路网子图空间上的交通流波动机理

针对道路网络客观条件的限制、道路管理法律法规的限制以及出行者个人偏好3方面因素导致的机动车出行者对道路交通网络出行条件差异性认知实际情况,建立基于网络出行子图空间上的随机用户平衡模型,并采用相继平均算法求解该模型。通过算例分析可知,网络结构认知差异性产生的路径旅行时间之间的偏差,可达到同一O-D对、所有实际使用路径上旅行时间平均值的20％,并进一步辨析了路段旅行时间感知误差和网络结构认知差异性产生的路径旅行时间偏差之间的区别与联系。证实了在我国混合交通流现状条件下,现状交通流的成因兼具路段旅行时间感知误差和对实际道路网络结构认知差异性2方面因素。     

多模式公交服务模式及时刻表协同优化设计

考虑多模式公交服务模式和时刻表的交互作用,建立了多模式公交双层优化模型,上层协同优化多模式公交服务和时刻表,下层考虑乘客出行选择实现多模式公交的客流分配,为上层提供输入.针对双层模型求解的复杂性,设计了相应启发式的求解算法,采用遗传算法求解上层模型,应用Dial算法求解下层模型.最后,结合江苏省江阴市K1路和上海市73...     

动态多用户类型和多模式拥挤收费模型

为了确定一般排队网络在高峰时段随时间变化的最优拥挤收费,将描述时变交通流的时空拓展网络(STEN)与传统的网络平衡模型技术相结合,建立了多类型、多模式动态拥挤收费模型.考虑不同类型的出行者有不同的时间价值(VOT),同时,对单车种出行方式进行延拓,建立了包含公交车与私家车在内的多模式交通网络拥挤收费模型,该模型是一个带有路段容量限制下的多类型、多模式网络平衡问题,可以采用内惩罚函数法求解.通过算例分析表明,该模型可以提供动态拥挤收费策略,分析拥挤收费下不同时间价值的用户对于出行方式、出发时间以及出行路径的不同选择,相比于传统的基于瓶颈的静态单模式拥挤收费模型有一定的进步.     

截断随机出行时间下可靠网络均衡模型

针对现有随机交通网络均衡模型未考虑路径出行时间的有界性和准时到达概率对出行者路径选择行为影响的问题,基于截断随机出行时间,提出了克服其局限性的可靠网络均衡条件,该均衡条件下没有出行者可以通过单方面改变出行路径来提高准时到达概率.构建了该均衡条件的等价变分不等式(VI)模型,并证明了其等价性和解的存在性.设计了基于路径的相继平均(MSA)算法对模型求解.采用Nguyen-Dupuis网络对可靠网络均衡模型和MSA算法的有效性进行了测试.研究结果表明:该算法能够快速收敛到较高精度;与不考虑随机出行时间有界性的模型相比,网络均衡状态下的准时到达概率和流量分布均存在差异,最大路段流量相对变化值达到38.5%;增加出行时间预算和降低出行时间上界均可以有效提高起讫点间的准时到达概率.     

随机网络最大概率路径问题的模型与算法

为了求解满足一定时间限制的最大概率路径问题,在建立该问题数学模型的基础上,提出了一种改进蚁群算法。首先根据随机网络的定义建立了随机网络最大概率路径问题的数学模型,然后结合随机网络最大概率路径问题的特点,设计了一种新的启发式信息和信息素更新规则的改进蚁群算法,最后选择了4组数据,将改进蚁群算法与一种混合遗传算法进行对比试验,分别求取对应的全局最大概率路径和反映算法总体性能的多项数据。实验表明,改进蚁群算法的收敛速度和总体性能均优于混合遗传算法,为求解随机网络最大概率路径问题提供了一种快速、可行的方法。     

基于出行时间预算的多模式多类用户城市交通均衡分析

在道路交通与轨道交通组成的多模式城市交通网络中,考虑路径出行时间的不确定性,对用户的交通模式与路径的选择行为进行分析,建立基于出行时问预算的多模式多类用户均衡交通分配模型,设计基于路径配流的求解算法.研究结果表明:该算法适用于路径费用不具备可加性的交通均衡模型的求解;交通需求、路网降级及用户所需的可靠度水平对交通模式及路径选择均具有显著影响;随着交通需求水平的提高或路网降级加剧,用户选择轨道交通出行的份额增加,且可靠度需求较高的用户选择轨道交通的份额增幅更高.     

多模式下城市交通动态网络分配研究

为描述时变的交通量在道路网是如何分配的,假定在路网随机变化的情况下,出行者以估计广义出行费用最小为路径选择标准,构建多模式下的动态网络分配模型,和与平衡条件等价的变分不等式模型,并给出了求解算法。     

旅客视角下基于时变的多模式交通网络出行路径

城市多模式交通出行路径决策会受到城市公共交通发班时刻表及交通网络时变特性影响。本文考虑这两个影响因素,研究了换乘次数、出行时间、步行距离等约束条件限制下以实际出行成本最少为优化目标的城市多模式交通出行路径决策问题。由于该问题为NP难问题,本文提出了基于遗传算法的四种求解策略。数值算例表明四种求解策略均有效,其中,变异概率随迭代次数调整的多种群遗传算法求解策略计算效率最高。     

基于时间扩展网络的区域疏散公交路径规划

针对城市公交系统应急区域疏散路径规划问题,采用时间扩展网络建模技术对疏散公交路网进行了表达,进而建立了以疏散总出行时间最小化为目标函数的离散、动态疏散网络流模型,将公交网络的疏散路径优化问题转化为混合整数规划问题,并设计了启发式禁忌搜索(TABU)算法,用于快速求解公交疏散路径优化方案.最后,以长春市中心区路网为例,对公交系统的区域疏散问题进行了实证研究,着重对比了CPLEX9.0软件的精确求解与禁忌搜索算法的近似求解之间的性能差异.数值实验结果表明,时间扩展网络模型可以有效反映公交疏散系统的动态性,同时禁忌搜索算法能够在求解效率和求解精度上取得较好的折衷.     

时变路网下多配送中心多车型联合配送

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,主要构建基于时变速度多配送中心多车型联合配送模型;并设计基于禁忌搜索求解算法。收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证;通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,能够应用于北京这种特大城市的公铁联运城市配送方案中。     

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。     

基于停车换乘随机网络可靠性交通分配模型

针对目前大多数组合方式交通分配模型都没有考虑可靠性因素对出行行为的影响,提出了一个基于可靠性的组合方式交通分配模型.该模型考虑了组合方式出行下路网的随机波动因素,更好地反映了出行者方式、路径选择行为.基于K优路径和连续平均法,设计了模型的求解算法,并以上海北外滩实际路网为例,验证了模型的合理性和算法的有效性.与传统组合方式交通分配模型结果进行对比,分析了停车换乘措施的实施对减少交通拥堵、提高路段可靠性所起的作用,阐明了2种出行方式需求之间的比例与可靠性偏好因子和出行者需求效用因子的三维变化关系.     

随机交通分配中有效路径的分层定向算法

将交通路网中节点位置的确定性与交通出行中路径选取的有向性相结合,提出了一种有效路径的分层定向搜索算法.通过将分层策略与定向策略结合,新算法实现了在一次性给出有效路径的同时减少冗余计算的目的.将该方法应用于随机用户均衡分配模型,说明了该方法的有效性.     

出行前交通信息发布对城市路网的交通影响分析

提出了一种出行前交通信息提供下进行交通影响分析的方法。利用随机路径选择模型来描述出行者对出行信息的反应,根据是否接收交通信息将驾驶员分为两类:接收者将在路径选择时避开拥堵路段,而非接收者将根据对路网的认知进行随机路径选择,并给出这两种出行行为共存下的交通分配方法。以广州市中心商务区珠江新城为例分析了信息发布对路网的改善作用,并讨论了最佳发布策略。     

基于预测的城市交通拥堵传播与控制策略研究

为缓解城市交通拥堵,提高城市交通网络的运行效率,提出了预测型交通拥堵控制策略的理念. 运用改进的中观交通仿真模型模拟城市交通流的运动规律,采用类似随机动态交通分配的方法对动态的OD进行网络加载,得到了交通状态的预测,从而提前判断交通拥堵的发生,制定相应的交通拥堵控制策略,防堵于未然. 仿真结果验证了本文提出的方法可以有效地控制交通拥堵.     

城市复合交通系统容量超级网络评估方法

通过构建虚拟节点和换乘线段,将复合交通系统转化为由小汽车网络、公交网络和轨道交通网络有机组合而成的超级网络,建立复合交通系统容量的超级网络分析评估模型.该模型上层为最大化流量问题,反映复合交通系统服务流量最大化,下层为出行分布和均衡配流的组合模型,反映出行者利用出行路径的选择,同时进行出行方式、换乘节点的选择.以芜湖市城市交通网络系统容量计算为例,结果显示网络容量与城市向东向南发展策略一致,反应了该模型和算法的正确性和有效性.     

基于服务水平可靠性的连续交通网络设计模型与算法

传统路网设计很少同时考虑交通供需的随机性和服务水平可靠性对交通运行效率的影响,难以获得鲁棒性好、可靠度高的路网设计方案。针对此缺陷,假定路网中的交通需求服从对数正态分布,通过双层规划理论构建了考虑需求随机性及路网可靠性的连续均衡交通网络设计模型;其中上层规划是在满足投资预算的约束条件下使得系统期望的总阻抗最小,下层规划通过用户均衡交通分配模型来刻画出行者的路径选择行为。根据模型特点,设计了一种带罚函数的、基于蒙特卡洛仿真的多种群遗传求解算法;并用算例验证模型和算法的有效性。结果表明该模型能较好地解决交通供需的随机性和服务水平可靠性对交通运行效率的要求。     

一种求解带约束多式联运问题的群智能算法

针对如何有效运用群智能算法求解多式联运问题,设计了一种针对群智能优化算法的个体解码方式,提出了一个有效的个体编码与多式联运方案的映射模型.在该映射模型中设计了基于比例的流量分配方式,实现了个体编码信息向初步流量分配方式的解码;同时构建了局部流量调整策略,进行不可行方案修复,提高了解码方案的有效性.而后,提出了一种变邻域粒子群算法,将社会网络演化特征引入进行粒子群算法的种群拓扑和邻域调整,以改善个体在搜索过程中的交互模式.基于解码策略,采用改进算法对多式联运问题进行求解,并与3种新型群智能算法进行对比.通过实例分析,该编码策略可以有效应用于多式联运问题求解.同时,变邻域粒子群优化算法的收敛效率和性能优于对比算法.     

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．     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.