��������ο���������������ģ��

所建立模型明确考虑了随机参考点作为累积前景理论(CPT)描述出行者有限理性路径选择行为的补充,将其定义为随机最短行程时间和可接受系数的乘积。假设出行者遵循路径累积前景最大化原则进行路径选择,建立相应的随机均衡条件及等价的不动点模型。然后,给出基于Probit加载和相继平均法(MSA)的启发式算法,并在小型网络上验证所提出的模型和算法。算例结果表明,依赖随机参考点的交通流模式能够较为真实地再现出行者在路径选择时,同时考虑行程时间均值及随机波动的有限理性行为。对参数进行灵敏度分析,基于CPT得到的路网均衡状态基本上不受行程时间随机波动程度变化的影响,当出行者调整出行时间预算时,均衡状态将随之发生改变。     

���й���ϵͳ��������Ż������о�

采用混合整数优化方法,研究城市公交系统宏观网络优化整合问题. 根据区域间服务水平要求、公交供给能力以及满足一定乘客出行要求,构造公交系统宏观网络优化整合多目标模型,该多目标函数考虑乘客总出行时间成本、各公交方式的建设总费用、各公交方式的能耗和污染物排放总费用、枢纽建设总费用最优;并给出最优解的多方案求解步骤;针对多节点采用Branch-Cut算法进行求解,提高求解效率;通过算例对模型和算法的可行性和有效性进行了验证,说明该算法可得出不同发展阶段下的公交宏观网络最优布局方案;结果表明,提出的模型与算法能对城市公交宏观网络布局提供辅助决策支持.     

���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．     

���н�ͨӵ������ʱ���ݻ����ɷ����� ——��������Ϊ��

交通拥挤不仅是当今许多大城市日益严重的社会问题,同时也给国家和城市造成巨大的经济损失.引发拥挤的直接原因是机动车辆保有量的迅速增加和交通设施/服务的相对落后,但对于不同的城市和地区,其深层原因存在差异.本文定位于研究宏观路网交通拥挤内在成因和演化规律,采用地理建模的仿真平台,使用地理信息系统（GIS）技术将FCD数据与深圳市地图匹配,得到城市路网不同时间点的拥挤状态,定性分析区域内交通拥挤的成因.另外,研究针对路段拥挤的相似程度,提出相关性算法进行定量分析,揭示交通拥挤的时空演变规律,为及时采取预防和疏导措施提供指导.该算法可编程实现,对交通拥挤进行统一管理与控制,提高整个交通系统的效率.     

���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.     

���й����ͨ�г��ƶ������о�

在城市轨道交通线路设计和运营管理中,列车制动问题是一项重要而复杂的问题．本文对城市轨道交通列车制动问题进行了研究,针对坡道、列车重量、列车制动力利用率以及制动初速度等主要影响因素进行了相应的案例设计,通过计算及对结果的分析得出了不同坡道、列车重量、列车制动力利用率以及制动初速度等条件对制动问题的影响.其结论可以为城市轨道交通线路平、纵断面的优化设计、车辆技术参数的选择、信号机等信号设备的布置以及线路限速的确定等方面提供相应的指导．     

�źſ��ƽ���ڿɿ��Խ�ģ�����

为优化和评价交叉口车流运行状况,根据信号控制交叉口交通流到达率的随机特点,引入相位清空可靠度指标用于评估交叉口可靠性.基于概率论,研究了相位清空可靠度与周期时长、相位绿灯时间的定量关系,利用Gauss消元法推导得到了交通流到达率分别服从正态分布和负指数分布时的相位清空可靠度计算公式.以两相位信号交叉口为例进行了仿真实验.结果表明：交通流到达率的方差越大,周期时长也越大,且到达率方差较大的相位需要更多的绿灯时间,可见到达率的概率分布特征值对于周期时长、相位绿灯时间有显著影响,可利用相位清空可靠度指标进行交叉口信号配时参数设计和评价.     

���ڿ������˲��Ĺ���վ���ʱ����Ԥ��

公交站点短时的客流预测是智能公交调度系统中重要的决策基础与技术支持. 在对短时客流特性进行分析的基础上,提出了以卡尔曼滤波作为公交站点短时客流的预测模型,并给出了模型的求解过程. 选用了一条实际公交线路中客流量较大、客流变化明显具有代表性的站点进行了采集数据和实例分析,数据结果的平均绝对误差为5.1771,均方误差为0.7961,表明提出的模型与算法可以有效地对短时公交客流进行预测. 与人工神经网络预测结果比较,在相同的实例数据下,其平均绝对误差为10.4770,均方误差为1.6724,结果表明使用卡尔曼滤波建立的模型比较准确,说明本文所提出的方法预测误差小,具有现实的应用意义.     

���򹫽�Э�������Ż��㷨�о�

综合考虑枢纽内线路复杂、换乘量大、换乘效率低等问题,分析了枢纽换乘的相关特点. 建立了基于枢纽站点的区域协调调度换乘优化模型. 模型综合考虑了车辆驻站时间变化对车辆到站时间的影响,将车辆在枢纽站点的驻站时间设为一个松弛变量,以车辆在区域内枢纽站点的相遇次数作为目标函数. 通过求目标函数最大值,确定线路车辆在各枢纽站点的最佳发车时间及驻站时间,从而使区域内在枢纽站点的总体换乘时间最短,换乘成本最小. 模型利用遗传算法求解. 经算例验证,算法可有效提高区域内枢纽站点的换乘效率及公交运营服务水平.     

����PSO-SVM�ľ�����з�ʽԤ��ģ�ͪ�

居民出行方式选择是一个较为复杂的非线性问题,受到的影响因素众多。提出采用支持向量机方法构建了居民出行方式选择模型,并以交叉验证意义下的分类准确率作为适应度函数,利用粒子群算法对支持向量机参数优化选择,避免参数设定的随机性,减少参数选择的工作量.通过实证研究表明,利用粒子群算法优化支持向量机的参数是可行的,支持向量机方法相对于BP神经网络,对居民出行方式预测有更高的精度.预测精度比BP神经网络提高了将近5个百分点,建模样本和测试样本的分类精度分别达到86.20%和82.31%.所构建的模型可用于居民出行方式预测,这对城市交通规划,出行需求预测具有现实指导意义.