考虑异质出行者的道路收费路网流量演化模型

为研究道路收费路网的流量在出发时刻和出行路径上的逐日演化规律,根据时间价值差异将出行者分为3类,以历史经验学习更新出行路径相关参数,将时间价值与路段收费统一为出行成本,引入前景理论描述出行者的出行行为.以准点到达概率最大为目标,建立出发时刻的流量转移模型;以追逐路径前景值最大为目标,建立各出发时刻流量在路径间的流量转移模型;最后通过算例对模型和算法进行验证.结果表明:处于收费路段与时段的流量较小,流量向其他路段及时段转移;异质出行者与同质出行者相比,总体流量演化表现为转移次数更多、转移幅度更平缓.     

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.     

基于指向惩罚的交通信息发布下随机交通分配*

提出了通过对发布交通拥堵信息的路段进行阻抗惩罚的随机交通分配方法。出行者被分为“随机型”与“信息型”两类并进行logit型的随机路径选择,前者不受交通信息发布的影响,根据正常路阻进行路径选择,而后者会根据发布的信息,改变对下游路网阻抗的认知并根据新的阻抗进行路径选择。通过对发布拥堵信息的路段的路阻施加路段到路段的指向惩罚来反映“信息型”出行者的路阻变化,分别对两组类型的出行者进行随机网络加载,给出了基于混合流量加载的交通分配算法。实例验证了方法的有效性,并分析了交通信息服务的市场占有率和信息的发布方案对信息发布效果的影响。     

考虑服从率的道路网络交通流逐日演化博弈模型

在刻画出行者的日常路径选择过程中,出行者的异质性与有限理性问题逐渐突出,而以往的交通流演化研究大多将出行者根据是否装配先进出行者信息系统(ATIS)分为两类,演化稳定后分别达到UE与SUE状态,但没有考虑出行者对信息的服从率。因此,研究中根据出行者对静态信息的服从率将出行者分为三类,使用累积前景理论刻画出行者的得失心理行为,建立了基于马尔可夫动态模拟出行者路径选择的演化博弈模型。在算例试验中,分析了路径调整率分别取固定值和变动值条件下的演化过程,当路径调整率的取值随演化过程递减时,出行者由更期望改变自己的路径选择逐渐向保持原有路径选择改变,这能更加体现出行者的有限理性,其路径演化过程也更加符合实际。     

基于期望-超额行程时间与有限理性的城市交通分配模型

为完善现有交通分配方法,综合考虑路网与出行者两方面不确定性因素对随机出行行为的影响,建立基于代理的城市路网交通分配模型。首先,采用期望-超额行程时间反映路网行程时间的客观不确定性,并构建通行能力随机退化条件下的出行成本函数。随后,引入出行者对路径成本的感知更新过程,采用有限理性理论描述出行者的主观不确定性,并结合Logit公式确定路径决策算法。接着,采用轮盘赌随机算法生成出行者每日出行选择,完成城市交通分配模型构建。最后,将所建立的模型分别应用于双路径网络、九点网络与Sioux-Falls网络,分析模型优势及参数变化对路网性能的影响。研究结果表明：路网达到稳定所需的天数随路网退化程度、出行者对成本差异的敏感程度和经验学习能力的提高而变长;稳定状态下的路网总成本随路网退化程度、出行者对行程时间可靠度要求的升高而变大;追求个人行程时间的可靠性会导致稳定状态下的路网总成本升高,可靠度越高,所需的缓冲时间越多;路网退化越剧烈,这种“升高”越明显,因为超额时间也在增大;相比于用户均衡(UE)模型、有限理性(BR)模型和期望-超额行程时间(METT)模型,所建模型兼顾主客观不确定性,能有效克服传统...     

基于有限理性的交通方式划分模型

考虑出行者有限理性的特点,建立改进的交通方式划分模型.通过问卷调查,确定出行者方式选择各影响因素的权重,以及各交通方式在不同因素下的表现;运用TODIM方法,计算各交通方式的价值;基于有限理性,建立交通方式选择Probit模型;讨论模型中参数变化对交通方式划分的影响;对比上班和购物出行,分析不同出行目的对方式选择的影响.研究表明,基于有限理性的交通方式划分模型能够体现不同出行目的下出行者出行方式选择偏好;参数θ体现出行者的认知程度,在该模型里应在(0,2)中取值.     

自动驾驶环境下的路网混合流量日变模型

为研究自动驾驶车辆投放对路网流量演化的影响,建立了包含传统车辆和自动驾驶车辆的混合流量日变模型。分析两类流量不同的演化目标,采用前景理论描述传统车辆出行者的出行行为,以路径前景值最大为目标建立传统车辆流量日变模型,以路径的边际阻抗最小为目标建立自动驾驶流量日变模型,最后通过算例模拟路网混合流量的逐日演化过程。结果表明:传统车辆与自动驾驶车辆流量达到稳定的时间及演化的趋势显著不同,两者相互影响并构成混合流量演化;自动驾驶车辆比例越高,系统总时间就越少,不同比例下路径流量演化为不同的稳定状态;流量转移阈值影响混合流量的稳定条件,且其稳定状态不同于无阈值情况;自动驾驶车辆会影响短期事件发生前后的流量分布。     

出行效用连续分布的路径选择模型及其特性分析

出行者路径选择行为的建模对城市路网的规划和智能交通控制系统的研究具有重要意义.传统的基于期望效用理论的路径选择模型存在许多不足,而累计前景理论则可以比较真实的描述在不确定性情况下的决策过程,符合出行者有限理性的特点.本文以累计前景理论为基础,在路径出行效用连续随机分布的条件下对出行者的感知效用进行建模,并结合模型的变量对模型的特性进行了分析,最后通过实例对比分析了期望效用理论与累积前景理论,结果表明累积前景理论可以克服期望效用理论的许多不足,更好的描述出行者的决策过程.通过对参考点和路径效用分布的分析,为智能交通控制系统和仿真建模奠定了理论基础.     

基于累积前景理论的通勤出行联合决策模型

为研究不确定交通环境下的通勤出行决策行为,考虑出行者的有限理性,基于累积前景理论构建了出发时刻、路径的联合决策模型.该模型包含3个参考点,即可接受的最早、最晚到达时间和行程时间,且风险偏好系数考虑了行程时间的可靠性及参考点的影响.基于所选取的参考点计算价值函数与权重函数,并依据前景值最大确定出行方案.算例研究结果表明:...     

基于累积前景理论的出行者路径选择模型

传统的基于期望效用理论的路径选择模型存在许多不足,而累计前景理论则可以比较真实的描述不确定性情况下的决策过程,符合出行者有限理性的特点.文中以累积前景理论为基础,在路径出行效用连续随机分布的条件下对出行者的感知效用进行建模,并结合模型的变量对模型的特性进行了分析,最后通过实例对比分析了分别应用期望效用理论和累积前景理论时,出行者路径选择行为的差异。结果表明,累积前景理论能够克服期望效用理论的许多不足,更好地描述出行者路径选择的决策过程.文中还通过对参考点和路径出行效用分布的分析,为智能交通控制系统和仿真建模提供了理论支持.     

容量限制分配的蚁群优化算法

针对交通规划实践中广泛使用的用户出行行为假设与现实脱节的不足,提出了用蚁群优化算法获取网络流量加载路径的配流新思想.分析了网络中用户出行的行为特征并与蚁群算法执行机制进行了比较,提出利用人工蚂蚁模拟网络中用户出行的可行性和合理性.给出了基于Ant-Cycle模型的容量限制分配思路和流程.设计采用双层迭代机制完成整.个交通分配过程:使用内迭代构建完整的流量加载路径;使用外迭代对路段阻抗进行修正,体现网络的拥挤效应,使网络分配趋于平衡.仿真算例与对比分析表明:该方法可以模拟交通系统的平衡状态,分配结果趋近用户平衡;算法合理、有效.     

Constrained Newton Methods for Transport Network Equilibrium Analysis

A set of constrained Newton methods were developed for static traffic assignment problems. The Newton formula uses the gradient of the objective function to determine an improved feasible direction scaled by the second-order derivatives of the objective function. The column generation produces the active paths necessary for each origin-destination pair. These methods then select an optimal step size or make an orthogonal projection to achieve fast, accurate convergence. These Newton methods based on the constrained Newton formula utilize path information to explicitly implement Wardrop's principle in the transport network modelling and complement the traffic assignment algorithms. Numerical examples are presented to compare the performance with all possible Newton methods. The computational results show that the optimal-step Newton methods have much better convergence than the fixed-step ones, while the Newton method with the unit step size is not always efficient for traffic assignment problems. Furthermore, the optimal-step Newton methods are relatively robust for all three of the tested benchmark networks of traffic assignment problems.     

基于参考点的逐日交通流演化研究

本文建立了基于参考点的逐日交通流演化模型,模型通过将实际出行时间与参考点进行比较,描述了出行者的感受对估计时间以及路径选择的影响。估计时间模型中用参数取值大小反应出行者对损失的规避大于对等量获得的偏好。分别讨论了出行者乐观、悲观以及中立情况下对应的参考点取值,并研究了三种情况对演化过程及总出行时间的影响。演化结果表明,出行者悲观情况下对应的系统总时间最大,乐观情况下对应的系统总时间最小。该研究有助于理解城市交通流演化的本质规律。     

非对称网络容量约束用户均衡交通分配仿真算法

针对非对称网络路段容量约束交通均衡分配模型计算困难,设计了一种带路段容量约束的用户均衡交通分配仿真算法。在算法迭代过程中,将按全有全无法在当前最短路上分配流量与前一轮迭代所得到的流量加权组合,各O-D对的组合系数依Logit模型来确定;并不断自适应调节路段排队延误因子和误差因子来模拟实际路段行驶时间,使路段流量逐步低于路段容量,从而达到广义用户均衡,克服了容量约束均衡分配计算量大及Logit随机分配法要求枚举所有路径的困难。随后证明了算法的收敛性,并对一个小型路网进行了数值试验。     

一种基于最短路博弈分配的交通配流新算法

交通流分配,就是将预测得出的OD 交通量,根据已知的道路网描述,按照一定的规则符合实际地分配到路网中的各条道路上去,进而求出路网中各路段的交通流量.而枚举OD对中所有的路径是进行交通分配的基础,对于大型复杂的路网,这项工作是比较困难的.该文提出了一种生成最短路径的方法,并结合博弈分配,将交通流分配在这些最短路径集上,避免进行大量枚举.文中将新算法与传统的logit分配算法做比较,最后用一个数值算例,说明了该算法的可行性和有效性.     

机场旅客进出场交通方式选择的双层规划模型

以机场出发旅客为研究对象,在分析多种交通方式下旅客进出场出行费用对其交通方式选择影响基础上,应用双层规划模型描述了机场旅客进出场交通方式选择问题,并利用基于灵敏度分析的启发式方法对模型进行求解.模型综合考虑了交通系统的收益和旅客的利益.通过算例可以看出,应用双层规划模型描述机场旅客进出场交通方式选择问题是合理的,所采用的方法是可行有效的,对于制定多模式交通运输价格策略、缓解大型机场地面交通拥挤等具有现实意义.     

基于博弈分配的交通配流新算法

交通流分配,就是将预测得出的OD 交通量,根据已知的道路网描述,按照一定的规则符合实际地分配到路网中的各条道路上去,进而求出路网中各路段的交通流量．而枚举OD对中所有的路径是进行交通分配的基础,对于大型复杂的路网这项工作是比较困难的．该文提出了一种生成最短路径的方法,并结合博弈分配,将交通流分配在这些最短路径集上,避免进行大量枚举．文中将新算法与传统的logit分配算法做比较,最后用一个数值算例,说明了该算法的可行性和有效性．     

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.     

非可加平衡交通分配问题的列生成算法

为求解非可加平衡交通分配问题,基于列生成算法基本框架,采用K最短路算法生成需要的路径,采用幂罚函数法求解平衡路径流问题,提出一种新的算法,并进行数值模拟,将算法用于求解含路径特定行驶费用和路段容量随机降级下的路径行驶预算2类非可加费用情形。结果表明,所提出的算法能有效求解非可加平衡交通分配问题,并获得高精度的满足 Wardrop用户平衡准则的平衡路径流(误差E≤10-9),即对于每一个O D对,流量大于0的路径的行驶费用几乎都相等,且等于最小行驶费用。