城市非高峰期动态出行交通网络均衡

我国在城市化进程中,许多城市交通部门为了缓解城市交通拥堵问题,制订了大力发展公共交通的政策,而城市公共交通非高峰期的出行人群交通方式选择是一个值得讨论的问题.在此基础上通过分析几种不同的交通出行方式的分路段成本,建立了具有非高峰期特点的多方式出行路网模型,并对模型进行了计算求解,依据结果对非高峰期公共交通出行的特点进行了讨论.     

城市公共交通拥堵的经济分析与计量

基于公共品视角,分析城市交通产品供求特性以及造成拥堵的成因,构建了三部门动态一般均衡模型,分析交通产品供求稳态与冲击对拥堵的影响和动态调控机制,并从产业供求角度提出治理意见.根据动态均衡条件,并以上海城市交通样本构建动态联立方程,进行了实证检验.     

基于SD-VF理论的城市限行政策效应研究

随着我国城市化进程不断加快,城市交通供需矛盾日益突出,交通拥堵问题愈发严重,我国各地纷纷实行各种政策措施来缓解交通拥堵。本文以北京市为例,针对城市交通拥堵的现象,从系统的角度出发,运用系统动力学与灰色Verhulst预测相结合的方法(SD-VF),建立城市交通治堵模型,并采用Vensim软件对模型进行动态仿真分析,从经济、社会、环境等方面探究政策措施对城市环境生态承载力、道路生态承载力等的影响。研究结果表明,限行限号政策虽然在一定程度上提高道路生态承载力,但也可能引发“悖论”效应;修路政策并没有根本上解决城市交通拥堵问题,仅仅是把拥堵状况向后推迟;而相对于单一政策,将发展公共交通与限行政策相结合可以有效缓解交通拥堵,改善空气质量,提升环境承载力,是更加科学合理的政策措施。     

考虑城市住房分布的二维连续型动态交通分配模型及其污染物排放估计

将城市交通路网抽象为二维连续的平面,提出一个考虑城市住房分布的二维连续型动态交通分配模型,并估计了城市交通污染物排放水平.该模型中,住房分布影响交通需求,出行者根据用户最优准则选择出发时间和路径,可以用于模拟城市交通运行的动态演化过程,得到密度、速度和流量等物理量.采用基于车辆速度和加速度的微观污染物排放模型VT-micro估计城市交通CO2动态排放水平.基于三角网格,采用有限体积法、投影算法和相继平均法进行数值求解,给出一个数值算例验证了模型和算法的有效性.     

城市交通投资结构调整与交通需求互动优化模型研究

城市交通投资结构研究有助于了解交通供给能力特征,缓解城市交通拥堵状况.北京市在过去的十几年来大量的交通资金投入到道路建设中,但并没有从根本上扭转日益突出的交通供需矛盾状况.从交通投资与交通需求的关系出发,探讨投资方向和投资力度对交通供需结构的影响.给出交通投资结构阶段统计特征、分析了北京市"七五"至"十五"时期交通投资系统与交通需求、交通供给和社会经济系统关系.应用多目标优化方法,并运用M atlab软件计算不同交通结构情境下的交通投资取向、结构、管理上提出建议.     

基于可拓模糊层次分析法的城市交通文化系统评价

为了科学地评价城市交通文化系统,并使评价方法更符合实际,对模糊层次分析法进行改进,提出了可拓模糊层次分析法,介绍了可拓模糊层次分析法的原理,给出了它的构成方法和具体评价模型,并用该评价模型对沈阳、大连、鞍山三个城市的交通文化系统进行了综合评价.结果表明,该方法较好地反映了实际交通文化系统的水平,克服了层次分析法中人的主观判断、选择、偏好对结果的影响,使评价结果更合理,是一种可信的多目标决策问题的评价方法,对城市交通文化系统评价是有效的.     

城市公路交通塞车预警数学模型

本文针对城市公路交通"塞车"现象,以数学理论方法为基础,提出了有效的城市公路塞车预警数学模型,以该数学模型为核心建立系统、科学的公路交通信息处理方法.实时、准确、科学地监测、预报城市公路交通状况.目的在于减少城市公路塞车,改善城市交通管理质量,提高城市交通服务功能.这对城市交通建设与发展具有重要的意义.     

基于AHP和DEA联用的城市交通环境可持续发展评价方法研究

将层次分析法(AHP)和数据包络分析(DEA)相结合构建了两种方法的联用评价模式,对使用该方法评价城市交通环境可持续发展水平和后续决策指导方面进行了探讨.该方法对AHP法在多个决策单元定量对比分析和DEA体现决策者偏好方面进行了改善.从影响城市交通环境可持续发展水平的城市综合发展、道路设施水平、交通运输功能和交通环境质量等方面出发,建立了城市交通环境可持续发展评价体系,并应用于深圳市实证分析,通过AHP分析认为深圳市2000～2007年城市交通环境可持续发展水平在波动中缓慢上升,再通过27个城市2005年数据DEA有效性分析和投影分析,得到深圳市在城市交通环境可持续发展方面的总体效率为0.9729,并得到了其要达到DEA有效的调整方案和部分政策建议.     

自适应神经模糊推理系统在交通污染物浓度预测中的应用

城市交通带来的废气排放已经成为城市大气污染的主要来源之一。交通污染问题的成因和机理较为复杂,变化规律具有较强非线性和周期性特征。将自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)应用于交通污染物浓度时序数据预测时呈现出良好的泛化能力。本文以长沙市CO小时浓度数据为研究目标,通过分析CO浓度时序数据的自相关性、偏自相关性,以及交通流对CO浓度的时滞性影响,确定ANFIS预测模型的输入变量。结果表明,相较于传统的时间序列预测模型以及机器学习模型,ANFIS模型预测结果具有更高的精度,能够对交通环境污染进行预测及预警,为防止城市灾害性大气污染事件发生奠定理论研究基础并提供有效决策支持。     

耦合AF-SVR的短时交通流量预测模型

交通流量预测是城市智能交通系统的重要研究内容之一,是缓解城市拥堵、实现智能交通管理和建设智慧城市的前提,基于短时交通流量的复杂性及非线性等特点,提出耦合AF-SVR的短时交通流量预测模型.模型结合了鱼群算法较好的并行搜索性能和支持向量回归机较好的非线性拟合能力,利用该模型对短时交通流量数据进行仿真实验,结果表明:模型较BP神经网络预测模型具有较高的预测精度,是短时交通流预测的一种有效方法.     

基于C-D生产函数测算ITS对交通畅通性改善的贡献

ITS作为一项改善城市交通运行效率的重要手段,对其产生的效益进行评价正日益受到普遍重视.基于C-D生产函数模型,以北京市ITS为对象,将区域生产总值、城市人口数量、ITS建设投资作为指标参数,测评2005-2010年间ITS对北京市交通拥堵改善的贡献率.研究结论显示,ITS对交通拥堵改善的贡献具有滞后性和累积性,随着时间推移,其贡献价值越来越明显,结论能够为城市ITS的建设、规划及效益评估提供参考.     

改善交通视角下的城市人口经济分布研究

城市各区的人口-经济分布直接决定了各区之间的车流量,从而决定了城市的交通拥堵程度.充分考虑各区入口经纬度、道路基本路况和人口-经济分布等构建交通指数模型,探究各区入口的拥堵情况.之后从市民出行的角度构建评价模型,评价城市各区布局是否合理.最后,构建非线性规划模型,为城市各区人口经济合理分布提供政策建议.以深圳市为实例进行了实证研究,结果表明深圳市接下来应该着重发展罗湖、南山和盐田区的经济,住房规划首先考虑南山区.     

基于SD-GM理论的城市交通拥堵收费模型研究

随着中国城市化建设步伐的不断加快,交通拥堵在不断地加剧。同时,因机动车污染物的排放,每年将产生大量的NO_x,从而又会引起严重的大气污染(如“雾霾”污染)。针对这些问题,本文从环境和社会的角度出发,采用系统动力学与灰色系统相结合的方法(SD-GM),构建了城市交通拥堵收费模型,并对模型中主要变量进行动态仿真和决策分析,以此来寻找缓解交通拥堵和减少机动车尾气排放的可行策略。通过现实性测试和敏感性测试,得到拥堵收费的范围不超过100元/天*辆。通过进一步的仿真和结果分析可得到以下结论:(1)在区间[25,40] 内,随着拥堵收费的提高,NO_x存量,机动车出行吸引度和交通拥堵程度都呈下降趋势,而车均道路面积呈上升趋势。(2)但并非拥堵收费越高越好, 超过40 元/天*辆,会产生相反的效果。最后,通过比较分析,得到NO_x存量,机动车出行量,机动车出行吸引度和交通拥堵程度分别下降了约33.76%,39.64%,43.26%,82.25%,而车均道路面积提高了大约65.68%,进而验证了模型的有效性和实用性。     

Spatial distribution complexities of traffic congestion and bottlenecks in different network topologies

Recently, urban traffic congestion has become a popular social problem. The generation and the propagation of congestion has close relation with the network topology, the traffic flow, etc. In this study, based on the traffic flow propagation method, we investigate the time and space distribution characteristics of the traffic congestion and bottlenecks in different network topologies (e.g., small world, random and regular network). The simulation results show that the random network is an optimal traffic structure, in which the traffic congestion is smaller than others. Moreover, the regular network is the worst topology which is prone to be congested. Additionally, we also prove the effects of network with community structure on the traffic system and congestion bottlenecks including its generation, propagation and time–space complexities. Results indicate that the strong community structure can improve the network performance and is effective to resist the propagation of the traffic congestion.     

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.     

Diagnosis and treatment of congestion in central urban areas

The development and dispersal of area-wide traffic jams is a matter of considerable social concern. Work at Middlesex University, supported by EPSRC, has enabled the construction of a simulation model with greater geographical scope than most conventional congestion simulation models. Our simulation concentrates on a holistic view of traffic jam formation in a setting of isotropic flow.In the model, traffic incidents can effectively be introduced anywhere in the network. The growth of traffic jams can be observed using a graphical display and options are included to disperse and control the formation of traffic queues.Simulation results have confirmed that the uncontrolled growth of the traffic jam is both rapid and potentially irreversible. Experiments with dispersing the traffic jam have given greater insight to the ‘gridlock’ phenomena. We suggest a number of possible, practical counter-measures, which would both inhibit the growth process and contribute to the controlled dispersion of queues in congested networks. The effectiveness of the proposed strategies is evaluated via the simulation model and as a result, we provide a coherent set of remedies which would assist in the diagnosis and treatment of central urban congestion problems.     

出行量预测不确定下基于灵敏度分析的拥挤收费定价模型

拥挤收费是改善城市交通的有效手段.对拥挤收费定价的研究方法之一,就是针对固定的出行量进行收费设计.由于出行量预测不确定的因素,应针对长期出行量预测不确定的情况,利用灵敏度分析的方法,对拥挤收费定价的问题进行研究.首先研究了出行者出行的广义费用,然后考虑出行者的出行决策及出行量预测不确定的因素,给出一个拥挤收费定价模型,为交通管理者提供理论依据.     

A multi-criteria decision making approach for location planning for urban distribution centers under uncertainty

Location planning for urban distribution centers is vital in saving distribution costs and minimizing traffic congestion arising from goods movement in urban areas. In this paper, we present a multi-criteria decision making approach for location planning for urban distribution centers under uncertainty. The proposed approach involves identification of potential locations, selection of evaluation criteria, use of fuzzy theory to quantify criteria values under uncertainty and application of fuzzy TOPSIS to evaluate and select the best location for implementing an urban distribution center. Sensitivity analysis is performed to determine the influence of criteria weights on location planning decisions for urban distribution centers.The strength of the proposed work is the ability to deal with uncertainty arising due to a lack of real data in location planning for new urban distribution centers. The proposed approach can be practically applied by logistics operators in deciding on the location of new distribution centers considering the sustainable freight regulations proposed by municipal administrations. A numerical application is provided to illustrate the approach.