城市路网系统大气污染物排放量计算方法

为解决城市复杂路网系统特定时期各路段机动车大气污染物排放量的精确计算问题,提出一种新的机动车污染物排放量计算方法.首先构建路网拓扑模型;其次利用复杂管网液体流动模拟路网机动车流动行为,根据流动规律构建机动车流计算模型,并给出其求解算法-邻域自适应差分进化(NADE,neighborhood adaptive differential evolution)算法;然后结合排放因子计算机动车污染物排放量,并揭示其排放特征;最后以大西安主城区路网为例对该方法进行实例验证.结果表明:该方法计算结果贴近各路段污染物实际排放情况,通用性强,适用于复杂路网机动车流量和污染物排放量的动态测算.     

动态系统最优的疏散路线与出发时间综合优化模型

疏散是应急管理的重要内容.区域性疏散涉及到大批车辆的集体性出行,为保证疏散的安全、有序,有必要在疏散规划中合理规定源点车辆的分批次出发时间和路线安排.以往大量研究将疏散路线和出发时间的优化描述为动态网络流优化问题.但在这些模型中,交通流的一个重要特征却没有得到合理反映,即路段走行时间等路网特征的变化不但与时间有关,还依赖于路段或路网的交通负荷.本文提出了一个动态系统最优的疏散路线与出发时间综合优化模型,其中采用基于加载仿真的非解析式子表示流量传播约束,通过其反映路段走行时间随道路负荷变化的实际.设计了基于加载仿真的启发式算法,并给出了一个数值算例.     

路网模糊流量条件可靠性瓶颈逻辑割树模型研究

采用模糊聚类分析法、故障树方法的逻辑思想与图论的割集理论 ,研究了在一定时间范围里 ,路段模糊流量条件可靠性评价问题 ,并在此基础上 ,设计了路网模糊流量条件可靠性瓶颈的逻辑割树模型 ,提出了相应的“瓶颈算法”,并作了实证分析.     

基于储备容量的交通网络潜在瓶颈路段识别

交通网络潜在瓶颈路段是随着需求变化将来可能会成为瓶颈的路段.准确识别出潜在瓶颈路段并进行优化管理,可以更好地适应未来交通需求的变化.基于交通网络储备容量模型,提出了交通网络潜在瓶颈路段识别方法,并设计了储备容量模型的求解算法.算例分析比较了现状需求和路网可容纳最大需求下的交通均衡流量模式.结果表明,不能简单地根据现状需求去推断潜在瓶颈路段,而论文提出的方法可以识别出路网达到最大需求时的潜在瓶颈路段.此外,利用交通网络储备容量模型设计了一种次要潜在瓶颈路段识别方法,次要潜在瓶颈路段是在优化潜在瓶颈路段之后随需求增长新出现的瓶颈路段.算例表明该识别方法具有一定的适用性.     

城市道路网络的行程时间可靠性

针对现有城市信号控制路网可靠度计算模型难以实用的缺陷,放弃对实时OD矩阵进行交通分配,以路网的各交叉口的真实流量和信号配时为基础,直接估计各个OD对之间的实时的行程时间及其可靠度.然后将城市道路网络视为多功能系统,根据可靠性理论中通用的多功能系统可靠度计算方法,构建了动态路网系统行程时间可靠度估计的框架模型,实现城市路网可靠度的实时估计.由于无须引入难以获取的动态OD矩阵数据,使得模型具有实用性.最后通过真实案例表明了模型的实用性.     

考虑OD对出行时间可靠性的道路网容量可靠性

构建了基于OD对出行时间可靠性的路网容量可靠性双层规划模型,其中下层规划用随机均衡交通分配来描述出行者的路径选择,上层规划为满足出行时间可靠性的基本OD需求乘子最大。假定路段容量服从双侧截尾正态分布,基于Monte Carlo仿真技术和网络均衡流灵敏度分析方法,设计了一种求解路网容量可靠性的启发式算法。用一个小型网络开展了数值分析,验证了所建模型和算法的有效性。     

应急疏散路径选择元胞传输宏观模型

通过建立元胞传输模型,研究了紧急事件下动态网络交通流应急疏散问题,将车流离散化处理成单个车辆可以有效地克服网络规模较大时运算效率低的缺点.模型采用时间步长法进行模拟,紧急疏散车辆路径的确定与各路段的走行时间密切相关.仿真实例说明模型和算法提高了紧急事件下网络动态交通配流的应用效果.     

城市道路网络交通状态时空演化量化分析

为了使对城市道路网络交通状态的分析不至陷入交叉口或路段内部的交通状态分析,需从中观或宏观的角度去分析交通状态.本文在探讨路网状态特征参数的基础上,定义了"路段拥挤度"指标,通过建立城市交通网络模型,并基于浮动车(GPS)采集数据设计了路网交通拥堵时空演化量化分析的流程,采用"路段拥堵持续时间""区域行程时间延误"区域拥堵路段数量"三个时空参数对路网交通拥堵状态的时空演化进行了量化研究.最后结合上海市浮动车数据与实际交通网络,得出了交通拥堵的延误时间和空间范围与拥堵程度大小的关系等结论.     

基于k-shell的城市路网关键路段识别方法

考虑到城市路网中不同路段所处的位置不同,其重要程度亦不同,将体现路段在路网中位置的k-shell值引入城市路网关键路段的识别中,提出了基于度+k-shell值的识别方法;该方法应用复杂网络理论对城市路网进行网络拓扑映射并分析网络特性,利用所提出的方法对网络中节点进行重要性排序,并分析依该排序的路段次序失效后对城市路网连通可靠性的影响;以西安市三环内路网为例,将文中所提出的方法与已有基于度值和介数值的测度方法进行了对比,表明基于度+k-shell值的方法较已有的两种方法能提高网络的连通可靠性。研究结果可为城市道路交通管理部门进行城市道路施工方案的优化、交通应急预案的制定等提供决策及理论支持。     

随机供求下的道路服务水平可靠性

目前对路网可靠性的研究主要集中在连通可靠性、行程时间可靠性和容量可靠性三个方面,但这些可靠性指标均不能综合反映路网的性能.为此本文从交通供给和交通需求随机性分析入手,借鉴可靠性理论,从出行者个体和网络管理者的角度出发,提出了服务水平可靠性的概念,拓展了现有的路网可靠性评价指标.通过将路段容量和交通需求简化为离散随机变量,基于路网最可能状态生成算法,建立了路段及路网服务水平可靠性计算的近似算法,最后在一简单网络上进行了计算分析.     

道路瓶颈前车辆强制变道汇流过程模拟研究

建立了基于车辆强制变道汇流行为的微观交通动力学模型,模拟分析了道路瓶颈影响下的交通流量、车道速度分布和时空图等3个宏观交通流特征和变道距离、行程时间等2个微观交通流特征。结果表明：瓶颈道路上任意截面的总流量均可表征道路的整体通行能力;中高车流密度下,道路瓶颈可使道路总流量降低10%~35%,并造成17%~42%的车辆行程时间延误;道路瓶颈对其上游相当长的区域内车辆具有减速效应;道路瓶颈前车辆强制变道距离的99分位值可以作为交通信息面板位置设定的依据。     

基于蚁群算法的人车混合疏散优化及混合比例分析

为解决紧急情况下的人车混合疏散问题, 以人车混合疏散的总时间最短、混合道路利用程度最高为目标,建立了一种人车混合疏散的多目标优化模型, 针对该模型设计了多目标蚁群优化算法及其改进算法,并应用于大型体育场及其周边路网集成环境中进行了仿真实验, 分析了不同人车混合比例下的疏散性能,结果表明:该模型及算法对人车混合交通流疏散问题具有良好的效果, 尤其是当行人所占比例为 50%-80% 时,人车混合疏散效果在两个目标上较优.该模型和算法有助于为大型公共场所人车混合安全疏散预案的制定提供决策支持.     

信号道路网动态路段行程时间有度排队模型

通过分析确定当路段动态驶入流率为小交通流和远超饱和交通流时明显地存在路段行程时间与车辆排队长度有关．因此，提出了一个全新的信号道路网有度排队模型（SQ模型），确定在各种不同驶入流率的形态下动态路段行程时间，其中既包括自由流行程时间，又包括出口处排队延误时间及其相关的计算模型和方法，并用实例分析并检验了模型的计算效率．     

斜坡通道双向行人流安全疏散行为研究

斜坡通道中双向行人流的行为动态是研究人群安全疏散的基础.人群密度增加时,行人之间的挤压、冲突作用均增强,加之,斜坡倾角越大,行人行走的稳定性越差,易引发推挤倒地的安全隐患.本文建立斜坡通道中双向行人流的势函数场元胞自动机模型,考虑行人之间作用力和通道倾斜度影响.该模型用于模拟行人流动态和倒地现象.模拟结果得出:当通道坡度、行人入流密度增加时,上坡人群的倒地概率达40%,而下坡人群的倒地概率高达60%.在此基础上,考虑到我国行人偏向右边行走的习惯,以及人群的跟随效应,通过划分两个方向人群的入流位置,将两向行人流分为两股互不干扰的行人流,从而解决行人之间的挤压与冲突,并通过模拟验证该策略可避免倒地现象发生.     

基于网络分解与叠加的用户均衡网络敏感度分析

在交通网络用户均衡问题中,敏感度分析就是确定均衡网络状态时起讫点交通量及路段旅行时间的变化对路段交通量或路段旅 行费用的影响. 文章以确定型交通网络用户均衡问题为研究对象,推导了均衡网络的敏感度方程,运用网络分解与叠加的方法 提出了敏感度方程的求解方法,并分别给出了网络分解与叠加的实现方法. 该方法可以有效解决均衡网络敏感度分析中的秩亏 问题,相比基于数学规划法的敏感度分析有了很大改善. 这样,基于变分不等式的网络敏感度方程即可直接用于敏感度分析,为敏感度分析在交通规划、建设与管理中的应用提供了很大的便利.     

交通网络效率的度量和元件重要性的计算方法

针对固定需求和弹性需求的交通网络,综合考虑均衡状态下的出行行为、出行成本、出行需求以及路段流量等因素,分别 提出了网络效率的度量方法,并在此基础上计算网络元件的重要性.算例结果表明:所提出的效率度量方法和元件重要性计算公式是合理的,并对Braess悖论网络进行了分析,发现网络元件的重要性随需求变化而变化.所提出的方法和研究结论对设计和管理交通网络具有指导意义.     

基于蚁群算法的交通控制与诱导协同研究

以路网总行程时间最小为目标,兼顾路网流量的均衡,建立了城市交通控制与诱导的协同模型。引入了蚁群算法的思想,并利用此算法对模型进行求解,得到最佳路径和最佳信号配时方案;最后采用小型路网进行仿真试验,通过跟实际的交通流对比,表明此方法能有效均衡路网流量,并能有效节约路网的总行程时间。     

基于OLS算法的RBF神经网络高速公路事件探测

高速公路事件是指破坏正常交通流并造成交通阻塞的非重现随机发生的事件。事件发生后对其进行快速可靠的探测对减少交通延误、保障道路安全、减少环境污染具有十分重要的意义。文中提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法，同时改进了用于RBF神经网络训练的OLS(正交最小二乘)选择算法。仿真实验证明，改进的OLS选择算法大大提高了RBF神经网络的训练速度，同时具有无须事先确定RBF中心的优点，将之运用于公路事件探测可以获得满意的性能。     

基于路径运行时间可靠度的随机系统最优拥挤收费模型

应用交通网络平衡模型和边际成本收费理论相结合的方法,研究了运行时间可靠度下的随机系统最优拥挤收费问题,建立了运行时间可靠度及内生ATIS市场渗透率条件下随机系统最优交通拥挤收费模型.分析了基于运行时间可靠度下的随机系统最优拥挤收费对用户出行行为的影响.发现了与确定性网络用户平衡流中的情形类似,对于考虑运行时间可靠度下的随机交通网络,边际成本收费理论仍然适用,即采用边际社会成本流函数代替单位路段成本流函数,可以使随机网络随机用户平衡流变为随机网络随机系统最优流.算例分析结果表明:在传统的拥挤收费模型中,拥挤收费仅与路径(路段)运行时间和路径(路段)流量有关.现实中,在确定他们的出行路线时,用户往往还会考虑网络运行时间可靠度因素,而不仅仅是路径运行时间或成本.用户对于运行时间可靠度的置信度要求越高,传统的拥挤收费执行效果越不理想.因此,现实生活中传统的拥挤收费不一定能使网络效益达到最优或缓解交通拥挤.