基于VMS信息环境中的动态路径选择模型研究

阐述VMS的信息特点以及VMS信息条件下的路径选择行为,对影响出行者路径选择因素的SP调查数据结果进行分析,通过数值模拟出行者路径选择的随机过程,得到VMS信息条件下出行者中选择改变路径所占比例为50.36%。最后,建立VMS信息环境中的途中路径选择模型,通过随机动态用户最优模型完成流量分配和加载,并选取一个小型路网作为算例,计算路网在有VMS和无VMS情况下的流量分配情况。结果表明,在VMS信息环境中,拥堵路段上游的交通量能够及时转移,提高了拥堵路段的运行效率。       

基于遗传算法的综合布线路径布局研究

以综合布线系统的路径规划为研究对象,对布线路径中的公共路径和最短路径的双目标进行统筹规划,以满足不同情况下的不同施工需求. 首先给出了综合布线决策的整数规划模型,采用遗传算法构建了一种新的综合布线优化算法,用于进行综合布线路径规划的设计与研究. 在遗传算法的基础上,通过加权组合的方式实现公共路径和最短路径的协调,其中公共路径越长越节约工期,最短路径越长越节约成本. 最后,通过仿真对所提模型和方法的有效性进行了验证.     

基于有限理性的随机网络路径选择模型

为研究出行时间不确定条件下有限理性出行者的路径选择行为,以路段容量降级网络为研究对象,将路径自由流时间作为路径走行时间的下界,提出了关于路径走行时间的截断正态分布概率密度函数,建立了考虑路径走行时间边界的出行时间预算模型.通过考虑出行者有限理性的决策特征,以预算时间最小值的无差异阈值作为出行者可接受的最大出行时间,提出了有限理性置信水平的概念,即出行者可以在最短预算时间的无差异阈值内到达目的地的概率.然后,根据随机效用最大化理论,以出行者感知的有限理性置信水平为路径选择成本,构建了考虑可靠性的有限理性交通均衡模型,并给出了其等价的变分不等式问题.此外,设计了一个基于路径的求解算法对所提出的模型进行求解.最后,应用一个数值案例来验证所提出的模型和算法.算例结果表明:忽略路径的自由流时间将降低出行者准时到达的可能性,并且出行者可接受的无差异阈值尺度对其路径选择行为有较大影响.     

考虑充电排队时间的电动汽车混合交通路网均衡

为分析充电排队时间对电动汽车用户路径选择以及路网均衡的影响,分别考虑充电排队时间与充电站充电流量、充电时间与充电量的关系,构建了相应的混合交通路网模型。证明了解的唯一性,并推导了混合交通网络模型对应的KKT条件,证明其与Wardrop第一原理等价。基于梯度投影法设计了求解算法,构建了一个算例验证了模型及算法的有效性。研究结果表明:固定排队时间下的最优解对应的充电站充电流量分布不唯一,非固定排队时间下的最优解对应的充电站充电流量分布唯一。在非固定排队时间下,电动汽车用户为了规避过长的充电排队时间,充电站充电流量分布会更加均衡;服务能力对充电站利用率的均衡性有显著影响;路网的总充电排队时间以及总出行时间随充电站服务能力的增大而逐渐减少。     

面向多路径并行数据传输的动态路径选择方法

针对多路传输控制协议联合拥塞控制未考虑丢包率对吞吐量的影响和传统静态路径选择方法降低并行数据传输鲁棒性的问题,提出一种以提升吞吐量为优化目标的基于马尔可夫决策过程的动态路径选择方法. 综合考虑往返时延和丢包率对吞吐量的影响,根据最优策略动态地选取不同的路径进行数据传输,数据传输时不减少路径数量,在不影响并行数据传输鲁棒性的基础上提升吞吐量. 仿真结果表明,在路径参数变化时,所提出的路径选择方法可以更有效地均衡流量,提升吞吐量.     

拥堵路网交通流均衡分配模型

为克服利用传统静态交通流分配模型分析拥堵道路网络交通流分配问题的不足,研究交通拥堵状态下静态拥堵交通流均衡分配模型.首先,基于拥堵路段上交通流特征,分析拥堵路段阻抗函数特点,包括满足拥堵路段上流量随车辆数增加而减少的特征;其次,分析拥堵状态下用户疏解路径选择行为,提出道路网静态拥堵交通流分配的用户均衡与系统最优原理;再次,构建道路网静态拥堵交通流用户均衡与系统最优分配模型,并证明模型与用户均衡原理的等价性、模型解的唯一性;最后,给出求解用户均衡模型的迭代加权求解算法.通过算例与传统静态交通流分配进行对比分析,结果表明:拥堵用户均衡分配模型与拥堵系统最优分配模型可以合理描述拥堵用户均衡原理与系统最优均衡原理,且拥堵用户均衡分配模型可以合理描述路网处于全拥堵状态下各路段实际通过流量.拥堵交通流分配模型可应用于由拥堵蔓延导致的局部全拥堵区域,可作为半拥堵静态交通流分配的核心部分之一.     

基于累积前景理论的组合出行交通分配模型

城市交通网络是包含多种交通方式的不确定性复杂系统,出行者作为交通网络的直接参与者,对交通方式和路径的选择行为将直接影响交通网络的均衡状态。以累积前景理论为基础,在随机交通网络中,考虑出行者的观测误差和风险决策行为,分析了组合出行下的随机用户均衡条件,并建立了相应的变分不等式模型,根据变分不等式定理,分析了模型的等价性和解的存在性,采用基于路径的相继平均算法对问题进行求解。引入超级网络作为算例,对模型进行了验证,并对模型参数进行了敏感度分析。计算结果表明:基于累积前景理论的组合出行交通分配模型,能够更加有效地刻画出行者在不确定交通环境下的交通方式和换乘站点的选择行为,为城市交通方式划分和换乘站点选址等工作提供理论支持。     

智慧公路和ATIS环境下逐日交通均衡模型（英文）

为探索智慧公路和先进的出行者信息系统(ATIS)对出行者路径选择行为的影响,将网络可靠性和经验学习理论引入出行者路径选择过程中,提出智慧公路和ATIS环境下随机网络逐日均衡模型。智慧公路服务于该路段上的所有出行者,ATIS服务于所有配备信息系统的车辆。在智慧公路上行驶或配备ATIS的出行者根据实时交通信息决策出行路径;而其他出行者根据历史路网状况和出行经验选择出行路径。同时考虑道路容量退化和交通需求波动两种交通网络不确定性因素,运用交通网络流理论构建智慧公路和ATIS环境下随机网络逐日均衡模型。采用不动点理论证明逐日模型解的等价性、存在性和稳定性条件。算例表明,过高的置信水平和道路流量行为系数均会导致模型进入不稳定状态;通过对路网状况的反复学习,出行者逐日进行路径调整,最终交通流达到稳定状态;在道路改扩建过程中,构建的模型可以提供科学的交通组织和分流方案。     

交通诱导-出行信号博弈分析及其虚拟行动学习模型

交通出行过程中,诱导信息的发布与出行路径的选择是两个相互联系相互影响的决策过程,基于此建立了诱导-出行信号博弈模型,并依据其信号均衡将路网分成了不同的等级.为验证均衡解的合理性,提出了一种基于完全但不完美信息动态博弈的虚拟行动学习模型并应用于此问题,收到了很好的学习仿真效果,最后给出了相应的收敛性定理及其证明.     

考虑不可行路径的逆向物流回收路径问题

针对车辆回收路径问题的研究较少考虑部分节点可被多次访问的情况,以及现实生活中无法保证可行的直线路径均存在的问题,建立了以逆向物流网络最低总运输成本为优化目标的数学模型.通过FLOYD算法将问题转化为传统车辆路径问题模型,通过改进的蚁群算法进行求解,确定回收设施的数量和位置,并得到最优回收车辆路径.通过算例验证了模型和算法的有效性,对解决逆向物流路径问题具有一定的实际意义.