经营性高速公路合理收益率的界定及计算方法

经营性高速公路的合理收益率是科学制定收费标准、促进社会公平的关键所在. 本文从现实案例、随机变量和政府管理角度出发,将合理收益率界定为取值区间,以投资收益率来衡量.以成本的概念和价格管制理论为基础,分别将基准收益率和降低一个服务等级对应的收益率作为区间的下限值和上限值;论述了当经济利润为零时的收益,包括资金的时间价值和可能获得的最高收益,因此以CAPM模型结合WACC模型对基准收益率进行量化的理由是充分的;基于投入产出表给出了市场期望收益率参数的标定模型;在算例情况下,合理收益率为7.47%–10.1%,为制定和调整高速公路通行费率提供依据.     

考虑交通流动态分布的路面养护最优决策

为准确评估路面全生命周期用户成本以制定最优的路面养护策略，提出基于网络交通流均衡条件的路面养护多阶段动态规划最优决策模型，通过交通流的仿真，模拟用户成本在路网养护前、后以及生命周期各阶段的动态变化，并设计启发式迭代算法。该模型最小化的目标函数包含了生命周期的养护成本、用户成本、路面资产残值，约束条件主要由交通量守恒约束条件、养护预算约束、路面性能转移约束等。为证明模型的有效性，以一个具有10个路段的路网为例，采用提出的模型制定该路网连续20年的最优养护决策方案。研究结果表明：在每年养护预算确定的情况下，全生命周期路面养护最优方案是一个决策方案组合，该最优方案可以提高养护资金使用效率并有效减少用户成本，可为路面养护管理提供决策支持。通过对不同养护约束情景下的全生命周期用户成本的模拟表明：随着养护预算的增加，养护路段增多，导致用户成本增加，使养护成本的边际收益发生递减，养护预算在理论上具有一个最优值，并且养护成本收益与养护预算之间呈倒U形函数关系。     

考虑动态交通流的停车场车辆最优疏散模型

为有效地制定停车场车辆疏散方案,缩短车辆疏散时间,研究了考虑道路网动态交通流特征的停车场车辆最优疏散模型.首先,根据排队论将停车场每个出口车道的车辆排队抽象成一个M/M/1/1排队系统,分析出口道路交通流车头时距对车辆离开率的影响,从而估算车辆在停车场内的排队时间.其次,构建道路网节点交通流均衡模型和路段交通流均衡模型...     

考虑费用支付模式的公路网养护调度模型

为使公路养护承包方获取最大的收益现值，研究了业主不同费用支付模式下的路网养护调度问题. 首先，定义了基于时间进度、基于养护进度以及基于养护费用的3种支付模式；其次，构建了以承包方收益现值最大化为目标的养护调度混合整数非线性规划模型，并采用禁忌搜索算法进行求解；最后，通过案例分析验证模型和算法的有效性. 研究结果表明:在3种不同的支付模式下，指派给各养护队的路段以及各路段的养护顺序均有较大的差异；当承包方垫资能力达到一定的水平后，继续提升垫资能力不一定能获得更优的养护调度方案，且无法产生更多的收益现值；业主的支付比例与收益现值之间具有近似单调递增的关系，而折现率与收益现值之间具有负指数关系；增加养护队数量可获取更多的收益现值，但其边际收益逐步降低，只有当承包方的垫资能力和养护队数量同步增长时，才能获取更多的收益现值.      

基于韧性最优的灾后公路网修复调度研究

为有效修复灾后公路网的受损路段从而加快恢复路网畅通,研究以韧性最优为目标的灾后公路网修复调度问题。首先,采用交通需求满足率表示路网性能,并构建路网性能韧性和恢复速度韧性评价指标。其次,构建基于韧性最优的修复调度双层规划模型,其中上层模型是多目标混合整数规划模型,用以确定修复路段的选择和修复先后顺序,下层模型为日变交通流分配模型,模拟修复期间的路网交通流动态演变。然后,采用禁忌搜索算法和Frank-Wolfe算法分别求解上层模型和下层模型,并通过循环迭代得到模型最优解。最后,通过案例分析验证模型和算法的有效性。研究结果表明:在一定数量的修复资金和抢修队约束下,该模型得到的最优修复调度方案能最大限度地提升路网韧性,并且在修复过程中,只有当受灾区域内某线路中的所有受损路段均完成修复后,路网性能才开始呈阶梯式上升,并且路网性能的提升速度表现为先慢后快。对不同参数的敏感性分析表明:修复预算的增加使路网性能韧性和恢复速度韧性分别以15.65%和17.72%的平均速度增长和降低,但当修复预算超过1 800万元后,只增加修复预算不一定能获取更优的修复调度方案;当决策者偏好系数变化时,路网的性能韧性和恢复速度韧性具有相反的变化趋势,且2个韧性指标的平均变化率分别为5.96%和4.48%;增加抢修队数量可提升路网的性能韧性和恢复速度韧性,但增加抢修队数量所产生的边际效益逐步降低,分别由0.11和0.43降至0.01和0.02。     

基于强化学习的灾后公路网修复决策研究

为了加快恢复受灾地区的路网畅通，保障人员疏散、应急队伍调配和救灾物资运输等灾后救援工作的尽早展开，针对应急恢复阶段的灾后公路网多维修队的修复调度和路由问题展开研究，并“允许安排多个维修队同时对一条受损路段进行修复”,以实现“柔性”修复调度，从而提升最优灾后公路网修复策略的实用性。采用灾后需求点的需求满足率表示路网连通度，并以路网连通度韧性作为灾后公路网修复策略的评价指标，使用Markov决策过程模拟灾后公路网多维修队的修复调度和路由的决策过程。然后，基于Q学习与Dijkstra算法设计出适合求解所提问题的改进强化学习算法，解决了灾后公路网多维修队的修复调度和路由问题，优化了灾后需求点和物资供应点之间的可达性；最后进行了案例分析。结果表明：所提出的方法能够实现维修队的修复调度和路由的整体性决策，可以得到全局韧性最优的灾后公路网修复策略，并验证了考虑“柔性”修复调度得到的最优修复策略具有更佳的修复效果，且更具有实用性。