公交网络中基于弹性需求和能力限制条件下的SUE配流模型及算法(Ⅰ)

介绍了公交网络的表示方法及有关基本概念 ,并建立了适合公共交通分析的公交阻抗函数 ,最后提出了公交网络中具有弹性需求和能力限制条件下的随机用户平衡配流模型 .设计了模型的求解算法并给出了算例 .     

弹性需求下的双向混合交通需求预测组合模型

基于我国城市道路双向混合行驶现状及实际交通网络的运行特点,借助Logit路径选择模型,建立弹性需求下双向混合交通需求预测组合模型.证明了模型的一阶条件等价性,给出其具体的求解算法并用算例说明该模型是有效的.     

基于动态规划思想的多阶段随机用户平衡配流模型与算法

在随机用户平衡(SUE)配流中引入动态规划的思想,把配流过程看做是多阶段决策过程.根据不变嵌入原理来寻找最优策略,给出了多阶段SUE配流模型与算法.理论分析及实际算例表明,多阶段随机用户平衡配流算法简单可行,计算量小,尤其适用于多"环"网络.     

弹性需求下的轨道交通客流分配模型和算法

分析了轨道交通客流需求量的影响因素.以拥挤条件下的出行阻抗函数为基础,通过引入弹性需求条件下的轨道交通均衡配流条件,构建了弹性需求下的均衡配流模型.根据模型的特点,给出了改进的用于求解弹性需求下的轨道交通均衡配流模型的Frank-wolfe算法.最后通过一个算例说明了算法的有效性和合理性.     

带转向延误的拥挤交通网络配流模型及算法

为了更加真实准确地反映道路网络的交通流状态,该文综合考虑拥挤交通网络的特点,建立了带转向延误和通行能力限制的交通网络配流模型,模型中路段和转向通行能力约束条件的Lagrange乘子等于因交通拥堵而产生的排队延误。该文采用动态罚函数算法,将原问题转化为一系列不带通行能力限制的传统交通分配问题进行求解,随后以Nguyen Dupuis网络为算例进行测试。计算结果表明:当流量达到通行能力时,排队延误就会产生,平衡流量满足Wardrop均衡准则。该模型能够很好地反映拥挤交通网络流量特点,提出的算法也具有很好的收敛性能。     

一种求解弹性需求随机用户平衡分配的新方法

通过对原交通网络进行扩展,并对扩展网络中的新增路段赋以适当的虚拟路阻函数,将原交通网络上的弹性需求随机用户平衡问题的求解转变成在扩展网络上的固定需求随机用户平衡问题的求解,并且严格证明了该方法的正确性,同时给出了扩展网络中求解固定需求随机用户平衡问题对应的数学规划模型,并对其进行了讨论.给出了一个算例进一步验证了该方法的可行性.     

组合用户平衡和随机用户平衡条件下的交通配流模型

首先分析了用户平衡和随机用户平衡条件,并分别给出了对应的数学规划模型.然后根据在实际交通系统中,往往存在两大子系统:一是由个体出行者构成的满足用户平衡(UE)条件的子系统,另一子系统是基于随机用户平衡(SUE)的子系统.本文提出一种将UE和sUE结合的组合式用户平衡模型,给出了对角线算法,并对其收敛性进行分析,最后给出一个数值算例,说明该方法是有效的.     

带弹性需求的平衡交通分配非线性互补模型及算法

讨论了带弹性需求的平衡交通分配问题,给出了这类问题的非线性互补模型,并采用罚方程方法对模型进行了求解.计算实例表明:该方法是有效可行的.     

基于随机均衡配流的O-D量估计双层规划模型及算法

在传统随机均衡配流模型的基础上,提出了一种增广的随机用户均衡配流模型及其求解算法。在此基础上构造了一个双层规划模型,用以描述基于随机用户均衡原则的从路段观测流量估计O-D交通量的问题,并给出了相应的求解算法。该模型及其求解算法对于解决O-D估计问题是可行有效的。     

混合交通体系中弹性需求的网络平衡

讨论的城市交通体系模型由快速道路网和广布的街区道路连续区域组成 .针对这样特征的城市交通体系 ,建立了满足弹性需求及用户平衡条件的数学规划模型 ,并提出了以有限元算法为基础的迭代求解方法 .最后 ,给出了城市交通体系模型的算例 ,证明了模型和算法的有效性     

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。     

城市高速公路网络入口流量控制的双层规划模型及求解算法

采用双层规划模型描述城市高速公路网络的入口（匝道）流量控制问题,设计了基于灵敏度分析法的启发式算法,并给出了一个简单的算例．在双层规划模型中,上层模型使整个网络系统最优,同时使从各个入口（匝道）进入网络的流量最大;下层模型是一个标准的用户平衡模型,用于表示网络中用户的路径选择行为     

5G网络中基于用户需求的频谱资源分配方案

针对第5代(5G)通信系统的频谱特性和用户需求特征,提出局部最优(local optimization,LO) 算法。该算法不同于传统的频谱分配方法,在考虑5G网络中用户需求的情况下,同时提高频谱的利用率。LO算法根据用户需求特征和频谱特性的相应参数计算出二者对彼此的偏好优先级顺序,计算出综合满意度,让用户依次从未分配的频谱中选择让其综合满意度最大的频谱。通过MATLAB软件在用户数和频谱数不同的2种情况下仿真,分析结果可知,LO算法的平均综合满意度、用户和频谱对彼此的整体满意度均高于稳定婚姻(stable marriage,SM)配对算法,且频谱利用率、频谱丢包率与用户丢包率的比值都低于SM算法,并且可以兼顾频谱利用率和用户可靠性要求。同时,LO算法的算法复杂度为O(n^3)。     

停机位分配的多商品网络流模型及离散粒子群算法

本文建立了停机位分配的多商品网络流模型,并以航空器总场面运行时间最小为目标,建立数学模型。将机场场面分为若干区域,建立区域—机位两级分配策略,以降低问题规模。设置机位外等待时间,以省去区域容量相关约束。在传统粒子群算法的基础上,设计离散粒子群算法,对模型进行求解。选取乌鲁木齐机场某日240架航班和109个机位进行实验,证明了与现有研究中的典型模型相比,多商品网络流模型能使运算时间减少10.1%,并能达到与典型模型相同的精度。全空域和机场模型(total airspace and airport modeller, TAAM)仿真结果表明,和现行机位分配方案相比,多商品网络流模型的机位分配结果能使航空器的场面调配运行时间减少7.49%,延误时间减少8.87%。算例结果进一步表明,提高机场场面运行效率的关键在于均衡航班的进离港滑行距离,同时避免停机位密集分布。     

基于改进狼群算法-深度置信网络(IGWO-DBN)模型的旋风分离器压降预测

针对目前旋风分离器压降计算模型在准确性和实用性上的不足,为更好地指导旋风分离器的结构设计和性能优化,采用深度学习方法对其压降进行了预测。选取了影响压降的7个几何参数,采用深度学习中的深度置信网络（deep belief network,DBN）对旋风分离器压降数据进行预测,并利用改进的狼群算法（improved grey wolf optimizer,IGWO）对DBN模型的初始化权重和偏置参数进行寻优,构建IGWO-DBN组合模型,同时与几种传统计算模型和机器学习模型的预测结果进行对比。结果表明,IGWO-DBN模型在计算精度上优于Shepherd-Lapple模型、Casal模型等传统计算模型,并优于反向传播神经网络（back propagation neural network,BPNN）、支持向量机（support vector machine,SVM）、极限学习机（extreme learning machine,ELM）等机器学习模型,计算效率大幅提升,且具有较好的泛化性和鲁棒性,可用于旋风分离器压降参数的预测。     

基于自适应惯性权重优化后的粒子群算法优化误差反向传播神经网络和深度置信网络(DBN-APSOBP)组合模型的短期旅游需求预测研究

旅游需求的精准预测对于旅游景区资源调度和管理有着重要作用。单一的浅层学习算法无法很好地拟合旅游客流量的特征,针对上述问题,本文通过组合深度学习和浅层学习算法,同时结合网络搜索行为数据,建立深度置信网络和利用自适应惯性权重优化后的APSO去优化BP神经网络——APSO-BP的组合预测模型,用DBN模型对原始非线性客流量数据预测,再对DBN模型预测所产生的残差建立APSO-BP模型进行预测,将二者预测值合成后得到最终的预测值。通过实验证明了该组合模型能够较为准确的拟合客流量数据特征,有效地提高了预测精度。