基于满意准则的有限理性用户均衡流量分配性质研究

基于西蒙有限理性满意准则的研究框架, 研究了有限理性用户均衡下的并行网络交通分配问题. 通过引入满意水平的概念, 对有限理性用户均衡流量分配问题建立模型. 基于该模型, 通过考虑出行者满意水平的异质性和出行者对路径的偏好, 分析了有限理性用户均衡下交通流量分配的一些性质, 得到了有限理性用户均衡态存在的条件. 研究发现, 优先选择路径上的出行者满意水平不会低于次优先选择路径上的出行者满意水平, 还证明了当满意水平满足一定条件时, 有限理性用户均衡条件会变为完全理性用户均衡条件. 算例表明, 有限理性用户均衡对应的用户总成本不低于完全理性用户均衡下对应的用户总成本.     

考虑参考点依赖的随机网络用户均衡与系统演化

考虑出行者路径选择过程中的有限理性和参考点依赖,以基于累积前景理论的路径选择决策规则为基础,建立随机网络用户均衡及其等价的变分不等式模型,力图展示现实中的交通流分布形态.提出了求解模型的算法,并通过简单的算例对模型和算法的合理性进行验证.考虑到日常出行路径选择是一个重复的学习与更新过程,通过模型描述出行者路径选择过程中的学习、选择和更新行为,进一步建立基于累积前景理论的动态交通系统,最后通过算例说明动态交通系统演化到用户均衡的过程.     

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 .     

用户均衡网络中的敏感度分析方法

以确定性交通网络用户均衡问题为研究对象,在分析了确定性用户均衡模型与优化条件的基础上,从非线性规划理论出发推导出确定性用户均衡模型的敏感度分析方程.与变分不等式的敏感度分析方法相比较,该方法只需要一般的数学规划知识,很容易被交通规划师和工程师所接受;提供一种获得均衡网络路径解的方法,该方法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相对应的多条最短路径,该路径解可以直接用于网络敏感度分析.实例说明了该算法的有效性和敏感度分析在交通规划、建设与管理中的应用.     

基于投影动态系统理论的网络交通演化模型

为了分析时间标准以小时或天为单位的网络交通流演化问题,利用投影动态系统理论建立了相关问题的演化投影动态系统。从网络组成基本元素入手,首先分析了出行者途中对出行路段的选择行为和对局部网络节点最短行程时间的重估问题,得到了基于网络局部信息的出行者路线调整策略。对上述策略进行时间上的演化建模,得到了网络交通流演化的投影动态系统。通过分析与该投影动态系统有相同稳态点的变分不等式,揭示了该系统与基于用户均衡的交通流分配模型的一致性。利用建模过程的分析,设计了启发式的投影动态系统离散演化算法。通过设计阶梯式算法收敛指标,可以加速演化得到网络的稳态。算例分析验证了模型算法的有效性。研究表明基于投影动态系统的交通流演化模型不仅能较好地刻画交通流演化特征,而且可应用于交通管理措施的短期交通流影响分析。     

含目的地选择的城市交通网络非稳定均衡分析

为了完善现有的城市交通流均衡分配理论,研究了城市交通网络中的非稳定均衡状态。利用添加虚拟节点和虚拟路段的超级网络建模方法,将出行者的出行与否决策、目的地选择决策以及出行路径选取决策归入一个抽象的网络中进行研究,利用变分不等式理论将网络的非稳定均衡问题转化为易于处理的一般交通流分配问题。研究结果表明:只有结合出行者的出行与否决策与目的地选择决策,才能使交通流分配的结果更符合现实;网络非稳定均衡状态确实存在,出行者出行与否的最高费用标准越高,实际的网络出行流越大。     

考虑共享出行的用户均衡交通分配模型

为了研究共享出行行为对交通分配问题的影响,本文提出一个基于路径的共享出行用户均衡交通分配模型.在该模型中,出行者不仅要选择从出发地到目的地的路径,而且还要进行模式选择,以达到最小化广义路径出行成本的目的.本文构建的考虑共享机制的交通分配模型引入两个假设:1)一个乘客只被一个共乘司机搭载,一个司机只载一个乘客;2)由于参与共享出行活动,共乘司机和乘客均可获得额外的共享出行奖励,此外共乘乘客还能得到共享出行成本折扣.这两个假设使得所构建的共享出行用户均衡模型更贴近现实.Braess网络中的数值结果分析了关键参数对均衡结果的影响,结果表明:共享出行成本优惠和共享出行奖励均是鼓励出行者参与共享出行活动的有效措施.     

考虑决策惯性的随机网络路径选择与交通流分配模型

本文针对随机网络的出行情境,分析了出行者路径选择中的惯性行为及其影响因素,提出了可变的可靠性价值系数以描述出行者的决策惯性,进而定义了随机网络中考虑决策惯性与风险规避的路径选择决策,并给出了相应的数学表达.通过分析发现,本文建立的考虑决策惯性的路径选择决策模型具有一般性,能考虑多种有限理性因素对出行者路径选择的影响;并且,通过特定的参数设置,能表示为文献中现有的多种随机网络路径选择决策模型.随后,定义了随机网络考虑决策惯性的用户最优均衡,并给出了等价的非线性互补问题,对模型的解的存在性和解集的性质进行了讨论.本文还构建了算例,对用户最优均衡模型的性质进行了分析和说明.     

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．     

VRGS中均衡诱导比例和系统服从率的计算

在考虑先进的出行者信息对出行路径选择行为影响的基础上,建立了信息影响下的路径选择模型,基于驾驶员群体的划分和路网混合均衡建模理论,构建了一随机网络混合随机用户均衡模型,提出了同时求解诱导比例和诱导系统服从率的数学模型,设计了模型求解算法,并利用算例进行了计算分析.     

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.     

基于神经网络的交通平衡求解算法

研究目标在于采用神经网络方法替代传统的交通分配方法。回顾了交通网络平衡条件下实现交通网络配流的解析方法，然后提出了采用人工神经网络模拟处于交通平衡状态的运输网络，进而替代传统的配流方法的思想。定义了交通流的平衡函数和交通流平衡态的概念，证明了用神经网络来识别交通流的平衡状态的可行性。提出采用反向传播神经网络来模拟交通平衡状态的原则和方法，并建立了训练神经网络的判据，提出了判断神经网络模型效果的评价方法。最后，通过实例证明了良好训练的神经网络可以替代传统的交通分配，而且，容易把交通管理策略考虑到分配的过程中．并且能够政善配流速度。     

异质用户下交通拥挤控制的混合策略研究

随着出行需求及汽车保有量的增加,交通拥挤愈发严重.为了缓解交通拥挤,本文针对公私合营的交通网络,考虑用户异质性,提出了对交通网络同时实行道路收费和可交易电子路票方案的混合策略,即分别对使用政府资建的公有路段和BOT模式下的私有路段的出行用户收取电子路票和费用.通过对用户在混合策略下的出行行为分析,建立了用户均衡和路票市场均衡下的变分不等式模型.接着,对交通网络的系统最优模型进行分析,得到了促使路网在用户均衡状态下达到系统最优的混合策略集合,同时给出了混合策略下系统效率损失的上界.在此基础上进一步提出了涵盖其他目标的双层规划模型,得到能实现双重目标的最优混合策略.最后,对具体路网进行数值实验,可分别得到路网中每一公有和私有路段的具体路票收取量和收费值,以及需要设置的收取总窗口数.     

交通网络效率损失上界的估计方法

2006年黄海军教授等深入分析了固定需求的交通网络中用户均衡和系统最优之间的关系;得到用户均衡效率损失上界计算公式.用一种新方法引入一个与均衡流量相关的参数,扩大了已有用户均衡效率损失上界计算公式的适用范围,给出了新的用户均衡效率损失上界.算例结果表明,新的上界比2006年的交通网络中用户均衡行为的效率损失上界的最小值还小.     

弹性需求用户平衡分配模型及其应用

对具有弹性需求的交通网络随机用户平衡分配问题进行了分析研究，将其描述为一个等价的变分不等式。最后将模型应用于拥护公交网络系统的平衡分配问题，并针对公交网络系统的特殊性，提出相应的求解算法 法。实例表明了模型的合理性和算法的有效性。     

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.