基于空间型马尔科夫链的行程时间估计模型

行程时间不仅与起讫点的需求量有关,而且与道路的空间结构有着密切的联系。传统的马尔科夫链主要应用于时间序列,未考虑空间结构的影响,不能有效地揭示出行行为的空间特征;本文将其应用于空间序列,建立了基于空间型马尔科夫链的道路行程时间的估计模型。该模型首先建立了相邻路段上行程时间的二维散点图,揭示了行程时间具有空间相关性;通过应用空间型马尔可夫链,将相邻路段上行程时间的相关性进行整合,构造出若干条马尔科夫路径,进而对道路的行程时间进行估计。最后,将模型应用到实际道路中,结果表明,模型具有较高的估计精度。     

区域交通网络行程时间估计的半Markov链模型

利用模糊聚类分析及典型判别方法,将区域交通网络单元路段的状态划分为3类,考虑到各类交通状态下拥挤效应的异同,对各状态下的瞬时行程时间函数进行了标定。然后,对区域交通网络的状态进行了定义,应用半Markov链随机过程理论,分析了给定时间段内某区域交通网络各种状态的随机变化规律,计算了各种状态出现的极限概率。最后,结合各状态下网络单元路段的瞬时行程时间函数,给出了给定时间段内的区域交通网络行程时间估计方法。将模型估计得到的行程时间与实测行程时间进行了对比,利用t检验法对估计结果进行了检验,检验结果表明,在显著性水平α=0.05的条件下,估计平均行程时间与实测行程时间均值没有显著性差异。     

基于出行时间可靠性的城市交通网络设计

现实城市交通中,日常出行需求经常发生变动且路段能力一般处于恶化状态下,在假设出行时间和出行需求变动服从正态分布的情况下,建立了基于出行时间可靠性的城市道路交通连续网络设计模型。由于现实数据获取的困难性,设计了结合仿真技术的遗传算法来求解该问题。通过算例分析表明,建立的模型是有效的,其求解算法是可行的。     

考虑时间因素的城市配送出行里程模型

城市配送出行里程估计对城市货运交通的规划和管理有重要意义。目前已有多位学者对这些因素综合考虑建立了一些定量计算的模型,并且有学者研究指出了配送车辆运行的时间分布对出行里程的重要影响,但目前没有出现将时间因素考虑在内的估计模型。通过引入一个时间和空间分区的二维订单密度,对标准出行里程模型进行重新推导,构建包含时间因素的城市配送出行里程估计模型,使模型更接近现实情况。     

行程时间不确定的城市公交网络设计模型与算法

常规公交网络设计中一般以平均行程时间作为路段的阻抗,实际上乘客路段行程时间应是平均行程时间和缓冲时间之和。本文采用线路行程时间的标准差来衡量线路的行程时间不确定性,使用行程时间偏差权重系数来代表乘客对于行程时间不确定性的不同的风险态度,构建了城市以乘客总出行时间最短与公交公司的运营成本最小化的公交网络优化模型。并使用贪婪算法构建初始解,将乘客需求最大的两个节点连接起来作为初始线路,采用蚁群算法对初始线路进行迭代改进,从而得到最优的公交网络,最后以一个小型的公交网络设计来验证该模型的有效性。     

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.     

基于模糊神经网络的实时路段行程时间估计

基于对我国城市交通流的物性分析 ,提出了一种基于模糊神经网络的实时路段行程时间估计模型 ,用于将来自于交通控制中心的实时交通数据转换成为能够反映路段实时运行状况的直观参数 :路段行程时间 ,从而为交通流诱导服务 .这种方法用具有更高智能的神经网络实现了对抽象模糊规则的自动纠错的记忆 ,符合人类认识的模式 ,能令人满意地表达经验知识 ,而且模糊输入输出关系具有了明确的表达能力 .     

基于非线性时间价值的多用户出行均衡与系统最优

针对存在异质用户的固定需求交通路网,当用户的时间价值呈离散分布,且出行费用与出行时间表现为非线性函数关系时,分别建立了基于时间和费用两种计量准则下的系统最优和多用户均衡路径选择模型.证明了在非线性时间价值函数条件下,存在非负匿名路段收费方案,使得基于费用计量的多用户均衡解与系统最优解一致,但在时间计量单位下,使得系统最优解与多用户均衡解一致的匿名路段收费方案不存在.     

离散时间动态随机交通分配模型

提出了一种离散时间的动态随机交通分配模型。该模型以离散时间形式提供在一天或高峰期间内路网交通流的变化。模型中路段交通条件假设为两部分：一部分为自由流,一部分为排队车流。模型中考虑了先入先出的原则和路段拥挤效应。运输需求调整采用马尔克夫动态模型。当每个出行者不能再通过改变出行选择而增加其效应时达到动态随机用户平衡。     

基于Copula-持续时间模型的夫妇俩出行时间分析

日出行时间是居民出行特征的重要分析指标。围绕家庭成员出行选择的相互作用,构造了基于Copula函数的二元持续时间模型,分析了夫妇俩的出行时间安排。研究用加速失效时间模型描述单个成员的日出行时间选择,并通过Copula函数将夫妇俩的出行时间选择纳入同一模型,能准确刻画2个选择之间的相互影响模式。将所建立的模型应用于居民出行调查数据,分析了夫妻各自出行时间投入与其个人及家庭的社会经济属性、活动和出行特征之间的数量关系,以及存在于夫妻之间的相互影响模式。分析表明,夫妻俩人的出行时间安排存在显著的相关关系,而各自的活动和出行之间存在派生和竞争关系,研究能部分反映个体的时间分配行为,对交通需求预测和管理有重要意义。     

通勤出行方式和出行时间选择的离散-连续模型

出行方式和出行时间是决定出行需求时空分布的两个重要因素。为探讨出行方式对出行时间选择的影响,构建了出行方式和出行时间选择的离散-连续模型系统。其中,出行方式选择子模型应用了多项Logit模型,出行时间选择子模型则引入了持续时间模型。利用二元正态分布理论,通过关联两个子模型的误差项,建立了联合选择模型。以2013年某市居民出行调查中的通勤出行数据为基础,应用极大似然估计法标定了联合模型。研究结果表明,出行方式对出行时间有显著的影响,通勤者年龄、性别和收入等是影响出行方式和出行时间选择的重要因素。研究为预测出行选择行为和评价交通需求管理政策提供了新的思路。     

高速公路事故路段车速空间分布与排队特性仿真

在微观交通流仿真环境下,建立双向四车道、双向六车道及双向八车道高速公路事故路段仿真模型,模型中每个车道间隔10m设置1个检测器,测量断面运行车速,根据仿真结果绘制高速公路事故路段车速空间分布图,以确定事故现场上游的危险路段,并对各车道车速样本拟合,获得车速空间分布模型.在事故现场端面设置排队计数器,测量排队长度,改变事故现场几何特征及输入交通流量,获得各交通流量下的平均排队长度和最大排队长度,确定车辆排队能否自行消散的临界交通流量.研究结果为确定交通事故的时间和空间影响范围提供理论依据,也为制定限速方案和其他管理措施提供参考.     

拥堵交通网络能耗节约边界信号优化方法

为了缓解宏观交通网络拥堵区的拥堵状况并降低机动车燃油消耗,首先依据路网状态划分的宏观基本图控制子区,建立了拥堵区边界车流平衡方程.其次将路网分为交叉口和路段两类,根据宏观基本图参数建立了网络能耗估计模型.再次以宏观路网出行车辆完成率最高同时能耗最低建立了能耗节约拥堵区边界双目标优化控制模型.最后以实际城市道路网络为测试对象,通过比较无区域边界控制、拥堵区入口Bang-Bang边界控制和本文提出的双目标优化控制方案,仿真结果表明:1)在高峰时段,双目标优化控制方法路网疏散能力比无区域边界控制、Bang-Bang控制分别提高20.14%、2.1%,同时机动车燃油消耗分别降低43.14%、24.48%;2)本文提出的双目标优化控制方法可有效改善拥堵区内外交通密度的均衡性;3)宏观路网拥堵区的边界控制可有效降低高峰期间拥堵区的拥塞程度,提高整个路网的疏散能力.     

基于随机边界函数的出行时间分析

出行时间是居民出行特征的重要分析指标.研究从出行时间预算入手,将随机生产边界函数用于对出行预算和出行时间边界的描述,建立了出行时间边界和出行者社会经济属性、家庭结构、出行者日活动安排及居住地用地特征之间的数量关系模型,给出了出行时间预算和出行时间边界的相互关系.以居民出行调查数据为来源,对通勤者和非通勤者分别建立随机出行时间边界模型,分析了工作活动影响下通勤者出行时间与非通勤者出行时间对各类影响因素的不同响应程度,比较了通勤者与非通勤者出行时间预算和出行时间边界的不同分布规律.研究表明,随机生产边界模型的组合误差结构为研究个体出行时间差异提供了很好的分析手段.     

基于机器学习的中观交通仿真器模型参数标定

针对经典速度-密度模型在精确刻画交通流动态变化特性时所存在的局限性,将更丰富的路段检测信息运用到中观交通仿真模型参数的标定过程中。提出先对路段检测数据进行预处理,再采用机器学习方法中的局部加权回归、k-均值聚类、k-最近邻方法,分别将车流密度,密度与流量作为变量标定车速。利用现场数据对算法进行了大量测试,结果表明,算法是有效的,适用于基于仿真的动态交通分配系统。     

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.     

基于着色时间Petri网的航班保障服务建模方法

航班地面保障过程的定量描述以及保障服务时间的准确估计是提升机场保障服务效率的关键。通过分析航班地面保障服务实际作业流程,提出了一种基于着色时间Petri网的航班地面保障服务定量描述模型。该模型将保障服务分为作业、状态、资源3部分,利用着色时间Petri网基本元素描述保障作业、作业逻辑关系、服务状态及其与保障作业的关系,根据该模型设计了一种基于蒙特卡罗仿真的保障服务时间估算方法。利用国内某大型枢纽机场实际航班保障服务时间数据与本文提出的方法估计保障时间数据估算误差进行分析验证,表明本文提出方法对航班地面保障服务时间估计的可行性和有效性。     

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。     

基于隐马尔科夫模型的中国股票信息探测

应用隐马尔科夫模型对不可观测的股票信息状态建模, 并构建信息状态转移概率矩阵刻画信息状态在时间维度上的动态关联性. 基于5分钟分时高频数据, 利用贝叶斯推断与马尔科夫链蒙特卡洛模拟(MCMC)的方法估计了上证指数、上证50样本股2010年 8月的信息状态与信息强度. 通过实证验证了模型具有较好的信息识别能力, 且发现了中国股票市场信息效应具有聚集性的特点. 通过信息状态转移概率矩阵, 推测出:在我国股票市场, 一个信息经过100分钟能融入市场的概率是99%.     

基于风险的交通网络可靠性分析方法

从风险角度提出了一种交通网络可靠性分析方法——基于风险的交通可靠性(Reliabilitybased on risk,RBR),并对其定义、形式与应用进行研究.首先提出RBR的概念,并对RBR与其他交通网络可靠性指标的异同进行了分析;通过高斯核估计,给出了基于历史数据的路段出行时间分布函数的估计与计算方法,从而得到该路段的RBR,并使用误差分析与返回检验对该方法的误差进行验证;随后使用天津某高速公路的历史观测数据对文中RBR及其计算方法进行验证;最后给出了RBR的其他形式——路径RBR、路网RBR的概念及相应的计算方法,从而将RBR推向更广泛的应用空间.