动态交通控制—交通分配组合模型的求解算法研究

介绍了动态交通控制-交通分配组合模型(DTCA),在此基础上研究了动态交通控制-交通分配组合模型算法,即DTCA算法,并通过计算机编程根据所给算法思想求解了一个设有交通控制信号的简单网络,并通过对算例结果的相关数据分析,说明了动态交通控制-交通分配组合算法的合理性。     

动态交通分配理论研究综述

动态交通分配能反映路网交通流的拥挤性、路径选择的随机性、交通需求的时变性等典型交通流动态特征,比静态交通分配有着明显的优越性。在简要介绍动态交通分配的重要组成要素的基础上,归纳总结动态交通分配区别于静态交通分配的六个典型特征：因果性、先进先出原则、路段状态方程、路段流出函数、路段特性函数和路段阻抗函数。从路径选择准则、路径走行时间定义、出行者出行选择假定、动态网络交通流模型研究方法等四个方面对动态交通分配模型的分类进行综述性研究,分析不同模型的优缺点,并总结动态交通分配理论的未来研究方向,可为动态交通分配研究提供一定的参考。     

与交通控制协同的交通流准均衡分配模型研究

本文从路网均衡最优的角度，考虑交叉口交通信号控制对交通流的阻滞延误，建立了以路网总出行时间最小为目标的交通流均衡分配方程。通过引入拥挤度的概念，提出一个准均衡分配算法，算法不苛求能在一个问隔内使混乱交通流趋于平稳，而是在一定交通需求下，根据路段的运行状况（拥挤度），加载或卸载路段交通量，并考虑驾驶员出行特性，优化交叉口最佳信号配时，使交通流在不断反馈与不断调整过程中达到最优。     

城市道路交通控制与交通诱导一体化系统方案研究

本文将城市交通控制与城市交通诱导两大系统综合起来考虑,建立交通控制与交通诱导一体化系统的实施框架,提出了基于交通控制产生交通诱导信息,交通诱导实施结果改变交通控制策略的循环动态的城市交通管理的新模式,为城市交通智能运输系统开发奠定了基础.     

随机动态交通分配模型的稳定性分析

运用随机过程理论对离散时间随机动态交通分配模型的稳定性进行了严格论证，证明了可行路径流为m重交通状态空间(SF^m)中的不可约非周期齐时马氏过程，并给出了其稳态分布及其均值表达式，为研究和应用该模型及算法提供了理论基础.     

基于动态模糊控制和模糊决策的交通分配方法

为提高整个路网的运行效率, 建立了一个非线性规划模型, 进一步得出相应的非线性模糊规划模型, 根据相邻交叉口交通流大小和方向的不同, 通过动态模糊控制手段, 采用弹性信号周期和最大隶属度原则, 合理地动态分配交叉口信号相位。驾驶人通过对路径察觉, 获得最小察觉阻抗路径, 并与智能交通系统提供的各路径阻抗进行对比, 选择最大满意度的路径。分析结果表明: 动态模糊控制和模糊决策法与最短路径法的交通流分配结果基本一致, 模糊最优控制使得信号交叉口的控制效用提高50%以上, 且动态模糊控制和模糊决策法更能反映人的行为, 是一种有效的交通控制方法。     

信号控制与交通分配协同模型的自适应IOA算法

现有求解信号控制与交通分配协同问题的IOA(Iterative Optimization and Assignment)算法,是通过对两个子问题分别求解并迭代至收敛,其收敛速度快,但解的质量仍有待改善. 对IOA 算法改进,提出自适应IOA(Adaptive Iterative Optimization and Assignment, AIOA)算法,提升解质量的同时保持计算速度快的优点. 首先,把迭代过程中路径流量的差分值作为自适应修正项加入信号控制模型的输入参数中,增大解的变异程度,既可加快收敛速度,又可突破IOA寻优范围的局限性;其次,根据目标函数的变化趋势自适应地转入采用黄金分割法的局部搜索,避免解的劣化. 仿真结果表明：AIOA算法将IOA算法与全局最优解的差距平均缩小50.8%,时间成本降低10％,仅为遗传算法的1％;AIOA算法能在短时间内求得满意解,且适用于大规模路网.     

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。     

基于短时交通流预测的广域动态交通路径诱导方法

为提升车辆通行效率,以预测型诱导策略为基础,以排队长度作为交通诱导的约束条件,利用小波神经网络短时交通量预测预知路段堵死事件发生路段,通过广域诱导时空边界条件对事件路段进行节点分级和诱导周期长度界定,进而建立广域诱导模型;对事件区域路网进行分区,进一步确定该模型诱导起点位置,引入基于路径尺度的Logit 路径选择模型作为诱导路径选择方法,通过流量迭代分配方法实现路网负载均衡. 通过实例验证,该诱导方法能有效地缓解道路交通拥堵,提高路网通行效率.     

��·ָ����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.     

模拟导弹制导的交通系统路径诱导算法

模拟导弹制导的单车诱导算法利于交通系统优化目标（车流量平衡目标）.为避 免多车诱导导致的交通拥堵,以模拟导弹制导的单车诱导算法为基础,提出了模拟导弹 制导的交通系统路径诱导算法.按照出行需求,对模拟导弹制导的时间最短路径算法进行 改进,使算法满足各类单车路径规划目标,以提高单车诱导接受率.系统路径诱导算法以 交通系统优化为最终目标,对超出路网通行能力的诱导进行修正,使交通流运行趋势符 合驾驶员出行需求.建立系统优化评价指标和系统诱导接受率指标,并以北京部分地区为 例进行仿真.仿真结果表明,算法能够达到系统优化目标,同时保证了较高的系统诱导接 受率.     

多模式混合交通网络流星分配模型及算法

在现代城市交通系统中,由于有多种交通模式存在,出行者通常采用从一种交通模式换乘到另一种交通模式的方法来节省时间和金钱。采用状态转移网络来描述这种多模式交通网络的结构,同时以路段上的混合交通阻抗函数为基础,对多模式交通网络中的各种费用加以分析,从而可得到多模式交通网络流量分配的模型和算法。     

基于DNA算法的交通诱导系统

利用DNA计算高速并行的优点.将路段和十字路口等进行合理转化,使其成为常规的连通图.来解决交通诱导同题中的路径优化与选择.有别于遗传算法、模拟退火和神经网络等方法,文中应用DNA双螺旋结构和碱基互补配对原则对节点和边进行编码运算,提高了算法的有效性和收敛速度.最后,将DNA算法与遗传算法进行了模拟对比分析.结果表明:DNA算法可以较好地解决大规模路网遍历的NP问题,满足交通诱导的实时性、准确性要求.     

信号控制与交通分配协同模型的自适应IOA 算法

现有求解信号控制与交通分配协同问题的IOA(Iterative Optimization and Assignment)算法，是通过对两个子问题分别求解并迭代至收敛，其收敛速度快，但解的质量仍有待改善. 对IOA 算法改进，提出自适应IOA(Adaptive Iterative Optimization and Assignment， AIOA)算法，提升解质量的同时保持计算速度快的优点. 首先，把迭代过程中路径流量的差分值作为自适应修正项加入信号控制模型的输入参数中，增大解的变异程度，既可加快收敛速度，又可突破IOA寻优范围的局限性；其次，根据目标函数的变化趋势自适应地转入采用黄金分割法的局部搜索，避免解的劣化. 仿真结果表明：AIOA算法将IOA算法与全局最优解的差距平均缩小50.8%，时间成本降低10％，仅为遗传算法的1％；AIOA算法能在短时间内求得满意解，且适用于大规模路网.     

基于电路理论的交通分配方法初探

交通分配是4阶段理论的重要组成部分,是进行路网规划和可行性分析的基础。对现有交通分配方法认识的基础上,通过对比交通网络和多维空间集成电路,认为两者具有很强的相似性。因此,参考计算机对集成电路性能指标的数值分析方法,提出基于电路理论的SOR法迭代求解交通分配算法。     

用遗传算法解决固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性,利用遗传算法的结构并行性将其用于求解固定需求交通平衡分配问题中。算法设计中采用多维并行交叉、变化的交叉率与变异率、优先策略及目标函数加惩罚项等改进措施,从而大大提高计算速度,减少了交通分配的时间,降低了分配的复杂性,为交通分配问题开创了一条新的途径,同时显示出遗传算法在交通规划中潜在的实用前景。     

Application of Auction Algorithm for Shortest Paths to Traffic Assignment

Auction algorithm is a new and simple algorithm for finding shortest paths in a directed graph proposed by Prof. Bertsekas, whose application has been extended to solve a variety of linear network flow problems. In this paper, auction algorithm for shortest paths is introduced and its characteristics are analyzed. The paper compares the auction algorithm with other algorithms widely used such as label-setting algorithm and label-correcting algorithm. The auction algorithm is particularly applicable to parallel computation and to the solution of a large-scale sparse network, which precisely meets the requirements of the traffic assignment. The algorithm is easy to program. Through a variety of measures the basic algorithm can be improved and speeded up and the computation speed can be increased by several times. The auction algorithm can be adopted in various traffic assignment methods. It can be used efficiently in the case of multiple origins and a single destination, and a single origin and multiple destinations. Different origin sets and destination sets are determined in accordance with the requirement of the traffic assignment. It is not required any more to find the shortest paths connecting any node pairs, so a lot of computation can be avoided and the computing time can be reduced by the use of the auction algorithm in the traffic assignment. Auction algorithms can thus be broadly applied in the transportation fields.