预测信息下降级路网的交通流演化

为考察ATIS提供的预测信息对降级路网交通流演化的影响,设计了一种基于加权移动平均的行程时间预测方法,建立了预测信息环境下的路径更新规则。针对一个小型测试网络,利用提出的路径更新规则分析了预测信息依赖程度参数、信息质量参数、权值参数以及网络降级程度对交通流演化的影响。结果表明:1)信息环境下出行者对预测信息的依赖存在一个临界值,当依赖程度小于该值时,交通流很快演化至稳定状态,当依赖程度大于该值时,网络交通流会发生振荡;2)存在某种情形,信息系统所提供的预测信息质量越高,交通流演化的效果越差;3)对特定降级网络,存在某一最优权值组合,可用于指导该网络预测信息的发布;4)路网降级程度越小,预测信息所起的作用越大。     

考虑路径冗余和出行效率的路段重要性排序

为合理评估交通网络中路段的失效对出行者路径选择及路网运行效率的影响,提出了一种综合考虑路径冗余度指数和出行效率指数的路段重要性排序方法。在路段失效前后两种情形下,采用基于可行合理路径的随机用户均衡模型进行流量分配和路径搜索,流量只能够在可行合理路径集上进行加载,当路径阻抗超过最短路径的容忍倍数时,路径流量为零,最终可得到路段失效前后可行合理路径数量的改变程度指标和个体出行时耗的变化程度指标。对指标进行z-score标准化处理后赋予相应的权重,得出路段重要性的综合评价值。采用Nguyen-Dupuis网络开展了测试分析,结果表明:该方法能够模拟路段失效后路网的变化情况并实现对路段重要性的排序,其结果可作为交通管理者拥堵防控策略的制定提供理论支撑,也能够为关键路段识别、道路封闭影响评价等提供理论依据。     

考虑OD对出行时间可靠性的道路网容量可靠性

构建了基于OD对出行时间可靠性的路网容量可靠性双层规划模型,其中下层规划用随机均衡交通分配来描述出行者的路径选择,上层规划为满足出行时间可靠性的基本OD需求乘子最大。假定路段容量服从双侧截尾正态分布,基于Monte Carlo仿真技术和网络均衡流灵敏度分析方法,设计了一种求解路网容量可靠性的启发式算法。用一个小型网络开展了数值分析,验证了所建模型和算法的有效性。     

ATIS影响下基于广义出行负效用的随机分配

考虑先进的出行信息系统(ATIS)对出行者路径选择行为的影响,提出了一种混合随机用户均衡交通分配模型。将出行者划分为"有ATIS接收装置"和"无ATIS接收装置"两类,两类出行者均以随机方式选择出行路径,路径选择准则为广义出行负效用最小,广义出行负效用定义为出行时间、出行费用和出行时间可靠性的线性组合。利用混合网络随机用户均衡建模理论,建立了ATIS影响下基于广义出行负效用的随机型分配变分不等式模型,基于二次加权平均方法设计了求解模型的启发式算法。通过一个简单算例验证了文中所构建的模型和算法,并获得了一些重要的结论。     

基于RBF神经网络的短时交通流预测

根据短时交通流的特性，以神经网络技术为基础，构建短时交通流预测的神经网络模型，并用某高速公路实际短时交通流观测数据进行验证。     

多用户类弹性需求随机用户均衡模型及其求解

随机用户均衡交通分配模型统一了随机分配和Wardrop均衡的概念,可以获得更加符合实际的交通流分配结果.但传统的随机用户均衡模型既没有考虑弹性需求,也没有考虑出行者的社会经济特性.利用路网均衡建模理论构建了多用户类弹性需求随机用户均衡交通分配模型,证明了模型解的等价性和唯一性.基于无环简单路径搜索方法,设计了模型求解算法,并进行了算例计算与分析.