面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明:本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%~19.80%,均方根误差降低了11.20%~17.99%,决定系数提升了8.62%~12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%~13.81%,均方根误差降低了4.23%~10.67%,决定系数提升了3.50%~7.01%,且本文模型运行时间最短。说明与对比模型相比,本文所建立的预测方法在面向动态交通分配的交通需求预测中具有更高的预测精度。

基于城市复合网络的出行交通分配组合模型研究

文章提出了一种交通分配组合模型,解决传统四阶段方法缺乏联系导致误差逐渐放大的问题。文章基于构建的城市复合网络,将交通方式划分和交通分配整合在一起,综合考虑交通方式选择和交通分配的影响。通过基于A*算法的备选路径集查找方法,求解给定OD上的k短路径情况。采用广义费用公式对多方式出行效用进行计算,将费用、时间和换乘行为进行统一量化。最后,建立交通方式划分与交通分配组合模型,采用多层次迭代平衡求解,优化交通方式分担率。算例分析验证了组合模型在流量分配方面的优势,具有更好的路段流量均衡性和较低的阻抗时间。该模型可为城市交通规划和出行预测提供参考。

动态状态交通分配模型及其运用

静态交通分配模型不能很好地反映实际交通状况,而动态交通分配模型计算复杂、计算量大。本文基于动态用户状态均衡条件下,提出一种动态和静态交通分配的折衷方案———动态状态交通分配模型,给出了该模型计算路段平均队列长度和平均通行时间的公式,以及动态状态交通分配算法;最后给出一个运用于正常工作日动态交通分配的例子进行模型检验及其检验的数值结果。

MaaS场景下考虑用户异质性的交通分配模型

MaaS场景下,通过问卷调查考虑用户异质性,构建广义出行费用函数确定不同年龄不同收入人群的出行费用、出行时间和出行舒适度权重,应用模糊综合评价法构建隶属度函数,对个体出行链多模式交通特征进行提取与融合,完成模型参数标定。该模型考虑不同类别人群出行对经济性、便捷度和舒适性的要求,使得模型更加精细。模型分别应用到广州市番禺广场片区和北京街片区,结果显示,模型计算各OD间主出行方式交通分配量与公交、地铁及驾车等方式实际交通量数据有较高适配,2个片区的多方式组合出行交通量平均分配精度达到86.8%,证明了模型的可行性和有效性。

随机用户均衡准动态交通分配模型

动态交通分配问题是交通科学研究的热点和难点,将动态交通分配方法应用于大规模网络往往产生过高的计算成本。通过研究准动态交通分配问题,降低动态交通分配中时间的连续性和动态交通分配模型的复杂性。采用路段行程时间计算公式定义一种新的剩余交通需求计算方法;然后考虑剩余交通需求在时段之间的传播过程和出行者对路网的熟悉程度差异,建立基于Logit的随机用户均衡准动态交通分配模型,基于逐次平均法设计模型的求解算法。最后通过Braess网络和九节点网络说明模型的应用情况,并分析模型参数的敏感度,验证模型的合理性与算法的有效性。本研究丰富了交通科学基础理论,为交通政策的制定提供参考依据。

两类交通分配模型算法的关系及其应用

针对两类 (4个 )交通分配模型及其关系 ,以及“全有全无”交通分配模型归类问题进行了研究 ,通过对比研究发现 ,仅需在目前常用的基于容限交通分配模型的算法中加入一个模块即可实现一种用户平衡模型的结果 ,为编写一类用户平衡的软件提供了捷径 ,对理论与实践也有一定的指导价值。

应用交通仿真软件PARAMICS验证交通分配模型

为了考察交通分配模型能够在多大程度上反映现实的交通状况 ,需要对交通分配模型进行验证 ,本文阐述了利用微观交通仿软件PARAMICS对交通分配模型进行验证的研究思路。通过建模工具Modeller提供的图形界面 ,研究者不但能够非常直观地观察交通分配模型的效果 ,而且可以利用其分析工具Analyser对结果全面分析。因此PARAMICS是一个验证交通分配模型性能优良的平台。

实时交通控制和交通分配整合的研究进展

实时交通控制是现代城市交通管理的有效措施之一 ,它可以有效引导和调节交通流量 ,达到缓解城市交通拥挤的目的。交通分配和交通控制分属于宏观和微观两个不同的领域 ,但它们之间是相互影响的。本文综述了实时交通控制和交通分配整合的发展过程 ,包括它的理论研究进展 ,并提出了今后进一步的研究方向。

基于超车分析的多用户动态最优交通分配模型

基于对道路网络中广泛存在的超车现象的分析,以车辆行驶速度为标准对车辆进行了分类,建立了解决车辆行驶不满足FIFO规则现象的多用户动态最优分配模型,并考虑了不同用户之间存在的不对称影响,建立了多用户路段费用函数,给出了最优条件和等价的变分不等式模型,描述了分类有序的交通流运行行为.该模型的建立有助于交通管理者作出更合理的控制策略.

基于LOGIT模型和BPR阻抗函数的容量限制-多路径交通分配研究

采用BPR型阻抗函数,通过在小型交通网络上的容量限制流量分配研究LOGIT模型的性质。使用MATLAB软件实现了交通网络的仿真和流量分配,研究了待分配流量、分配次数、LOGIT模型参数取值等与分配结果的关系。研究结果表明,道路的平均阻抗随分配流量的增加而增大,阻抗方差随分配流量的增加而减小;收敛分配效果的分配次数与总分配流量成反相关反系;随参数θ的增大,LOGIT模型分配的收敛速度也会变快,即同样流量下较少的分配次数就可以达到较理想的结果。本文深化了对LOGIT模型的了解,得出了实际应用中分配次数和参数的选取方法,并对随机均衡状态下道路网络的性质进行了一定研究。

基于行程时间可靠性的多类用户交通分配模型

分析了路网在随机因素作用下造成的出行者行程时间的不确定性.假设出行者基于期望行程时间和行程时间可靠性的均衡选择路径,根据出行者对待行程时间可靠性的不同态度,将其路径选择行为分类,建立了基于行程时间可靠性的多类用户交通分配的变分不等式模型.给出了模型的对角化算法.对一个小型测试网络的计算结果表明,该模型能够反映出行者在不确定环境下的路径选择行为.

基于累积前景理论的随机用户均衡交通分配模型

为了使交通分配更符合出行者的实际行为特征,基于累积前景理论,给出了交通流连续分布状态下路径前景的连续函数表达式,建立了随机用户均衡模型,并给出了等价的变分不等式.该模型同时考虑了交通系统的不确定性、出行者的感知误差以及建模者的观测误差.讨论了模型解的性质,设计了求解算法,并通过算例进行了验证.结果表明:在(0,1)区间内,当出行可靠性参数或风险态度参数值越大时,出行者对于风险的感知越敏感,越倾向于选择行程时间波动较小的路径;当感知误差较小或路网不确定性程度较大时,出行者的路径选择行为均逐渐趋于稳定.研究还表明,出行者的损失规避程度对网络均衡态的影响不明显.

城市交通网络综合平衡交通分配模型研究

基于目前交通分配中“系统”与“用户”之间的矛盾及其冲突机理 ,提出了平衡协调思想 ,并在综合考虑出行影响因素的基础上 ,建立了平衡分配模型 ,从理论上实现了路网流量分配的合理化 .

一种基于蚂蚁算法的交通分配方法及其应用

现有的交通分配算法对目标函数的结构和目标的个数都有一定限制 ,在实践中不能更好地发挥其作用 .引入蚂蚁算法可有效地解决这一难题 .本文专门设计了求解该算法的一般步骤和流程图 ,并给出了相应的伪代码形式 .通过计算文中的一个简单的交通分配问题 ,体现了算法的实现过程 ,并对算法的合理性进行了检验 .

交通分配中路段行程时间函数研究

本文讨论了我国混合交通条件下的城市道路路段行程时间函数模型．首先，我们运用交通流理论知识，构造出道路横断面不同路幅形式下的路段行程时间函数模型．其次，我们给出了在现场数据下，用非线性回归分析的方法，标定理论模型中待定参数值的方法．

灾害事件下局域路网应急疏散交通分配模型

应急疏散的目的是要在灾害发生时将处于危险地带的人群尽快转移至安全地带。针对不同灾害事件类型而引发的单源单汇、单(多)源多汇网络状态的路网疏散问题分别进行了分析。在各路段通行能力的约束条件下,以疏散交通流量最大、总疏散时间最小为优化目标,运用最小费用最大流理论建立了局域路网疏散分配模型。通过实例对模型进行了求解,并在Matlab中得到了实现。通过查找最小截量组成弧的分布位置,并对路网中最小截量组成弧的路段扩容改造,进而有效提高局域路网的应急疏散能力。

随机交通分配中有效路径的确定方法

对用于随机交通分配的三种不同路径进行了比较和分析 ,研究了无环简单路径的寻求方法和无环简单路径集上的随机交通分配问题 .重新定义了有效路径 ,提出通过利用求解确定性用户均衡分配问题的迭代过程来产生有效路径的启发式方法 ,算例表明该方法是有效性的 .

Frank-Wolfe算法求解交通分配问题：比较不同流量更新策略和线搜索技术

Frank-Wolfe(FW)算法是一类广泛应用于求解交通分配问题的算法.它具有容易编程实现,所需内存少的特点.但是该算法收敛速度较慢,不能得到路径信息.为了提高算法的效率,本文研究三种流量更新策略(all-at-once,one-origin-at-a-time,one-OD-at-a-time)以及不同的步长搜索策略下的FW算法,其中步长搜索策略包括精确线性搜索方法(包括二分法、黄金分割法、成功失败法)和不精确的线性搜索方法(包括基于Wolfe-Powell收敛准则的搜索方法和Gao等提出的非单调线性搜索方法).最后,本文将上述策略应用于四种不同规模的交通网络中,并给出较适合求解的组合.

对动态交通分配的反思

交通分配是交通规划中的一个重要步骤。在交通规划方法相对成熟之后， 交通界的人士逐渐把注意力更多的转向交通控制与诱导，由此提出了动 态交通分配（ＤｙｎａｍｉｃＴｒａｆｆｉｃ Ａｓｓｉｇｎｍｅｎｔ）。本文首先总括了动态交通分 配的定义及其在交通控制与诱导中的位置和作用。然后列举了目前为止 常用的几种动态交通分配模型。通过对动态交通分配模型的分析，本文认 为对于解决交通控制与诱导问题，动态交通分配在其前提和结构上存在 不可克服的障碍。最后本文从智能的角度提出了解决交通控制与诱导问

多方式条件下城市交通分配研究

随着城市综合交通体系的不断发展和完善,城市出行多方式化的特征日益突出.本文在充分考虑城市多方式交通网络结构特性的基础上,构建方式及路径联合选择模型,研究多方式条件下的交通分配方法.首先,基于随机效用最大化理论构建出行方式和路径联合选择的Nested Logit(NL)模型;其次,运用路段实测交通流数据标定道路混合交通流条件下的交通阻抗函数;最后,基于构造的多方式交通网络进行多方式交通分配,分析出行量在网络上的时空分布.结果表明,本文所提出的多方式条件下的交通分配方法,能够有效地描述城市多方式交通网络条件下的出行方式和路径选择行为,以及交通出行在交通网络上的时空分布规律,对于完善城市综合交通体系具有重要意义.