多时段多用户次优拥挤定价模型

以城市道路系统的拥挤收费为研究对象,深入分析城市道路系统多时段、多用户一般路网的次优拥挤定价问题,建立了以社会福利最大化为上层规划目标,下层规划为多时段、多用户一般路网均衡模型的双层规划模型.设计了一典型路网、路段出行成本函数与多时段多用户需求函数及其相关参数,并通过模拟计算求解该次优拥挤定价模型的交通流量、拥挤费用与总体社会福利.结合用户时间价值差异对多时段、多用户次优拥挤定价政策影响进行了分析,证明了拥挤定价能有效地影响交通流量时空转移并改善系统社会福利.     

基于随机用户均衡的路网拥挤收费模型与算法

为了减轻交通路网拥堵问题,结合现实交通流分配,采用随机用户均衡配流模型,以最小化路网总体出行时间为目标建立了一个拥挤收费的双层模型.对于这种模型,提出了一种新的求解算法,这种算法是将仿射尺度算法与遗传算法相结合.具体地,对给定的收费值,由仿射尺度算法来求解下层随机用户均衡问题得均衡路段流,将其带入上层可求得系统总出行时间.当选取1组初始收费值,可以求得在取各个收费值下的系统总出行时间.这样便可以根据遗传算法来求得最优收费值.数值实验结果表明,在实施收费之后,系统总出行时间得到有效减少,这种模型及算法可以有效地应用于减缓交通路网的拥堵问题.     

由路段流量反推OD矩阵的单层规划模型研究

由于OD矩阵在路网中的表现就是路段流量,据此,本文将基于用户平衡分配流的双层规划模型简化成单层规划模型.文章构造出一个把路段流量与实测的路段流量之间的偏差平方和最小作为目标函数的单层规划模型及其求解算法.新的算法考虑了交通数据中的不确定性因素,将反推的路段流量和实测的路段流量控制在一个允许的偏差范围内,这样推导出来的OD矩阵精确度更高,更符合实际.     

满足瞬时动态DT/RC的动态拥挤收费模型研究

出行者的出行选择当中,除了路径选择之外,出发时间也是一个重要的因素.在面临拥挤收费时,出行者往往要重新选择自己的出发时间,以避免多交费,同时还要尽量在规定的时间内到达.运用双层规划模型和变分不等式相结合的方法,建立满足动态用户最优出发时间/路径选择条件的时变拥挤收费策略模型.表示为双层规划模型:上层模型确定收费路段在离散化的每个小时段的收费,以交通系统性能在各离散时段内达到最优为目标,进而使整个高峰时段的交通状况趋于平稳;下层模型表示瞬时动态用户均衡的出发时间/路径选择.     

双模式的拥挤收费双层规划模型

为了解决私家车和公交车行驶时相互影响条件下的实际阻抗问题,提出了一个广义阻抗,即包含车辆行驶时受其他交通模式影响所花费的时间、车辆行驶固定的费用（如燃油费和车辆磨损费等）、拥挤收费及由拥挤构成的早到或延迟惩罚的广义阻抗函数。在此基础上,建立了以交通网络系统收益与网络成本之差最大化为目标的上层模型,以多模式交通网络的随机用户平衡为目标的下层模型,出行模式及路径的选择满足Logit模型的数学双层规划模型。最后,应用基于步长加速法和惩罚函数法的直接搜索法对该模型进行求解。     

非平衡交通分配的离散网络平衡设计模型与算法

交通网络设计问题是指对一个已经存在的交通网络,用定量的方法确定添加哪些新路段、对哪些已有路段进行改造以提高其通行能力的问题,并分为连续网络设计问题和离散网络设计问题.针对该问题提出了一种新的离散网络平衡设计二层规划模型,模型不仅考虑了新增路段及已有路段的扩容,而且允许不同等级的扩容选择.模型求解中,上层问题采用粒子群算法,下层问题采用路径生成式logit非平衡交通分配算法.数值结果显示,本文提出的算法可以快速有效地求解这类新的网络平衡设计二层规划模型.     

城市出租车拥挤收费

建立了多方式分担模型来分析拥挤收费背景下出租车是否也应征收拥挤费问题,并设计了求解模型的遗传算法。研究利用双层规划模型对该问题进行了描述,其中下层规划为组合网络均衡模型,刻画了出租车拥挤收费前后对出行产生、出行方式划分、出行路径选择及出行分布的影响,构建了与之等价的变分不等式;上层规划为社会福利的最大化。算例结果表明,是否应该对拥挤收费区域内的出租车征收拥挤费主要取决于私家车与出租车的单位距离运营成本之比。通常情况下(当二者的比值小于5.6时),对出租车进行拥挤收费就能获得更大的社会福利。     

微循环交通网络改扩建与单行组织一体化优化

从支路网“交通微循环”功能目标出发,着眼于缓解城市干道交通拥挤、改造成本最小化为目标,结合微循环系统的单行交通组织,建立了支路微循环网络规划的双层优化模型.利用该模型可同时优化各微循环支路路段的交通组织形式(单行还是双行)及改造后需达到的通行能力.利用单行交通组织与改造能力的组合决策编码,设计了求解模型的遗传算法.数值计算分析表明,通过支路微循环网络的交通分流能降低干道交通的饱和度,同时还应结合单行交通组织优化而降低微循环系统的改造费用.     

不确定需求下的公交线路发车频率优化

为了反映不确定的公交出行需求对线路发车频率的影响,融入公交网络鲁棒性能指标优化线路发车频率.采用双层规划模型进行优化,首先分析需求的不确定性在公交网络上的传递过程,使用解析法给出上层模型的构造形式,其目标涉及两项内容,一项含乘客和公交运营部门费用的公交网络系统效益,另一项考虑公交网络鲁棒性能;其次,基于公交出行策略理论,采用公交网络客流分配模型作为下层模型;最后设计遗传算法求解.小型网络测试和六盘水市公交网络的应用结果表明,鲁棒性能指标可以提高线路发车频率的可靠性.     

基于超级交通网络的换乘枢纽空间布局优化

利用交通规划理论与超级交通网络,优化城市交通换乘枢纽的数量、空间位置以及规模.依据样本城市的超级交通网络和OD出行矩阵,建立换乘枢纽选址的双层规划模型.上层模型追求交通系统社会效益最大和换乘枢纽建设费用最小,下层模型是超级交通网络上全方式OD交通量的用户平衡分配模型.通过引入改进的禁忌搜索算法实现上下层模型之间的循环反馈.     

一种用户均衡分配不确定性的计算方法

为解决目前交通分配中存在的不确定性问题,基于Wardrop用户平衡原理,利用起讫点(OD,Origin Destination)估计方法和Beckman交通分配模型,建立了一种交通分配不确定性计算方法.该方法分别以不同置信水平下的OD估计结果的上下限为输入量,然后利用Frank-Wolf算法求解交通分配模型,得到不同置信水平下的路段流量区间,以此量化交通分配问题中的不确定性.以南京市区域路网为研究对象进行案例分析,并采用宽度流量比R和无效覆盖率(Kickoff Percentage,KP)对模型结果进行评价,结果表明该方法可以得到路段流量的置信区间,量化交通分配的不确定性.     

不确定条件下供应链设施决策的鲁棒优化

针对供应链设施决策问题,包括设施的位置、能力以及供给和需求的分配,考虑不确定的市场需求和成本费用,建立了鲁棒优化模型,使用情景分析法对不确定性参数进行了描述.设计了一种基于二进制映射模式染色体编码的混合遗传算法来求解鲁棒优化模型.算例仿真表明,利用鲁棒优化模型进行供应链网络设计,系统误差减小,系统呈现出对不确定因素的不敏感性.     

交通流诱导与控制协同优化模型的遗传算法求解

以路段和交叉口的加权拥挤程度最小为目标,建立诱导和控制的协同优化交通流分配模型,并提出基于遗传算法的求解.采用动态滚动式计算模型算法得出的均衡流量调整为诱导信息的发布提供定量依据,能够将诱导和控制协同起来均衡路网流量,避开拥挤.小路网试验结果表明该模型算法实时、有效,便于实施.     

高速公路出入口选址双层规划模型研究

针对高速公路出入口选址,建立了双层规划模型.上层规划以高速公路出入口的用地和建设成本、改进交通网络的成本和区域内的出行成本最小为目标函数,下层规划考虑了交通网络车辆弹性需求用户均衡配流.最后设计了一个迭代优化算法对模型进行求解.     

道路网络交叉口“禁左”交通组织优化

分析了禁左后交叉口通行能力与延误的变化规律,以各交叉口各进口道是否实施禁左交通管理为决策变量,以网络上车流总的行驶时间最小为目标,并期望通过禁左交通组织管理使得各路段与交叉口的饱和度在拥挤水平以下,建立了一定区域网络上交叉口禁左交通组织优化的双层规划模型,探讨了以遗传算法对该模型进行求解的方法.数值算例表明,通过该模型的优化可最终确定各交叉口禁左交通组织形式,可以为城市禁左交通管制提供科学依据.     

含光伏的冷热电联供园区微网多类型储能协调鲁棒优化配置

含光伏的冷热电联供(CCHP)园区微网中有储冷、储热和储电多种类型储能装置,其合理协调配置能够对日负荷曲线进行削峰填谷和平抑光伏出力的不确定波动,进而提高微网运行的安全性和经济性.该文采用盒式不确定集描述光伏出力和冷热电负荷的不确定波动特性建立含光伏的CCHP园区微网中储冷、储热和储电多类型储能的协调鲁棒优化配置模型.该双层优化模型以微网年等值投资和运行费用之和最小为目标函数,通过采用Benders分解法,将双层优化问题分解为寻找某个场景下的配置方案主问题和寻找微网典型日运行费用最大的极端场景子问题进行交替迭代求解,以得到对于光伏出力和冷热电负荷不确定波动具有鲁棒性的储冷、储热及储电装置的协调优化配置方案.最后,以某个CCHP园区微网为例,通过与确定性优化配置方案和只优化配置蓄电池储能方案的比较,表明鲁棒配置方案更有利于平抑光伏出力和负荷的不确定波动,有效提高微网运行的安全性,同时多类型储能协调配置比只配置蓄电池储能方案的经济效益更好.     

考虑瓶颈路段饱和度的交通需求控制评价

基于起讫点交通量的减少可能导致道路中某些路段的流量增加,分析瓶颈路段饱和度作为交通需求控制评价指标的必要性.提出考虑瓶颈路段饱和度的交通需求控制评价方法,建立双层数学规划模型,提出求解算法.以Nguyen-Dupuis网络为例,设计了15种方案,进行11组数值实验,分析各方案中路网总费用、路网平均饱和度及瓶颈路段饱和度3项指标随交通需求控制强度的变化.结果表明,各方案路网总费用和平均饱和度评价指标差异在2.25%以内,而各方案的瓶颈路段饱和度指标差异较大,最大时达到7.65%,且部分交通需求控制方案可能会导致瓶颈路段拥堵加剧,说明考虑瓶颈路段饱和度指标的重要性.通过分析路径流量的变化,解释了瓶颈路段饱和度变化的内在原因.     

网络化控制系统鲁棒动态矩阵控制

针对前向通道和反馈通道都存在不确定有界长时延的网络控制系统,研究动态矩阵控制(DMC)算法的设计和算法鲁棒稳定性分析问题.首先基于一类线性离散系统的状态空间模型,通过缓冲技术把不确定的有界网络长时延转化为其确定的时延上界,导出当系统通信信道上存在大于一个采样周期的有界随机网络诱导时延时DMC策略的设计方法;其次,利用李雅普诺夫稳定性理论和线性矩阵不等式方法分析该网络化DMC算法的鲁棒稳定性,并将鲁棒稳定性问题转化为求解一类LMI解问题,得到网络化DMC算法鲁棒稳定的充分条件.最后,通过一个对倒立摆模型的仿真实验验证了结论的有效性.     

鲁棒支持向量机及其稀疏算法

基于非凸光滑损失的鲁棒支持向量机分类模型对异常点具有鲁棒性,但已有求解算法需迭代求解二次规划,计算量大且收敛速度慢,不适合训练大规模数据问题。为了克服这些缺点,首先给出收敛速度更快的方法求解鲁棒支持向量机模型;然后基于最小二乘的思想,提出了一种推广的指数鲁棒最小二乘支持向量机模型及其快速收敛的求解算法,并从理论上解释了模型的鲁棒性;最后利用核矩阵的低秩近似,提出了适于处理大规模训练问题的稀疏鲁棒支持向量机算法和稀疏指数鲁棒最小二乘支持向量机算法。实验结果表明,新算法在收敛速度、测试精度和训练时间等方面均优于相关算法。     

交通流诱导与控制协同优化模型的遗传算法求解

以路段和交叉口的加权拥挤程度最小为目标,建立诱导和控制的协同优化交通流分配模型,并提出基于遗传算法的求解。采用动态滚动式计算模型算法得出的均衡流量调整为诱导信息的发布提供定量依据,能够将诱导和控制协同起来均衡路网流量,避开拥挤。小路网试验结果表明:该模型算法实时、有效,便于实施。