到训练模型及其参数,从而实现车辆行程时间的动态预测. 最后以上海市快速路系统中的三个典型路段的实测数据进行实例分析. 结果表明：与传统的指数平滑法、多元回归法、ARIMA法预测结果对比,基于SVM的预测路段平均绝对百分误差在5%以内,希尔不等系数非常接近0,SVM模型显示了更高的预测精度.     

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.     

Property Analysis of Urban Road Travel Time

To estimate arterial link traffic condition based on probe vehicles, it is necessary to investigate the fluctuation characteristics of road travel time with traffic condition. On the basis of micro traffic simulation model, this paper analyzes the fluctuation of road travel time with traffic condition, and examines whether the mean travel time can reflect the variation of traffic conditions including free flow, congestion to traffic jam. As a conclusion, (1) mean link travel time can be used to identify free flow, congestion, and traffic jam; (2) mean link travel time divides congestion condition, but cannot subdivide free flow condition; (3) in the condition of congestion, travel time is distributed as a two-peak mode, and the average travel time is difficult to be estimated by small size sample.     

���е�··������ʱ������Է���

了解路段旅行时间随交通状况变化特性对利用探测车等新式交通检测技术估计交通状态非常重要.基于交通微观仿真模型,分析了路段旅行时间随交通状况的变化特性,验证了平均路段旅行时间是否能够采集通畅、拥挤到堵塞这三个状态,以及是否能细分这三个交通状态.结果表明：（1）平均路段旅行时间能够判断上述三个状态;（2）在拥挤阶段,随着交通状态恶化,平均路段旅行时间逐步增加,因此能够细分拥挤状态为多个子状态,但由于在通畅阶段,即便流量增加,平均路段旅行时间基本不变,因此无法细分通畅状态,细分通畅状态需要流量信息;（3）路段旅行时间在拥挤状态时处于双峰分布,难以用少量的探测车提供的数据可靠地估计平均路段旅行时间.     

公交网络最优路径求解算法

求解公交网络最优路径是进行公共交通系统规划的一项关键技术.通过对多种现有算法的分析,利用公交换乘矩阵性质,本文提出了一种求解公交网络最优路径的标准算法.新算法考虑了公交换乘次数、换乘点选择以及出行总成本对求解最优路径的综合影响.通过建立换乘步行时间矩阵,并将过去求解最小换乘次数的换乘矩阵乘法运算变为相应的换乘步行时间矩阵和公交出行时间矩阵的加法运算,得到新算法.新算法可顺利实现在单一OD对、单起点多终点以及任意节点间求解最优路径的转化.文中给出了新算法的详细求解步骤,而且通过一个算例对新算法的有效性进行了验证.     

Urban Traffic State Estimation Considering Resident Travel Characteristics and Road Network Capacity

Urban traffic state is usually measured by vehicle average travel speed. It reflects the resident travel behavior on urban road network, and changes with the actual matching status of traffic demand and supply. In this paper, the traffic supply is estimated by the ideal carrying capacity, and the traffic demand is evaluated by vehicle traffic intensity considering resident travel characteristics. In this way, the network carrying capacity and traffic intensity are compared by equative unit. By introducing the intensity/capacity ratio, the matching degree between traffic demand and supply is determined, and the traffic state is identified based on average vehicle speed. In the last section, the 2005 field data of Beijing city is used to test and verify the proposed method.     

ͨ���߳���ʱ������з�ʽѡ����Ϊ�о�

在分析通勤者出行时间与出行方式选择特征的基础上,建立出行时间—出行方式与出行方式—出行时间两个方向的Nested Logit模型.利用北京市第三次居民出行调查数据,借助BIOGEME软件对两个模型进行估计.首先通过包容系数对Nested Logit模型的结构关系进行辨识,结果显示,出行时间—出行方式选择模型比出行方式—出行时间选择模型合理,表明通勤者在选择出行时间后,在其约束下考虑合适的出行方式;在此基础上,对出行时间—出行方式选择模型的参数进行标定并分析标定结果,进一步揭示通勤者出行时间与出行方式的选择特征,从而为制定高峰时期相关管理政策提供理论依据.     

���ھ������������·���������ij��н�ͨ״̬�о� ��

城市交通状态可以用路网机动车平均行程速度来衡量,是居民出行行为在城市道路网络上形成的结果,随城市交通出行需求和交通供给的变化而动态变化．本文采用道路网络理想承载力来衡量交通供给,采用基于居民出行特性的机动车交通强度来衡量交通需求,使路网交通承载力与交通强度可以在同样的度量单位下进行比较,用交通负荷比来表示交通需求和交通供给的匹配程度,进而可以计算出以平均行程车速衡量的交通状态．最后,以北京市2005年数据为例,验证了模型方法的有效性．     

����MNLģ�͵ij��й�����ͨ����ʱ���ֵ����

在进行公共交通换乘行为变化敏感度分析以及公交票价的制定过程中,均需将出行时间和费用联系起来考虑,出行时间价值是联系出行时间和费用的纽带．本文首先分析了基于随机效用最大化理论的Multinomial Logit（MNL）方式选择模型的基本思想,用MNL方式选择模型的简化模型对出行时间价值进行了量化．接着以北京市为例,考虑出行者的出行时间、费用以及收入等因素,估算出了北京市各种收入群所对应的出行时间价值．然后通过对选择公共交通出行者属性的分析,加权平均各种收入群对应的出行时间价值,最终估计出了北京市城市公共交通的出行时间价值．估算结果符合北京市的实际情况.