高速公路网的匝道协调控制及仿真研究

基于动态交通流模型和匝道入口处的车辆排队模型,分析了匝道协调控制在提高高速公路路网运行效率中的作用.针对交通流模型的非线性,提出了使用遗传算法对路网匝道调节率进行优化,并且证明了匝道优化可以有效处理偶发性拥挤,快速恢复交通流的运行,减少路网的总行程时间.利用全局交通流数据的实时优化,获得系统全局最优控制,提高高速公路的运行效率.对高速公路网的仿真计算表明匝道协调控制能够有效处理偶发性拥挤,并能大大减少路网总行程时间.     

基于随机用户均衡原理的充电站分布双层规划

为优化充电站布局，考虑燃油汽车的行程时间，出行能耗，以及电动汽车的行程时间、充电时间和等待时间等因素，分别构建燃油汽车和电动汽车的阻抗函数，利用变分不等式模型建立电动汽车和燃油汽车混合条件下的基于交通流均衡分配的充电站规划模型并提出求解算法。通过数值算例证明所提出模型和算法的有效性和实用性，提出路网内不同电动汽车比例条件下的最优充电站分布方案，并进一步分析电动汽车和燃油汽车共存条件下的交通网络运行特征。研究结果表明：所提出的模型和算法有效可行；充电设施的建设应根据电动汽车在路网中的比率进行科学调整，同时，根据驾驶者选择行为对充电站选址和容量进行规划，以保证交通网络运行状态的稳定、高效。     

停车换乘方式下准动态行程时间可靠性计算模型

目前大多数行程时间可靠性计算模型均未考虑例如停车换乘之类的组合出行方式对路网行程时间可靠性的影响;对可靠性的动态变化轨迹研究不够深入。以加权行程时间方差衡量路网可靠性大小,基于停车换乘交通分配理论构造了一个准动态行程时间可靠性计算模型。描述了出行者考虑可靠性影响下的方式-路径动态选择行为,刻画了路网可靠性动态变化轨迹;基于K优路径和连续平均算法,设计了模型求解算法,并通过经典算例验证了模型和算法的有效性。与传统单方式可靠性计算模型相比,本文所建模型可以用来分析停车换乘措施对减少交通拥堵、提高路网可靠性所起的作用;分析出行者可靠性偏好大小对路网可靠性变化的影响。     

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.     

基于简化路网模型的卡尔曼滤波多步行程时间预测方法

针对目前多步行程时间预测方法研究较少,存在未来一段时间内的观测值不能及时得到的问题,提出基于简化路网模型的卡尔曼滤波多步行程时间预测模型和算法.综合运用上游路段、当前路段的实时和历史行程时间数据,从历史数据中寻找与当前日期交通状况最接近的历史日期,解决卡尔曼滤波未来一段时间内没有观测值而无法进行多步预测的问题.实验表明,算法能够合理地预测未来几个时段的路段行程时间,有效地避免了时滞性.同时,多步行程时间预测算法的精度高(尤其是4步以内,均等系数达到0.9以上), 是一种可行的预测方法.     

公共因子和路径长度对Logit型随机用户均衡模型的影响

在交通分析模型的路径选择过程中,Logit模型有着不可替代的优势,而模型对误差项的IID假设既是简化计算的原因也是其致命的缺陷。为了弥补模型的不足,分别从两个层面构建Logit模型,即考虑选择肢之间的相似度和用户对路径长度的敏感度。用数学推导证明该模型的解与随机用户平衡的解是一致的,以及解的唯一性,并采用MSA算法求解该模型。通过算例对比分析了引入不同因素对Logit型随机用户均衡模型分配结果的影响方式与程度。结果表明,公共因子使得路径选择概率更离散,但路网的总行程时间最小;而路径长度敏感系数使路径间流量分布更均匀,两者同时考虑时模型的各项指标均居中。     

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.     

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。     

基于起讫点的均衡交通分配改进算法

AnthonyChen (2002)提出的基于起讫点的Frank-Wolfe (ODBFW)算法, 对同一起点的所有OD对搜索最短路树, 采用one-OD-at-a-time流量更新策略, 是一种收敛性能较好的均衡交通分配算法. 主要对ODBFW算法的初始化、线性搜索及最短路搜索算法进行改进, 提出ODBFW改进算法. 将ODBFW改进算法应用于国际上同类研究常用的SiouxFalls网络及我国山东省诸城市实际道路网, 比较标准FW算法、ODBFW算法及ODBFW改进算法的可行性、效率及稳定性. 结果显示, 改进算法效率较标准FW算法有显著提高, 稳定性较好. 在小型测试路网上改进算法较ODBFW算法达到收敛的时间减少近15%, 在大型测试路网上减少近5%.     

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.     

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 .     

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.     

基于出行者路径选择行为的VMS诱导策略研究

针对现有交通诱导系统片面地确定可变信息板(VMS)位置和发布内容的弊端,提出系统性确定符合路网出行需求的VMS诱导策略的方法,该方法从交通管理者对系统建设成本的限制和出行者的路径决策心理出发,建立综合考虑两者期望的双层规划模型.其中上层模型考虑交通管理者对网络总效益的期望和对VMS建设成本的约束,下层模型根据出行者在VMS诱导下的转向概率,运用符合出行者路径选择心理的随机动态交通分配模型,并设计了求解算法.应用表明,在不同的系统建设成本约束下、网络总出行成本是网络交通需求水平、出行者的转向概率、VMS的布设位置、交通诱导信息的发布周期和内容等的组合结果,因此求解保证网络总出行成本最低的VMS诱导策略时需要同时考虑以上因素.研究结论可为城市交通管理VMS诱导决策提供理论支持.     

交通信息诱导下的混合用户均衡模型研究

通过分析交通信息对出行者路径选择行为的影响,构建了一个同时考虑惯性出行者和非惯性出行者路径选择行为的混合用户均衡模型.随后,提出了求解混合用户模型的算法,通过算例对模型和算法的合理性进行验证,并探讨当出行者路径选择存在惯性行为时,交通信息是否能够缓解交通拥堵.研究发现交通信息虽然可以影响出行者的路径选择行为,但是可能会增加整个系统的总出行时间.而合适的信息渗透率有助于显著地减少整个系统的总出行时间,使得系统趋向于最优化.     

大规模人群网络流瓶颈识别方法研究

在体育赛事、集会等场合,大规模人群沿路网流动过程中易发生拥塞并诱发恐慌、踩踏等严重事故.因此,理解网络结构对人群流动特征的影响,对大规模人群在网络上的流动进行有效的组织和管理十分必要.首先结合大型活动行人路径选择行为的一般特征,采用交通分配模型将大规模人群分配到具体的网络拓扑结构上,采用非线性行人路阻函数模拟人群拥挤效应;随后,计算路网流量增加条件下人群在各路段走行时间变化率,并提出以路段走行时间变化率排序作为各路段结构重要度排序的方法,据此计算各路段的鲁棒性,确定瓶颈路段.最后,以德国2010年"爱的大游行"踩踏事故为例,分析验证了大规模人群网络流瓶颈识别方法,研究讨论了对路网实施管控的流量阈值以及不同管控条件下网络流的定量演化规律,可为路网的科学管理和规划提供基础数据和理论依据.     

拥挤交通网络中组合的交通出行、OD、路径分配与收费定价模型

提出交通网络中出行选择、讫点选择、路径选择和道路收费定价的组合模型。模型被表示为两层规划,低层表示出行选择、讫点选择和路径选择的随机均衡模型,预测驾驶员对道路收费模式如何响应;上层确定最优道路收费,以达到网络出行费用最小。     

基于BP神经网络的路径行程时间实时预测模型

行程时间预测是交通流诱导系统研究的一项重要内容．在分析各种行程时间预测方法的基础上，本文建立了基于ＢＰ神经网络的行程时间实时预测模型，编制了行程时间预测软件系统．利用长春市的交通实测数据对行程时间进行了预测     

基于实时交通信息的车辆路径与调度动态仿真

城市的发展导致道路交通运输问题变得越来越突出。针对这类问题,建立了一种基于实时交通信息的动态车辆路径与调度问题模型,并构建了一个动态交通仿真模型模拟真实的车辆行驶状况。通过两阶段仿真,获取车辆在道路中行驶的实际行驶时间。最后构造了一个交通网络,通过仿真试验验证提出的模型的有效性。