基于Stackelberg博弈的时变双层交通分配模型

提出一个时变双层交通分配模型,其中上层网络管理者设立了一个路段的最大排队长度,其目标是使由网络流和排队长度定义的总出行时间最小.目标函数在离散时段内以路段流量和排队长度作为决策变量,同时考虑不同类型的信号交叉口延误的影响.下层网络用户的反应依赖于上层管理者的决策,其选择是使自身感知阻抗最小的路径,服从一个基于成对组合Logit的路径选择模型,构成一个成对组合Logit的均衡分配问题.结合了交通分配和流传播方法,将其表示为一个均衡约束下的双层数学规划问题,形成了一个Stackelberg非合作博弈.使用遗传算法求解该双层规划问题,并采用实证分析来表现模型的特征和算法的计算表现.结果表明路径重叠、路段流量、路段排队长度等因素对网络均衡流分布均有显著影响.     

双模式网络停车限制交通需求管理模型与方法研究

在轨道网和公路网并存的双模式交通网络, 合理设计出行终点的停车容量可优化汽车出行需求, 改善路网交通环境。本文通过分析私家车与城市轨道两种交通模式的出行需求, 并考虑私家车模式的终点停车收费服务, 建立了一种带路段环境容量和终点停车需求容量共同约束的交通需求管理模型。模型中路网使用者的出行模式采用二元Logit模型来计算, 而私家车的路线选择行为服从Logit随机用户均衡, 因此该模型是一个带不动点约束的数学规划问题。针对模型求解困难, 文中采用灵敏度分析来获取各路段流量和需求量关于终点容量波动的梯度信息, 进而设计了一种新的灵敏度分析求解算法.最后通过数值仿真实验, 验证了算法的有效性, 同时分析了不同停车收费参数对模型各指标变化趋势的影响。     

收费机制下利己-利他混合交通均衡分配的效率损失

运用解析推导方法对收费机制下利己-利他混合交通均衡分配问题的效率损失进行研究.首先,构建了收费机制下利己-利他混合交通均衡分配问题的等价变分不等式模型;然后,通过解析推导方法得到了收费不作为系统总出行时间成本一部分时的效率损失上界;最后,给出了路段出行时间成本函数为多项式函数时的上界表达式.研究结果表明,效率损失上界与路段出行时间成本函数类、利他系数以及出行需求划分系数相关,结论以现有文献有关结论为特例.     

路段关联影响下出行路径选择的一个非线性互补模型

在网络供需都不确定的情况下,提出一个考虑路段关联的路径选择模型.假定网络中每一用户的路径选择效用受到三个因素的影响:出行时间均值、出行成本均值和以出行时间方差表现的出行时间可靠性.在出行路径选择效用最大化前提下,修改了出行阻抗单调可分的常见假设,考虑出行阻抗非单调且不可分的情形,建立了模型的均衡公式和约束条件.探讨了模型解的存在性和唯一性特征,并将之表示为一个非线性互补问题,研究非线性互补问题的解得到结论:其唯一性不保证.最后用一个小型网络进行测试来表现模型的特征,测试结果表明出行阻抗的非单调、不可分性质通过影响出行时间方差来影响网络均衡流分配,造成均衡路段和路径阻抗的增加.     

基于改进遗传算法的城市道路级配模型

为缓解交通拥堵的问题,构建满足供需平衡的城市道路等级配置模型.从出行链的特征出发,对道路等级进行分层,结合交通功能进行分类,将城市道路等级划分为三层四类道路.在交通供需平衡、道路总里程、道路用地面积的约束下,以出行总时耗最小为优化目标构建模型,并通过改进的遗传算法求解得各等级道路的级配比.以南京市的城市道路为例进行应用,得到快速路、干路、支路、巷道四类道路的理想级配比为1:4.8:6:7.2.结果表明,该方法对我国城市道路的等级配置有较好的理论借鉴意义.     

考虑禁左条件的用户均衡交通配流模型与算法

交叉口处左转车流是对车流量影响较大的一个流向,也是造成城市交通拥挤和交通事故的关键因素之一,所以越来越多的城市路网选择在交叉口禁止左转来保障主干路车流通畅.在禁左的情况下,出行者究竟如何选择出行路径,究竟应该在哪些交叉口采取禁左管理可以使网络总旅行时间最小?针对以上两个问题,将根据用户均衡(UE)原理,建立考虑交叉口禁左条件的交通配流双层规划模型.利用Frank-Wolfe算法,对下层模型中的出行车辆进行配流,并返回到上层模型计算网络总旅行时间,通过遗传算法确定设置禁左交叉口位置,使得网络总旅行时间达到最小.根据数值算例,展现合理设置禁左交叉口的位置,可以使得交通网络总费用减小.     

基于云物元模型的城市道路级配评价研究

路网级配评价是充分发挥路网整体性效率,有效缓解城市的交通拥堵问题的前提.尝试通过将云模型和物元模型融合,构建云物元模型,对城市道路级配进行等级评价.其中城市道路级配评价指标体系基于基础设施、路网性能、服务性、便捷性四个指标,并采用主观专家打分法和客观熵权法结合的方式确定指标权重,使得赋权结果更具有客观性.为验证模型的合理性,以济南市为例,对其进行道路级配评定.结果显示,济南城市路网级配为"Ⅲ等级",基本满足人们的出行,与现实基本相符.     

不确定需求下故障共享单车回收周期性车辆路径问题研究

为了及时有效地回收城市道路网络中的故障共享单车,对分散于路网边上的故障单车进行聚类形成收集点,考虑聚类收集点上回收需求呈现的不确定性特征,建立以行驶总距离最小为目标的回收周期性车辆路径选择模型.采用基约束鲁棒优化方法,利用有界区间对不确定的回收量进行描述,引入扰动系数和控制系数调节模型的鲁棒性和适应性.针对模型设计近似...     

ATIS和道路收费下的混合随机用户均衡的效率损失

在ATIS作用下的交通网络中,用户在交通信息的接受程度上是异质的;考虑到装有ATIS的用户并不总是遵循ATIS的建议,因此,引入信息遵从率这一参数,将所有用户分为三类:安装并遵从信息、安装但不遵从信息和不安装的用户;均按照随机用户均衡的方式进行择路,但对出行时间有不同的感知。同时考虑存在道路收费的情形下,用户在时间价值上是异质的。综合考虑交通信息与道路收费的影响,基于用户两方面的异质性,对其进行合理分类,构建了多用户多准则的混合随机均衡模型及其等价的变分不等式;当收费不作为系统总成本的一部分时,建立了时间准则与费用准则下的系统最优模型;在此基础之上,分别研究了两种准则下混合均衡相对于系统最优的效率损失,给出了效率损失上界,并进一步分析了效率损失上界与各参数间的关系;交通管理者可以从道路收费策略的实施、信息诱导系统的完善等角度进行路网的改造和优化设计。     

界定用户平衡及Logit型随机用户平衡下的混合平衡交通网络效率损失

考虑一个具有两类用户的交通网络,一类用户按照用户平衡原则选择出行路径,另一类用户按照Logit型随机用户平衡原则选择出行路径.建立了描述这种混合平衡出行行为的变分不等式模型,给出了满足此种混合平衡的交通网络效率损失上界,结果表明,效率损失上界与被研究的交通网络拓扑结构,交通需求及两类用户的划分比例系数有关.     

基于畅通可靠性的开放小区交通流分配及优化决策

开放小区内部道路可增加城市道路网的密度和可达性,从而达到缓解城市道路拥堵的目的。通过对出行者进行问卷调查,得知其路径选择行为主要考虑出行时间及时间波动性两方面因素,基于此对CONTRAM费用函数进行改进,得到适用于小区开放后的广义出行费用,该费用考虑了畅通可靠性对路径选择的影响;结合小区开放后出行者选择准则,建立考虑广义出行费用的随机用户最优模型(SUO),并采用逐次平均算法(MSA)进行求解,从而得到更为精确的路段交通流量;基于小区道路开放后需承担的交通量,结合城市道路规划相关规范,对横断面、出入口等方面提出开放小区内部道路规划的建议。     

带时空相关性分析的行车时间估计模型

基于流体动力学方程的行车时间估计模型不能很好地反映真实的行车时间,需要对其进行一定的改进.在对交通流进行流体动力学建模的基础之上,引入对高速公路路网中不同路段之间的行车时间相关性和同一路段不同季节、不同时段的行车时间相关性分析,建立了带时空相关性分析的时间估计模型,使用统计学的方法消除动力学模型的误差.     

Optimal hierarchical system of a grid road network

This paper develops a simple analytical model for determining the hierarchical system of road networks. The model is based on a grid road network where roads are classified into three types according to road widths and travel speeds. We derive the optimal ratios of road areas that minimize the average and maximum travel time. Minimizing the average travel time provides an efficient solution, whereas minimizing the maximum travel time provides an equitable solution. Both of the solutions are expressed in terms of road widths and travel speeds. As an application of the grid network model, we evaluate the hierarchical system of the road network of Tokyo.     

不确定条件下的乡村中小学布局优化

学校的合理规划布局是实现教育资源优化配置、提高办学效益和推动教育均衡发展的重要途径。已有许多学者研究了学校的布局问题,但基本上都忽略了交通网络条件以及不确定因素对学校布局的影响。本研究将在前人研究基础上,重点考虑交通网络对乡村中小学选址的影响,并假设旅行时间具有不确定性,从而以最小化学生旅行成本、学校建设、道路修建和道路升级成本为目标,构建不确定条件下的设施区位设计模型。在算法求解方面提出混合模拟退火算法,用于确定新建学校的最佳位置,以及新道路的修建和原有道路的升级情况。最后,将提出的模型和算法应用到实际案例中。     

考虑路网可靠性和空间公平性的次优拥挤收费模型

根据随机路网环境下出行者规避风险的路径选择行为,提出了一种考虑路网可靠性和空间公平性的次优拥挤收费双层规划模型。其中,上层模型以具有空间公平性约束条件下最大化路网的社会福利为目标,下层模型是实施拥挤收费条件下考虑行程时间可靠性的弹性需求用户平衡模型。鉴于双层规划模型的复杂性,设计了基于遗传算法和FrankWolfe算法的组合式算法来求解提出的模型。算例结果表明:考虑行程时间可靠性的次优拥挤收费会产生不同于传统次优拥挤收费的平衡流量分布模式,表明出行者的路径选择行为对拥挤收费结果会产生直接影响;此外,算例结果还说明遗传算法对参数设置具有很强的鲁棒性。     

基于深度学习LSTM对交通流状态的预测

当今道路交通状态对城市管理和人们出行愈加重要,影响着人类生活的方方面面.以深圳交通为研究对象,由基础车辆数据和道路坐标构建了路网系统,从车辆速度和密度两个方面导出了交通流状态评价指数TSI.利用深度学习长短期记忆神经网络(LSTM)对车辆速度和密度两个指标进行预测,并通过对比极限学习机(ELM),时间序列(ARMA)和BP神经网络,进行仿真实验,结果表明相对于传统预测模型,所采用的LSTM网络具有更优的预测精确度和对远期预测的稳定性.最后利用预测结果计算出更能直观反映出道路交通拥堵情况的TSI指数,为人们提供了准确的交通状态预测.     

道路维修施工路段交通分流信控优化模型

针对道路维修施工期间常采用的部分路面封闭施工且利用辅路进行分流的情形,探讨了交通分流信控优化模型。借助交通流波动理论,分析了施工路段及其前后车流拥挤排队及疏散特征和规律,分析了对车流进行控制需满足的约束,并分析了车流的延误计算公式。以总的车辆行驶时间最小化目标,原路径及分流路径的绿时分配及信号周期为优化参数,考虑交通分流控制的各种约束,建立了道路施工路段交通分流信控优化模型。分析了该模型属于非凸问题,因此提出了一种近似求解最优解的办法。通过一个示例对模型和求解算法进行了验证,并对一些规律性结果进行了分析。     

A framework for user equilibrium dynamic traffic assignment

Several analytic approaches have been developed to describe or predict traffic flows on networks with time-varying (dynamic) travel demands, flows and travel times. A key component of these models lies in modelling the flows and/or travel times on the individual links, but as this is made more realistic or accurate it tends to make the overall model less computationally tractable. To help overcome this, and for other reasons, we develop a bi-level user equilibrium (UE) framework that separates the assignment or loading of flows on the time–space network from the modelling of flows and trip times within individual links. We show that this model or framework satisfies appropriate definitions of UE satisfies a first-in-first-out (FIFO) property of road traffic, and has other desirable properties. The model can be solved by iterating between (a) a linear network-loading model that takes the lengths of time–space links as fixed (within narrow ranges), and (b) a set of link flow sub-models which update the link trip times to construct a new time–space network. This allows links to be processed sequentially or in parallel and avoids having to enumerate paths and compute path flows or travel times. We test and demonstrate the model and algorithms using example networks and find that the algorithm converges quickly and the solutions behave as expected. We show how to extend the model to handle elastic demands, multiple destinations and multiple traffic types, and traffic spillback within links and from link to link.     

高速公路行车时间估计和最优路径

行车时间估计和最优路径选择是智能交通系统中的研究热点,特别是对于车辆导航系统更具有深远的意义.首先以传统的交通流理论为基础,采用间接模型和动力学模型进行行车时间估计,通过仿真实验比较了两模型的优劣,并使用实测数据分析得到的车流量信息对动力学模型进行改进.然后使用Dijkstra算法寻找出静态状态下的最优路径,再结合前面建立的时间估计模型,给出了适用于动态随机状态下的路径寻优算法,用于解决路段行车时间期望随出发时刻动态变化的问题.最后指出了交通实时信息对解决动态随机最优路线问题的重要性,并结合卡尔曼滤波算法对路段相关的情况作了进一步讨论.     

Hybrid evolutionary algorithms in a SVR traffic flow forecasting model

Accurate urban traffic flow forecasting is critical to intelligent transportation system developments and implementations, thus, it has been one of the most important issues in the research on road traffic congestion. Due to complex nonlinear data pattern of the urban traffic flow, there are many kinds of traffic flow forecasting techniques in literature, thus, it is difficult to make a general conclusion which forecasting technique is superior to others. Recently, the support vector regression model (SVR) has been widely used to solve nonlinear regression and time series problems. This investigation presents a SVR traffic flow forecasting model which employs the hybrid genetic algorithm-simulated annealing algorithm (GA-SA) to determine its suitable parameter combination. Additionally, a numerical example of traffic flow data from northern Taiwan is used to elucidate the forecasting performance of the proposed SVRGA-SA model. The forecasting results indicate that the proposed model yields more accurate forecasting results than the seasonal autoregressive integrated moving average (SARIMA), back-propagation neural network (BPNN), Holt-Winters (HW) and seasonal Holt-Winters (SHW) models. Therefore, the SVRGA-SA model is a promising alternative for forecasting traffic flow.