考虑相关性的雨天城市道路交通拥堵概率预测

雨天城市道路交通拥堵频发,交通运行在道路网络各路段间的交互影响较晴天明显增强。本文针对传统出行时间预算模型应用的局限性,考虑雨天各路段间行车延误的相互影响,改进了走行时间方差的计算方法,提出一种雨天城市道路交通拥堵概率预测方法。选取南京市某行车路径进行验证,通过4种工况、3种模型走行时间的比较,发现考虑相关性的分段组合模型更接近整体路径分布情况,且拥堵概率预测准确率大于90%。研究结果表明:本文提出的预测模型能有效预测城市道路雨天拥堵情况,可为雨天道路适应性评价和交通管控提供依据。

基于对数正态和分布的路径行程时间可靠性模型

建立合理的路径行程时间可靠性评价模型，对于准确评价路网运行状态具有重要意义．根据对数正态随机变量之和的概率分布特性，建立了路径的行程时间可靠性评价模型．首先，通过曲线拟合，建立了路段行程时间的概率分布模型，结果表明对数正态分布的拟合效果最佳；其次，利用统计学理论，分别考虑路段相关和路段独立两种情况，建立了基于对数正态和分布的路径行程时间可靠性评价模型；在此基础上，对北京市西三环路径进行了实例分析，以检验模型的准确性．研究结果表明：模型能够准确的评价路径的行程时间可靠性；且路段之间存在弱相关关系，最合理的路段相关系数取值为0．2～0．3．

基于Copula函数的交通网络行程时间可靠度计算方法

针对有效利用路段行程时间随机性特征计算路径、OD对(origin and destination,出发和到达地点)及交通网络上的行程时间可靠度问题进行了研究,提出一种更加准确的求解路径和OD对之间行程时间可靠度的计算方法。该方法基于Copula理论,通过构建Copula函数求出能够反映路径与OD对随机性特征的行程时间联合密度分布。新算法将路段流量实测数据用于模型的标定,并且考虑到了同一路径上不同路段的相关性。结合三种拓扑结构下的实际路网作为算例,模型算法的有效性得到验证,结果表明,当不考虑路段间相关性时,路径行程时间可靠度的计算结果会被高估。

一种改进的蚁群算法在城市动态路径诱导系统中的应用研究

改进传统的蚁群算法并使之作为系统的路径搜索算法,以有效地将系统的实时响应时间控制在一个可接受的范围内,使系统的响应速度与精度达到一个平衡。将网格技术、云计算和城市动态路径诱导系统相结合,引入路段相关性对采样数据进行筛选,减轻系统的计算负担,并使资源共享与协同操作更加方便有效。

不确定条件下考虑最优可靠路径的救援车辆分配问题

救援车辆在不确定条件下的分配优化问题是应急管理领域中非常重要的一部分。由于天气或者交通事故引起的OD(出发地-目的地)需求的变化等不确定因素,导致车辆在道路交通网络中的行驶时间是一个随机变量。尤其是在紧急情况下,更加需要从不确定的角度去研究救援车辆的最优可靠路径规划问题。本文首先提出了一种考虑出行时间不确定和路段相关性的救援车辆最优可靠路径规划模型。在此基础上,研究了在最小化救援时间的情况下如何优化救援车辆的分配问题。由于所提出数学优化模型的目标函数具有非线性和不可加性,因此本文采用了一种基于K短路算法和不等式放缩的启发式算法来求解改进的整数规划模型。最后,通过数值实验验证了所提出模型和算法的准确性以及有效性。结果表明,若忽略出行时间可靠性的影响,会使得救援车辆的通行时间被高估或者低估,进而导致救援车辆分配方案的不准确,严重影响救援效率。