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。

考虑行程时间相关性的可靠最短路径算法

可靠最短路径(RSP)问题反映了出行时间的可变性,比只考虑平均出行时间的标准最短路径问题更加实际可行。本文提出了一种考虑路段行程时间相关性的均值-标准偏差RSP问题的求解思路。该算法采用拉格朗日代入和协方差矩阵分解技术,解决了混合整数非线性规划(MINLP)的非线性和不可加性带来的困难。将该问题分解为标准最短路径问题和凸优化问题,证明了凸优化问题的最优解,并将拉格朗日乘子范围与协方差矩阵的特征值联系起来,提出采用次梯度法进行拉格朗日乘子更新。该算法能降低了原问题的复杂性,可扩展到大型网络。

基于Spark模型的路段行车时间计算方法

近年来,高清摄像头广泛应用于城市交通系统,产生了大量交通卡口过车数据集。该数据集为路段行车时间计算提供了一个良好的数据源。但是,由于该数据集规模较大,现有算法通常采用MapReduce大数据并行模型进行计算以提高效率。然而,现有基于MapReduce模型的路段行车时间计算方法采用两作业迭代完成,两作业之间存在涉及大规模磁盘数据存储,额外消耗了时间,导致性能下降。为此,文章提出一种基于Spark大数据模型的路段行车时间Spark-CoRLTT计算方法,该方法通过1次作业完成计算,避免了额外磁盘数据存储,节约了计算时间。实验证明,文章提出的算法在数据规模较大的情况下,计算性能显著提升。

利用GPS数据估计路段的平均行程时间

对利用出租车GPS数据估计路段平均行程时间的方法进行了研究。在GPS数据误差修正的基础上,根据GPS数据量的不同,对大样本数据量采用样本均值估计路段平行行程时间,对小样本数据量采用顺序统计量中位数估计路段平均行程时间,并计算了估值的置信区间和置信度。采用实际出租车GPS数据进行估计并与线圈数据估计值进行了比较,结果相差较小。说明该估计方法能够用于实际路段平均行程时间的估计。

支持向量机在路段行程时间预测中的应用研究

主要探讨支持向量机理论在路段行程时间预测中的应用。具体的方法是,首先将研究路段根据路段交通状态和车辆检测器设置情况进行分段,然后以前几个时段的各个小路段的交通流量、平均速度和车道占有率和整个路段的行程时间为输入,以下一时段的整个路段的行程时间为输出,选取高斯径向基函数作为核函数,建立了基于支持向量机的路段行程时间预测模型,从而探讨支持向量机在路段行程时间预测中的应用效果。最后,利用交通仿真软件的模拟数据进行验证,并与BP神经网络计算结果比较,计算结果的对比表明本文提出的方法预测效果更好。

奥运会突发事件疏散路径动态路段行程时间

为了建立奥运会突发事件疏散路径动态路段行驶时间模型,在对现有路阻函数分析的基础上,通过对疏散车流特点与车流波动理论适用条件的匹配性进行分析,提出了由上游的非拥挤部分路段的行驶时间和下游交叉口排队部分的行程时间构成的,基于车流波动理论的动态路段行程时间模型,并应用实例对模型的精度进行了检验．

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．

混合交通均衡配流模型及其算法的研究

Ｗａｒｄｒｏｐ用户均衡ＵＥ交通分配方法是城市交通规划实践中广泛应用的交通分配方法，然而，该法并不适用于我国机动车与非机动车混合行驶的城市交通规划。因此，根据机动车与自行车交通流之间作用机制的解释，建立了混合式ＵＥ分配模型及其算法。这个模型，已证明等价于ＷａｒｄｒｏｐＵＥ原则，其解又具唯一存在性，对于混合交通情况，是正常ＵＥ模型的扩展。最后，介绍了仅有两个路段的简单交通网络的混合均衡分配程序。

基于路段元胞传输模型的动态用户最优配流问题

利用基于路段的元胞传输模型进行模拟,给出了一种计算实际路段出行阻抗的方法,并在此基础上构造了基于路段变量的动态用户最优变分不等式模型.模型采用针对迄节点的路段变量,在每一个小时段都能给出路段流入率、流出率、路段流量和实际路段阻抗,为用户提供较为全面的诱导信息打下了较好的理论基础.采用了修正投影算法来进行求解.数值算例表明模型具有的实用性和优越性,使道路交通流宏观模型与动态网络交通配流问题得到较好的结合.

基于路段下游检测线圈的路段行程时间估计

为解决路段下游线圈检测信息因受交通控制信号影响无法估计路段行程时间的问题,通过分析车辆在停车线处的动力特性,利用牛顿运动定律,对路段下游线圈检测车速进行分析修正,获取车辆通过停车线的修正车速.分析了车辆排队前部与其后车辆在通过下游检测线圈的不同运动特性,分段估计车辆通过路段的时间.用VISSIM4.20模拟软件设计实验,对比分析了基于路段上下游线圈检测信息进行的路段行程时间估计结果.实验结果表明,利用提出方法估计的结果较基于上游检测信息估计结果的准确性和稳定性均有提高.

基于路段走行时间可靠性的路网容量可靠性

为了减少了计算工作量,基于路网容量可靠性概念的分析,构造了基于路段走行时间可靠性的路网容量可靠性双层规划模型.根据模型中反映的路径选择行为为用户平衡的特点,用灵敏度分析法求解路网容量可靠性模型,并给出了1个简单的算例.算例结果表明,该模型能够用于评估随机环境下的路网性能,并为路网性能的改善提供依据.

城市路网路段行程时间预测研究综述

交通诱导系统是已被证明的可提高道路通行能力的有效手段。交通诱导可归结为寻找赋权有向图最短路径问题,而所赋权值为路段行程时间,因此,路段行程时间是交通诱导系统重要的基础数据,准确预测路段行程时间对提高诱导系统,缓解城市交通拥堵具有重要的现实意义。对路段行程时间预测方法进行了综述性的分析和讨论,从行程时间预测所用特征和方法角度对现有方法进行介绍和分析,最后对未来可能的发展和研究问题提出了一些预测性意见。

动态宏观路段行程时间模型研究

在分析和对比了静态交通分配和动态交通分配条件下的路阻函数的不同之处和静态交通分配下路阻函数局限性的基础上 ,根据交通流理论和集散波分析 ,提出考虑信号交叉口排队长度的有度动态路段行程时间模型 ( SQ) ,该模型以在动态交通分配条件下的车流密度和交叉口信号参数为变量的动态路段阻抗函数模型 ,文中实例证明 SQ模型能适用于大型动态交通网络复杂的动态交通分配 ( DTA)

一类动态交通分配中的输出流模型及其数值解法

已知路段输入流,基于Greenshields提出的速度-密度关系模型以及Jayakrishnan et.al提出的改进的Greenshields速度-密度关系模型所描述的路段交通流特征,分别给出了关于路段输出流的常微分方程模型。针对无法得到该模型的解析解,利用龙格-库塔-芬尔格算法给出初始条件下的数值解。在已知输出流的条件下,每个时刻的路段交通流的行程时间也相应给出。仿真结果表明,针对两类不同速度-密度关系所建立的输出流模型,所得到每个时刻的输出流基本相似,但路段行程时间存在明显差异。与交通流调查数据比较,基于改进的Greenshields速度-密度关系的输出流模型的行程时间更接近真实情况。

基于模糊神经网络卡车路段行程时间实时动态预测

提出了一种基于模糊神经网络卡车路段行程时间实时预测模型,阐述了自适应神经网络模糊系统(Adaptive Network-based Fuzzy Inference System,ANFIS)网络原理和方法对行程时间预测的可行性和可靠性,采用最小二乘法和误差反传算法结合的混合学习算法,减少了搜索空间的维数,而采用的减法聚类方法减少了模糊推理规则.混合学习算法和减法聚类方法的应用提高了网络参数的辨识和收敛速度.实例仿真论证了该模型预测速度更快、准确性更高,实时性好,获得了比单纯使用神经网络或模糊理论更精确的预测结果.

动态交通分配中道路阻抗模型的研究

在分析道路阻抗构成的基础上 ,分析了运用传统的排队论确定交叉口前排队车辆数的局限和不足 ;根据交通流波动理论 ,提出了计算交叉口排队车辆数的模型 ,最后给出了计算路段和交叉口延误的模型。

面向浮动车取样偏差修正的数据融合方法

考虑到浮动车取样偏差会给路段平均行程时间估计值带来很大误差这一事实,提出了一个融合模型,该模型是在真实路段平均行程时间计算模型的基础上推导出来的,其融合了线圈数据和浮动车数据,减少了浮动车取样偏差对路段平均行程时间估计值的影响.最后利用仿真实验对一条具有连续5个交叉口的主干道进行仿真实验,实验证明,相对于浮动车法,融合方法无论在平峰期和高峰期都可以得到精度更高的平均行程时间估计值.

基于数据融合的路段行程时间估计

基于检测器数据的路段行程时间估计通常具有精度不高和可靠性差的特点。论文引入了自适应式卡尔曼滤波,采用K近邻法寻找相似的交通流状态来标定状态转移系数,建立了基于固定型检测器数据和移动型检测器数据的路段行程时间估计融合模型。实际数据的验证结果是,平均相对误差为9.52%,相对误差的标准差为8.92%。研究表明,与基于移动检测器数据的估计方法相比较,该方法极大地改善了估计精度和可靠性,还具有收敛速度快、对初值不敏感、参数少等特点。

基于微观仿真的路段行程时间预测方法

实时路段行程时间预测是动态交通分配中路径选择的关键技术之一.采用微观交通仿真手段和指数平滑方法估计路段行程时间,在路段行程时间估计模型中考虑了交叉口排队延误、信号控制延误和交叉口内转向行程时间,提出了基于灰色等维新息GM(1,1)模型的路段行程时间预测方法,根据路段行程时间的历史数据和实时采集数据,滚动预测未来的路段行程时间,通过实例应用证明了模型有很好的预测精度.

出行信息对道路网络出行时间可靠性的影响

为考察出行信息对道路网络出行时间可靠性的改善效果,将出行者划分为'有ATIS接收装置'和'无ATIS接收装置'两类,且均以随机方式选择路径,运用混合网络随机用户均衡建模理论构建了信息诱导下的出行路径选择模型.从路段容量的实际变化规律出发,假定其服从截尾正态分布,基于Monte Carlo仿真技术和网络均衡流求解算法,建立了信息影响下的道路网络出行时间可靠性评估方法.数值分析结果表明:道路网络出行时间可靠性随出行信息质量和信息系统的市场渗透率增加而递增,但其边际影响递减;对于交通需求水平高的道路网路,信息的提供对网络出行时间可靠性的改进更加明显.