基于路径优化模式的出租车合乘调度

针对城市出租车实际运营中存在的时空分布不平衡、调度效率低等问题,对出租车合乘调度进行了研究。通过引入合乘站点的概念,借助时空网络的方法,构建了动态的调度优化路网。考虑乘客时间窗、出租车容量限制等相关约束条件,最大化合乘服务水平,以合乘过程中出租车的运营时间和乘客的出行时间(包括乘车和等待时间)最小为目标函数,建立了基于路径优化的出租车合乘调度模型。并针对该模型特点设计了相应的混合蚁群遗传算法(HACGA)进行求解,通过多次运算验证了混合蚁群遗传算法(HACGA)求解路径优化模型的有效性。算例分析表明,同时和出租车单乘相比,基于路径优化模式的合乘策略可以大幅度减少对出租车的需求,出租车总的运营里程也明显降低。     

基于竞争路径选择的HOT车道费率优化模型

针对社会车道交通拥堵严重而公交专用道利用率较低的问题,提出将公交专用道改建为高承载率收费(High-occupancy/toll,HOT)车道,通过调节HOT车道费率,在确保公交车运行效率的前提下提升公交专用道及整体路网的时空资源利用率.分析存在竞争路径时出行者的出行特性,构建路径选择模型,估计设置HOT车道后出行者的路径选择行为.在此基础上,结合道路服务水平和总出行成本,构建了基于竞争路径选择的HOT车道费率优化模型,动态优化多种流量条件下HOT车道费率方案.最后以武汉长江隧道、武汉长江二桥和二七长江大桥为例进行实证研究.结果表明:优化的HOT车道费率方案能够减少9％的交通流量,降低41.29％的社会车道延误,为促进合乘行为、缓解交通拥堵、提升道路资源利用率提供了可靠保障.     

诱导信息下基于博弈论的路径选择模型

诱导信息下的路径选择模型无论是在宏观的交通规划领域,还是在微观的驾驶员行为机理研究过程中都具有重要的意义.通过分析出行者选择路径的过程,将博弈论中的静态多人博弈与路径诱导下的出行者的决策过程进行对比,引入求解纳什均衡的划线法,来阐述出行者的路径选择模型,以求得到最接近实际的出行者在静态诱导信息下的路径选择模型;给出了基于博弈论的路径选择模型算法,并通过1个简单实例阐述了在静态诱导信息下出行者的博弈过程以及求解纳什均衡的方法.     

基于公平性的出租车合乘算法研究

随着时代的发展与社会的进步,"打车难"问题一直困扰着城市公共交通的发展,因而出租车合乘现象逐渐出现,而且在我国江浙一带已经将合乘合理化并应用到实际生活中.但广大民众对出租车合乘依然存在抵触情绪.就出租车合乘所面临的问题进行分析,结合以往学者对出租车合乘的研究情况,就合乘费用问题提出一种基于公平性的改进计算方法,用于解决合乘中可能遇到的乱收费现象.     

基于时间价值的随机用户出行决策模型研究

出行者一次出行经历了是否出行、终点选择、交通方式选择、路径选择四个决策过程.首先考虑时间价值不同这个因素,给出了基于时间价值的广义费用;然后建立随机用户出行决策模型,该模型描述了出行者的四个出行决策行为,即模型的一阶条件与四个出行决策的条件等价;其次证明了模型的一阶条件满足出行决策条件,最后给出模型算法.由于考虑了时间价值这个因素,因而模型能更准确描述出行者的出行行为.     

考虑距离因素的多方式交通超级网络均衡配流模型及算法

考虑了出行距离对出行者不同感知费用的影响,提出了一种考虑距离因素的多方式用户平衡配流方法。对出行者在多方式交通系统中的出行行为进行了分析,基于图论构建了用于描述一般出行过程的多方式超网络模型,并定义了有效超路径和子路径。针对出行者在不同出行过程中时间和花费这两个主要定量因素的计算方法,同时考虑了出行距离对出行者感知费用的影响机制,构建了考虑距离因素的出行广义费用函数。在此基础上,提出了基于用户平衡准则的多方式交通网络配流模型,并提出了基于子路径费用的最短超路径搜索算法。最后用一个简单算例对模型进行了验证,结果表明本文所提出的模型及算法可行有效。     

交通系统行为状态评价模型

针对出行者交通行为路径选择,以时间变量最佳路径算法模拟个体日常出行行为,提出了总体旅行费用最小化的行为计划模型;引入条件概率来描述模型的不确定性,并以贝叶斯方式进行了扩展,提出个体选择路径的最优化模型及求解的迭代算法。结果表明:路径和行为位置选择中要考虑出行计划,该行为模式能使旅行费用最小化;所提供的行为可能性不仅依赖于主观费用,而且能形成交通状态评价问题,所提供的算法有效地解决了该问题。     

基于潜变量的驾驶员路径选择行为分析

为更真实地还原驾驶员的路径决策过程,构建了基于潜变量的路径选择模型以增强模型的解释性。首先采用结构方程模型识别行为中存在的潜变量;并通过离散选择模型分析潜变量对选择行为的影响。最后以广州市驾驶员为例进行实证分析。结果表明:在驾驶员的态度与行为中存在4个潜变量因子;且各潜变量与驾驶员的社会经济属性有关。驾驶员的路网熟悉度与路径探索意识对其路径选择行为有较大影响;考虑潜变量的模型有效提高了模型的拟合度。     

ATIS环境下的网络交通流逐日动态演化研究

基于出行者逐日路径选择过程,建立出行者路径选择模型和逐日路径选择学习模型. 在2条平行路径的简单路网中进行多次数值实验,结果表明：网络交通流演化是否稳定,以及能否达到随机用户均衡态,与出行者对昨日感知行程时间的依赖程度和先进的出行者信息系统市场占有率两者都有关系. 当出行者对昨日实际行程时间完全依赖时,路网系统始终偏离随机用户均衡态;当出行者对昨日感知行程时间完全依赖时,出行者集中选择一条路径,并且网络交通流演化稳定.     

高度信息化条件下的动态配流模型

考虑出行者在高度信息化条件下的动态路径选择行为,提出一种高度信息化条件下动态配流模型的框架。将出行者分为被诱导和未被诱导两类,未被诱导的出行者选择静态最短路径,而被诱导的出行者选择随时间变化的最短路径。出行者在交通信息影响下选择自己的最佳出行路径,先进的出行者信息系统通过对交通网络各种交通状况信息的收集和处理,为出行者提供更有价值的交通信息。该模型框架为智能化交通运输系统的建立提供一定的理论依据。     

双准则交通分配和方式划分相结合的网络均衡

分析了综合交通体系下不同时间价值的出行者路径和方式的时间、费用交易选择行为.运用了交通方式路径虚拟和对路径费用重新排序的方法,给出了双准则交通分配和方式划分的综合模型、有效路径算法和用户均衡算法.通过计算机模拟的方法,举例分析了交通改进措施和交通政策对交通分配和方式划分的灵敏度.模型可以更加真实地反映出行者在权衡时间价值和费用下的路径和方式选择,并可定量研究交通方式服务水平提高和交通政策对交通方式引导和缓解路段拥挤的作用.     

出租车合乘模式的探讨

文章针对城市交通拥挤以及出租车所占交通量大而载客量却很小的现状,提出了出租车合乘运营模式,在考虑了司机和乘客双方利益的基础上建立相应的数学模型,建立乘客合乘查询系统,求出最佳行驶路线,确定各个乘客的费率,计算合理费用。     

考虑路径走行时间边界的行程时间可靠性研究

以路径的自由流时间为路径走行时间的下边界,提出了截断正态分布条件下的出行时间预算模型,并将其与一般正态分布条件下的出行时间预算模型进行对比.在多用户随机网络条件下,假定出行者的期望准时到达概率是异质的,并建立了基于可靠性的多类用户随机用户均衡模型.研究结果表明,在截断正态分布条件下,出行者的预算时间更大,且其风险厌恶水平是基于情景自适应的.同时,对准时到达要求较高的出行者倾向于选择可靠性较大的路径,对准时到达要求不高的出行者倾向于选择平均走行时间较小的路径.     

出行者感知误差下目标导向型双属性用户均衡

提出了目标导向型双属性路径效用模型,用于分析随机交通网络中出行时间和出行时间可靠度两属性影响下出行者的路径选择行为,其中能够达到的目标决定了路径效用的大小。所提出的模型具有3个特点:一是考虑出行者感知误差,从而得到出行时间和出行时间可靠度的感知值;二是基于感知值的边际分布,采用Copula函数刻画感知值间的随机相关性;三是出行者为每个属性赋予特定目标,并且提出了目标间的相互作用,即互补关系。基于所提出的路径效用模型,进一步提出了考虑出行者感知误差的目标导向型双属性用户均衡模型,将其表示为变分不等式问题,采用连续平均算法对其进行求解。最后通过数值实验验证了出行者不同出行行为下的表现和算法的有效性,并对相关参数进行了敏感性分析。提出的模型拓展了出行者路径选择的研究范围。     

基于累积前景理论的日变交通配流模型

相比基于均衡原理所建立的网络均衡配流模型,日变交通配流模型能够描述网络系统的非均衡状态,因而具有更一般的适用性.针对基于期望效用理论的出行者路径选择模型的不足,采用累积前景理论获得了出行者具有参考点依赖特征的路径累积前景值.假设出行者是最大路径累积前景的追随者,利用不同路径累积前景的差异构建了网络系统路径流量交换模型,并据此建立了一个日变动态配流模型.通过一个算例网络对配流模型进行了验证,数值结果表明所提出的模型能够反映动态决策环境下出行者考虑随机风险的有限理性决策行为.     

层次分析法在出行路线选择中的应用

文章将出行者所关心的行程时间、行程的舒适安全度和行程费用等进行综合考虑,将各自在出行者心中所占的比重作为依据,利用层次分析法进行数值计算,求解出出行者所希望的最佳路径.本文的特点是数据具有随机性,是从出行者的角度出发,与利用Dijkstra算法求最短路径相比更具有实用性.     

层次分析法在出行路线选择中的应用

文章将出行者所关心的行程时间、行程的舒适安全度和行程费用等进行综合考虑,将各自在出行者心中所占的比重作为依据,利用层次分析法进行数值计算,求解出出行者所希望的最佳路径.本文的特点是数据具有随机性,是从出行者的角度出发,与利用Dijkstra算法求最短路径相比更具有实用性.     

交通拥挤收费的社会公平性分析

建立交通模型,分析拥挤收费对社会各阶层的公平性影响.出行者的时间价值(VOT)服从连续型分布.在一个简单的路网上,建立交通均衡模型,分析出行者根据自己的VOT选择出行方式和行驶路径的行为.分析了拥挤收费对不同VOT居民的出行方式、路径选择和费用变化影响,发现实施拥挤收费后大多数出行者的行程时间和总体出行费用都呈现下降趋势.具体而言,广大VOT较低的公交乘客和VOT较高的驾车族从拥挤收费中获益,少量VOT较低的驾车族因拥挤收费受损.     

机场出租车司机的最优决策模型

基于载客路程这个随机变量的密度函数建立了机场出租车所载乘客的期望收益函数,给出了任意时刻起单位时间内候车总人数的表达式,在揭示了出租车等待乘客的时间与候车人数关系的基础上,获得了每辆出租车的平均服务时间的估计公式;综合考虑出租车司机不同选择的有关收益和费用,考察机场出租车司机决定排队载客起至搭载乘客到达目的地止这一包括了出租车司机等待和载客的完整过程对应的时间区间内,基于出租车司机不同选择对应的单位时间的平均净收益构建了出租车司机选择的最优决策模型,给出出租车司机的最优选择策略;建立了机场短途载客且再次返回机场载客的出租车排队的"优先权"模型,且能有效地均衡出租车司机的收益,更有便于操作的优点。     

基于分解算法的动态大规模合乘匹配-路径规划

动态合乘是出行路线相似的出行者共用一辆车的交通方式,能够有效利用现有资源,最大化社会效益。当前合乘研究存在司机-乘客匹配质量不高,算法实时性差等局限。本文提出了考虑订单匹配数量、司机旅行时间、乘客等待时间与乘客延误时间的司机-乘客合乘匹配模型。针对模型特点,设计了基于分解方法的司机-乘客合乘匹配与路径规划算法。通过选择贪心随机自适应搜索算法、粒子群算法与本文的算法对比,成都市网约车数据验证,结果表明：分解算法下司机与乘客不方便成本低于贪心与粒子群算法;分解算法订单匹配率在90%以上,高于贪心与粒子群算法的80%-90%匹配率。通过对比证明,本文提出的模型与算法,能够在保证高匹配率的前提下,降低出行不方便成本,提高算法实时性,在实际工程中有较好的应用效果。