方式划分与路网配流联合模型

利用方式划分和交通分配联合模型将公交OD在轨道交通和普通公交路网形成的广义路网上进行分配.构造了广义旅行费用函数,利用惩罚系数模拟乘客的心理行为,改进了BPR路段经验阻抗函数,对公交的拥挤条件进行描述,讨论乘客平均等车时间.基于广义旅行费用在广义公交路网上提出了满足用户平衡(UE)的方式划分与交通分配的联合模型和多路径增量分配法来近似模拟用户平衡状态的分配算法,提高了分配算法的效率.并给出简单的算例说明该联合模型能够实时地反映公交线路的实际客流量对旅行时间以及公交服务水平的影响.     

多路径交通分配模型的改进及节点分配算法

本文对动态多路径交通分配模型进行了改进，提出了该模型的快速算法－节点分配算法，并详细阐述了节点分配法中的网络处理、分配节点排序及参数确定等问题。节点分配算法的采用，大大提高了多路径交通分配方法的速度及容量，使之能在超大规模网络的交通规划、交通控制及交通诱导系统中应用。     

两类交通分配模型算法的关系及其应用

针对两类(4个)交通分配模型及其关系,以及“全有全无”交通分配模型归类问题进行了研究,通过对比研究发现,仅需在目前常用的基于容限交通分配模型的算法中加入一个模块即可实现一种用户平衡模型的结果,为编写一类用户平衡的软件提供了捷径,对理论与实践也有一定的指导价值。     

基于模糊自适应算法的无线视频多路径同步传输方法

多路径无线视频传输幅值控制效果不稳定,导致多路径单视点传输比特率较低.因此,基于模糊自适应算法的无线视频多路径同步传输方法,采用模糊自适应算法设计无线视频多路径同步传输方法,控制无线视频多路径信号传输幅值,根据幅值控制结果配置无线视频多路径传输接口.利用传输接口和模糊自适应算法,采集无线视频传输数据,通过解压处理,完成...     

非平衡交通分配的离散网络平衡设计的遗传算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法.二层规划模型中上层问题对它采用遗传算法,下层问题是平衡交通分配模型,对它采用非平衡交通分配方法的拟FrankWolfe算法,并给出了算例,数值试验结果表明本文提出的算法是有效的且计算量小、收敛较快.     

基于模糊变量期望值算子的综合评判模型

针对模糊矩阵综合评判存在失效的问题,运用可信性理论,将判断属性值好坏的模糊性语言描述,用建立在可信性空间的模糊变量来表示,并以期望值纯量的形式来刻画。提出了基于模糊变量期望值算子的综合评判模型,针对此模型的不足和局限性,又提出了修正模型,并给出了相应的算法。模型实例分析结果表明:该模型具有很强的适用性和有效性。该成果为模糊性决策系统提供了一种新的处理方式,具有一定的参考价值。     

容量限制分配的蚁群优化算法

针对交通规划实践中广泛使用的用户出行行为假设与现实脱节的不足,提出了用蚁群优化算法获取网络流量加载路径的配流新思想.分析了网络中用户出行的行为特征并与蚁群算法执行机制进行了比较,提出利用人工蚂蚁模拟网络中用户出行的可行性和合理性.给出了基于Ant-Cycle模型的容量限制分配思路和流程.设计采用双层迭代机制完成整.个交通分配过程:使用内迭代构建完整的流量加载路径;使用外迭代对路段阻抗进行修正,体现网络的拥挤效应,使网络分配趋于平衡.仿真算例与对比分析表明:该方法可以模拟交通系统的平衡状态,分配结果趋近用户平衡;算法合理、有效.     

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.     

基于可信性测度的连续模糊需求报童问题

为获得连续模糊需求报童问题的最优订货量,基于模糊事件的可信性测度,推导了模糊销售量、缺货量和存货量的可信性分布函数以及期望销售量、缺货量和存货量的函数表达式。建立了模糊报童问题的期望利润模型。通过分析期望利润函数的性质,得出最优订货量应位于模糊需求的支集内。     

一种改进的多路径负载分配均衡算法

分析了实现均衡路由的功能模型和算法,重点研究了LDM(多路径负载分配)算法。为了充分利用候选路径的信道容量,提出了一种改进的LDM算法。改进后的算法在多个候选路径之间根据比例系数均衡分配通信流量。通过算法性能分析表明:改进后的算法和最初的LDM算法具有相同的复杂度,但对于给定的通信流量能够提升网络性能。     

基于出行时间预算的多模式多类用户城市交通均衡分析

在道路交通与轨道交通组成的多模式城市交通网络中,考虑路径出行时间的不确定性,对用户的交通模式与路径的选择行为进行分析,建立基于出行时问预算的多模式多类用户均衡交通分配模型,设计基于路径配流的求解算法.研究结果表明:该算法适用于路径费用不具备可加性的交通均衡模型的求解;交通需求、路网降级及用户所需的可靠度水平对交通模式及路径选择均具有显著影响;随着交通需求水平的提高或路网降级加剧,用户选择轨道交通出行的份额增加,且可靠度需求较高的用户选择轨道交通的份额增幅更高.     

基于可替换路径对的多用户均衡交通分配算法

针对多用户均衡交通分配问题，依据多用户均衡条件，给出了该问题的变分不等式模型和间隙函数。利用可替换路径对的概念，设计了基于可替换路径对的多用户均衡交通分配算法。在大规模交通网络上，对比分析了提出的交通分配算法、外梯度算法、基于用户的对角化算法和基于起点的对角化算法等的性能。数值结果表明，提出的基于可替换路径对的交通分配算法在求解精度、算法效率以及稳定性等方面都显著优于其他算法。     

基于多目标模糊决策的兵力分配模型

考虑作战兵力分配的多种目标因素，由模糊数学方法建立综合效益对于“优”的模糊关系矩阵并作为效率矩阵，建立了兵力分配的数学规划模型．结合传统的分派(指派)问题，给出了一种兵力分配模型及求解方法．     

非可加平衡交通分配问题的列生成算法

为求解非可加平衡交通分配问题,基于列生成算法基本框架,采用K最短路算法生成需要的路径,采用幂罚函数法求解平衡路径流问题,提出一种新的算法,并进行数值模拟,将算法用于求解含路径特定行驶费用和路段容量随机降级下的路径行驶预算2类非可加费用情形。结果表明,所提出的算法能有效求解非可加平衡交通分配问题,并获得高精度的满足 Wardrop用户平衡准则的平衡路径流(误差E≤10-9),即对于每一个O D对,流量大于0的路径的行驶费用几乎都相等,且等于最小行驶费用。     

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。     

组合用户平衡和随机用户平衡条件下的交通配流模型

首先分析了用户平衡和随机用户平衡条件,并分别给出了对应的数学规划模型.然后根据在实际交通系统中,往往存在两大子系统:一是由个体出行者构成的满足用户平衡(UE)条件的子系统,另一子系统是基于随机用户平衡(SUE)的子系统.本文提出一种将UE和sUE结合的组合式用户平衡模型,给出了对角线算法,并对其收敛性进行分析,最后给出一个数值算例,说明该方法是有效的.     

基于随机均衡配流的O-D量估计双层规划模型及算法

在传统随机均衡配流模型的基础上,提出了一种增广的随机用户均衡配流模型及其求解算法。在此基础上构造了一个双层规划模型,用以描述基于随机用户均衡原则的从路段观测流量估计O-D交通量的问题,并给出了相应的求解算法。该模型及其求解算法对于解决O-D估计问题是可行有效的。     

基于可信性理论的电网规划方法

电力工业的解除管制和重构使电力规划和运营面临着大量的不确定因素.以经济性和可靠性为规划目标,运用模糊理论描述未来系统负荷、发电机出力、线路建设费用等不确定因素,基于可信性理论建立了电网规划的模糊期望值模型.为求解模糊规划问题,采用了模糊潮流、模糊模拟与遗传算法相结合的方法.利用修改后的IEEE-14节点系统算例验证了方法的有效性,并进一步比较确定性规划和不确定性规划的可扩展性,结果表明考虑不确定因素的规划方案对未来负荷的变化有更强的鲁棒性.     

非对称网络容量约束用户均衡交通分配仿真算法

针对非对称网络路段容量约束交通均衡分配模型计算困难,设计了一种带路段容量约束的用户均衡交通分配仿真算法。在算法迭代过程中,将按全有全无法在当前最短路上分配流量与前一轮迭代所得到的流量加权组合,各O-D对的组合系数依Logit模型来确定;并不断自适应调节路段排队延误因子和误差因子来模拟实际路段行驶时间,使路段流量逐步低于路段容量,从而达到广义用户均衡,克服了容量约束均衡分配计算量大及Logit随机分配法要求枚举所有路径的困难。随后证明了算法的收敛性,并对一个小型路网进行了数值试验。