CN108985518A - 一种基于vissim仿真的交通拥堵收费策略优化方法 - Google Patents

一种基于vissim仿真的交通拥堵收费策略优化方法 Download PDF

Info

Publication number
CN108985518A
CN108985518A CN201810862216.7A CN201810862216A CN108985518A CN 108985518 A CN108985518 A CN 108985518A CN 201810862216 A CN201810862216 A CN 201810862216A CN 108985518 A CN108985518 A CN 108985518A
Authority
CN
China
Prior art keywords
charging policy
traffic congestion
traffic
congestion charging
vissim
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
CN201810862216.7A
Other languages
English (en)
Inventor
于滨
郭震
任思佳
单文轩
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN201810862216.7A priority Critical patent/CN108985518A/zh
Publication of CN108985518A publication Critical patent/CN108985518A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (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VISSIM仿真的交通拥堵收费策略优化方法，该方法首先使用遗传算法产生备选的交通拥堵收费策略，根据交通路网信息、信号灯配时信息、车辆信息和交通拥堵收费策略，构建拓扑的多方式交通网络。然后，通过VISSIM仿真实现多方式交通网络的交通流分配，最后通过反复的仿真优化，确定使系统成本最小的交通拥堵收费策略。本发明提供的优化方法，为交通拥堵收费政策的制定提供了决策依据，有效缓解了城市交通拥堵。

Description

一种基于VISSIM仿真的交通拥堵收费策略优化方法
技术领域
本发明涉及城市交通需求管理策略优化方法，特别是涉及了一种基于VISSIM仿真的交通拥堵收费策略优化方法。
背景技术
随着经济的迅猛发展，城市机动车保有量快速增长。截至2015年底，全国机动车保有量达2.79亿辆，很多城市的汽车保有量超过百万辆。机动车的普及为城市居民带来了便利，然而也带来了严峻的交通拥堵问题。在过去的几十年中，中国已经尝试采取多种措施，如拓宽道路，铺设道路等，从供给的角度解决城市交通拥堵问题。但缓解交通拥堵效果并不明显，一方面道路建设难以满足交通需求的快速增长，另一方面交通供给建设也鼓励了越来越多的交通出行。因此大多数城市已经不能只依靠增加交通供给来解决交通拥堵问题，必须采取交通需求管理，来缓解日趋严重的交通拥堵。交通拥堵收费策略是交通需求管理的重要措施，优化交通拥堵收费策略可以提高缓解交通拥堵的效率。
交通拥堵收费策略的优化需要考虑交通方式、交通信号等实际影响因素，在大规模多方式交通网络中得到贴近实际的交通流分配状况是很复杂的。现有的交通拥堵收费优化技术，多停留在效果评价层面，并对多方式交通网络考虑较少，还没有形成优化交通拥堵收费策略的成熟方法。现阶段交通拥堵策略的制定往往基于管理者的经验，缺乏科学的决策依据。因此，为了能够有效缓解城市交通拥堵，提出一种优化交通拥堵收费策略很有必要。
发明内容
发明目的：本发明的目的是设计一种基于VISSIM仿真的交通拥堵收费策略优化方法，通过仿真优化确定使系统成本最小的交通拥堵收费策略，为交通拥堵收费策略的制定提供科学的决策依据，提高缓解交通拥堵的效率。
技术方案：为了实现上述设计要求，本发明采取以下技术方案：(1)使用遗传算法产生备选的交通拥堵收费策略，包括拥堵收费路段和拥堵收费金额；(2)根据交通路网信息、信号灯配时信息、车辆信息和备选的交通拥堵收费策略，通过VISSIM构建具有拓扑结构的多方式交通网络；(3)通过VISSIM仿真实现出行需求在多方式交通网络上的交通流分配，获得所有路段上的交通流量，进而获得备选交通拥堵收费策略下的系统成本；(4)通过这种遗传算法优化和VISSIM仿真联合的仿真优化方式不断优化，确定使系统成本最小的交通拥堵收费策略。
所述步骤(1)包括如下步骤：(1-1)采用二进制编码，设置编码精度为δ，编码长度为L；(1-2)任意路段a的交通拥堵收费策略用二进制编码串ba1ba2...baL表示，拥堵收费金额(1-3)备选的交通拥堵收费策略，表示为
所述步骤(2)包括如下步骤：(2-1)根据道路的车道属性和信号灯实际配时，设置具有特定周期的信号灯组，遵循交叉口转向、冲突区域优先、环岛避让规则，构建道路网；(2-2)根据备选的交通拥堵收费策略，将任意路段a的出行费用Ca设置为a×Ta+b×Da+c×Fa+Za，其中，Ta，Da和Fa分别是出行时间，走行距离和经济费用，a,b,c是相应的权重，Za是拥堵收费金额；(2-3)根据车辆信息，对于不同类型的车辆赋予不同的权重a,b,c，构建针对不同出行者的多方式交通网络。
所述步骤(3)包括如下步骤：(3-1)对路径R上所有路段的出行费用进行加和，获得路径R的出行费用CR，将路径R的出行费用CR转换成出行效用(3-2)采用改进的Logit路径选择模型，获得出行者选择路径R的概率P(R)，通过VISSIM仿真实现出行需求在多方式交通网络上的交通流分配，获得任意路段a上的交通流量Xa，并获得备选交通拥堵收费策略下的出行成本；(3-3)通过VISSIM仿真对备选的交通拥堵收费策略进行N次交通流分配，将N次的出行成本取均值作为系统成本。出行成本包括出行者时间费用与交通拥堵费。
所述步骤(4)包括如下步骤：(4-1)通过遗传算法产生初始种群，设置种群大小为N，即备选交通拥堵收费策略的生成数量，并变换拥堵收费策略优化的目标，获得适应度函数；(4-2)计算每一个备选策略的适应度值，从上一代种群中选择优良的拥堵收费策略遗传到下一代种群，采用多点交叉的方法，交换两个备选策略每个路段上的编码，并设置变异概率，产生新的交通拥堵收费策略；(4-3)通过这种优化方式，不断执行VISSIM仿真的COM命令实现仿真优化，当适应度值最大时，获得使系统成本最小的交通拥堵收费策略。
有益效果：
本发明提供的基于VISSIM仿真的交通拥堵收费策略优化方法，具有以下优点：1、通过仿真优化，能够获得准确的交通拥堵收费策略，为相关政策的制定提供科学的决策依据，有效地缓解交通拥堵；2、通过VISSIM仿真，实现了交通出行需求在多方式复杂交通网络上的交通流分配，能够获得真实的交通拥堵收费效果；3、完善了交通拥堵收费策略的优化技术，从整个交通系统的视角进行优化，降低了包含时间费用和交通拥堵费的系统总成本。
附图说明
图1为本发明的流程示意图
具体实施方式
下面结合附图对本发明进行详细的描述。
如图1所示，本发明包括以下步骤：
1)使用遗传算法产生备选的交通拥堵收费策略，包括拥堵收费路段和拥堵收费金额；
产生备选交通拥堵收费策略的过程如下：
交通道路网中有M个路段，每一个备选的拥堵收费策略可表示为集合{Za|a＝1,2,3...M-1,M}，Za是路段a的交通拥堵收费金额。Za∈[0,m]，m是拥堵收费金额的上限。采用二进制进行编码，设置编码精度为δ，编码长度为L，编码长度可由编码精度确定，两者的关系为任意路段a的交通拥堵收费策略用二进制编码串ba1ba2...baL表示，拥堵收费额备选的交通拥堵收费策略，表示为
2)根据交通路网信息、信号灯配时信息、车辆信息和备选的交通拥堵收费策略，通过VISSIM构建具有拓扑结构的多方式交通网络；
通过VISSIM构建多方式交通网络的基本步骤如下：
A、基本数据与路网
需要收集基本的交通路网信息(如路段、长度、宽度、车道数等)，信号灯配时信息，车辆信息(如车辆类型等)以及交通出行信息(交通OD量)。根据搜集到的信息，遵循现实中交叉口转向、冲突区域优先、环岛避让等规则，在VISSIM仿真平台中建立路网。根据搜集到的交通信息，设置交通信号灯配时方案与出行量OD矩阵。
B、构建多方式交通网络
根据出行时间、走行距离和经济费用(如燃油费)这三个因素对实际出行中路径选择的影响，相应对其赋予权重并加和，根据备选的交通拥堵收费策略，将任意路段a的出行费用Ca设置如下：
Ca＝a×Ta+b×Da+c×Fa+Za
其中，Ta，Da和Fa分别是出行时间，走行距离和经济费用，a,b,c是相应的权重，Za是拥堵收费金额。
根据车辆信息，对于不同类型的车辆赋予不同的权重a,b,c，构建针对不同出行者的多方式交通网络。
3)通过VISSIM仿真实现出行需求在多方式交通网络上的交通流分配，获得所有路段上 的交通流量，进而获得备选交通拥堵收费策略下的系统成本；
A、建立路径选择模型
对路径R上所有路段的出行费用进行加和，获得路径R的出行费用CR。
实际出行中，并非所有的出行者都选择出行费用最小的路径，只要是可以利用的路径都可以使用，出行费用越小的路径利用的可能性越大。为评价路径，要将路径出行费用转换成出行效用，作为评价指标。路径出行效用为路径出行费用的倒数。
其中，UR是路径R的出行效用。Logit函数是最广泛使用的路径选择模型，但Logit函数只考虑到效用之间的绝对差异，忽略了出行时间的差异。采用改进的Logit函数建立路径选择模型，能够修正Logit函数的误差。
其中，P(Rj)是出行者选择路径Rj的概率。k是模型的敏感系数(k>0)，敏感系数k决定效用对路径选择的影响程度。经过仿真的反复试验，当k＝3.5时模型具有较好的敏感度。
采用改进的Logit路径选择模型，获得出行者选择路径的概率，通过VISSIM仿真实现出行需求在多方式交通网络上的交通流分配。
B、获取交通流量
采用VISSIM中的数据检测器，统计通过路段横断面的车辆流量，也就是每一路段的交通流量。将数据检测器设置在路段同一横断面的每一车道上，当数据检测器设置后，每次仿真运行，检测数据都会输出到评价文件中，得到每一路段的交通流量，便于外部程序通过COM接口读取交通流量。
C、计算系统成本
从系统最优的角度出发，根据备选的交通拥堵收费策略，计算系统成本，其步骤如下：
步骤1：计算行驶时间，根据BPR函数，确定车辆在路段的行驶时间，车辆在路段的行驶时间与路段的拥堵状况相关。
其中，是路段a的行驶时间，是路段a的自由流行驶时间，Xa和Xcapacity分别是路段a的交通流量和容量，BPR函数的参数α＝0.15，β＝4。
步骤2：计算路段上的出行时间，根据实际的出行情况，出行时间包括车辆在路段的行驶时间，在交叉口的等待时间与车辆延迟等其他出行时间。
其中，Ta，和分别是路段a的出行时间，交叉口的等待时间和车辆延迟其他时间。
步骤3：计算系统成本
出行成本包括出行者时间费用与交通拥堵费。其中，出行者时间费用等于总出行时间与单位时间成本的乘积。为减少仿真的随机性带来的误差，通过VISSIM仿真对备选的交通拥堵收费策略进行N次交通流分配，将N次的出行成本取均值作为系统成本。
其中，μ1和μ2分别是时间费用和交通拥堵费的系数，Ct是单位时间费用。
4)通过这种遗传算法优化和VISSIM仿真联合的仿真优化方式不断优化，确定使系统成本最小的交通拥堵收费策略。
A、产生初始种群
通过遗传算法产生初始种群，根据具体优化问题，设置种群大小为N，即备选交通拥堵收费策略的生成数量。
B、设计适应度函数
通过变换优化问题的目标函数，将求解最小值问题变换成求解最大值问题，获得适应度函数。
C、选择
计算每一个备选策略的适应度值，从上一代种群中选择优良的拥堵收费策略遗传到下一代种群，选择的原则是：适应度值越大，被选择的概率越大。
其中，Pi是备选的交通拥堵策略i被选择概率，fi是策略i的适应度值。
D、交叉与变异
采用多点交叉的方法，通过互换两个备选策略每个路段上的编码，实现种群中个体之间信息的交换。采用二进制变异，设置变异概率，指定一个基因从0反位为1、或从1反位为0， 产生新的交通拥堵收费策略。
E、COM接口实现仿真优化
根据以上这种优化方式，通过VISSIM仿真平台提供的COM(组件对象模型)功能，用外部编程Visual C++进行控制，不断执行VISSIM仿真的COM命令，循环迭代，实现仿真优化。当适应度值最大时，获得使系统成本最小的交通拥堵收费策略。
以上所述仅是本发明的优选实施方式，不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

Claims (5)

1.一种基于VISSIM仿真的交通拥堵收费策略优化方法，其特征在于产生备选的交通拥堵收费策略，构建拓扑的多方式交通网络，仿真实现交通流分配，通过仿真优化确定使系统成本最小的交通拥堵收费策略；该方法包括如下步骤：
(1)使用遗传算法产生备选的交通拥堵收费策略，包括拥堵收费路段和拥堵收费金额；
(2)根据交通路网信息、信号灯配时信息、车辆信息和备选的交通拥堵收费策略，通过VISSIM构建具有拓扑结构的多方式交通网络；
(3)通过VISSIM仿真实现出行需求在多方式交通网络上的交通流分配，获得所有路段上的交通流量，进而获得备选交通拥堵收费策略下的系统成本；
(4)通过这种遗传算法优化和VISSIM仿真联合的仿真优化方式不断优化，确定使系统成本最小的交通拥堵收费策略。
2.根据权利要求1所述的基于VISSIM仿真的交通拥堵收费策略优化方法，其特征在于：所述步骤(1)包括如下步骤：
(1-1)采用二进制编码，设置编码精度为δ，编码长度为L；
(1-2)任意路段a的交通拥堵收费策略用二进制编码串ba1ba2...baL表示，拥堵收费金额
(1-3)备选的交通拥堵收费策略，表示为
3.根据权利要求1所述的基于VISSIM仿真的交通拥堵收费策略优化方法，其特征在于：所述步骤(2)包括如下步骤：
(2-1)根据道路的车道属性和信号灯实际配时，设置具有特定周期的信号灯组，遵循交叉口转向、冲突区域优先、环岛避让规则，构建道路网；
(2-2)根据备选的交通拥堵收费策略，将任意路段a的出行费用Ca设置为a×Ta+b×Da+c×aF+a，Z其中，Ta，Da和Fa分别是出行时间，走行距离和经济费用，a,b,c是相应的权重；
(2-3)根据车辆信息，对于不同类型的车辆赋予不同的权重a,b,c，构建针对不同出行者的多方式交通网络。
4.根据权利要求1所述的基于VISSIM仿真的交通拥堵收费策略优化方法，其特征在于：所述步骤(3)包括如下步骤：
(3-1)对路径R上所有路段的出行费用进行加和，获得路径R的出行费用CR，将路径R的出行费用CR转换成出行效用
(3-2)采用改进的Logit路径选择模型，获得出行者选择路径R的概率P(R)，通过VISSIM仿真实现出行需求在多方式交通网络上的交通流分配，获得任意路段a上的交通流量Xa，并获得备选交通拥堵收费策略下的出行成本；
(3-3)通过VISSIM仿真对备选的交通拥堵收费策略进行N次交通流分配，将N次的出行成本取均值作为系统成本。出行成本包括出行者时间费用与交通拥堵费。
5.根据权利要求1所述的基于VISSIM仿真的交通拥堵收费策略优化方法，其特征在于：所述步骤(4)包括如下步骤：
(4-1)通过遗传算法产生初始种群，设置种群大小为N，即备选交通拥堵收费策略的生成数量，并变换拥堵收费策略优化的目标，获得适应度函数；
(4-2)计算每一个备选策略的适应度值，从上一代种群中选择优良的拥堵收费策略遗传到下一代种群，采用多点交叉的方法，交换两个备选策略每个路段上的编码，并设置变异概率，产生新的交通拥堵收费策略；
(4-3)通过这种优化方式，不断执行VISSIM仿真的COM命令实现仿真优化，当适应度值最大时，获得使系统成本最小的交通拥堵收费策略。
CN201810862216.7A 2018-08-01 2018-08-01 一种基于vissim仿真的交通拥堵收费策略优化方法 Pending CN108985518A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810862216.7A CN108985518A (zh) 2018-08-01 2018-08-01 一种基于vissim仿真的交通拥堵收费策略优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810862216.7A CN108985518A (zh) 2018-08-01 2018-08-01 一种基于vissim仿真的交通拥堵收费策略优化方法

Publications (1)

Publication Number Publication Date
CN108985518A true CN108985518A (zh) 2018-12-11

Family

ID=64552582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810862216.7A Pending CN108985518A (zh) 2018-08-01 2018-08-01 一种基于vissim仿真的交通拥堵收费策略优化方法

Country Status (1)

Country Link
CN (1) CN108985518A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116808A (zh) * 2020-09-01 2020-12-22 东南大学 判断取消拥堵收费对交通安全影响时间累计效应的方法
CN113377092A (zh) * 2021-08-12 2021-09-10 深圳市城市交通规划设计研究中心股份有限公司 信号优先算法仿真测试方法及系统、测试设备、存储介质
CN113642241A (zh) * 2021-08-17 2021-11-12 北京航空航天大学 一种基于交通运行状态的路网细颗粒物研究方法
CN115116222A (zh) * 2022-06-21 2022-09-27 湖南省醴潭高速公路建设开发有限公司 一种多车道远程控制方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112116808A (zh) * 2020-09-01 2020-12-22 东南大学 判断取消拥堵收费对交通安全影响时间累计效应的方法
CN113377092A (zh) * 2021-08-12 2021-09-10 深圳市城市交通规划设计研究中心股份有限公司 信号优先算法仿真测试方法及系统、测试设备、存储介质
CN113642241A (zh) * 2021-08-17 2021-11-12 北京航空航天大学 一种基于交通运行状态的路网细颗粒物研究方法
CN113642241B (zh) * 2021-08-17 2023-10-31 北京航空航天大学 一种基于交通运行状态的路网细颗粒物研究方法
CN115116222A (zh) * 2022-06-21 2022-09-27 湖南省醴潭高速公路建设开发有限公司 一种多车道远程控制方法及系统

Similar Documents

Publication Publication Date Title
Wang et al. Siting and sizing of fast charging stations in highway network with budget constraint
CN108985518A (zh) 一种基于vissim仿真的交通拥堵收费策略优化方法
Xu et al. Modelling urban expansion guided by land ecological suitability: A case study of Changzhou City, China
Tan et al. A game-theory based agent-cellular model for use in urban growth simulation: A case study of the rapidly urbanizing Wuhan area of central China
CN102542818B (zh) 一种基于有机计算的区域边界交通信号协调控制方法
Arnott et al. Market and shadow land rents with congestion
CN112069573B (zh) 一种基于元胞自动机的城市群空间模拟方法、系统及设备
CN109686091B (zh) 一种基于多源数据融合的交通流量填补算法
CN110264711A (zh) 一种交通事故概率的确定方法及装置
CN105138668A (zh) 基于poi数据的城市商业中心与零售业态集聚区识别方法
CN106355334A (zh) 农田建设区域判定方法
Huang et al. Consolidating the layout of rural settlements using system dynamics and the multi-agent system
CN103050016B (zh) 一种基于混合推荐的交通信号控制方案实时选取方法
CN106503382A (zh) 一种城市道路规划方法及装置
CN110956807A (zh) 基于多源数据与滑动窗口组合的高速公路流量预测方法
CN106530710B (zh) 一种面向管理者的高速公路交通指数预测方法和系统
CN107506433A (zh) 城市发展空间格局情景模拟系统
CN106781464A (zh) 一种道路拥堵情况测试方法
Ryu et al. Two-stage bicycle traffic assignment model
CN104821086B (zh) 一种定位大规模交通网络中低效路段组合的方法
CN108615095A (zh) 基于随机逐日动态分配的拥堵收费鲁棒最优费率确定方法
CN107958353A (zh) 一种etc联网运营质量评价方法及计算机存储介质
CN106370198A (zh) 一种考虑出行异质性的路径选择方法
CN105389647A (zh) 一种基于nsga-ii的电费缴纳点选址方法
Luo et al. Construct the future wetland ecological security pattern with multi-scenario simulation

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181211

WD01 Invention patent application deemed withdrawn after publication