考虑路票发放方式和交易成本的UE模型及算法

针对现有考虑路票策略的用户均衡(UE)模型难以同时反映路票发放方式和交易成本的影响问题,建立了克服其局限性的改进型UE模型.定义了可描述多种形式的路票发放方式和交易成本的出行者净广义路径费用,由此建立了对应均衡状态的路票UE条件;构建了该UE条件的等价变分不等式(VI)模型,并严格证明其等价性、解的存在性和唯一性.设计了一种快速收敛的启发式求解算法.算例结果表明:当交易成本为零时,路票发放方式对结果无影响;当交易成本非零时,路票发放方式不同,则对应的UE路段流量解、路票价格也不同,且路票价格随"卖"路票成本的增大而增大,随"买"路票成本的增大而减小;合适的路票发放方式和交易成本具有实现交通系统帕累托改进的潜力.     

基于路径长度的Logit型随机用户均衡模型

为了克服传统路径选择模型内在的IID假设,将考虑路径长度的Logit模型(path-sizelogit,PSL)引入随机用户均衡模型,构建了基于PSL的SUE模型.通过数学证明该模型的解与随机用户平衡解的一致性,以及模型解的唯一性.基于PSL的SUE模型考虑了路径长度的因素,从而可部分消除由于传统Logit模型对误差项的IID假设而引起的IIA问题.设计了MSA算法作为模型的求解算法,对比分析了考虑路径长度的Logit型随机用户均衡模型和传统Logit型随机用户均衡模型的分配结果,结果表明,在SUE模型中采用PSL模型能够处理各个路径之间长度的差异性.     

截断随机出行时间下可靠网络均衡模型

针对现有随机交通网络均衡模型未考虑路径出行时间的有界性和准时到达概率对出行者路径选择行为影响的问题,基于截断随机出行时间,提出了克服其局限性的可靠网络均衡条件,该均衡条件下没有出行者可以通过单方面改变出行路径来提高准时到达概率.构建了该均衡条件的等价变分不等式(VI)模型,并证明了其等价性和解的存在性.设计了基于路径的相继平均(MSA)算法对模型求解.采用Nguyen-Dupuis网络对可靠网络均衡模型和MSA算法的有效性进行了测试.研究结果表明:该算法能够快速收敛到较高精度;与不考虑随机出行时间有界性的模型相比,网络均衡状态下的准时到达概率和流量分布均存在差异,最大路段流量相对变化值达到38.5%;增加出行时间预算和降低出行时间上界均可以有效提高起讫点间的准时到达概率.     

停车换乘与路票交易组合措施下居民出行特性建模分析

为了研究路票交易措施下的居民出行特性,与现有的交通管理措施如停车换乘措施相结合,针对停车换乘与路票交易组合措施下居民出行方式特点,设计以路段为收费单元的可交易电子路票收费方案,阐述其诱导居民选择不同出行方式的机理,并根据居民不同出行方式特点建立多项Logit模型。采用行为调查(RP)与意向调查(SP)相结合方法,对上海市工作出行前往中心区域特性进行调查,对比了工作出行者原出行方式与路票交易约束下出行方式的变化情况,并基于调查数据量化分析路票交易与停车换乘组合措施下出行者的出行方式选择影响因素。研究结果表明:当存在路票交易奖励机制时,有部分出行者从公共交通转向驾车绕路前往中心区域;以全程驾车为参照组分析发现,出行者居住位置对是否选择驾车绕路具有显著影响,距离中心区域越远越不倾向驾车绕路;在停车换乘与全程公共交通出行中,路票交易奖励机制发挥显著影响,且出行者在选择公共交通出行时会首先考虑路票收益,其次考虑出行时间因素;基于路段收费的路票交易方案在有效利用有限道路资源方面有积极作用,该研究结果可作为交通管理部门制定交通管理措施的理论依据。     

路票约束下的用户均衡网络流建模及其算法

为了缓解交通拥堵问题,在传统用户均衡模型的基础上,建立了带路票约束条件的用户均衡网络模型。本模型采用牛顿算法作为子算法,结合增强拉格朗日乘子法求解带路票约束的用户均衡网络流。外惩罚函数通过调整惩罚参数,把容量约束下的网络均衡问题转化成传统网络均衡问题。牛顿法通过移动方向、修正矩阵和移动步长的组合来保证路径或路段交通流量解的可行性,同时获得转化后子问题的最优解。算例分析表明,相对于传统的交通分配方法,添加路票约束能显著改变交通分配结果,使高流量路段的交通量减少了25％,能够有效地缓解交通拥堵。     

伪单调均衡问题的一种加速投影算法

介绍了求解均衡问题的几类算法,并针对收敛性证明需要Lipschitz连续性条件的问题,提出了一种加速投影算法.该算法首先由辅助问题原理和Armijo型线搜索得到一个预估点并以此构造一个超平面,进一步通过选择适当步长和减小投影域使得算法产生的序列快速收敛,从而实现加速投影的目的.最后,在双重函数f伪单调且不需要Lipschitz连续的条件下,证明了该算法产生的迭代序列全局收敛到伪单调均衡问题的解.     

基于瑞利分布的变步长常模盲均衡算法

针对常模算法(CMA)及基于剩余误差非线性变换变步长常模算法(REVCMA)收敛速度慢的缺点,提出了以误差函数为随机变量、以瑞利分布为变步长,构造了基于瑞利分布的变步长常模盲均衡算法(RDVCMA)。该算法的变步长有两个参数,通过调整该参数,可以加快收敛速度。分别用4QAM及4PSK信号,通过典型电话信道,对算法进行了仿真研究。结果表明,在同样的稳态误差条件下,新算法具有比CMA及REVCMA更快的收敛速度。     

最优变步长最小均方模型和实现算法

为了解决最小均方(leastmeansquare,LMS)算法中收敛速度和稳态误差之间的矛盾,在独立假设的条件下,从滤波器系数均方误差的角度,提出了最优步长定理,证明了最优步长和均方误差之间存在一一对应的关系。并以此构造了最优变步长LMS(optimalvariablestep-size,OVS-LMS)模型。推出了最优步长的递推式,讨论了最优初始化相对步长的选取方法。综合以上的分析结果,提出了该模型的实现算法。计算机仿真证明了该算法和OVS-LMS模型的学习曲线是非常相近的,因而该算法在独立假设条件下是最优的变步长LMS算法。     

随机路网中风险爱好出行者的路径选择分析

为探究随机路网中有风险偏好倾向的驾车出行者的交通路径选择影响及风险倾向与路网路段拥堵之间的关系,结合风险偏好型出行者的等价路段负效用函数与Weibull随机用户均衡建立随机路网Weibull随机用户均衡(SUE)模型,以等价负效用最小化为路径选择准则设计了求解模型的算法.采用测试算例及在广州调查得到的驾车出行者风险倾向系数,分别使用等价路段负效用函数和美国联邦公路局函数作为路段绩效函数进行随机路网Weibull随机用户均衡与Logit随机用户均衡交通分配,并比较分配结果.由算例结果可以发现风险爱好型的路径选择行为会加剧某些路段拥塞.通过算例对文中提出的Weibull-SUE模型进行敏感度分析,结果表明风险偏好系数对于一些路段交通量有显著影响.这一研究将有助于展示现实随机路网中风险爱好出行者的交通流分布形态,加深对交通行为的理解.     

基于神经网络控制的共轭梯度法

共轭梯度法中搜索步长是通过某种搜索策略得到,许多情况下的收敛速度较慢.为了加快其收敛速度,提出了通过引入具有“先验知识“的神经网络对共轭梯度算法中的搜索步长进行控制.实验结果表明,该模型实现的共轭梯度法对于加快收敛速度有效.