饱和路网中动态交通分配与路口控制一体化建模研究

基于对动态交通分配和网络信号控制相互作用的研究,以饱和交通网络为研究对象,建立了动态交通分配和信号控制的一体化双层优化模型。在上层模型中考虑系统最优,进行信号策略的优化,在下层模型中反映用户最优,实施交通网络流的配置。模型中考虑了车辆的实际长度,研究了饱和网络中因为流量饱和而导致的路口排队现象及其对路段费用的影响。最后用实例仿真说明了饱和网络一体化研究的必要性和一体化模型的有效性。     

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。     

动态用户均衡配流模型的研究

提出一个动态用户均衡配流模型 ,它能够预测多 OD对交通网络中交通流的动态变化 ,利用最优控制理论得出该模型最优解的条件 ,并证明了该条件与动态用户均衡相一致 ,该模型可以调控交通网络中的交通流量 .     

可变步长的投影梯度算法与交通网络流量分配

以确定性交通网络用户均衡问题为研究对象，在系统分析了确定性用户均衡问题的模型与优化条件的基础上。提出了可变步长投影梯度方法，并把它用于交通量分配问题．该方法把数学方法与交通工程实践相结合，避免了传统算法中可能出现的解的振荡现象．根据路径费用的大小决定路径解集的取舍，最终可以找到与各OD对相对应的多条最短路径，这个思想把Wardrop原则直接用于分配方法的设计，使路径选择者、交通工程师直观地体会到交通路径选择的多样性．实例验证了算法的合理性与丰富性．     

交通网络设计的优化模型及算法

通过对交通网络设计的问题及其研究现状的分析．对离散型交通网络设计问题进行了深入的研究。采用双层规划模型描述问题．其中上层规划模型是从交通规划者的角度出发．在建设资金受到约束的前提下．设计合适的路网结构．使得公路网中的交通出行能达到系统最优；而下层优化模型则是从路网使用者的角度出发．使交通出行达到用户最优，针对该双层规划模型．本文对上层模型使用SA算法求解．而下层模型则采用了基于路径搜索的GP算法进行求解．以此为基础设计了SA—GP算法对其进行求解。算例计算的结果表明．模型和算法都是有效的，求取的结果能显著改善路网的交通情况．而且上下层算法的收敛速度快，从而能为路网规划决策提供支持。     

预则型动态交通网络配流模型

提出卫种预测型动态交通网络配流模型，利用最优控制理论和最优化原理推出了模型最优解存在的条件，并给出最优解的经济解释，体现模型体现了道路使用者对路树的预测依赖于先进的交通信息系统和决策者的理发预测的特点，它与实际情况更为接近。     

考虑网络连通性的交通网络防护加固决策优化

在自然灾害发生后,受灾区域内同样受损的交通网络是实施人道主义救援的最重要物质基础,且其损毁情况将直接决定救援行动的效率和效果。为增强交通网络的抗毁能力和保障救援工作的交通效率,在灾害发生前需将有限应急资源合理用于交通网络中关键路段的加固等应急预防护工程。本文在不确定灾害风险环境下,考虑灾后交通网络连通性、出行效率鲁棒性和防护预算等约束,以最小化交通网络基础设施的灾前养护加固成本和灾后维修成本为优化目标,建立了不确定风险环境下的交通网络应急预防护的"一主多从"双层规划模型,并基于模拟退火算法和基于路径的梯度投影算法,设计了模型的求解方法。计算分析表明,算法收敛性好;预防护方案的决策成本与交通出行效率鲁棒性约束成反比;问题可行解的存在性同时受到出行效率和防护预算等约束的影响,尤其是预算的设施对问题是否存在可行解有较大影响。     

动态网络中机器人信息的感知与搜索策略

为建立一个机器人信息动态交互平台,提出机器人自主感知模型,动态建立机器人路径,并基于遗传算法优化多机器人路径。机器人自主感知模型通过抽象各种网络实体,对网络信息进行分类搜索,自主感知实时的网络传感信息,从而动态规划机器人路径。遗传算法优化用于解决多机器人的路径交叉问题,避免机器人工作空间的资源竞争。仿真和实验表明,机器人自主感知模型具有很强的扩展能力和合理的构架,突破了以往移动机器人仅仅使用自身传感器或网络固定传感器的局限,能够完成超过机器人视野范围的任务。     

改进点格自动机交通网络模型及交通系统自组织现象的研究

基于点格自动机的原理,提出一种比较切合实际的改进点格自动机交通网络模型。该模型把交通网络分为“道路”和“路口”。用队列来模拟“车流”,车辆密度分为三档。在此模型基础上,研究了不同情况下交通系统中的自组织现象。理论上分析了自组织形成的动态过程。并进行计算机仿真     

时变路网下异型车辆动态配置与路径优化

针对配送中心车型多样、客户需求动态变化且车辆行驶时间依赖配送区域路网速度变化特征的动态车辆路径问题,基于先预优化后动态调整的思想建立了以配送成本最小化为目标的两阶段优化模型.在预优化阶段,设计改进自适应遗传算法获得初始配送方案;在动态调整阶段,综合考虑客户需求变化和配送路网速度的变化,制定连续性和周期性相结合的优化策略,将问题转化为多中心车辆路径问题进行求解.通过实验分析验证了模型与算法的有效性,研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据.     

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.     

突发事故下交通拥堵控制策略设计

突发事故在城市交通网络中经常发生, 对交通系统的正常运行带来极大影响, 因此研究突发事故下交通拥堵的控制策略具有十分重要的意义. 研究突发事故下临时性的车辆禁行设计与可变信息板选址组合优化问题. 建立了临时性车辆禁行设计与可变信息板选址组合优化的双层规划模型, 上层目标从交通管理者的角度最小化出行者的系统总阻抗, 下层模型通过基于元胞传输的仿真描述在临时性车辆禁行与可变信息诱导下出行者的动态路径选择行为, 并提出了基于遗传算法的求解方法. 通过算例, 说明本文提出的临时性车辆禁行与可变信息诱导组合控制措施能够有效地降低突发事故所导致的交通拥堵, 提高交通网络的系统性能.     

基于微观交通仿真的动态交通管理优化问题研究

动态交通管理的优化帮助交通管理者针对实时交通状况制定出最优的交通管理方案.本文就此类问题建立了双层优化模型,并在下层模型中借助微观交通仿真模型,来评估优化过程中任一给定交通管理措施对路网交通流的影响;针对此模型,开发了基于模拟退火算法的优化解法.实践表明,借助下层交通仿真模型能方便有效地估量动态交通管理措施对交通流在微观层面上的影响,从而为上层模型中大规模的搜索优化奠定基础.     

Fuzzy-based network bandwidth design under demand uncertainty

<正> In communication networks (CNs),the uncertainty is caused by the dynamic nature of thetraffic demands.Therefore there is a need to incorporate the uncertainty into the network bandwidthcapacity design.For this purpose,this paper developed a fuzzy methodology for network bandwidthdesign under demand uncertainty.This methodology is usually used for offline traffic engineeringoptimization,which takes a centralized view of bandwidth design,resource utilization,and performanceevaluation.In this proposed methodology,uncertain traffic demands are first handled into a fuzzynumber via a fuzzification method.Then a fuzzy optimization model for the network bandwidthallocation problem is formulated with the consideration of the trade-off between resource utilizationand network performance.Accordingly,the optimal network bandwidth capacity can be obtained bymaximizing network revenue in CNs.Finally,an illustrative numerical example is presented for thepurpose of verification.     

基于改进Smith预估补偿的网络控制系统研究

为了有效减少网络时延对网络控制系统的影响,提出了一种新的改进Smith动态预估补偿方法,实现了将前向通路的时延从闭环回路中移到闭环回路外,将反馈通路(传感器到控制器)的时延从系统中彻底消除,无需对反馈通路实施网络调度。由于补偿模型不包含网络时延,因此无需在线测量、辨识或估计网络时延的大小,适用于网络时延是随机、时变和不确定,大于一个、甚至数十个采样周期的应用场合。基于CSMA/CD(Ethernet)和CSMA/AMP(CAN bus)网络协议,仿真研究验证了该方法的有效性。     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

网络结点流量控制的非线性模型分析

针对网络中海量数据传输的网络拥塞控制问题,对网络流量稳定性控制的非线性模型进行了分析和模拟。结合网络中产生拥塞的原因(控制信息与数据沿同一链路传输且具有相同的时延,而每一个用户都试图最大限度地利用网络),给出了利用TurboC模拟不同带宽利用率、不同工具函数、不同经验因子情况下的网络传输情况。验证了模型的科学性、问题所在及建立脱离网络拓扑和网络协议的通用结点流量控制模型的可行性。     

考虑OD需求变异的网络交通流演化模型

考虑到新进入网络的交通需求不了解路径的完备信息,可能随机地选择出行路径,提出一个改进的网络交通流演化模型,并分析了该模型及其不动点的一些特性. 该模型不动点不是传统意义下的用户均衡态或部分用户均衡态,它能更好地反映现实中交通流分配结果. 格子网络上完成的数值模拟结果表明,模型可用来近似刻画实现用户均衡态的过程, 模型中初始可行路径流量可以为零, 交通流能够收敛到不动点, 但可能存在多个不动点.     

动态围堵嫌犯模型

研究了根据嫌犯逃跑信息更新调整围堵方案的动态围堵嫌犯问题。嫌犯在路口节点选择下一步逃跑方向时,交巡警获取该信息,并重新调度警力。将网络的边进行分割,在新网络的节点间调度交巡警。假设交巡警与嫌犯的速度相等,速度不相等时只需修改模型的相应部分。建立了重新调度的线性整数规划模型,该模型利用点截集判断优化模型减小包围圈的缺口。基于对逃跑行为的假设,模拟算例表明重新调度模型是有效的。