基于模糊逻辑的停车泊位预约实时决策方法

停车泊位预约是停车诱导信息系统的一项高级功能.为了体现公平性及平衡不同时段的停车需求,将收益管理的理念引入停车泊位预约系统,提出基于模糊逻辑的停车泊位预约实时决策方法.通过求解理想情况下的停车泊位预约决策模型产生相应的最优预约决策,确定模糊规则库,运用模糊逻辑判断实时在线决定是否接受泊位预约申请.该方法简便易行,能够在短时间内帮助系统处理泊位预约申请,并保证被接受的申请者能够在预订的时刻顺利完成车辆停放,同时也能最大化停车场的收益.     

停车场内部泊车行为特性分析及最优泊位选择模型

在详细分析有无诱导条件下的停车场内部泊车行为异同的基础上,提出服务于车位引导系统的最优泊位选择模型.结合国内外微观泊车行为调查分析结果,确定了停车场内泊位选择过程中的主要影响因素,包括步行距离、行驶距离、安全性、遮荫时长和有效泊位两侧车辆占用情况等.将各影响因素视为泊位的多项属性,建立了基于灰熵的最优泊位选择模型,对某一时刻停车场内所有的空余有效泊位进行排序,确定最优泊位.实例分析表明,该模型客观、简单、实用,有助于车位引导系统为停车者选择实时的最优泊位.     

停车诱导可变信息标志影响下的多层路网随机用户均衡分配模型

在传统随机用户均衡分配模型基础上,将路网分为路上行驶层、停车巡泊层和步行层3层,用于定量分析停车诱导可变信息标志对驾驶人出行的影响.引入慢速因子体现驾驶人的停车寻找行为,并利用考虑理解误差的费用函数反映停车诱导可变信息标志对驾驶人停车设施选择行为的影响.在此基础上,构建了停车诱导可变信息标志影响下的多层路网随机用户均衡分配模型,并提出了相应的求解算法.算例结果表明,经平均迭代15次模型能较快收敛,当路网上部分道路处于拥堵状态时,停车诱导可变信息标志的设置效果较好,可节约驾驶人6.2%的出行时间.     

基于轨迹重构的城市路网OD估计方法

为了提高城市路网OD估计精度,提出了一种基于自动车辆识别数据的宏微观OD估计框架.该框架将微观层的个体路径选择行为和宏观层的随机用户均衡(SUE)分配相结合,微观层通过粒子滤波器的重要性采样过程更新状态空间概率曲线来实现车辆轨迹重构,从而构建宏观层路径流约束;宏观层建立上层为广义最小二乘、下层为路径流修正的Logit随机用户均衡分配的OD估计双层规划模型.该方法在基于Sioux-Falls网络的VISSIM仿真模型上实现,通过VISSIM设置虚拟检测器来模拟现实环境中的自动车辆识别系统.结果 显示,所提方法在各OD对估计中的平均绝对误差(MAE)均值为106.2辆/h,总需求百分比偏差(TDPD)均值为9.54％,相比较于非轨迹方法(MAE均值720.05辆/h,TDPD均值41.54％)有明显优势,在检测器覆盖率大于60％的条件下可以得到较为可靠的OD估计结果.