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.     

基于分层Logit的多方式随机用户均衡分配模型

为了完善现有的交通分配模型,综合考虑出行者的方式选择与路径选择行为,建立了基于分层Logit的多方式随机用户均衡分配模型。首先,在多方式交通网络中,根据出行者出行决策的2个步骤,即首先选择合适的交通出行方式、然后选择该方式交通网络中的出行路径,采用分层Logit模型描述出行者的交通方式和路径联合选择行为。在建立的分层Logit模型中,出行效用与流量分布相互制约,出行效用受路网流量影响,而路网流量由效用所决定,最终要达到平衡。接着,构造了一个数学规划模型来求平衡解,证明数学规划模型的最优解与分层Logit模型的流量解等价,并进一步证明等价数学规划模型的目标函数是凸的,而约束集也是凸的,因此等价数学规划模型是一个凸规划问题,模型的解是唯一的。随后,给出了求解提出的基于分层Logit的多方式随机用户均衡分配模型改进的方向搜索算法步骤。最后,以含公交车和小汽车2种方式的方格形路网为算例,分析公交票价、出行者的时间价值和分层Logit模型的层间比例参数的变化对交通分配结果的影响。结果表明:公交车票价对流量分配的影响不大;公交需求量随出行者时间价值的增加而下降;当出行者的时间价值较低时,公交需求量随分层Logit模型的层间比例参数增加而增加,当出行者的时间价值较高时,公交需求量随分层Logit模型的层间比例参数的增加而减小。     

基于贝叶斯网络的大学生共享单车出行行为研究

为研究大学生共享单车出行行为,以福州市大学城各高校学生为研究对象,利用问卷调查采集各年级学生共享单车出行数据.首先,基于所获得的数据计算各节点的互信息值,假设贝叶斯网络参数服从Dirichlet分布,采用K2算法进行贝叶斯网络结构学习,利用贝叶斯估计法进行贝叶斯网络的参数学习,从而构建大学生共享单车出行行为的贝叶斯网络.然后,利用所构建的网络进行共享单车出行方式预测,计算该模型的预测值与实际值的误差,分析模型的精度,且与常用的Logit模型预测结果进行比较.最后,在所构建的网络模型基础上,应用联合树引擎分析是否拥有私人交通工具、出行距离等影响因素对大学生共享单车出行行为的影响.分析结果表明,贝叶斯网络学习精度较高,比Logit模型预测结果更有效.