CN107123260A - 基于出行者预算限制的交通分配方法 - Google Patents

基于出行者预算限制的交通分配方法 Download PDF

Info

Publication number
CN107123260A
CN107123260A CN201710499650.9A CN201710499650A CN107123260A CN 107123260 A CN107123260 A CN 107123260A CN 201710499650 A CN201710499650 A CN 201710499650A CN 107123260 A CN107123260 A CN 107123260A
Authority
CN
China
Prior art keywords
mrow
traffic
msub
msubsup
traveler
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710499650.9A
Other languages
English (en)
Inventor
谢驰
白婷
刘海洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201710499650.9A priority Critical patent/CN107123260A/zh
Publication of CN107123260A publication Critical patent/CN107123260A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于出行者预算限制的交通分配方法，包括步骤：S1：获取一目标交通网络的网络结构数据和相关参数信息，并建立一抽象交通网络；S2：利用所述抽象交通网络确定所述目标交通网络的交通需求；S3：根据所述交通需求建立所述目标交通网络的一预算限制约束模型；S4：根据所述预算限制约束模型建立一交通分配模型；S5：对所述交通分配模型求解计算获得所述目标交通网络的分配结果。本发明的一种基于出行者预算限制的交通分配方法，为交通运输网络的改建提供更精准的量化的性能评价结果，不仅可以为拥堵收费提供了充分的依据，而且模型输出的路径行驶时间指标也可以向用户提供出行规划等其他的出行服务。

Description

基于出行者预算限制的交通分配方法
技术领域
本发明涉及道路交通管理领域，尤其涉及一种基于出行者预算限制的交通分配方法。
背景技术
交通拥堵是目前伴随城市化进程而来的严重问题，对国民经济、居民幸福感、环境都有着比较显著的负面影响。面对日益严重的交通拥堵问题，一些大城市正在准备征收拥堵费，用经济手段来来限制城市道路高峰期的车流密度，并通过由此带来的交通量减少来降低交通事故的发生、环境的污染和能源的消耗，提高整个城市交通的运营效率。
现有的交通分配方案需要获知道路的所有路径集合，这在实践中会消耗很多时间和存储空间，且用户的异质性体现在很多方面，不同人群出行，由于其出行目的、出行者以及机动车种类的不同，存在多样的预算限制，这并没有被考虑在现有的路径分配中，因此无法体现由于不同人群的预算限制不同而对交通网络均衡产生影响的问题，从而影响对规划路网流量的预判与路网规划方案的决策。
发明内容
针对上述现有技术中的不足，本发明提供一种基于出行者预算限制的交通分配方法，为交通运输网络的改建提供更精准的量化的性能评价结果，不仅可以为拥堵收费提供了充分的依据，而且模型输出的路径行驶时间指标也可以向用户提供出行规划等其他的出行服务。
为了实现上述目的，本发明提供一种基于出行者预算限制的交通分配方法，包括步骤：
S1：获取的一目标交通网络的网络结构数据和相关参数信息，并建立一抽象交通网络；
S2：利用所述抽象交通网络确定所述目标交通网络的交通需求；
S3：根据所述交通需求建立所述目标交通网络的一预算限制约束模型；
S4：根据所述预算限制约束模型建立一交通分配模型；
S5：对所述交通分配模型求解计算获得所述目标交通网络的分配结果。
优选地，所述抽象交通网络包括至少一出行方案，每一出行方案中包括一起点和一讫点，每一出行方案中的所述起点和所述讫点之间包括多条交通路径，所述交通路径由若干路段首尾相连而成，所述相关参数信息包括每一出行方案中所述起点和所述讫点之间的交通出行总人数。
优选地，所述S2步骤中，根据所述交通出行总人数和所述网络结构数据确定所述目标交通网络的交通需求。
优选地，所述S3步骤中，所述预算限制约束模型为：
其中，Bm代表第m类出行者的出行预算限制；r表示起点，s表示讫点，表示起点和讫点间第k条路径的出行费用；代表第m类出行者在起点和讫点间第k条路径上的交通流量；为第m类出行者在起点和讫点间的所有需求。
优选地，所述S4步骤中，所述交通分配模型为：
其中，xn为路段n上的交通流量；Z(xn)为所述目标交通网络的流量的积分之和；tn(w)为在路段n上的通行时间函数。
优选地，所述路段n上的交通流量xn满足公式：
其中，表示路段路径关联指示符，当路段n位于起点到讫点上时，若否则，
优选地，所述路段n上的通行时间函数为：
其中，表示第n路段完全畅通时的通行时间，cn为第n路段的收费；α为第一通行时间参数；β为第二通行时间参数。
优选地，所述S5步骤进一步包括步骤：
S51：可行性检测步骤；
S52：对所述交通分配模型进行初始化，分配获得此时各路段的第一交通流量；
S53：计算此时所述交通分配模型中各所述路段的通行时间；
S54：根据更新后的各所述路段的通行时间重新寻找每种出行者的最短路径，得到一辅助解集{yn}；
S55：根据一优化公式求解最优步长因子η：
其中η表示最优步长因子；
S56：根据一流量更新公式计算获得更新后的第二交通流量：
xn＝xn+η(yn-xn) (6)；
S57：判断所述第二交通流量所对应的交通分配模型与所述第一交通流量所对应交通分配模型的差值是否小于一阈值；如是，根据所述第二交通流量计算各所述交通路径的一第三交通流量和各所述交通路径的通行时间，并将所述第二交通流量、所述第三交通流量和各所述交通路径的通行时间作为所述分配结果并输出；如否，返回步骤S51。
优选地，所述可行性检测步骤中，对每一组对应的起点和讫点，寻找物理距离最短的一交通路径，如该交通路径不能满足一所述出行者的预算限制约束模型，则得出所述目标交通网络不满足这当前所述出行者的结论，将所述结论输出。
优选地，所述S52步骤进一步包括步骤：
变更各所述路段的通行时间，寻找各所述出行者所对应的一最短交通路径，根据所述目标交通网络的交通需求，分配获得各路段的第一交通流量。
本发明由于采用了以上技术方案，使其具有以下有益效果：
本发明将实际路网抽象为抽象的交通网络，构建考虑有预算限制的交通分配模型。本发明由于预算限制约束模型的采用，使得在实际应用场景中，在硬性限制下求出的交通流量更符合实际，从而为交通运输网络的改建提供更精准的量化的性能评价结果。本发明可以得到基于特定场景的道路网络交通流分布的路段流量和路径流量指标，不仅可以为拥堵收费提供了充分的依据，而且模型输出的路径行驶时间指标也可以向用户提供出行规划等其他的出行服务。
附图说明
图1为本发明实施例的基于出行者预算限制的交通分配方法的流程图；
图2为本发明实施例的一组起点讫点和对应交通路径的网络示意图。
具体实施方式
下面根据附图1，给出本发明的较佳实施例，并予以详细描述，使能更好地理解本发明的功能、特点。
请参阅图1和图2，本发明实施例的一种基于出行者预算限制的交通分配方法，包括步骤：
S1：获取的一目标交通网络的网络结构数据和相关参数信息，并建立一抽象交通网络。
抽象交通网络包括至少一出行方案，每一出行方案中包括一起点1和一讫点2，每一出行方案中的起点1和讫点2之间包括多条交通路径3，交通路径3由若干路段首尾相连而成，相关参数信息包括每一出行方案中起点1和讫点2之间的交通出行总人数。
也即，对现实中的目标交通网络进行抽象，然后通过数据提取和处理的方式，确定交通路网络结构和相关的参数。
S2：利用抽象交通网络并根据交通出行总人数和网络结构数据确定目标交通网络的交通需求。
S3：根据交通需求建立目标交通网络的一预算限制约束模型。
其中，预算限制约束模型为：
其中，Bm代表第m类出行者的出行预算限制；r表示起点1，s表示讫点2，表示起点1和讫点2间第k条路径的出行费用，这种费用可以是燃油等能量消耗花费的，也可以是通行拥堵费或过路费；代表第m类出行者在起点1和讫点2间第k条路径上的交通流量；为第m类出行者在起点1和讫点2间的所有需求。
表示第m类出行者在起点1和讫点2间所有路径上的交通流量，只有所有路径上的交通流量与交通出行需求相等时，才能保证路网上所有出行者的出行需求都被满足。
根据网络均衡原则，所有出行者都会选择对自己来说同行时间最短的路径。
里程预算限制的条件也可表示为：
即当第m类出行者的出行里程预算限制Bm不大于起点1和讫点2间第k条路径上的费用时，出行者会考虑选择第k条路径；而当第m类出行者的里程费用限制Bm小于起点和讫点2间第k条路径的费用时，出行者绝不会考虑选择第k条路径。即不同出行者对出行预算有不同限制，对某类出行者来说，当出行费用超过预算，出行者通常会放弃这条道路，哪怕这条道路可能更畅通更高效。
如对某m类出行者的步行的里程预算限制为100元，如果有一条道路通行费用高于100元，出行者就不会选择当前路径，即使这条路径通行时间更短。预算限制约束模型与出行者的收入水平、出行目的、出行频率密切相关。收入高的出行者相对来说对更高的使用费用有更高的接受能力，然而如果他们此次出行不紧急，也可能采用费用低的道路，对于通勤的出行者来说，通常会选定一条常规的、性价比高的路线。
S4：根据预算限制约束模型建立一交通分配模型。
将S3提出的里程预算约束加入传统的交通分配模型中，根据网络均衡原则，所有出行者都会选择对自己来说同行时间最短的路径，交通分配模型为：
其中，xn为路段n上的交通流量；Z(xn)为目标交通网络的流量的积分之和；tn(w)为在路段n上的通行时间函数。
在实际路网中，路径与路段存在约束关系。路段n上的交通流量xn满足公式：
其中，表示路段路径关联指示符，当路段n位于起点1到讫点2上时，若否则，
随交通流量的增加，通行时间显然会随之增加。这里采用美国联邦公路局函数(BPR函数)，具体形式如下：
路段n上的通行时间函数为：
其中，表示第n路段完全畅通时的通行时间，cn为第n路段的收费；α为第一通行时间参数；β为第二通行时间参数。
例如：图2中一出行方案包括一起点1、一讫点2和三条交通路径3，三条交通路径3的通行时间t1、t2、t3和收费c1、c2、c3分别为：
t1＝x1+20,c1＝5；
t2＝2x2+10,c2＝10；
t3＝x3+30,c3＝8；
另外，有两种不同出行预算限制的出行者，两者的出行预算限制B1、B2分别为：
B1＝6，B2＝12。
出行者的交通需求为20。
从而得到基于特定场景的目标交通网络的交通分配模型：
约束条件：
x1,x2,x2≥0。
S5：利用弗兰克-沃尔夫算法对交通分配模型求解计算获得目标交通网络的分配结果。
其中，S5步骤进一步包括步骤：
S51：可行性检测步骤，可行性检测步骤中，对每一组对应的起点1和讫点2，寻找物理距离最短的一交通路径3，如该交通路径3不能满足一出行者的预算限制约束模型，则得出目标交通网络不满足这当前出行者的结论，将结论输出。
例如：按照上述参数，找到三条交通路径3中收费最少的一交通路径3。本实施例中，最少收费交通路径3为第1条路径，其收费c1＝5，而最低出行预算限制为B1＝6，因此不存在不满足需求的情况。
S52：对交通分配模型进行初始化，分配获得此时各路段的第一交通流量。变更各路段的通行时间，寻找各出行者所对应的一最短交通路径3，根据目标交通网络的交通需求，分配获得各路段的第一交通流量。
此时，有x1＝10，x2＝10，x3＝0。
S53：计算此时交通分配模型中各路段的通行时间。根据初始化分配的流量，计算此时路网路段的通行时间tn，t1＝30+x1，t2＝30+2×x2，t3＝30+x3。
S54：根据更新后的各路段的通行时间重新寻找每种出行者的最短路径，得到一辅助解集{yn}，y1＝10，y2＝0，y3＝10。
S55：根据一优化公式求解最优步长因子η：
其中η表示最优步长因子。
η＝0.2。
S56：根据一流量更新公式计算获得更新后的第二交通流量：
xn＝xn+η(yn-xn)(6)；
此时，获得更新后的第二交通流量：x1＝10，x2＝8，x3＝2。
S57：判断第二交通流量所对应的交通分配模型与第一交通流量所对应交通分配模型的差值是否小于一阈值；如是，根据第二交通流量计算各交通路径的一第三交通流量和各交通路径的通行时间，并将第二交通流量、第三交通流量和各交通路径的通行时间作为分配结果并输出；如否，返回步骤S51。
本实施例中，阈值为0.01。本次迭代差值为8，继续迭代，返回步骤S51。
第二次迭代：
①可行性检查。找到收费最少的交通路径3。这里最少收费路径为第1条交通路径3，其收费c1＝5，而最低预算为B1＝6，因此不存在不满足需求的情况。
②初始化。变更各路段的通行时间，寻找各出行者所对应的一最短交通路径3，根据全有全无的原则将路网需求分配在最短交通路径3上。此时，x1＝20，x2＝0，x3＝0。
③通行时间更新。根据初始化分配的各路段的第一交通流量，计算此时各路段的通行时间tn，t1＝40+x1，t2＝10+2×x2，t3＝30+x3。
④迭代方向寻找。根据更新后的网络通行时间重新寻找每种出行者的最短路径，得到辅助解集{yn}，y1＝10，y2＝10，y3＝0。
⑤求解最优步长因子η:
η＝0.375
⑥根据
xn＝xn+η(yn-xn)
更新路网流量xa:则x1＝16.25，x2＝3.75，x2＝0。
⑦迭代终止判断。这本差值为3.75，返回步骤S51。
继续迭代，直至第15次迭代后，差值为0.00385，小于阈值0.01，结束迭代，输出分配结果。分配结果包括第二交通流量、第三交通流量和各路段的通行时间。
本发明将实际路网抽象为抽象的交通网络，构建考虑有预算限制的交通分配模型。预算限制的情况出现在汽车燃料不足或因个人经济情况、出行目的不同产生的预算限制，路径选择过程中，用户固然希望选择最短路径，但最短路径通常匹配着更高的花费，如拥堵费、过路费、高架费等。实际应用场景中，用于预算限制的交通分配方法使得在硬性限制下求出的交通流量更符合实际，从而为交通运输网络的改建提供更精准的量化的性能评价结果。该方案可以得到基于特定场景的道路网络交通流分布的路段流量和路径流量指标，不仅可以为拥堵收费提供了充分的依据，而且模型输出的路径行驶时间指标也可以向用户提供出行规划等其他的出行服务。
以上结合附图实施例对本发明进行了详细说明，本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而，实施例中的某些细节不应构成对本发明的限定，本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (10)

1.一种基于出行者预算限制的交通分配方法，包括步骤：
S1：获取一目标交通网络的网络结构数据和相关参数信息，并建立一抽象交通网络；
S2：利用所述抽象交通网络确定所述目标交通网络的交通需求；
S3：根据所述交通需求建立所述目标交通网络的一预算限制约束模型；
S4：根据所述预算限制约束模型建立一交通分配模型；
S5：对所述交通分配模型求解计算获得所述目标交通网络的分配结果。
2.根据权利要求1所述的基于出行者预算限制的交通分配方法，其特征在于，所述抽象交通网络包括至少一出行方案，每一出行方案中包括一起点和一讫点，每一出行方案中的所述起点和所述讫点之间包括多条交通路径，所述交通路径由若干路段首尾相连而成，所述相关参数信息包括每一出行方案中所述起点和所述讫点之间的交通出行总人数。
3.根据权利要求2所述的基于出行者预算限制的交通分配方法，其特征在于，所述S2步骤中，根据所述交通出行总人数和所述网络结构数据确定所述目标交通网络的交通需求。
4.根据权利要求3所述的基于出行者预算限制的交通分配方法，其特征在于，所述S3步骤中，所述预算限制约束模型为：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>(</mo> <msub> <mi>B</mi> <mi>k</mi> </msub> <mo>-</mo> <msubsup> <mi>l</mi> <mi>k</mi> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>)</mo> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mo>&amp;Sigma;</mo> <mi>k</mi> </msub> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>r</mi> <mo>,</mo> <mi>s</mi> </mrow> </msubsup> <mo>=</mo> <msubsup> <mi>q</mi> <mi>m</mi> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msubsup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>r</mi> <mo>,</mo> <mi>s</mi> </mrow> </msubsup> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，Bm代表第m类出行者的出行预算限制；r表示起点，s表示讫点，表示起点和讫点间第k条路径的出行费用；代表第m类出行者在起点和讫点间第k条路径上的交通流量；为第m类出行者在起点和讫点间的所有需求。
5.根据权利要求4所述的基于出行者预算限制的交通分配方法，其特征在于，所述S4步骤中，所述交通分配模型为：
<mrow> <mi>min</mi> <mi>Z</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mo>&amp;Sigma;</mo> <mi>n</mi> </msub> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <msub> <mi>x</mi> <mi>n</mi> </msub> </msubsup> <msub> <mi>t</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>w</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，xn为路段n上的交通流量；Z(xn)为所述目标交通网络的流量的积分之和；tn(w)为在路段n上的通行时间函数。
6.根据权利要求5所述的基于出行者预算限制的交通分配方法，其特征在于，所述路段n上的交通流量xn满足公式：
<mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>=</mo> <msub> <mo>&amp;Sigma;</mo> <mrow> <mi>r</mi> <mi>s</mi> </mrow> </msub> <msub> <mo>&amp;Sigma;</mo> <mi>k</mi> </msub> <msub> <mo>&amp;Sigma;</mo> <mi>m</mi> </msub> <msubsup> <mi>f</mi> <mrow> <mi>k</mi> <mo>,</mo> <mi>m</mi> </mrow> <mrow> <mi>r</mi> <mo>,</mo> <mi>s</mi> </mrow> </msubsup> <msubsup> <mi>&amp;delta;</mi> <mrow> <mi>n</mi> <mo>,</mo> <mi>k</mi> </mrow> <mrow> <mi>r</mi> <mo>,</mo> <mi>s</mi> </mrow> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，表示路段路径关联指示符，当路段n位于起点到讫点上时，若否则，
7.根据权利要求6所述的基于出行者预算限制的交通分配方法，其特征在于，所述路段n上的通行时间函数为：
<mrow> <msub> <mi>t</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>t</mi> <mi>n</mi> <mn>0</mn> </msubsup> <mo>&amp;lsqb;</mo> <mn>1</mn> <mo>+</mo> <mi>&amp;alpha;</mi> <msup> <mrow> <mo>(</mo> <mfrac> <mi>w</mi> <msub> <mi>c</mi> <mi>n</mi> </msub> </mfrac> <mo>)</mo> </mrow> <mi>&amp;beta;</mi> </msup> <mo>&amp;rsqb;</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，表示第n路段完全畅通时的通行时间，cn为第n路段的收费；α为第一通行时间参数；β为第二通行时间参数。
8.根据权利要求7所述的基于出行者预算限制的交通分配方法，其特征在于，所述S5步骤进一步包括步骤：
S51：可行性检测步骤；
S52：对所述交通分配模型进行初始化，分配获得此时各路段的第一交通流量；
S53：计算此时所述交通分配模型中各所述路段的通行时间；
S54：根据更新后的各所述路段的通行时间重新寻找每种出行者的最短路径，得到一辅助解集{yn}；
S55：根据一优化公式求解最优步长因子η：
<mrow> <msub> <mi>min</mi> <mrow> <mn>0</mn> <mo>&amp;le;</mo> <mi>&amp;eta;</mi> <mo>&amp;le;</mo> <mn>1</mn> </mrow> </msub> <msub> <mo>&amp;Sigma;</mo> <mi>n</mi> </msub> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>+</mo> <mi>&amp;eta;</mi> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mi>n</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mi>n</mi> </msub> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>t</mi> <mi>n</mi> </msub> <mrow> <mo>(</mo> <mi>w</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>w</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中η表示最优步长因子；
S56：根据一流量更新公式计算获得更新后的第二交通流量：
xn＝xn+η(yn-xn) (6)；
S57：判断所述第二交通流量所对应的交通分配模型与所述第一交通流量所对应交通分配模型的差值是否小于一阈值；如是，根据所述第二交通流量计算各所述交通路径的一第三交通流量和各所述交通路径的通行时间，并将所述第二交通流量、所述第三交通流量和各所述交通路径的通行时间作为所述分配结果并输出；如否，返回步骤S51。
9.根据权利要求8所述的基于出行者预算限制的交通分配方法，其特征在于，所述可行性检测步骤中，对每一组对应的起点和讫点，寻找物理距离最短的一交通路径，如该交通路径不能满足一所述出行者的预算限制约束模型，则得出所述目标交通网络不满足这当前所述出行者的结论，将所述结论输出。
10.根据权利要求8所述的基于出行者预算限制的交通分配方法，其特征在于，所述S52步骤进一步包括步骤：
变更各所述路段的通行时间，寻找各所述出行者所对应的一最短交通路径，根据所述目标交通网络的交通需求，分配获得各路段的第一交通流量。
CN201710499650.9A 2017-06-26 2017-06-26 基于出行者预算限制的交通分配方法 Pending CN107123260A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710499650.9A CN107123260A (zh) 2017-06-26 2017-06-26 基于出行者预算限制的交通分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710499650.9A CN107123260A (zh) 2017-06-26 2017-06-26 基于出行者预算限制的交通分配方法

Publications (1)

Publication Number Publication Date
CN107123260A true CN107123260A (zh) 2017-09-01

Family

ID=59719467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710499650.9A Pending CN107123260A (zh) 2017-06-26 2017-06-26 基于出行者预算限制的交通分配方法

Country Status (1)

Country Link
CN (1) CN107123260A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798867A (zh) * 2017-10-12 2018-03-13 上海交通大学 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法
CN108447259A (zh) * 2018-03-28 2018-08-24 华南理工大学 一种基于sue的连续性交通网络设计方法
CN108876042A (zh) * 2018-06-08 2018-11-23 东南大学 新型交通分布与交通流分配组合模型的r语言处理方法
CN108921336A (zh) * 2018-06-15 2018-11-30 杭州后博科技有限公司 一种基于预算费用的组合交通方案推荐方法及系统
CN109147324A (zh) * 2018-09-04 2019-01-04 东南大学 一种基于用户反馈机制的交通拥堵概率预报的方法
CN110363358A (zh) * 2019-07-23 2019-10-22 马妍 基于多智能体模拟的公共交通分担率预测方法
CN110415546A (zh) * 2018-04-26 2019-11-05 中移(苏州)软件技术有限公司 泊车诱导方法、装置和介质
CN112381470A (zh) * 2021-01-12 2021-02-19 深圳市城市交通规划设计研究中心股份有限公司 基于智能体的交通流量分配方法、设备及存储介质
CN112652189A (zh) * 2020-12-30 2021-04-13 西南交通大学 基于策略流的交通分配方法、装置、设备及可读存储介质
CN113191028A (zh) * 2021-06-30 2021-07-30 深圳坤湛科技有限公司 交通仿真方法、系统、程序及介质
CN115102894A (zh) * 2022-06-24 2022-09-23 中国人民解放军国防科技大学 面向定向阻断的交通网络关键节点选择方法
CN117576913A (zh) * 2024-01-12 2024-02-20 中交第二公路勘察设计研究院有限公司 基于网络平衡的多车道公路交织区交通分配方法及装置
CN117709495A (zh) * 2024-02-02 2024-03-15 深圳大学 一种用于预约出行的道路网络时空预留方法及相关设备

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798867A (zh) * 2017-10-12 2018-03-13 上海交通大学 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法
CN107798867B (zh) * 2017-10-12 2020-11-13 上海交通大学 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法
CN108447259A (zh) * 2018-03-28 2018-08-24 华南理工大学 一种基于sue的连续性交通网络设计方法
CN110415546A (zh) * 2018-04-26 2019-11-05 中移(苏州)软件技术有限公司 泊车诱导方法、装置和介质
CN108876042A (zh) * 2018-06-08 2018-11-23 东南大学 新型交通分布与交通流分配组合模型的r语言处理方法
CN108921336A (zh) * 2018-06-15 2018-11-30 杭州后博科技有限公司 一种基于预算费用的组合交通方案推荐方法及系统
CN109147324A (zh) * 2018-09-04 2019-01-04 东南大学 一种基于用户反馈机制的交通拥堵概率预报的方法
CN109147324B (zh) * 2018-09-04 2020-04-14 东南大学 一种基于用户反馈机制的交通拥堵概率预报的方法
CN110363358A (zh) * 2019-07-23 2019-10-22 马妍 基于多智能体模拟的公共交通分担率预测方法
CN112652189A (zh) * 2020-12-30 2021-04-13 西南交通大学 基于策略流的交通分配方法、装置、设备及可读存储介质
CN112652189B (zh) * 2020-12-30 2021-09-28 西南交通大学 基于策略流的交通分配方法、装置、设备及可读存储介质
CN112381470A (zh) * 2021-01-12 2021-02-19 深圳市城市交通规划设计研究中心股份有限公司 基于智能体的交通流量分配方法、设备及存储介质
CN112381470B (zh) * 2021-01-12 2021-06-15 深圳市城市交通规划设计研究中心股份有限公司 基于智能体的交通流量分配方法、设备及存储介质
CN113191028A (zh) * 2021-06-30 2021-07-30 深圳坤湛科技有限公司 交通仿真方法、系统、程序及介质
CN115102894A (zh) * 2022-06-24 2022-09-23 中国人民解放军国防科技大学 面向定向阻断的交通网络关键节点选择方法
CN115102894B (zh) * 2022-06-24 2023-08-04 中国人民解放军国防科技大学 面向定向阻断的交通网络关键节点选择方法
CN117576913A (zh) * 2024-01-12 2024-02-20 中交第二公路勘察设计研究院有限公司 基于网络平衡的多车道公路交织区交通分配方法及装置
CN117709495A (zh) * 2024-02-02 2024-03-15 深圳大学 一种用于预约出行的道路网络时空预留方法及相关设备

Similar Documents

Publication Publication Date Title
CN107123260A (zh) 基于出行者预算限制的交通分配方法
CN104157139B (zh) 一种交通拥堵预测方法及可视化方法
US9109914B2 (en) Energy efficient routing using an impedance factor
CN109215350B (zh) 一种基于rfid电子车牌数据的短期交通状态预测方法
CN104574967B (zh) 一种基于北斗的城市大面积路网交通感知方法
CN107180274B (zh) 一种电动汽车充电设施规划典型场景选取和优化方法
CN106940829A (zh) 一种车联网环境下的个性化路径推荐方法
CN106991727B (zh) 一种高速公路互通计费的方法及系统
CN104821086B (zh) 一种定位大规模交通网络中低效路段组合的方法
CN115879737A (zh) 一种基于密度和出入度平衡聚类的共享单车站点选址方法
CN114925483A (zh) 城市交通网络的碳排放测定方法
De Nunzio et al. A time-and energy-optimal routing strategy for electric vehicles with charging constraints
CN117350519A (zh) 基于新能源乘用车充电需求预测的充电站规划方法及系统
Abdullah et al. Land use development and ridership at Kelana Jaya lrt line, Malaysia
Ji-hua et al. A hierarchical path planning method using the experience of taxi drivers
CN102542617B (zh) 一种复杂路网的路径识别标识站设置方法
CN105427394A (zh) 基于试错法和机动车流量的拥堵收费最优费率确定方法
Kong et al. Charging pile siting recommendations via the fusion of points of interest and vehicle trajectories
CN113343358B (zh) 一种考虑道路信息的电动汽车充电负荷时空分布建模方法
CN114840984A (zh) 一种考虑出行路径决策的电动汽车充电负荷时空预测方法
CN113268709A (zh) 基于智能体仿真的城市电动汽车充电需求预测方法及系统
Liu et al. Mining Hub Nodes Based on Fast Brandes Betweenness Centrality in a Weighted Complex Transportation Network
Wang et al. A dynamic grid-based algorithm for taxi ridesharing in multiple road condition
CN117196693B (zh) 一种城市地下交通的物流需求预测方法
CN104200661B (zh) 一种交通道路系统状态变化预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170901

RJ01 Rejection of invention patent application after publication