考虑交通量随机波动的随机用户均衡配流模型

研究了随机用户均衡路网中交通量的随机波动现象。基于随机效用理论,运用贝叶斯定理构建了可以反映随机用户均衡路网中路径路段交通量概率分布的交通配流模型,避免了交通量的随机性在交通配流模型中被忽略的问题。侧重分析了路网中驾驶员的随机路径选择行为以及道路通行能力的不确定性对交通量波动的影响。设计了一种马科夫链-蒙特卡洛算法用来根据交通量概率分布估计路径路段交通量的统计特征。在一个中等规模路网上对提案模型进行了验证,结果表明:模型可以有效地评估出路径选择行为以及通行能力不确定性等因素对交通量波动的影响。     

MSA算法求解轨道交通SUE模型问题研究

建立了拥挤条件下的出行阻抗函数,通过引入随机均衡配流条件,构建Logit形式的Fisk轨道交通随机均衡配流(SUE)模型.以随机网络加载算法作为相继平均法(MSA)的基础,给出了轨道交通SUE模型的求解算法.     

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.     

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.     

轨道交通随机均衡配流模型和算法

以拥挤条件下的出行阻抗函数为基础,通过引入随机均衡配流条件,构建了Logit形式的Fisk轨道交通随机均衡配流模型.根据模型的特点,以Bregman算法求解模型的拉氏算子为基础,给出了改进的用于求解轨道交通随机均衡配流模型的Frank-wolfe算法.最后通过一个算例说明了算法的有效性和合理性.     

弹性需求下的轨道交通客流分配模型和算法

分析了轨道交通客流需求量的影响因素,以拥挤条件下的出行阻抗函数为基础,通过引入弹性需求条件下的轨道交通均衡配流条件,构建了弹性需求下的均衡配流模型．根据模型的特点,给出了改进的用于求解弹性需求下的轨道交通均衡配流模型的Frank-wolfe算法,最后通过一个算例说明了算法的有效性和合理性。     

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。     

轨道交通随机均衡配流模型和算法

以拥挤条件下的出行阻抗函数为基础，通过引入随机均衡配流条件，构建了Logit形式的Fisk轨道交通随机均衡配流模型．根据模型的特点，以Bregman算法求解模型的拉氏算子为基础，给出了改进的用于求解轨道交通随机均衡配流模型的Frank-wolie算法．最后通过一个算例说明了算法的有效性和合理性．     

动态网络流分类研究

动态网络流模型在微观层面上通过对流量的细分,建立了网络上主机之间的数据交互模型.该文通过对大量原始流量分析,发现单一动态网络流与网络应用协议之间不存在一一对应关系,但是它具有反映用户网络行为在数据传输方面特点的能力,这种能力对基于动态网络流模型的用户网络行为分析具有重要意义.针对数据传榆中动态网络流主要在数据传榆总量、传榆速率、传榆模式方面存在的不同,提出了完整的动态网络流分类方法.实验结果表明分类法得到的类别能够反映用户网络行为的特点,为后续的相关工作打下了基础.     

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.     

冰雪条件下城市路网容量可靠性

为研究冰雪条件下城市路网容量可靠性,采用路段行程时间可靠性及容量为约束条件进行研究.定义了冰雪条件下的路网容量可靠性概念,以BPR(Bureau of Public Roads)函数为基础,通过引入自由行程时间及通行能力修正函数,建立了适用于冰雪条件的ISB-BPR(Ice and Snowfall Based-Bureau of Public Roads)函数,并以路段容量和遵循ISB-BPR函数的行程时间可靠性作为约束条件构建了上层规划,以符合冰雪条件出行特征的弹性需求分配模型作为下层规划,提出了适用于冰雪条件的双层规划模型.根据模型反映的路径选择行为特点,设计了灵敏度分析法求解交通量分配模型,以Monte Carlo仿真算法求解路网容量可靠性.并给出1简单算例,计算结果表明:冰雪强度及交通供需对冰雪条件下路网容量可靠性有很大影响.该模型能够用于评估冰雪条件下的路网性能,并为路网规划、设计、维护提供依据.     

考虑燃油经济性的出行者路径选择模型

为研究燃油经济性对出行者路径选择的影响,将燃油消耗、行程时间及其可靠性的线性加权和定义为广义出行费用,以饱和度为参数建立了路网单元燃油消耗模型并量化燃油消耗出行费用.分别以BPR函数及HCM2000延误公式量化路段行程时间及交叉口延误,以二者可靠性量化行程时间及延误波动的相应费用建立了基于广义出行费用的随机用户平衡分配模型.通过在小型测试路网上进行计算分析表明:基于广义出行费用的交通分配模型能够较好地反映考虑燃油经济性的出行者路径选择行为;出行费用权系数对出行者路径选择行为影响显著,考虑燃油经济性的路径选择行为可有效减少路网燃油消耗,可达9%左右.     

基于路网容量约束的停车设施泊位规模优化

针对目前停车规划中很少考虑道路网络容量限制的情况,建立了基于路网容量约束的停车设施泊位规模优化模型.该模型考虑道路网络容量对停车需求的限制和约束,通过各处停车设施规模的优化,引导停车需求合理分布,以充分利用道路网络资源,实现效益与公平性最大化.该模型优化目标为在满足道路网络容量约束下使得效益(即可满足的停车需求)最大,并通过用户平衡模型计算流量在道路网络上的分配,介绍了用遗传算法对模型求解的方法.数值算例表明,通过优化建模与求解,可得到各处停车设施的最佳泊位规模,并得到满足路网容量约束的合理停车需求分布.     

基于 Frank-Wolfe算法的路径交通量求解方法

针对用户均衡交通分配问题,提出一种可以避免穷举网络中的所有路径的基于Frank Wolfe算法的路径交通量求解方法。它在已知一组满足用户均衡规则的基于终点的路段交通量和交通网络中各个OD（origin destination）对间的最短路集合的前提下,运用一个算法确定出一组满足用户均衡规则的路径交通量。文中通过算例说明该方法是有效的,并通过比较指出该方法在存储内存、计算结果以及计算速度方面优于其他基于路径算法。     

基于Frank-Wolfe算法的路径交通量求解方法

针对用户均衡交通分配问题,提出一种可以避免穷举网络中的所有路径的基于Frank-W olfe算法的路径交通量求解方法。它在已知一组满足用户均衡规则的基于终点的路段交通量和交通网络中各个OD(origin destination)对间的最短路集合的前提下,运用一个算法确定出一组满足用户均衡规则的路径交通量。文中通过算例说明该方法是有效的,并通过比较指出该方法在存储内存、计算结果以及计算速度方面优于其他基于路径算法。     

基于LSTM神经网络改进的路阻函数模型

为了更加精确地计算道路的交通阻抗,对经典的BPR阻抗函数模型进行改进,建立长短期记忆(LSTM)神经网络预测改进函数中待定系数的正负,结合杭州市上塘高架至中河高架路段采集的交通数据进行验证. 与传统BPR阻抗函数方法、经典的EMME/2锥形延误函数计算方法、BP神经网络预测方法、LSTM神经网络预测方法得出的结果进行对比分析,结果显示在数据精度满足要求的前提下,改进的模型具有更高的准确性和可靠性. 说明使用改进模型计算得到的道路阻抗能够更为真实地反映道路的交通运行状况.     

诱导信息与路径选择行为对交通流分配的影响

通过建立基于诱导信息的路径选择决策模型,设计仿真实验并采Matlab程序实现,研究结果发现：诱导信息对均衡交通流分配具有显著作用,且随着出行者对诱导信息的信任度增大,作用越大;管理者不论以系统最优还是用户均衡原则发布诱导信息都基本能实现其目标,且当出行者为完全信息型时,还能实现系统最优与用户均衡的协调．     

可再生能源供电异构蜂窝网络中基于拓扑势的用户接入算法

可再生能源供电的蜂窝网络相关研究已经成为绿色无线网络热点研究内容之一. 针对可再生能源供电异构蜂窝网络场景,提出了一种基于拓扑势的用户接入算法,实现基站间能量均衡与负载均衡的折中. 定义用户与基站间拓扑势,综合考虑用户业务量、用户与基站间信道容量、基站可用能量,衡量基站对用户的吸引程度;将基站所接入用户拓扑势总和定义为基站效用值,并给出了基站间效用公平的用户接入最优化问题;提出了一种迭代方法求解最优化问题,通过用户与基站间信息交互与迭代更新完成用户接入基站选择,均衡基站间能量与负载. 仿真结果表明,所提算法在保证基站间负载均衡的同时充分利用了基站收集的可再生能源,实现了基站间能量均衡.     

基于深度神经网络的多因素感知终端换机预测模型

针对基于特征工程的传统终端换机预测模型依赖于领域知识且无法充分利用用户通话、流量使用等序列数据的问题,提出基于深度神经网络的多因素融合终端换机预测模型. 该模型使用长短时记忆网络（LSTM）提取用户通话、流量使用行为序列特征,使用全连接网络融合用户自然属性、行为序列特征和历史换机信息,预测用户是否换机. 实验表明,基于深度神经网络的多因素融合终端换机预测模型能够考虑影响用户换机的多种因素,充分挖掘用户通话、流量使用行为序列特征;当召回率为0.135时,相比于传统模型精确率提高了34.3%.