基于复杂网络的路网交通拥堵评估仿真模型

为了能够深入分析路网交通拥堵动态演进过程, 为交通拥堵治理提供决策分析工具, 提出了一个基于复杂网络的路网拥堵评估仿真模型。通过将路段阻抗概念引入复杂网络理论, 实现了路网拓扑模型和流量模型的结合; 此外, 还提出了虚拟测试车辆遍历的路网通行能力评估方法, 对不同路网条件下的道路通行能力进行评估。最后在PC系统上实现了完整的路网拥堵评估仿真系统, 并利用该系统对拥堵路段数量、交通流量和路网拓扑结构等因素对路网通行能力的影响进行了仿真分析。仿真实验结果与经典交通理论分析结果一致, 并能反映更多的动态过程信息, 表明该模型能够准确有效地进行交通路网拥堵评估, 可以为相应的交通拥堵管理决策提供依据。     

智慧城市路网交通流量均衡性优化调度方法

早高峰和晚高峰时段的路网交通混乱,极易发生拥堵情况,为缓解交通系统压力,设计节点元胞划分下智慧城市路网交通流量均衡性优化调度方法。获取不同交通路线间的流量分离函数,定义路径交通流量和可用路段费用,得到出行者在某段路径上的概率函数,计算智慧城市路网各路段交通流量;获取流量守恒和车辆传递函数,计算可变元胞的单独序列,建立交通节点元胞划分模型;设计交通流量均衡性优化调度算法,得到城市路网均衡性的优化调度结果。设置仿真参数,对比优化前后三个路网模型的路径流量,仿真结果显示：早高峰和晚高峰时段路段内的路径流量明显降低,在其他时段,优化后的路径流量也不同程度下降,且路网模型越复杂,该优化方法的调度效果越好。     

基于实测流量的局域路网随机分配模型

针对城市局域路网所能获取的出行需求条件通常是重要交叉口的流量数据,而不是完整的出行OD矩阵的特点,在分析城市道路转弯比例时变稳定性的基础上,采用交叉口转弯比例作为重要参数,建立基于蒙特卡罗随机系统模拟思想的局域路网交通分配模型,并给出局域路网仿真分配系数矩阵的计算方法。将该模型在实际路网中进行应用测试,分配流量与实测数据的比对结果验证了该方法的适用性。     

基于路段转向流量的拥挤路网OD矩阵估计

传统的OD矩阵估计方法大部分都是基于路段流量的,由于路段流量数目远小于OD对的个数,因而限制了这些方法的推算精度。针对拥堵路网,提出了一种基于路段转向流量的OD估计方法,以提高OD估计的精度。分析了路段转向流量能够降低OD的可行解集的范围。通过双层规划模型求解拥挤路网上OD估计问题。由于最大熵模型不依赖于先验OD矩阵,可以应用到更多的OD估计场景中,因此上层模型采用的是最大熵模型,下层采用用户均衡模型。实验结果表明:基于路段转向流量可以增加估计的精度。     

基于路段元胞传输模型的动态用户最优配流问题

利用基于路段的元胞传输模型进行模拟, 给出了一种计算实际路段出行阻抗的方法, 并在此基础上构造了基于路段变量的动态用户最优变分不等式模型. 模型采用针对迄节点的路段变量, 在每一个小时段都能给出路段流入率、流出率、路段流量和实际路段阻抗, 为用户提供较为全面的诱导信息打下了较好的理论基础. 采用了修正投影算法来进行求解. 数值算例表明模型具有的实用性和优越性, 使道路交通流宏观模型与动态网络交通配流问题得到较好的结合.     

基于波动方程的动态交通流网络模型研究

研究优化交通流量问题。从交通流量中获取实时旅行时间是现代智能交通系统模型的关键技术,针对传统模型构建复杂、计算时间长、难以提供实时旅行时间的缺点,构建出一种动态交通流网络分析模型,以计算实时性的旅行时间优化交通流量。在模型中首先使用LWR车流模型构建成起始值-边界条件连续方程式,采用高阶Runge-Kutta法计算路段上的流量、密度和运行速度,进而得到车辆运行某段距离所需要的旅行时间;再将这些旅行时间加总,则可求得全路段或路网的旅行时间。最后使用上面提出的的动态交通流网络模型对一小型的高速公路单车道交通流网络进行了仿真。仿真结果表明,上述模型可以加快动态交通流网络中旅行时间的求解速度,以达到提供实时信息的目标。     

基于变结构离散动态BN的最优交通路径规划

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于变结构动态BN的最优交通路径规划方法。该方法考虑驾驶员偏好,按时间序列建立适用于交通路径规划的变结构离散动态BN模型,采用最大似然估计算法和参数的自适应产生算法学习网络参数,用基于时间窗的动态BN近似推理算法中固定窗口宽度方法进行在线推理。结合实例对算法进行仿真,并与Dijkstra算法所得结果进行比较。实验结果表明变结构离散动态BN能利用实时采集到的信息对最优路径进行实时更新,在线决策。     

基于GA-Transmodeler的动态OD矩阵估计方法*

采用系统仿真与遗传优化算法相结合的方法完成离线状态下多时段OD矩阵的估计。系统仿真旨在对多时段的动态OD矩阵实现连续动态交通分配,以得到在各个时段的OD流量对观测路段的分配比例矩阵,遗传算法则通过种群内个体的交叉、变异等遗传算子求解最优条件下的OD矩阵。仿真结果表明,这种仿真优化结合的方法能够充分体现动态交通流的延续性,且遗传算法具有较强的全局收敛性。     

一种动态OD矩阵估计算法的研究及应用

OD矩阵是智能交通的重要研究领域之一,是微观交通仿真、城市交通规划、管理和控制等的关键数据.本文将微观交通仿真与交通信号机监控系统相结合,提出一种基于极大熵法的动态OD估计算法.分析路段交通流的动态变化.为提高OD估计的精度,给出一种历史OD矩阵的递推方法.仿真结果表明本文方法是有效、可行的.     

基于粗糙神经网络的交通优化控制模型

在运用粗糙集理论对路网节点所测得的历史交通流量进行量化分析的基础上,基于神经网络自学习的能力,研究了实时动态交通流的模型结构并给出了交通流优化控制方法。首先,针对交通流优化控制的影响因素过于庞大的问题,采用粗糙集理论对其进行量化分析,建立了规则简化的数据清洗模型;然后,在此基础上利用以新的流量时间序列和原来的流量时间序列分别作为模型的输入和输出,构造出交通流量预测的人工神经网络模型并且加以训练;同时给出基于粗糙神经网络模型的交通流优化控制系统的运行机理并设计出相应的网络拓扑模型;最后,用某交通观测站的实际网络流量对该模型进行验证。仿真结果表明,该模型具有较好地预测效果。     

出租车数据的城市道路网路段通行时间估计方法

城市路段通行时间估计能够更好地运营和管理城市交通。针对包含起点-终点位置,行程时间和距离信息的GPS行程数据,提出了一种城市道路网短时通行时间的估计模型。首先将城市道路网按照交叉路口分解为多个路段,并基于k-最短路径搜索方法分析司机行进路线。然后针对每一个路段,提出了双车道通行时间多项式关联关系模型,既能提升道路网通行时间精细度,又能避免因训练数据不足导致的路网通行时间过拟合问题。最后以最小化行程期望时间和实际行程时间之间的均方误差为优化目标,拟合道路网通行时间。在纽约出租车数据集上的实验结果表明,所提模型及方法相对于传统单车道估计方法能够更准确地估计城市道路网路段的通行时间。     

基于蚁群算法的动态用户均衡配流

在路网中,为了使用户的出行时间降到最低,提出一个适用于多OD对的路网的动态用户均衡离散模型,并应用蚁群算法求解动态用户均衡问题.通过设计一个算例,利用仿真得出路网中的流量分配数据,并和二次规划Frank-Wolfe算法求解的流量分配数据进行比较,最后得出蚁群算法在求解动态交通用户均衡问题时具有一定的优势.     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

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．     

动态交通网络中最优路径查找算法*

在真实交通网络中,可能出现某高速公路在某一时刻内通过的车辆过多,从而改变了该时刻道路的即时速度,这就需要对道路的交通流量进行监控。针对这一问题,通过建立交通网络的速度模式库,根据道路可达速度的变化更新速度模式。基于A*算法与速度模式库,提出针对动态交通网络的最短路径查询算法。采用真实数据集对算法进行测试,结果表明,应用该方法能够有效地解决在速度模式发生变化的情况下最优路径的查找,使交通网络中的最优路径查询更为准确有效。     

A Path-Based Solution Algorithm for Dynamic Traffic Assignment

The approximation of the traversal cost is a critical component of dynamic traffic assignment model. In link based traffic assignment, it assumes that the constraints sets are linear or convex and it is not realistic in general traffic networks. Comparing with the link based model, the path cost in the objective function of the path based traffic assignment model is implicitly nonlinear or non-convex, which is difficult to solve. In this paper, a path based traffic assignment model combining the generalized expansion method in M/G/c/c model with the point queue model is proposed to extend the link traversal cost to the travel cost along the path. Comparing with the link based model without considering intersection effects, this proposed path based model can take into account queuing delays between intersections and it is easy to implement. In order to validate the proposed path based model, a comparative experiment is implemented by comparing with the traditional travel cost models in Sydney traffic networks. Taking into account travel flow changes and blocking time, the proposed path based model is more effective for travellers from the uncongested traffic to congested traffic networks. In addition, the results from traffic assignment model show that the proposed model can achieve feasible results.     

基于层次颜色Petri网的交通紧急调度算法与建模

针对城市交通网络中紧急车辆在行驶区段中如何较快地到达终点的问题,提出了一种基于Petri网的交通紧急控制策略模型。利用Davidson函数中行驶时间与交通流之间的对应关系,得出紧急车辆在道路上的最短行驶时间,并将其作为权重,运用Dijkstrsa算法进行最短路径寻优;采用紧急信号灯控制策略对最短路径上的交叉口信号灯进行了调整,减少紧急车辆在交叉口的延滞时间,并运用Petri网理论,建立紧急车辆在交叉口的紧急信号灯控制模型。为了描述紧急信号灯控制策略的动态行为特性,将其各部分关键要素分别设计为相应的Petri网子模型。通过模型的一个仿真实例,进行了紧急控制策略与普通策略的实验对比,实验结果表明前者可以对紧急车辆的到达时间进行优化。