CN108648455A - 一种基于综合出行费用的城市路网模式选择方法 - Google Patents

一种基于综合出行费用的城市路网模式选择方法 Download PDF

Info

Publication number
CN108648455A
CN108648455A CN201810636670.0A CN201810636670A CN108648455A CN 108648455 A CN108648455 A CN 108648455A CN 201810636670 A CN201810636670 A CN 201810636670A CN 108648455 A CN108648455 A CN 108648455A
Authority
CN
China
Prior art keywords
road network
intersection
vehicle
formula
track
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.)
Granted
Application number
CN201810636670.0A
Other languages
English (en)
Other versions
CN108648455B (zh
Inventor
石琴
杨昊隆
陈锴
陈一锴
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201810636670.0A priority Critical patent/CN108648455B/zh
Publication of CN108648455A publication Critical patent/CN108648455A/zh
Application granted granted Critical
Publication of CN108648455B publication Critical patent/CN108648455B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于综合出行费用的城市路网模式选择方法，首先设定四种可选择的方格型路网模式，分别是双向8车道路网模式、双向4车道路网模式、双向2车道路网模式和单向2车道路网模式；考虑燃油消耗、行程时间和行程时间不可靠性的多种因素综合影响，构建城市路网综合出行费用目标函数；以划定的城市路网规划区域内的交通流量为自变量，计算获得车流在四种不同方格型路网模式下横穿规划区域所需要的综合出行费用，选定综合出行费用最小的路网模式作为所述规划区域的推荐路网模式。本发明方法考虑燃油消耗、行程时间和行程时间不可靠性等多种因素的综合影响，能进一步降低城市建设和居民出行成本。

Description

一种基于综合出行费用的城市路网模式选择方法
技术领域
本发明属于城市道路网规划领域，特别涉及一种基于综合出行费用的城市路网模式选择方法。
背景技术
随着我国城市化、机动化进程不断推进，机动车保有量不断增长，由此引起的诸如交通拥堵、能耗增加、环境恶化等一系列社会问题成为困扰城市规划建设的长久课题。一方面，城市规划过程中不断建设超宽的马路，另一方面，盲目地拓宽马路又造成车辆汇聚与交通拥堵，两者互相影响，一些地区造成了“大街区、宽马路”为特征的城市格局，城市交通拥堵不断加剧，并因此增加了城市重复建设成本，城市居民出行费用居高不下。
一直以来，在进行城市道路规划设计建设中，无论是路网设计方案，还是交通系统控制方案，大多是以提高道路通行能力和路网可达性、减少交通事故率、提高出行效率、减少交通拥堵等为单一目标设计目标，难以全面分析城市路网模式的合理性。
发明内容
本发明是为避免上述现有技术所存在的不足，提供一种基于综合出行费用的城市路网模式选择方法，其考虑燃油消耗、行程时间和行程时间不可靠性等多种因素的综合影响，进一步降低城市建设和居民出行成本。
本发明为解决技术问题采用如下技术方案：
本发明基于综合出行费用的城市路网模式选择方法的特点是按如下步骤进行：
步骤1、设定可选择的四种方格型路网模式分别是：
模式一：双向8车道路网模式，模式二：双向4车道路网模式，
模式三：双向2车道路网模式，模式四：单向2车道路网模式；
步骤2、综合考虑车辆的燃油消耗、行程时间和行程时间不可靠性三个指标，分别给定各指标的权重，构建城市路网综合出行费用目标函数；
步骤3、划定城市路网规划区域，通过城市规划部门或调研获取所述规划区域内的交通流量；
步骤4、以所述规划区域内的交通流量为自变量，根据所述城市路网综合出行费用目标函数分别计算获得车流在四种不同方格型路网模式下横穿规划区域所需要的综合出行费用，选定综合出行费用最小的路网模式作为所述规划区域的推荐路网模式。
本发明基于综合出行费用的城市路网模式选择方法的特点也在于：针对任一路网模式，所述城市路网综合出行费用目标函数包括路段综合出行费用函数和交叉口综合出行费用函数，由式(1)表征；
式(1)中，以r表示路径集，是指车辆在规划区域从设定的起点到达设定的终点的所有路径的集合，以p表示路径集r中的任一条路径，以N表示交叉口集，是指规划区域内所有交叉口的集合，以n表示交叉口集N中的任一交叉口，以i表示交叉口n上的任一进道口，以j表示交叉口n的进道口i中的任一车道组j；以A表示路段集，是指规划区域内所有路段的集合，以a表示路段集A中的任一路段；
为车辆按路径p在所述规划区域行进所产生的综合出行费用；
COSTa为规划区域内路段a的综合出行费用；
COSTnij为规划区域交叉口n中，车辆自进道口i进入交叉口，并按车道组j通过交叉口的综合出行费用；
为0或1变量，若路径p包含路段a，则否则
为0或1变量，若路径p包含规划区域交叉口n，且车辆自进道口i进入交叉口，并按车道组j通过交叉口，则否则
本发明基于综合出行费用的城市路网模式选择方法的特点也在于：
式(1)中的综合出行费用COSTa是由式(2)计算获得：
COSTa＝ω1EaP1+ω2TaP2+ω3γ(Ta)P3 (2)，
其中，Ea为车辆行驶通过路段a产生的燃油消耗；Ta为车辆行驶通过路段a的行程时间；γ(Ta)为车辆行驶通过路段a的行程时间不可靠性；P1，P2，P3一一对应为燃油消耗、行程时间、行程时间不可靠性的单位费用；ω1，ω2，ω3一一对应为燃油消耗、行程时间和行程时间不可靠性在综合出行费用中的权重系数，所述权重系数ω1，ω2，ω3根据城市规划要求进行设定；
式(1)中的综合出行费用COSTnij是由式(3)计算获得：
COSTnij＝ω1EnijP1+ω2DnijP2+ω3γ(Dnij)P3 (3),
其中，Enij为车辆从进口道i中车道组j行驶通过交叉口n产生的燃油消耗；Dnij为车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误；γ(Dnij)为车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误波动。
本发明基于综合出行费用的城市路网模式选择方法的特点也在于：
式(2)中的车辆行驶通过路段a产生的燃油消耗Ea由式(4)计算获得：
Ea＝la(k1qa 2+k2qa+k3) (4),
la为路段a的长度；qa为路段饱和度；
k1，k2，k3为拟合参数，均为常数；
对于双向8车道路网模式，k1＝7.810，k2＝-7.530，k3＝7.789；
对于双向4车道路网模式，k1＝6.907，k2＝-6.229，k3＝7.957；
对于双向2车道路网模式，k1＝5.197，k2＝-2.858，k3＝7.792；
对于单向2车道路网模式，k1＝7.171，k2＝-7.771，k3＝7.976；
式(2)中的车辆行驶通过路段a的行程时间Ta由式(5)计算获得：
Ta＝t0(1+αqa β) (5)，
其中，t0为车辆在自由流情况下行驶通过路段a的行程时间；α和β的取值分别为：α＝0.15，β＝4；
式(2)中的车辆行驶通过路段a的行程时间不可靠性γ(Ta)由式(6)计算获得：
γ(Ta)＝I-R(Ta) (6),
其中，R(Ta)是由式(7)计算获得的路段a的行程时间可靠性：
是对出行现实情况的期望指标，即路段行程时间阈值，取值为1～2。
本发明基于综合出行费用的城市路网模式选择方法的特点也在于：
式(3)中的所述车辆通过交叉口n所产生的燃油消耗Enij由式(8)计算获得：
Enij＝ln(h1qn 2+h2qn+h3λ+h4) (8)
qn为交叉口n的饱和度；λ为交叉口n的绿信比；
对于双向8车道路网模式，h1＝26.462，h2＝-12.155，h3＝-9.397，h4＝17.950；
对于双向4车道路网模式，h1＝24.741，h2＝-9.706，h3＝-9.093，h4＝17.604；
对于双向2车道路网模式，h1＝28.302，h2＝-11.193，h3＝-8.791，h4＝18.301；
对于单向2车道路网模式，h1＝23.625，h2＝-12.777，h3＝-8.568，h4＝14.339。
式(3)中的所述车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误Dnij由式(9)计算获得：
Dnij＝d1+d2+d3 (9),
其中，d1为均匀延误，指车辆按照均匀分布形式到达交叉口n所产生的交叉口车均延误，d1由式(10)计算获得：
d2为增量延误，指车辆由于非均匀到达、个别车辆事故或车道组的饱和程度的因素，在分析周期内所产生的交叉口车均附加延误，d2由式(11)计算获得：
d3为初始排队延误，是指在分析期开始时上个周期遗留的排队车辆所引起的附加交叉口车均延误；
其中，X为车道组的饱和度；C为车道组的通行能力；T为分析持续的时长；k为感应控制的增量延误修正系数；I为按上游信号灯车辆换车道和调节的增量延误修正系数。
式(3)中的所述车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误波动γ(Dnij)由式(12)计算获得：
γ(Dnij)＝P(Dnij≥θDnij) (12)，
其中，θ为出行者所能接受的交叉口车均延误的上限值，即交叉口车均延误阈值。
研究表明，城市道路网络结构的合理性与城市居民的出行效率、安全、便捷性密切相关，本发明综合考虑车辆燃油消耗、行程时间和行程时间不可靠性等多种因素对于道路运行的影响，大大提高路网结构和路网模式合理性，与已有技术相比，本发明有益效果体现在：
1、本发明综合考虑车辆燃油消耗、行程时间和行程时间可靠性的指标，并以此构建城市路网综合出行费用目标函数，进而以综合出行费用为评价指标，选取城市某规划区域的最优路网模式，提升城市路网运行效率，降低城市建设和居民出行成本；
2、本发明城市路网模式选择方法弥补了传统城市路网布局仅考虑路网可达性等单一目标的不足，为城市路网的规划和建设提供了理论支撑。
附图说明
图1为本发明城市路网模式选择方法流程图；
图2a为本发明所涉及的双向8车道路网模式示意图；
图2b为本发明所涉及的双向4车道路网模式示意图；
图2c为本发明所涉及的双向2车道路网模式示意图；
图2d为本发明所涉及的单向2车道路网模式示意图。
具体实施方式
参见图1，本实施例中基于综合出行费用的城市路网模式选择方法是按如下步骤进行：
步骤1、按照道路宽度、密度，以及道路管制方式，设定可选择的四种方格型路网模式分别是：
图2a所示的模式一：双向8车道路网模式，图2b所示的模式二：双向4车道路网模式，
图2c所示的模式三：双向2车道路网模式，图2d所示的模式四：单向2车道路网模式。
四种方格型路网模式的各项指标如表1所示。
步骤2、综合考虑车辆的燃油消耗、行程时间和行程时间不可靠性三个指标，分别给定各指标的权重，构建城市路网综合出行费用目标函数。
步骤3、划定城市路网规划区域，通过城市规划部门或调研获取规划区域内的交通流量；本实施例中规划区域为1km2的正方形地块，假设获取区域内的交通流量为12000pcu/h。
步骤4、以规划区域内的交通流量为自变量，根据城市路网综合出行费用目标函数分别计算获得车流在四种不同方格型路网模式下横穿规划区域所需要的综合出行费用，选定综合出行费用最小的路网模式作为规划区域的推荐路网模式；横穿是指从左到右地穿过1km2的正方形地块规划区域。
具体实施例中，针对任一路网模式，城市路网综合出行费用目标函数包括路段综合出行费用函数和交叉口综合出行费用函数，由式(1)表征；
式(1)中，以r表示路径集，是指车辆在规划区域从设定的起点到达设定的终点的所有路径的集合，以p表示路径集r中的任一条路径，以N表示交叉口集，是指规划区域内所有交叉口的集合，以n表示交叉口集N中的任一交叉口，以i表示交叉口n上的任一进道口，以j表示交叉口n的进道口i中的任一车道组j；以A表示路段集，是指规划区域内所有路段的集合，以a表示路段集A中的任一路段；
为车辆按路径p在规划区域行进所产生的综合出行费用；
COSTa为规划区域内路段a的综合出行费用；
COSTnij为规划区域交叉口n中，车辆自进道口i进入交叉口，并按车道组j通过交叉口的综合出行费用；
为0或1变量，若路径p包含路段a，则否则
为0或1变量，若路径p包含规划区域交叉口n，且车辆自进道口i进入交叉口，并按车道组j通过交叉口，则否则
式(1)中的综合出行费用COSTa是由式(2)计算获得：
COSTa＝ω1EaP1+ω2TaP2+ω3γ(Ta)P3 (2)，
其中，Ea为车辆行驶通过路段a产生的燃油消耗；Ta为车辆行驶通过路段a的行程时间；γ(Ta)为车辆行驶通过路段a的行程时间不可靠性；P1，P2，P3一一对应为燃油消耗、行程时间、行程时间不可靠性的单位费用；ω1，ω2，ω3一一对应为燃油消耗、行程时间和行程时间不可靠性在综合出行费用中的权重系数，权重系数ω1，ω2，ω3根据城市规划要求进行设定，本实施例中设定三项权重系数分别为：ω1＝0.34，ω2＝0.24，ω3＝0.42。
式(1)中的综合出行费用COSTnij是由式(3)计算获得：
COSTnij＝ω1EnijP1+ω2DnijP2+ω3γ(Dnij)P3 (3),
其中，Enij为车辆从进口道i中车道组j行驶通过交叉口n产生的燃油消耗；Dnij为车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误；γ(Dnij)为车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误波动。
式(2)中的车辆行驶通过路段a产生的燃油消耗Ea由式(4)计算获得：
Ea＝la(k1qa 2+k2qa+k3) (4),
la为路段a的长度；qa为路段饱和度；
k1，k2，k3为拟合参数，均为常数；
对于双向8车道路网模式，k1＝7.810，k2＝-7.530，k3＝7.789；
对于双向4车道路网模式，k1＝6.907，k2＝-6.229，k3＝7.957；
对于双向2车道路网模式，k1＝5.197，k2＝-2.858，k3＝7.792；
对于单向2车道路网模式，按如下方式获得其拟合参数k1，k2，k3：
利用VISSIM软件仿真车流在不同饱和度单向2车道路网中的行驶状态，获取每辆车在路段上的逐秒速度；再结合VSP油耗模型，将每辆车的逐秒速度转换为车辆在路段上的逐秒油耗，得出车流在单向2车道路网的路段上的燃油消耗，对单向2车道路网中路段的燃油消耗与饱和度的函数的参数值k1，k2，k3按如下方式进行标定：
按照饱和度从0.1、0.2到0.9，各进行10次仿真，其中7次仿真作为标定组，3次仿真作为验证组，共进行仿真90次，每次仿真3600时间步，将前400时间步视为交通不稳定状态，将其仿真数据舍弃，最终标定得到单向2车道路网模式的路段车辆油耗和饱和度函数的参数值为：k1＝7.171，k2＝-7.771，k3＝7.976。
式(2)中的车辆行驶通过路段a的行程时间Ta由式(5)计算获得：
Ta＝t0(1+αqa β) (5)，
其中，t0为车辆在自由流情况下行驶通过路段a的行程时间；α和β的取值分别为：α＝0.15，β＝4；
式(2)中的车辆行驶通过路段a的行程时间不可靠性γ(Ta)由式(6)计算获得：
γ(Ta)＝1-R(Ta) (6),
其中，R(Ta)是由式(7)计算获得的路段a的行程时间可靠性：
是对出行现实情况的期望指标，即路段行程时间阈值，取值为1～2。
式(3)中的车辆通过交叉口n所产生的燃油消耗Enij由式(8)计算获得：
Enij＝ln(h1qn 2+h2qn+h3λ+h4) (8)，
qn为交叉口n的饱和度；λ为交叉口n的绿信比；
对于双向8车道路网模式，h1＝26.462，h2＝-12.155，h3＝-9.397，h4＝17.950；
对于双向4车道路网模式，h1＝24.741，h2＝-9.706，h3＝-9.093，h4＝17.604；
对于双向2车道路网模式，h1＝28.302，h2＝-11.193，h3＝-8.791，h4＝18.301；
对于单向2车道路网模式，按如下方式获得其拟合参数h1，h2，h3，h4：
利用VISSIM软件仿真车流在不同饱和度和不同绿信比下的单向2车道路网中行驶的状态，并获取每辆车在交叉口处的逐秒速度；然后结合VSP油耗模型，将每辆车的逐秒速度转换为车辆在交叉口处的逐秒油耗，得出车流在单向2车道路网的交叉口处的燃油消耗，对单向2车道路网中交叉口处的燃油消耗与饱和度和绿信比的函数的参数值进行标定：
按照饱和度从0.1、0.2到0.9以及绿信比从0.2、0.3到0.6的顺序，各进行10次仿真，其中7次仿真作为标定组，3次仿真作为验证组，共进行仿真450次，每次仿真3600时间步，将前400时间步视为交通不稳定状态，将其仿真数据舍弃，最终标定得到单向两车道路网模式的交叉口直行车辆油耗和饱和度函数的参数值为：
h1＝23.625，h2＝-12.777，h3＝-8.568，h4＝14.339。
式(3)中的车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误Dnij由式(9)计算获得：
Dnij＝d1+d2+d3 (9)，
其中，d1为均匀延误，指车辆按照均匀分布形式到达交叉口n所产生的交叉口车均延误，d1由式(10)计算获得：
d2为增量延误，指车辆由于非均匀到达、个别车辆事故或车道组的饱和程度的因素，在分析周期内所产生的交叉口车均附加延误，d2由式(11)计算获得：
d3为初始排队延误，是指在分析期开始时上个周期遗留的排队车辆所引起的附加交叉口车均延误，本实施例中，d3＝0；
其中，X为车道组的饱和度；C为车道组的通行能力；T为分析持续的时长；k为感应控制的增量延误修正系数；I为按上游信号灯车辆换车道和调节的增量延误修正系数，本实施例中将T取值为1小时，将I取值为1。
式(3)中的车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误波动γ(Dnij)由式(12)计算获得：
γ(Dnij)＝P(Dnij≥θDnij) (12)，
其中，θ为出行者所能接受的交叉口车均延误的上限值，即交叉口车均延误阈值，本实施例中将θ取值为1.18。
最终计算得出在交通流量为12000pcu/h的1km2的正方形城市规划区域内，四种路网模式的综合出行费用如表2所示。
表1四种方格型路网模式的各项指标
指标 模式一 模式二 模式三 模式四
路网密度(km/km2) 4 8 16 16
道路面积率(％) 11.2 11.2 11.2 11.2
道路条数 4 8 16 16
道路总长度(km) 4 8 16 16
车道总长度(km) 32 32 32 32
路段双向车道数 8 4 2 2
交叉口数量 4 16 64 64
单车道饱和流率(veh/h) 1800 1700 1600 2000
自由流车速(km/h) 50 40 30 45
表2
由表2看出，本实施例中模式四的综合出行费用最低，故单向2车道路网模式为规划区域推荐的路网模式。

Claims (5)

1.一种基于综合出行费用的城市路网模式选择方法，其特征是按如下步骤进行：
步骤1、设定可选择的四种方格型路网模式分别是：
模式一：双向8车道路网模式，模式二：双向4车道路网模式，
模式三：双向2车道路网模式，模式四：单向2车道路网模式；
步骤2、综合考虑车辆的燃油消耗、行程时间和行程时间不可靠性三个指标，分别给定各指标的权重，构建城市路网综合出行费用目标函数；
步骤3、划定城市路网规划区域，通过城市规划部门或调研获取所述规划区域内的交通流量；
步骤4、以所述规划区域内的交通流量为自变量，根据所述城市路网综合出行费用目标函数分别计算获得车流在四种不同方格型路网模式下横穿规划区域所需要的综合出行费用，选定综合出行费用最小的路网模式作为所述规划区域的推荐路网模式。
2.根据权利要求1所述的基于综合出行费用的城市路网模式选择方法，其特征是：针对任一路网模式，所述城市路网综合出行费用目标函数包括路段综合出行费用函数和交叉口综合出行费用函数，由式(1)表征；
式(1)中，以r表示路径集，是指车辆在规划区域从设定的起点到达设定的终点的所有路径的集合，以p表示路径集r中的任一条路径，以N表示交叉口集，是指规划区域内所有交叉口的集合，以n表示交叉口集N中的任一交叉口，以i表示交叉口n上的任一进道口，以j表示交叉口n的进道口i中的任一车道组j；以A表示路段集，是指规划区域内所有路段的集合，以a表示路段集A中的任一路段；
为车辆按路径p在所述规划区域行进所产生的综合出行费用；
COSTa为规划区域内路段a的综合出行费用；
COSTnij为规划区域交叉口n中，车辆自进道口i进入交叉口，并按车道组j通过交叉口的综合出行费用；
为0或1变量，若路径p包含路段a，则否则
为0或1变量，若路径p包含规划区域交叉口n，且车辆自进道口i进入交叉口，并按车道组j通过交叉口，则否则
3.根据权利要求1所述的基于综合出行费用的城市路网模式选择方法，其特征在于：
式(1)中的综合出行费用COSTa是由式(2)计算获得：
COSTa＝ω1EaP1+ω2TaP2+ω3γ(Ta)P3 (2)，
其中，Ea为车辆行驶通过路段a产生的燃油消耗；Ta为车辆行驶通过路段a的行程时间；γ(Ta)为车辆行驶通过路段a的行程时间不可靠性；P1，P2，P3一一对应为燃油消耗、行程时间、行程时间不可靠性的单位费用；ω1，ω2，ω3一一对应为燃油消耗、行程时间和行程时间不可靠性在综合出行费用中的权重系数，所述权重系数ω1，ω2，ω3根据城市规划要求进行设定；
式(1)中的综合出行费用COSTnij是由式(3)计算获得：
COSTnij＝ω1EnijP1+ω2DnijP2+ω3γ(Dnij)P3 (3)，
其中，Enij为车辆从进口道i中车道组j行驶通过交叉口n产生的燃油消耗；Dnij为车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误；γ(Dnij)为车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误波动。
4.根据权利要求3所述的基于综合出行费用的城市路网模式选择方法，其特征在于：
式(2)中的车辆行驶通过路段a产生的燃油消耗Ea由式(4)计算获得：
Ea＝la(k1qa 2+k2qa+k3) (4)，
la为路段a的长度；qa为路段饱和度；
k1，k2，k3为拟合参数，均为常数；
对于双向8车道路网模式，k1＝7.810，k2＝-7.530，k3＝7.789；
对于双向4车道路网模式，k1＝6.907，k2＝-6.229，k3＝7.957；
对于双向2车道路网模式，k1＝5.197，k2＝-2.858，k3＝7.792；
对于单向2车道路网模式，k1＝7.171，k2＝-7.771，k3＝7.976；
式(2)中的车辆行驶通过路段a的行程时间Ta由式(5)计算获得：
Ta＝t0(1+αqa β) (5)，
其中，t0为车辆在自由流情况下行驶通过路段a的行程时间；α和β的取值分别为：α＝0.15，β＝4；
式(2)中的车辆行驶通过路段a的行程时间不可靠性γ(Ta)由式(6)计算获得：
γ(Ta)＝1-R(Ta) (6)，
其中，R(Ta)是由式(7)计算获得的路段a的行程时间可靠性：
是对出行现实情况的期望指标，即路段行程时间阈值，取值为1～2。
5.根据权利要求3所述的基于综合出行费用的城市路网模式选择方法，其特征在于：
式(3)中的所述车辆通过交叉口n所产生的燃油消耗Enij由式(8)计算获得：
Enij＝ln(h1qn 2+h2qn+h3λ+h4) (8)
qn为交叉口n的饱和度；λ为交叉口n的绿信比；
对于双向8车道路网模式，h1＝26.462，h2＝-12.155，h3＝-9.397，h4＝17.950；
对于双向4车道路网模式，h1＝24.741，h2＝-9.706，h3＝-9.093，h4＝17.604；
对于双向2车道路网模式，h1＝28.302，h2＝-11.193，h3＝-8.791，h4＝18.301；
对于单向2车道路网模式，h1＝23.625，h2＝-12.777，h3＝-8.568，h4＝14.339；
式(3)中的所述车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误Dnij由式(9)计算获得：
Dnij＝d1+d2+d3 (9)，
其中，d1为均匀延误，指车辆按照均匀分布形式到达交叉口n所产生的交叉口车均延误，d1由式(10)计算获得：
d2为增量延误，指车辆由于非均匀到达、个别车辆事故或车道组的饱和程度的因素，在分析周期内所产生的交叉口车均附加延误，d2由式(11)计算获得：
d3为初始排队延误，是指在分析期开始时上个周期遗留的排队车辆所引起的附加交叉口车均延误；
其中，X为车道组的饱和度；C为车道组的通行能力；T为分析持续的时长；k为感应控制的增量延误修正系数；I为按上游信号灯车辆换车道和调节的增量延误修正系数；
式(3)中的所述车辆从进口道i中车道组j行驶通过交叉口n的交叉口车均延误波动γ(Dnij)由式(12)计算获得：
γ(Dnij)＝P(Dnij≥θDnij) (12)，
其中，θ为出行者所能接受的交叉口车均延误的上限值，即交叉口车均延误阈值。
CN201810636670.0A 2018-06-20 2018-06-20 一种基于综合出行费用的城市路网模式选择方法 Expired - Fee Related CN108648455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810636670.0A CN108648455B (zh) 2018-06-20 2018-06-20 一种基于综合出行费用的城市路网模式选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810636670.0A CN108648455B (zh) 2018-06-20 2018-06-20 一种基于综合出行费用的城市路网模式选择方法

Publications (2)

Publication Number Publication Date
CN108648455A true CN108648455A (zh) 2018-10-12
CN108648455B CN108648455B (zh) 2020-11-06

Family

ID=63752960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810636670.0A Expired - Fee Related CN108648455B (zh) 2018-06-20 2018-06-20 一种基于综合出行费用的城市路网模式选择方法

Country Status (1)

Country Link
CN (1) CN108648455B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110660216A (zh) * 2019-09-26 2020-01-07 广州大学 行程时间阈值确定方法、系统及智能设备
CN112289030A (zh) * 2020-11-02 2021-01-29 吉林大学 城市路网可容纳最大车辆数的计算方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571995A (zh) * 2009-06-11 2009-11-04 东南大学 考虑交叉口转向的最短路径标号算法
CN102622783A (zh) * 2012-03-29 2012-08-01 北京速通科技有限公司 一种基于精确位置匹配的多车道自由流电子收费方法
CN104091440A (zh) * 2014-07-02 2014-10-08 东南大学 基于道路等级和车辆类型的城市交通拥堵成本估算方法
CN105513352A (zh) * 2015-12-16 2016-04-20 华南理工大学 一种城市路网混合交通承载能力计算方法
US20170082447A1 (en) * 2012-03-14 2017-03-23 Autoconnect Holdings Llc Proactive machine learning in a vehicular environment
CN106709591A (zh) * 2016-08-11 2017-05-24 淮阴工学院 一种车联网环境下不确定需求的协同拼车路线选择方法
CN107038863A (zh) * 2017-05-17 2017-08-11 东南大学 一种考虑综合交通管理措施的城市道路网络广义路权计算方法
CN107194518A (zh) * 2017-06-14 2017-09-22 中国科学技术大学 一种多阶段的路网机动车尾气检测设备布点选址方法
CN107905158A (zh) * 2017-11-21 2018-04-13 浙江工商大学 一种智能化车道隔离系统及其方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571995A (zh) * 2009-06-11 2009-11-04 东南大学 考虑交叉口转向的最短路径标号算法
US20170082447A1 (en) * 2012-03-14 2017-03-23 Autoconnect Holdings Llc Proactive machine learning in a vehicular environment
CN102622783A (zh) * 2012-03-29 2012-08-01 北京速通科技有限公司 一种基于精确位置匹配的多车道自由流电子收费方法
CN104091440A (zh) * 2014-07-02 2014-10-08 东南大学 基于道路等级和车辆类型的城市交通拥堵成本估算方法
CN105513352A (zh) * 2015-12-16 2016-04-20 华南理工大学 一种城市路网混合交通承载能力计算方法
CN106709591A (zh) * 2016-08-11 2017-05-24 淮阴工学院 一种车联网环境下不确定需求的协同拼车路线选择方法
CN107038863A (zh) * 2017-05-17 2017-08-11 东南大学 一种考虑综合交通管理措施的城市道路网络广义路权计算方法
CN107194518A (zh) * 2017-06-14 2017-09-22 中国科学技术大学 一种多阶段的路网机动车尾气检测设备布点选址方法
CN107905158A (zh) * 2017-11-21 2018-04-13 浙江工商大学 一种智能化车道隔离系统及其方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
冷军强: "基于广义出行费用的城市路网行程时间可靠性", 《公路交通科技》 *
吴孟庭: "路段公交专用道对车辆燃油消耗与污染物排放的影响分析", 《交通运输工程与信息学报》 *
张红云: "基于综合成本的城市多模式交通网络系统优化研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 *
胡文婷: "城市道路交通系统效率指标体系与多方式路网优化设计", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110660216A (zh) * 2019-09-26 2020-01-07 广州大学 行程时间阈值确定方法、系统及智能设备
CN110660216B (zh) * 2019-09-26 2020-12-22 广州大学 行程时间阈值确定方法、系统及智能设备
CN112289030A (zh) * 2020-11-02 2021-01-29 吉林大学 城市路网可容纳最大车辆数的计算方法

Also Published As

Publication number Publication date
CN108648455B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN106781563B (zh) 一种城市快速路交叉口公交优先信号协调配时方法
CN104933859B (zh) 一种基于宏观基本图的确定网络承载力的方法
CN103996289B (zh) 一种流量-速度匹配模型及行程时间预测方法及系统
CN103258436B (zh) 一种确定信号控制交叉口进口道可变导向车道长度的方法
CN104809895B (zh) 相邻交叉口的干道协调控制模型及其优化方法
CN102360522B (zh) 一种高速公路优化控制方法
CN106710220B (zh) 一种城市道路分层动态协调控制算法及控制方法
CN106327871B (zh) 一种融合历史数据和预约数据的高速公路拥挤预测方法
CN105954040A (zh) 应用于无人驾驶汽车的测试方法和装置
CN108364467A (zh) 一种基于改进型决策树算法的路况信息预测方法
CN106652458A (zh) 基于虚拟车辆轨迹重构的在线城市道路路径行程时间估计方法
CN105303856B (zh) 一种预测模型的可变情报板信息发布方法
CN107330217A (zh) 一种基于rbfnn的中观油耗预测方法
CN104298540B (zh) 一种微观交通仿真软件的底层模型参数校正方法
CN104899360A (zh) 一种绘制宏观基本图的方法
CN204256963U (zh) 一种基于gps的交叉口交通信号灯实时控制装置
CN110070720B (zh) 提高交叉口占道施工区通行能力模型拟合度的计算方法
CN108804810A (zh) 基于社会力的交叉口横跨式施工区交通流模型建立方法
CN105389640A (zh) 市郊铁路客流的预测方法
CN108648455A (zh) 一种基于综合出行费用的城市路网模式选择方法
CN111009140B (zh) 一种基于开源路况信息的智能交通信号控制方法
CN106370198A (zh) 一种考虑出行异质性的路径选择方法
CN110211405A (zh) 一种基于交通信息素模型的出行路径规划方法
CN106952484A (zh) 基于宏观基本图的路网门限控制
CN115171408B (zh) 一种交通信号优化控制方法

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201106