基于认知更新的随机动态分配模型

研究先进出行者信息系统(ATIS)环境下道路网络系统流量的随机动态变化,有利于实现ATIS在网络系统中的进一步优化配置.在出行者经验积累过程基础上,引入ATIS作用下的认知更新过程,将路网系统的路径流量明确视为随机变量,提出了一个基于认知更新的随机动态分配模型.证明了该模型产生的路径流量渐近收敛于一个平稳概率分布.在算例网络中验证了模型的可行性,模拟有ATIS和无ATIS两种情形下路径流量的随机动态变化.结果表明,两种情形路径流量均收敛于平稳概率分布.前者的平均流量近似于随机用户平衡(SUE),而后者的平均流量不是平衡流量,但其网络总费用要低于前者.

交通事件影响下的路径行程时间变化分析

为了对交通管理系统中的事件管理提供可靠的决策依据,针对持续期为数天的交通事件,考虑事件发生后出行者日常路径选择的随机性,基于路径流量联合概率分布的动态调整过程,建立了描述路网系统路径行程时间变化的随机动态交通分配模型.并用算例网络验证了本文建立模型的可行性.算例研究结果表明:交通事件持续期每增加10 d,持续期内路径的平均行程时间增加0.24%;与普通路段相比,事件发生在关键路段导致平均行程时间增加3.07%;路段通行能力每下降10%,平均行程时间增加2.53%;不同事发路段对路网系统在事件结束后恢复到均衡状态所需时间的差别显著,关键路段通行时间的恢复约为普通路段的4倍.