基于用户剩余的双层拥挤收费模型及算法

拥挤道路收费作为交通需求管理的一种有效措施在许多国家和地区开始提倡。基于用户剩余的拥挤道路收费问题,建立双层规划模型,设计求解双层规划模型的遗传算法,结果表明,双层规划模型能有效解决复杂的拥挤定价问题,遗传算法收敛较快,容易满足计算精度要求。     

����ATIS���ͺ�Ӱ��������ٶ��Ż�ģ��

随着城市机动车保有量的飞速增长,油气资源的短缺问题日益严重,如何采取有效措施减少能源消耗是一个值得深入研究的问题。用双层规划思想建立先进出行者信息系统和油耗的最优速度确定的优化模型。在此模型中,上层规划是通过系统总出行时间和油耗总量确定最优速度的问题,下层问题是在一定速度条件下考虑先进出行者信息系统影响的出行道路选择行为,构造了弹性需求条件下的随机用户平衡配流模型,并给出了一个平衡迭代算法进行求解。最后用了一个简单的算例,对模型的求解算法进行了验证。研究结果显示,随着出行者对道路实际情况认识程度的降低,可以通过提高装备ATIS设备的出行者比率,使得出行者能够合理地进行路径选择,从而降低系统总费用。     

程序树层次化结构统计模型及MOSES改进算法

为提高MOSES效率,提出了一种新的程序树层次化结构统计模型．该模型通过统计分析同类群,自动发现子树特征来指导优化．该模型不需要hBOA算法那样对变量集合进行建模,也不需要像MRTS算法那样遍历小规模的种群来发现潜在的有指导意义的子树．通过解决人工蚂蚁问题对算法进行了测试,结果表明改进后的MOSES算法更加高效．     

连续交通网络设计的全局双层多项式优化模型

提出了一种面向典型连续交通网络设计问题的全局双层多项式优化模型,其函数均为多项式,且下层问题为凸问题;上层问题旨在优化网络性能,下层问题用来刻画确定性用户均衡(DUE)交通流模式;利用Fritz John条件和乘子代替下层规划,将提出的双层多项式优化模型转换为等价单层优化问题,并利用矩半定规划(MSDP)方法得到其全局最优解;利用矩矩阵的秩作为保证全局最优性的充分条件,并估计全局最优解的个数;给出了最优道路收费问题的数值算例,用提出的双层多项式优化模型描述了算例中的最优道路收费问题,并通过Wardrop用户均衡约束调整现有路段上的交通流量,使总通行费收益最大化。研究结果表明：该简单算例的最大收益为13.5元,同时可以得到该算例的矩矩阵的秩为1,从而证明了该结果的全局最优性,提出的方法克服了均衡约束数学规划(MPEC)法和值函数法等现有求解双层优化问题的经典算法由于连续交通网络设计固有的非凸性,只能找到局部最优的问题;提出的全局双层多项式优化模型与算法为典型连续交通网络设计提供了更好的探索工具。     

基于异构图学习的交通场景运动目标感知

为了提高无人车在交通场景中的运行效率和运输安全,研究了基于异构图学习的交通场景运动目标感知; 考虑实际交通场景中运动目标之间的复杂交互关系对目标运动的影响,基于异构图学习提出了交通场景中多目标检测-跟踪-预测一体化感知框架; 结合YOLOv5和DeepSORT检测并跟踪运动目标,获得目标的运动轨迹; 使用长短期记忆(LSTM)网络从目标历史轨迹中学习目标的运动信息,使用异构图学习目标间的交互信息,以提高运动目标轨迹预测准确度; 使用LSTM网络对目标运动信息与交互信息解码得到目标未来轨迹; 为了验证方法的有效性,在公共交通数据集Argoverse、Apollo和NuScenes上进行了评估。分析结果表明：结合YOLOv5和DeepSORT可实现对运动目标的检测跟踪,对交通场景中的运动目标实现了75.4%的正确检测率和61.4%的连续跟踪率; 异构图能够有效捕捉运动目标之间复杂的交互关系,并且捕捉的交互关系能够提高轨迹预测精度,加入异构图捕捉交互关系后,运动目标的平均位移预测误差降低了63.0%。可见,考虑交通场景中运动目标之间的交互关系是有效的,引入异构图学习运动目标之间的交互关系可以感知运动目标的历史与未来运动信息,从而帮助无人车更好地理解复杂交通场景。     

停车需求分布的双层规划模型及算法

针对停车需求给定条件下的停车设施选择问题,建立了描述停车设施选择和出行路线选择行为的双层规划模型,并基于在部分增广乘子法中嵌套Frank-Wolfe算法的思路设计了求解模型的有效算法.上层模型在满足停车需求和设施停放车辆数有限条件下,力图最小化实际停车需求分布与期望分布间的差异.下层模型假设出行者路线选择行为遵循用户均衡原则.上下层模型通过设施选择概率函数实现有效关联.部分增广乘子法中嵌套Frank-Wolfe 算法求解上层模型可以有效利用上层模型的单纯形式约束特征.算例分析验证了新模型与算法的有效性.研究结论拓展了现有理论的应用场景,为相关研究提供了新的建模分析思路.     

铁路集装箱旅客化运输系统开行方案研究

针对铁路集装箱旅客化运输系统开行方案编制问题,采用基于备选集的优化方法,同时结合货物运输组织特点,规定了箱流物理径路和运输方案的唯一性.在考虑箱流守恒、箱流换乘、箱流运到期限,以及列车开行频率等约束的基础上,以运输企业成本最小化为目标,建立了整数线性规划模型,并设计模拟退火求解算法.最后,构建运输网络进行案例分析,验证了模型和算法的有效性.研究结果表明,与现有货物运输系统相比,新型集装箱系统充分发挥了网络运输的优势,在列车开行频率、货物送达速度和运到期限方面表现更加优异,但同时牺牲了部分列车“上座率”.     

Mixed Transportation Network Design Based on Immune Clone Annealing Algorithm

This paper focuses on the mixed transportation network design problem. A bi-level programming model, constrained by investment budget, is developed to minimize the total impedance of transportation network. The immune clone annealing algorithm, which is designed by combining annealing tactic of simulated annealing algorithm and immune clone algorithm, is introduced to solve the proposed bi-level model. Compared with simulated annealing algorithm, the feasibility and effectiveness of the model and the algorithm is demonstrated through a numerical experiment. The sensitivity analysis on different investment budget constraints is provided, as well as the relation between investment cost and the total impedance of network, investment budget constraint, and decision on network design.     

���ӻ����³�����Ӱ�ָ��㷨�о�

车辆阴影分割是智能交通领域中车辆识别的一项重要内容,阴影分割的好坏直接影响到车辆识别的准确性以及整个智能交通监控系统的性能。针对当前基于RGB和HSV颜色空间的车辆阴影分割算法缺陷与不足,本文提出了一种新的基于YCbCr空间的车辆阴影分割算法。首先选取图像中的运动区域,运动区域包括车辆以及阴影;然后根据阴影区域出现的特点,选择初始阴影数据;最后,通过本文提出的阴影分割算法最终确定阴影区域的形状与位置。经过实际道路运行测试,该算法能提取出的车辆阴影完整性好,具有较好的鲁棒性,在智能交通领域具有一定的应用价值与前景。车辆阴影分割是智能交通领域中车辆识别的一项重要内容,阴影分割的好坏直接影响到车辆识别的准确性以及整个智能交通监控系统的性能。针对当前基于RGB和HSV颜色空间的车辆阴影分割算法缺陷与不足,本文提出了一种新的基于YCbCr空间的车辆阴影分割算法。首先选取图像中的运动区域,运动区域包括车辆以及阴影;然后根据阴影区域出现的特点,选择初始阴影数据;最后,通过本文提出的阴影分割算法最终确定阴影区域的形状与位置。经过实际道路运行测试,该算法能提取出的车辆阴影完整性好,具有较好的鲁棒性,在智能交通领域具有一定的应用价值与前景。     

基于COONS曲面的平交口立面设计及其程序设计探讨

该文对目前Coons曲面已广泛运用于飞机的机身、机翼、螺旋桨以及汽车、船舶的外形计算机辅助设计作了叙述。接着提出,如果能将交叉口拟合成曲面,由方程确定曲面这一特性,即可用计算机来辅助交叉口立面设计。