基于出行时间预算的有限理性出行者路网均衡模型

为研究有限理性出行者逐日出行中出发时刻及路径调整的出行行为,引入前景理论,分析出行者依据最大准点到达概率来选择出行时间预算,将此出行时间预算作为到达参考点,进而在给定参考点下选择前景值最大的路径出行,并利用前次流量分配结果调整下次出行时间预算,经过多次出行达到路网流量平衡及准点到达概率最大的稳定状态。基于出行时间预算和前景理论建立了双层模型进行路网逐日均衡配流,用遗传算法求解最佳出行时间预算,用相继平均法计算路径平衡流量。最后基于算例验证模型和算法,并设定不同的出行选择机制分析出行时间预算、路径前景值及准点到达概率三者间的博弈关系。     

基于有限理性的弹性需求随机用户均衡交通分配模型*

为了同时考虑路网的随机变化特征和出行者的感知误差,在有限理性框架下基于累积前景理论建立了一个弹性需求随机用户均衡模型,给出了等价的变分不等式,设计了求解算法并通过算例进行了验证,结合参数敏感性对均衡状态出行者的认知和心理特征进行了分析。结果表明,OD出行需求和网络均衡态具有显著的参照点依赖效应,出行者对路况满意度越高OD出行需求越大,对路况熟悉程度越高OD出行需求越小。模型及算法可以加深对出行行为的理解,改进传统模型理论假设及适用性的局限,更加精确描述交通流的实际分布形态。     

多源信息约束下的路径选择模型与算法

针对交通诱导管理措施的制定常缺乏理论支持的问题,提出信息约束机理作用下的时变路径选择行为研究方法。从人的知觉角度出发基于模糊聚类算法深入解析了多源交通信息(MSTI)的约束规律,借助VISSIM软件模拟路网环境并构建交通状态模式识别模型模拟信息约束下出行者的心理活动。采用意向(SP)调查法获取驾驶员在路网中的路径选择决策数据,并利用Biogeme软件对行为数据建模。结果表明,当偏好路径拥挤不严重时,信息很难对行为产生约束,出行者更倾向于坚持偏好路径;但随着偏好路径拥挤加剧,在信息影响下路径变更行为渐趋频繁,相应的信息对行为的约束也逐渐增强。研究结论为信息环境下出行者的不完全理性行为研究提供了思路及借鉴,并可为交通管理部门提供决策支持。     

信息影响下区分潜在类别的公交线路选择模型

为分析实时公交运行信息和用户自身偏好对公交用户路径选择行为的影响,引入三角分布描述公交信息的不确定性,并使用前景函数替代效用函数描述出行者决策的不完全理性,建立基于前景函数的选择概率模型.为进一步区分不同出行者偏好差异,在前景模型的基础上结合潜在类别模型,构建区分出行者潜在类别的前景概率模型.利用2013年北京市的实际调查数据进行参数估计并检验.结果表明:a)出行者的选择行为受自身的偏好影响;b)基于景函数的选择模型比传统的效用函数模型拟合度更好、更贴合实际选择行为;c)区分潜在类别模型的统计学特征更优秀;d)多数公交用户对等车时间更敏感.通过各种措施缩短等车时间或直觉等车时间比提高公交运行速度更能吸引乘客.     

ATIS环境下动态多用户路径选择行为仿真研究

交通仿真模型在先进的交通系统管理、控制和优化中得到了广泛的应用,研究提出了先进的出行者信息系统ATIS的多用户路径选择仿真系统框架,根据ATIS环境下的不同出行者行为和信息属性,把出行者分为传统型TR、固定路径型PS、理性型BR、用户均衡型UE、系统最优型SO以及VMS型,运用基于仿真的DTA给出了各类出行者的路径诱导算法,开发了ATIS环境下的微观仿真系统TESS,并以杭州市中心区路网为例进行了仿真分析。精度分析表明,基于模拟的方法可以详细刻画ATIS环境下不同类型的出行者的路径选择行为;敏感性分析表明,当受导用户市场占有率为0.2左右时,整个交通系统的总效益最高。     

基于动态模型的公交车行程时间预测

准确以及实时的公交车行程时间信息能够帮助出行者更好地规划行程,减少出行者的等待时间。提出了一种基于SVM-Kalman滤波的公交车行程时间动态预测模型。模型中,经过良好训练的SVM模型从历史数据进行预测得到行程时间基准;Kalman滤波动态算法在基于SVM模型预测值和最新公交出行信息的基础上对结果进行调整。以深圳市223路常规公交线路为实例,将动态模型的预测精度结果与单一SVM模型、ANN模型结果进行对比,结果表明,基于SVM-Kalman滤波的公交车行程时间动态预测模型的预测精度更高、动态性能更好。     

基于前景理论的实时路径选择模型

动态路径诱导是解决交通拥堵问题行之有效的手段.传统动态路径诱导系统中的路径选择模型依托期望效用理论,实践表明这种以确定性的理论解决具有不确定性的交通问题的模型与出行者的实际行为之间存在明显的背离.针对交通状况的复杂性、时变性、不确定性,本文建立一种基于前景理论的路径选择模型,该模型考虑了由于出行者的主观能动性而导致的非完全理性化的交通行为特征,能够准确地描述不确定性交通条件下出行者的决策过程.通过仿真实验对比基于前景理论与基于期望效用理论的路径选择模型给出的最优路径,结果表明前景理论在描述出行者的路径选择行为时能够在一定程度上克服期望效用理论的不足,可以较准确地刻画出行者在不确定性条件下的路径选择决策行为,更接近于出行者的实际行为模式.     

基于免疫遗传优化的实时交通路径诱导方法

传统交通路径规划方法忽略了对路径评估、选择的反复择优,导致路径的规划质量不高,路网通行效率无法有效提升.于是提出基于免疫遗传优化的实时交通路径诱导方法.根据出行者期望行驶速度,设定出行预期速率临界值,利用路网节点间的动态连通性优化路网架构,构建实时交通局部路网模型;计算局部路网中最短路径,在免疫遗传优化算法中加入单点交...     

基于O-D矩阵估计的路网交通流量仿真模型

为了将交通出行需求对路网交通流量的影响进行动态的量化分析,提出了一个基于O-D矩阵估计的路网交通流量仿真模型。利用O-D矩阵估计的重力模型计算方法、复杂网络理论和路段阻抗模型,构建了路网模型;在人们出行总是选择路段阻抗最小路径的假定下,设计了出行需求的路网流量映射算法;基于离散事件仿真,在PC系统上实现了路网流量仿真系统。仿真结果表明：该仿真系统可以根据各交通子区域出行需求的变化,精确模拟路网流量和交通状态的动态演进。     

基于备选路径集的在线最短耗时公交换乘方法

面向城市公交出行者,在给定出行起讫点及起始时间的情况下,提出一种基于备选路径集的在线最短耗时公交换乘方法：在预处理阶段离线地运用双向广度优先搜索方法得到点对之间的静态备选路径集;结合实时公交到站时间预测数据或发车间隔等静态的公交运营数据,进行最短耗时评估,在线地从中选择耗时最短的路径。将该方法运用于沈阳公交路网案例中（公交到站时间预测数据仿真生成）,并嵌入沈阳市公交出行查询系统,结果表明了其实用性。     

考虑网络流量的最优路径求解模型和算法

本文旨在解决交通网络中群体车辆的路径选择问题．即为每个车辆寻求最优行驶路径．使之在起迄点间的旅行时间最短．考虑到网络流量对路段旅行时间的影响，先进行流量分配，再同时为各个车辆寻求最短路径．为此，首先给出了考虑流量影响的网络模型，然后建立了基于路段的用于流量分配的变分不等式模型．该模型的解给出了车辆按照最优路径行驶时分配到各路段上的车辆数目．由于该模型是完全基于路段的，从而克服了基于路径方法必须进行路径穷举的缺陷．最后给出了最优路径选择算法，并证明了算法的正确性．本文给出的模型和算法适用于交通畅通、交通拥挤等各种情况．实验结果表明本文提出的模型和算法是非常有效的．     

A simultaneous route and departure time choice equilibrium model on dynamic networks

In this paper, we are concerned with modeling dynamic networks, when drivers simultaneously optimize their departure time and route choice. We state equilibrium conditions and propose a simulation-based model that can solve large networks accounting for many realities of actual networks. The main components of the model are a time-dependent shortest path algorithm for fixed arrival times and a traffic simulator. The proposed model has the potential to realistically capture user decisions when arrival time based origin–destination tables are easier to obtain than the departure time based ones e.g. in the morning peak and in special events. Two solution methodologies are designed and tested: the first emulates users day-to-day dynamic behavior and does not guarantee convergence; the second is a heuristic approach that adjusts link travel times and always converges to an equilibrium solution, although not at the desired level of schedule delay. Computational experiments on a small street network are presented.     

改进的蚁群算法在动态路径诱导中的应用研究

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点,在对信息素和启发信息进行标准化以消除量纲和取值范围影响的基础上,提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点间的相对位置信息引入信息素更新,以加快搜索速度;使用混沌扰动改进选择策略,以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中,以重庆市渝中半岛的路网为实例计算以最短行程时间为目标的最优路径,结果表明该算法是有效、可行的,比基本蚁群算法具有更好的全局搜索能力。     

基于机器学习的配电网监控信息智能分析规则库构建方法

为构建一种具有实时性的配电网监控信息智能分析规则库,提出了基于机器学习的配电网监控信息智能分析规则库构建方法。将规则库中全部配电网监控规则头排序并设成主链,将规则导进链表里生成规则集,保证各个监控信息数据包都存在一个分析规则。使用基于机器学习的配电网故障数据分类方法,识别配电网监控信息中的故障数据,并提取故障数据频繁项...     

Popular route planning with travel cost estimation from trajectories

With the increasing number of GPS-equipped vehicles,more and more trajectories are generated continuously,based on which some urban applications become feasible,such as route planning.In general,popular route that has been travelled frequently is a good choice,especially for people who are not familiar with the road networks.Moreover,accurate estimation of the travel cost(such as travel time,travel fee and fuel consumption)will benefit a wellscheduled trip plan.In this paper,we address this issue by finding the popular route with travel cost estimation.To this end,we design a system consists of three main components.First,we propose a novel structure,called popular traverse graph where each node is a popular location and each edge is a popular route between locations,to summarize historical trajectories without road network information.Second,we propose a self-adaptive method to model the travel cost on each popular route at different time interval,so that each time interval has a stable travel cost.Finally,based on the graph,given a query consists of source,destination and leaving time,we devise an efficient route planning algorithmwhich considers optimal route concatenation to search the popular route from source to destination at the leaving time with accurate travel cost estimation.Moreover,we conduct comprehensive experiments and implement our system by a mobile App,the results show that our method is both effective and efficient.     

基于前景理论的居民出行方式选择

对于实际出行中居民心理因素对出行方式选择的影响问题,构建基于前景理论的居民出行方式选择模型,提出了一种更加符合人类思维习惯的出行方式选择方法。综合考虑居民对行程时间及出行费用两种指标的心理参照点,得出相对最能使居民满意的出行方式选择结果;通过不同参照点下出行方式的综合前景值的变化分析了参照点对出行方式的选择的影响;最后通过实例说明了此方法在出行方式选择中的应用。实验结果表明：行程时间参照点要求较低的小范围内居民倾向于公交出行,尽管出租车与私家车出行方式综合前景值趋势变化一致,但更大范围内的居民倾向于私家车出行,这与实际相符。所提方法为预测居民出行方式提供了一种新的途径。     

考虑乘客感知的公交随机用户均衡配流

针对公交网络的特殊性,提出符合乘客路径选择行为且易于确定的广义路径概念,综合考虑乘客自主选择各路径的关键阻抗,在累积前景理论分析框架下,建立考虑乘客感知的用户均衡配流模型,用以反映乘客的择路行为,并通过算例分析验证了模型的有效性及合理性。该方法改进了传统模型完全理性的基本假设及适用的局限性,有助于对城市复杂公交出行行为及其决策规则的理解。配流结果可作为确定公交设施布局和规划以及评价服务水平的参考,同时还可作为交通诱导强有力的决策支撑。