不确定网络中基于鲁棒用户均衡的交通拥挤收费模型

交通网络拥挤收费通过在路段上收取一定的通行费用,调节道路网络中的交通流量分布,使流量从拥挤路段转移到畅通路段,达到缓解交通拥挤的目的.由于用户出行模式选择、节假日或者天气状况等因素的影响,交通网络拥挤收费问题具有不确定性.这些不确定因素影响着交通网络拥挤收费问题,因此有必要研究交通网络拥挤收费问题中的不确定因素.同时考虑交通网络拥挤收费问题中路段费用和O-D需求2种不确定因素,利用鲁棒优化方法建立了基于情景的鲁棒交通拥挤双层规划模型,然后将双层规划模型转化为带均衡约束的数学规划问题,利用松弛算法求解,得到了鲁棒均衡路段流.数值算例表明,求解鲁棒交通拥挤收费模型得到的鲁棒均衡路段流量对不确定因素的扰动具有鲁棒性.     

随机交通网络环境下自适应最可靠路径问题

为了研究交通网络耗时最优路径选择问题,建立了随机网络环境下自适应最可靠路径问题的数学模型。首先,建立随机网络模型反映交通网络的耗时随机特性;其次,在该网络环境下定义最可靠路径策略和最可靠状态链,并且证明最可靠状态链满足动态规划的Bellman's准则;第三,构造基于动态规划的逐次逼近算法求解该问题,并且证明提出的逐次逼近算法是多项式时间算法;最后,编写基于MATLAB计算机语言的算法程序,并针对实际交通网络Sioux Falls(SF)network展开数值试验,计算结果验证了该算法的正确性和可行性。     

双层规划模型的大规模UCAV编队队形优化

为解决复杂约束环境下大规模无人战斗机(UCAV)编队队形优化问题,提出基于双层规划模型的队形优化求解算法.以大规模UCAV编队空对地饱和打击作战场景为例,建立UCAV编队作战上层规划模型,通过采用离散粒子群-模拟退火(DPSO-SA)算法进行求解,得到执行每个任务的UCAV编号和最优队形;根据现有的编队作战队形库,建立编队中UCAV站位下层规划模型,通过采用遗传算法进行求解,得到UCAV在队形中的位置.仿真结果表明:在上层规划模型中引入改进模拟退火算法,可以解决离散粒子群算法易陷入局部极小值的问题;设计双层规划模型,可以解决DPSO-SA算法后期收敛速度慢的问题.相对于单层规划模型,双层规划模型求解大规模UCAV编队队形优化问题收敛速度更快,寻优效果更好.     

半无限规划问题可行方向与离散相结合的算法

为了得到优化模型中半无限规划问题的局部最优解,结合ZOUTENDIJK可行方向算法以及基于有限覆盖理论基础上的对约束集合离散的算法,给出了一种新的求解半无限规划问题的离散与可行方向结合的算法;并根据择一定理以及一阶最优性充分条件证明了由此新算法得到的迭代点序列能够收敛到半无限规划问题的局部最优解;最后利用此新算法求解了一个半无限规划问题的实例,得到的迭代最优点序列收敛到了最优解,验证了此算法的可行性.     

基于M2M模型的出行路径规划算法

提出了一种源自于人类认知思维模式的普遍适用的算法设计模型——M2M模型(Macro to Micro model)。M2M模型的数据结构用O(n)时间建成,并具备高度的并行性。针对交通网络的最优路径规划问题,提出了基于M2M模型的交通网络出行路径规划算法,将交通路网运用M2M模型分层分块,减少搜索区域,优化路径搜索速度。实验证明,相对于当前使用较多的Dijkstra及A*等经典算法,本算法在求解速度上有明显提高。     

离散半无限规划的一个超线性收敛的SQP算法

讨论离散半无限规划问题,结合更新离散指标集的技术,提出一种新的可行序列二次规划(FSQP)算法求解由半无限规划(SIP)转化到离散半无限(DSI)问题,使得可行下降方向仅通过求解一个QP子问题可获得,为克服马太效应,高阶校正通过求解带有包含某个约束集的线性方程组所得.在适当的条件下,证明了算法的全局收敛性和超线性收敛性.     

求解一类二层非线性规划问题的全局优化方法

根据模拟退火算法能够有效地求非凸数学规划全局最优解的特点,对一类二层非线性规划问题的上、下层问题求解,并根据二层规划的特点,给出了求解一类二层非线性规划问题全局最优解的有效算法。该算法思路清晰,易于在计算机上实现。     

生产调度广义析取规划模型求解算法

充分考虑广义析取规划模型利用符号逻辑表达关系这一特点,提出一种新的基于逻辑分支的分支定界算法.首先结合生产工艺的特点,使用分支变量的选取准则确定出部分离散变量,然后应用逻辑分支的方法确定逻辑变量之间的关系,再分别应用逻辑推理确定其它的离散变量.根据算法详细实现步骤,对一个典型的间歇过程生产调度模型求解,并对结果进行分析和说明.仿真结果表明,依据模型布尔变量之间存在的关系,通过逻辑分支和推理剪掉了大量分支,提高了问题的求解效率并得到了最优解.     

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.     

基于免疫算法的电力通信网线路规划方法

为了合理规划建设经济可靠的电力通信网络,提出了一种基于免疫算法的电力通信网线路规划方法,综合考虑了网络的经济性、可靠性和业务分布因素.基于站点成环率构造出网络可靠性函数,结合业务分布情况设计了电力通信网线路规划的问题模型,并利用免疫算法进行求解.该方法采用多目标优化模型,能在一定程度上提高规划方案的灵活性和全面性.仿真结果表明,在面对不同站点成环率约束的情况下,该方法均能提供有效的线路规划方案.     

基于站点容量限制的公交效率网络设计模型

为解决效率网络设计问题,首先在定义运输效率的基础上构建了网络权重函数,运用带约束条件的k最短路径算法搜索备选效率线路,然后选择运输效率最高的线路布设在路网中;OD矩阵更新应用带控制系数的站点容量模型,并遵循就近原则分配超载流量。将模型用于梅河口市公交线网规划中,结果表明,所设计的公交线网是运输效率最高的,并满足相关设计规范,具有很高的理论与实用价值。     

Network-level optimization method for road network maintenance programming based on network efficiency

To maintain their capacity,transportation infrastructures are in need of regular maintenance and rehabilitation.The major challenge facing transportation engineers is the network-level policies to maintain the deteriorating roads at an acceptable level of serviceability.In this work,a quantitative transportation network efficiency measure is presented and then how to determine optimally network-level road maintenance policy depending on the road importance to the network performance has been demonstrated.The examples show that the different roads should be set different maintenance time points in terms of the retention capacities of the roads,because the different roads play different roles in network and have different important degrees to the network performance.This network-level road maintenance optimization method could not only save lots of infrastructure investments,but also ensure the service level of the existing transportation system.     

一种基于自适应模糊决策的车辆导航系统地图匹配算法

给出了基于节点信息的路网空间拓扑结构的具体描述形式。引入相关性概念,提出了一种基于道路几何信息的自适应模糊决策地图匹配算法。通过待配路段两两之间隶属度值的比较与模糊排序以及测度因子参数的适应性调整,使算法在道路几何分布复杂,且较为密集的区域,仍具有较强的适应能力。对实际跑车数据的仿真处理结果表明,该算法较好地解决了城市交叉路口地图匹配问题。     

面向复杂城市道路网络的GPS轨迹匹配算法

车辆GPS轨迹的地图匹配是交通大数据挖掘中的一项重要的基础性工作,可靠的轨迹匹配结果对于道路交通运行状态监测、实时交通信息发布、车辆定位与智能调度、出行路径选择行为分析等具有重要意义。由于城市道路网络中大量存在高架路、主辅路和立体交叉等复杂的道路场景,传统的地图匹配算法在这些场景下难以对车辆轨迹进行准确匹配。针对这一问题,该文提出一种基于道路网络拓扑结构的轨迹匹配算法,将轨迹匹配问题转换为在加权道路网络中寻找最优路径的问题。利用成都市道路网络中上万辆出租车的实际运行轨迹数据对本文算法进行了验证,结果表明在复杂的城市道路网络中应用该算法能够获得较高的匹配成功率和准确率。     

综合运输体系下的货运网络能力计算

对综合货运网络进行了相应的变换,通过网络变换将交通方式间的中转约束转化为路段的能力约束。计算各个OD对的前K条短路作为该OD对的可选路径集合。考虑OD需求是否拆分以及货物中转能力对综合货运网络能力的影响,建立了综合货运网络能力计算模型,并给出了求解思路以及相对应的免疫克隆算法。最后,选用一个算例对上述模型以及算法进行了分析验证。算例测试表明,该模型以及算法具有较好的实用性。     

基于改进BPR模型的封闭小区开放对城市道路通行能力影响研究

基于改进的BPR模型研究城市住宅区的开放对周边道路通行的影响.首先构建封闭小区开放对城市道路通行能力影响的评价指标体系,运用Spss和Matlab软件进行了定量分析,选取了路径数量、道路基础设施面积、非直线系数和交叉路口阻塞率等4个评价指标,建立了改进的BPR模型,通过计算交通指数研究封闭小区开放对提高周边道路通行能力的影响,最后进行实证分析,验证了该模型的可行性。     

Road network extraction in classified SAR images using genetic algorithm

Due to the complicated background of objectives and speckle noise, it is almost impossible to extract roads directly from original synthetic aperture radar(SAR) images. A method is proposed for extraction of road net-work from high-resolution SAR image. Firstly, fuzzy C means is used to classify the filtered SAR image unsupervis-edly, and the road pixels are isolated from the image to simplify the extraction of road network. Secondly, according to the features of roads and the membership of pixels to roads, a road model is constructed, which can reduce the extraction of road network to searching globally optimization continuous curves which pass some seed points. Final-ly, regarding the curves as individuals and coding a chromosome using integer code of variance relative to coordi-nates, the genetic operations are used to search global optimization roads. The experimental results show that the al-gorithm can effectively extract road network from high-resolution SAR images.     

基于免疫理论的车联网的城市路网实时容量研究

已有路网容量研究不能解决实时路网容量计算问题,难以掌握实时路网中的实际运行车流;传统的路网容量算法基本是离线处理或通过人工调查进行理论计算,很难解决实时路网容量的难题,为此,提出了一种基于免疫理论的车联网城市路网实时容量新方法. 该方法将免疫网络理论引入车辆自组织网络,利用抗体识别抗原的原理,完成通信链路检测,同时,可以通过统计抗原抗体识别对获取路网中的车流,不仅解决了实时性问题,还解决了传统方法需要建立准确数学模型的难题. 选取了实际路网中的区域进行验证,实验结果与传统方法获取的路网容量非常接近,证明了该方法的有效性.     

基于交叉口车牌识别数据的网络交通状态分类方法

为实现能实时、高效、准确地利用现有的车牌识别数据掌握路网交通状态，并精准实施道路交通网络控制措施，基于道路交叉口车牌识别系统数据，依据基于平均最短路径长度的拥堵指标衡量路网运行状态，使用K-means聚类算法进行分类，依据谱距离指标和拥堵指标分类不同时段的网络剩余供给能力。在此基础上，依据实时的道路交通数据，计算拥堵指标，可得到实时道路网络剩余供给能力分级。针对分级后的实时道路网络的实际剩余供给能力，设计不同的网络交通管控方案，能有效缓解交通拥堵。以长沙市五一广场局域道路网络为实例，研究结果表明：城市道路网络状态全天可以分为4种类型，拥堵指标为1.522、1.823、2.207、3.069,分别对应路网剩余供给能力良好、一般、较差和极差。该网络早晚高峰时段路网剩余供给能力多处于较差状态，并且晚高峰时路网有可能处于剩余供给能力极差状态。相比于工作日，在周末的高峰时段，路网剩余供给能力表现较为良好。采取针对性交通管控措施后，经仿真验证表明拥挤路径社会总成本下降5%以上。     

基于匹配误差的导航图路网数据预处理技术研究

针对嵌入式环境中路网数据量过大影响地图匹配实时性的问题,文章提出了基于匹配误差的路网数据预处理方法,该方法在地图匹配前应用改进的自适应限差Douglas-Peucker算法对路网进行了数据预处理。改进算法分别以匹配误差、地图精度及道路间距为输入参数,通过赋予三者适当的权值计算加权平均值,之后以该值为精度限差对路网数据进行压缩。实验结果表明,路网预处理能够有效降低路网数据量并提高地图匹配的实时性。