CN110263975A - 一种优化交通出行分布的方法及相应的设备和控制系统 - Google Patents
一种优化交通出行分布的方法及相应的设备和控制系统 Download PDFInfo
- Publication number
- CN110263975A CN110263975A CN201910424277.XA CN201910424277A CN110263975A CN 110263975 A CN110263975 A CN 110263975A CN 201910424277 A CN201910424277 A CN 201910424277A CN 110263975 A CN110263975 A CN 110263975A
- Authority
- CN
- China
- Prior art keywords
- parking
- user
- distribution
- parking ticket
- destination
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005457 optimization Methods 0.000 title abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 96
- 238000007726 management method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 24
- 238000002922 simulated annealing Methods 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 239000000523 sample Substances 0.000 description 6
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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"
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
一种优化交通出行分布的控制方法及相应的设备和控制系统，通过改变用户的目的地选择决策，从而使交通量在空间上呈现均衡分布，平衡目的地资源和道路资源的使用，缓解道路拥堵，进而提高交通系统的出行效率。通过停车券来影响用户的目的地选择行为，控制吸引力比较高的目的地的交通流，提高吸引力比较低的目的地的交通流量分担率；将终点的停车资源在每个起点进行分配以实现系统总出行时间最小化。本发明从系统最优的角度出发，将每个终点的停车资源在各个起点进行最优分配，从而分散集中分布的出行需求。相比于停车收费，停车券能更大程度地提高交通资源的利用率，缓解道路拥堵，在改善整个交通系统的运行效率方面更具优势。
Description
技术领域
本发明属于交通出行领域，涉及优化交通出行分布的设备及控制方法。
背景技术
城市交通出行需求主要来源于通勤、娱乐、文教等活动，在用户众多的出行需求中，有一部分出行需求是非强制性的，不同目的地之间具有很强的替代性，比如购物中心、娱乐场所等。此外，不同目的地对用户的吸引力一般是不一样的，用户一般倾向于选择吸引力比较高的目的地，比如在不考虑其他因素的情况下，相比于小型商场，人们更愿意去大型的商场。现代城市地域结构一般为向心集中型，也就是大型的商业中心、文化娱乐场所等城市资源集中分布在中心商业区。在这种情况下，用户偏好的目的地选择行为会造成交通流在空间上的不均衡分布，体现在路网中就是部分路段和交叉口的严重拥堵。因此，分散集中分布的交通流对于提高系统效率至关重要。
现有的中国专利文献公开的关于交通出行分布的研究主要集中在改进现有的交通分布模型、交通分布预测方法。王炜、黄蓉等研究了一种结合重力模型与Fratar模型的交通分布预测方法；林宏志、褚晨予从出行者目的地选择偏好角度改进了现有的交通分布预测模型。关于交通出行分布优化问题的研究比较少，然而，出行者的目的地选择决策是交通网络流量分配的基础，当出行者都选择吸引力高的目的地时，出行分布的空间集中性必然会带来交通流在路网中的不均衡分配，造成个别路段和交叉口的严重拥堵。因此，从交通分布优化的角度来提高系统运行效率是非常必要的。
发明内容
本发明的目的在于提供一种优化交通出行分布的方法及相应的设备和控制系统。
本发明通过改变用户的目的地选择决策，从而使交通量在空间上呈现均衡分布，控制目的地资源和道路资源的使用，缓解道路拥堵，进而提高交通系统的出行效率。考虑到目的地停车资源的有限性，本发明从停车管理的角度，提出了一种停车券分配方法来影响用户的目的地选择行为，控制吸引力比较高的目的地的交通流，提高吸引力比较低的目的地的交通流量分担率。进一步而言，本发明提出了一种停车券方法及相应的设备和控制系统，将终点的停车资源在每个起点进行分配，通过电子停车券系统实现停车过程的自动化，提高效率，节省成本。
本发明考虑了用户的异质性，即目的地的吸引力对于不同用户的影响程度是不一样的，比如有些用户会由于出行时间长、道路拥堵等原因放弃吸引力高的目的地，而另外一些用户宁愿花费更多的时间也要选择吸引力高的目的地。
为了达到上述目的，本发明采用的技术方案是：
一种优化交通出行分布的控制方法，通过改变用户的目的地选择决策，从而使交通量在空间上呈现均衡分布，缓解道路拥堵，极大地提高交通系统的出行效率。
进一步，通过停车券影响用户的目的地选择行为，控制吸引力比较高的目的地的交通流，提高吸引力比较低的目的地的交通流量分担率；将终点的停车资源在每个起点进行分配以实现系统总出行时间最小化。
所述的优化交通出行分布的控制方法，包括以下步骤：
(1)分析影响用户目的地选择的主要因素，建立考虑出行者目的地选择偏好的出行分布模型；
(2)构建考虑停车券分配的用户均衡模型，及其等价的数学规划模型，通过求解该数学规划得到均衡交通流量在路网中的分配情况；
(3)确定停车券的分配方案，以最小化路网的总出行时间为目标函数，构建相应的数学规划模型；
(4)确定最优的停车券分配方案；联立步骤(2)和步骤(3)的模型，得到一个双层规划模型，求解该双层规划模型，得到最优的停车券分配方案；
(5)设置相应的停车券设备和控制系统来对停车券进行管理，所述停车券设备和控制系统的后端包含服务器和架构在服务器上的数据库，所述停车券设备和控制系统的前端包括车位分配终端、用户端、以及停车场终端。
所述步骤(1)中，采用多元logit离散选择模型来描述目的地选择行为特征和其他社会经济特征对于选择不同目的地的效用函数所产生的影响。
所述特征包括出行时间、目的地吸引力、目的地停车约束。
所述步骤(2)中，等价的数学规划模型满足Wardrop第一原则，即当路径流量大于0时，该路径的出行时间为最短出行时间。
所述步骤(2)中，均衡时，用户的目的地选择行为应当同所述多元logit离散选择模型的出行分布模型一致。
所述步骤(4)中的双层规划模型，其中下层规划如所述步骤(2)所示，表示出行者对目的地的选择过程，是停车券约束条件下满足用户均衡的流量分配均衡问题；上层规划如所述步骤(3)所示，是将每个目的地的停车资源在各个起点进行分配，以实现系统总出行时间最小化；当这两个过程相互作用的结果达到一个均衡点时，就得到了双层规划的最优解，即最优的停车券分配方案。
所述步骤(4)中的双层规划模型是一个NP难问题，采用改进的模拟退火算法求解，借助分层迭代的思想，可以跳出局部最优，得到全局最优解。
所述步骤(5)中停车券设备和控制系统的结构功能归纳如下：
(1)服务器，包括数据输入模块、数据处理模块、数据输出模块。其特征在于：产生一种停车券分配方案，所述停车券分配方案是根据交通网络数据和用户需求数据，利用本发明中的分配算法，得到最优的停车券分配策略。
所述服务器包含数据输入模块，用于接收用户出行需求数据、道路资源数据、停车资源数据。
所述服务器包含数据处理模块，获取数据输入模块的数据，利用本发明提出的分配算法，通过代码实现模型求解，得到针对该交通网络和出行需求的最优停车券分配策略。
所述服务器包含数据输出模块，根据最优的停车券分配方案输出停车券，每个停车券有一个唯一标识，至少记载有起点信息、终点停车场信息和使用有效期信息。
所述服务器包含一个数据库架构在服务器上，用以记录和更新停车券信息，用户信息和停车场信息。通过数据库可以查询停车券的发放记录和使用记录。
(2)车位分配终端，包括获取模块、发放模块、查询模块，获取车位管理方所在停车场的停车券，然后根据停车券的起点信息和自身的经营策略向用户发放停车券。
(3)用户端，包括认证模块、接收模块、确认模块、交易模块、导航模块，完成停车券由车位管理方向用户的权利转移过程，并允许停车券在一定范围内自由交易。
所述用户端通过接收模块和车位分配终端相连，通过确认模块和服务器相连，完成车辆信息和停车券信息的绑定。
所述用户端包含交易模块，用以实现停车券在一定区域的自由交易。用户可以将没有确认的停车券在出售单元出售；其他用户可以通过搜索单元，在目标区域内搜索自己需要的停车券；当用户选择购买之后，通过支付单元完成支付；支付成功之后，停车券和用户的所有权关系会发生转移。
(4)停车场终端，包含管理系统、与管理系统通信连接的道闸和地锁系统、以及车辆识别系统。管理系统通过互联网与服务器数据库相连。
所述停车场终端通过管理系统与服务器和用户端的导航系统连接。
所述停车场终端管理系统与道闸和地锁系统、以及车辆识别系统通信连接，通过验证用户的停车券信息和车辆信息，控制道闸和指定车位地锁的开关操作。
本发明可包括以下步骤：
步骤1：建立考虑出行者目的地选择偏好的出行分布模型，主要包括以下几个过程。
(1)确定影响用户目的地选择的主要因素
出行者的出行选择过程主要包括两个方面：一是出行目的地的选择决策；二是到达选定目的地的路径决策。因此，影响用户目的地选择的主要因素包括：目的地的吸引力水平，目的地的停车约束情况，从起点到目的地的最短出行时间，个体属性诸如出行者的收入、价格敏感程度、终点吸引力的影响程度等因素。
(2)目的地选择需求效用分析
用I表示用户的异质性,假设第i类出行者从起点r出发选择目的地的方案集合为S，其中选择目的地s的广义效用表示为根据随机效用理论，为概率变量包括可以测定的确定性效用和不可测的随机效用假设二者呈线性关系，则可以表示为
其中，是第i类型的出行者选择目的地s的随机效用，是此过程中的确定性效用，包括前文提到的3部分效用，假定这三者之间呈线性关系，因此可以进一步表示为
式中，为平衡状态下出行者i从起点r到目的地s的路网行驶时间；λs是目的地s的停车流量达到其能力时所产生的延误时间；Ms是目的地s的吸引力水平；θi为待估参数，表示第i类型的出行者对目的地吸引力的权重，θi取值比较大的时候说明目的地的吸引力大小对于出行者来说比较重要，相反当θi比较小时说明目的地的吸引力大小对于出行者的选择决策作用不大。
(3)建立出行分布模型
本发明采用多元logit选择模型来描述出行时间、目的地吸引力、目的地停车约束等目的地选择行为特征和其他社会经济特征对于选择不同目的地的效用函数所产生的影响。多元logit模型假定误差项相互独立且服从双指数分布(Gumbel Distribution)，出行者依据效用最大化的原则进行目的地的选择，那么从起点r出发的出行者i选择目的地s的概率用多元logit的形式可以表示为,
代入得到
其中，γ为大于0的常数，其值与随机误差项的方差成反比，可以起到调节方差的作用。
步骤2：构建考虑停车券分配的用户均衡模型，得到出行流量在路网中的分配情况。该问题满足Wardrop第一原则，即均衡时没有一个用户可以通过改变自己的目的地选择和路径选择决策来增加自身的效用。
(1)该均衡问题等价的数学规划模型为：
其中，为起点r到终点s之间路径k上第i类用户的出行量；Krs为起点r到终点s之间所有的路径集合；xa为路段a上的流量；表示路径和路段之间的关系变量，当路段a在连接起点r和终点s之间的路径k上则否则 为起点r到终点s之间第i类用户的交通流量，qrs表示起点r到终点s之间所有的交通量，即Qrs为终点s分配给起点r的停车券数量；ta为路段a通行时间，是路段流量的增函数；为起点r中第i类用户的出行需求量。
(2)验证上述数学规划的等价性，即验证该数学规划是否满足用户均衡条件，没有一个用户可以通过改变自己的目的地选择和路径选择决策来增加自身的效用。
定义如下拉格朗日函数：
其中，和λrs分别是流量守恒式需求守恒式和停车约束的拉格朗日乘子。根据Kuhn-Tucker，求解拉格朗日函数的最优化条件：
其中为起点r到终点s之间用户i在第k条路径上的出行成本，整理可得：
该式表示该数学规划满足Wardrop第一原则，即当路径流量大于0时，该路径的出行时间为最短出行时间。
根据互补松弛条件可知，当时，有成立，移项，然后等式两边同时取对数得到，代入得到因此，所以，用户的目的地选择概率符合logit选择模型，综上该数学规划的解即为用户分布均衡问题的解。
λrs可以理解为起点r到终点s之间停车券的价格，当起点r到终点s之间的交通流量小于终点s分配给起点r的停车位的数量时，λrs＝0；当起终点之间的停车位供不应求的时候，用户需要付出一定的成本来获取终点的停车位。
(3)证明数学规划解的唯一性。
将z分解为如下几部分,
minz＝min{z1+z2+z3}
由于ta(xa)为增函数，则为严格凸函数，所以z1为严格凸函数之和，故z1为严格凸函数。z3为线性函数，所以z3可以视为凸函数。qrslnqrs-qrs的二阶导数为同时γ＞0，所以z2也为凸函数。
综上所述，z＝z1+z2+z3为定义在凸集上的严格凸函数。由于该数学规划的约束条件为线性约束，故最优解具有唯一性。
(4)通常采用连续平均法(MSA)来求解该非线性规划问题，得到路网中每条路段的交通流量和路段出行时间。
步骤3：确定停车券的分配方案，将每个终点的停车位在各个起点之间进行分配，分配的原则是最小化路网的总出行时间。该问题的数学规划为：
Qrs≥0
Qrs为终点s分配给起点r的停车券数量，约束条件保证终点s分配给所有出行起点的停车券总量应不超过其自身的停车容量(Qs)限制，以及起点r所获得的停车券总量应该满足起点r的所有出行需求。
步骤4：确定最优的停车券分配方案。联立步骤2和步骤3的模型，得到一个双层规划模型。下层规划如所述步骤2所示，表示出行者对目的地的选择过程，是停车券约束条件下满足用户均衡的流量分配均衡问题；上层规划如所述步骤3所示，是将每个目的地的停车资源在各个起点进行分配，以实现系统总出行时间最小化。当这两个过程相互作用的结果达到一个均衡点时，就得到了双层规划的最优解，即最优的停车券分配策略。
步骤5：采用改进的模拟退火算法求解所述步骤4中的双层规划问题。
首先，构建一个辅助优化问题来处理上层规划的约束条件：辅助优化问题的目标函数为约束条件同所述步骤3。
为方便描述，在算法描述部分，将Qrs，表示成Q(…，Qm，…)，m∈M向量，代表一个停车券分配策略。式中，为模拟退火算法随机产生的上层决策变量，由于不确定其是否满足约束条件，暂且称其为试探点。||·||为Euclidean范数。通过求解该辅助优化问题，可以将模拟退火算法随机产生的上层决策的试探点变成满足上层约束的点。
模拟退火算法的具体求解过程如下。
(1)给定初始解初始温度T0，终止温度Tf和内循环次数为LN,其中N为决策变量的个数。令外层循环次数k＝0，Tk＝T0，内层循环次数n＝0。若满足上层规划的约束条件，取否则令求解辅助优化问题得到最优解Qn，以Qn为上层决策变量，求解下层规划问题的最优解fn，进一步得到xn和tn，并计算zn＝z(xn，tn)。
(2)：在温度Tk下，进行如下操作：
(2.1)利用均匀分布进行随机扰动，产生一个新的试探点若满足上层约束，则取否则令求解辅助优化问题得到最优解p。以p为上层决策变量，求解下层规划，得到最优解计算目标函数值
(2.2)若则接受p,令Qn+1＝p，否则，以一定的概率决定是否接受新解：产生一个(0,1)上均匀分布的随机变量σ，计算在当前迭代点和温度Tk下接受试探点pk的概率若σ＜ρ，则令Qn+1＝p， 否则，Qn+1＝Qn，fn+1＝fn，zn+1＝zn。
(2.3)更新n＝n+1,若n＜LN时，继续下一次的扰动和接受过程，即执行(2.1)(2.2)过程。否则，转到(3)。
(3)：若Tk＜Tf，则以QLN为上层规划问题的最优解，以QLN为上层决策变量，求解下层规划得到最优解f*，即得到该双层规划问题的最优解。否则，按下式产生一个新的温度：Tk+1＝αTk，k＝0，1，2，…，α是一个接近1的常数。令k＝k+1，Q0＝QLN,n＝0，转向(2)。
该模拟退火算法可以利用MATLAB实现。
步骤6：设置一个停车券设备和控制系统和来实现上述停车券分配方案。该停车券设备和控制系统包含服务器和架构在服务器上的数据库、车位分配终端、用户端以及停车场终端。所述停车券设备和控制系统用以根据用户需求、道路和停车资源数据基于步骤1-5所提出的停车券分配方法计算得到最优的停车券分配策略，并实现停车券由车位分配终端到用户端的发放，以及停车场终端的使用过程。同时，可以通过数据库查询停车券的发放记录和使用记录。
由于采用上述方案，本发明的有益效果是：提出了一种停车券分配策略，用以控制用户的出行目的地选择决策，适用于由于用户的目的地选择偏好所带来的不均衡出行分布问题。本发明从系统最优的角度出发，将每个终点的停车资源在各个起点进行最优分配，从而分散集中分布的出行需求。相比于停车收费，停车券可以更大程度地提高交通资源的利用率，缓解道路拥堵，在改善整个交通系统的运行效率方面更具优势。
附图说明
图1为本发明的方法流程示意图。
图2为本发明的交通网络示意图。
图3为本发明的结构示意图。
图4为本发明的实施流程图。
图5为本发明的停车券设备和控制系统结构图。
图6为本发明的服务器结构图。
图7为本发明的车位分配终端结构图。
图8为本发明的用户端结构图。
图9为本发明的停车场终端结构图。
具体实施方式
以下结合附图及实施例对本发明作进一步的说明。
本发明提出了一种停车券分配方法和实施系统来优化出行分布问题。图2为实施例的交通网络示意图，包括m个出行需求产生区作为网络的起点，n个可以选择的目的地作为网络的终点，比如不同的商业中心和购物广场。每个起点的出行者对不同的终点进行选择来实现出行需求。停车券设备和控制系统通过最小化路网的总旅行时间，将终点的停车资源在各个起点进行分配，用户需要拥有特定的停车券才能在相应的停车场停车。图5为停车券设备和控制系统结构图，主要包含服务器1和架构在服务器上的数据库1、车位分配终端11、用户端12以及停车场终端13。所述车位分配终端11、用户端12、停车场终端13均是通过移动网络或者局域网络接入互联网，与所述服务器端1进行通信。
在应用的实例中，所述车位分配终端11的主体是终点停车资源的拥有者，或者是终点停车资源使用权的拥有者，为车位管理方。车位分配终端11是包含WEB浏览器或应用程序的电脑和手持终端，比如平板电脑、手机。
在应用的实例中，所述用户端12可以是手机或者平板电脑等移动终端。每一个起点的用户都拥有一个用户端12，用以获取电子停车券、交易停车券、完成停车过程等操作。
服务器端1是与多个停车场关联的云服务端或者云服务平台，是停车券控制系统的大脑，用于完成最优停车券分配方案的计算，将停车券分配给车位分配终端11，并对用户的使用情况进行监控和管理。数据库1用于记录停车券的发放和使用情况，用以支持查询操作。
图6是服务器1的工作原理图，包括数据输入模块14、数据处理模块15、数据输出模块16，用以根据输入数据，通过改进的模拟退火算法，得到相应的最优停车券分配策略，并输出带有唯一标识的停车券。
数据输入模块14具体包含以下几部分：(1)每个出行产生区的出行需求量，以及用户对于目的地的选择偏好，得到出行需求量一般与该区域的人口数量有关，由于本发明只考虑小汽车出行的方式，因此，可以用一个区域内的小汽车数量表示该区域的最大出行需求量，通过历史出行信息得到用户的出行需求结构，包括出行时间、目的地等信息。用户目的地选择偏好可以通过抽样调研的方式，比如，将所有用户分为两类，第一类用户认为目的地吸引力对其比较重要，第二类用户认为目的地的吸引力对其不重要。通过抽样调研就可以得到每一个出行产生区各类用户的比例。
(2)目的地的停车资源分布Qs和吸引力水平Ms。这里我们认为所有的停车资源是大于所有的出行需求，不然用户会选择别的出行方式，就不在本发明的考虑范围里。通过停车场终端可以很容易获得所有终点的停车位数量信息。同样，通过问卷调研的方式确定各个目的地的吸引力水平，一般Ms取值在1到10之间，Ms取值越大说明其对用户的吸引力程度越高。
(3)从所有起点到所有终点的交通网络中各个路段的通行能力和自由流通行时间。在本发明中，路段阻抗函数采用BPR形式，即其中，为路段a的自由流时间，即不存在拥堵的道路通行时间，Ca为路段a的通行能力，为单位时间内通过某一断面的最大车辆数。α，β均为待定参数，默认取值α＝0.15，β＝4.0。
(4)模型中其他参数取值：θi表示第i类型的出行者对目的地吸引力的权重，取值范围为0-1之间，可以用极大似然法估计。θi取值比较大的时候说明目的地的吸引力大小对于出行者来说比较重要，相反当θi比较小时说明目的地的吸引力大小对于出行者的选择决策作用不大。如前所述，当网络中只有两类用户时，可以取θ1＝0.8，θ2＝0.4。γ为大于0的常数，其值与随机误差项的方差成反比，可以起到调节方差的作用，一般取为1。
数据处理模块15是服务器功能实现的关键模块，通过改进的模拟退火算法，对输入数据进行求解。
模拟退火算法(Simulated Annealing，SA)是基于物理中固体物质的退火过程的智能随机优化算法，已经广泛应用于全局最优解的求解中。其以一定的概率接受一个比较差的解，因此会跳出局部最优，得到全局最优解。本发明采用模拟退火算法并借助分层迭代的思想求解该问题，即利用全局优化工具箱求解下层用户均衡模型，用模拟退火算法在上下层之间进行反复迭代，最后逐渐逼近双层规划的最优解。
本发明利用一个辅助优化问题来处理上层规划的约束条件，可以将模拟退火算法随机产生的上层决策的试探点变成满足上层约束的点，以避免采用罚函数处理上层规划的约束条件。该方法可以提高算法有效性和全局最优解的可靠性。
||·||为Euclidean范数，约束条件为上层规划的约束条件。
模拟退火算法的具体步骤如下：
(1)初始化。随机给定初始解初始温度T0(充分大，根据问题求解的规模，一般通过多次迭代不断修正)，终止温度Tf(充分小，无限接近0)和内循环次数LN,其中N为决策变量的个数，L可以取10。令外层循环次数k＝0，Tk＝T0，内层循环次数n＝0。判断是否满足约束，通过求解辅助优化问题将不满足约束条件的试探点变成满足约束的点。利用非线性规划问题求解器得到当前最优解fn和zn＝z(xn，tn)。
(2)在温度Tk下，进行内循环，包括以下步骤：
(2.1)利用均匀分布进行随机扰动，产生一个新的试探点利用辅助优化问题得到满足上层约束的点p。以p为上层决策变量，求解下层规划，得到最优解计算目标函数值
(2.2)若则接受p,令Qn+1＝p，否则，以一定的概率决定是否接受新解：产生一个(0,1)上均匀分布的随机变量σ，计算在当前迭代点和温度Tk下接受试探点pk的概率若σ＜ρ，则接受新解。
(2.3)更新n＝n+1,若n＜LN时，继续下一次的扰动和接受过程，即执行(2.1)(2.2)过程。否则，转到(3)。
(3)确定收敛情况。若Tk＜Tf，则以QLN为上层规划问题的最优解，得到最优的停车券分配方法，以QLN为上层决策变量，利用非线性规划问题求解器求解下层规划得到最优条件下的路径流量f*。否则，按下式产生一个新的温度：Tk+1＝αTk，k＝0，1，2，…，α是一个接近1的常数。令k＝k+1，Q0＝QLN,n＝0，转向(2)。
数据输出模块16根据数据处理模块15得到的最优停车券分配方案输出带有唯一标识的电子停车券，该电子停车券至少记载着起点信息、终点停车场信息和使用有效期信息，即得到了终点停车资源在各个起点的分配策略。使用有效期信息确保每一个停车券只能用于特定的日期，并且过期自动销毁。根据实际需要，停车券的有效期可以精确到时间段，比如某一天的上午10点到14点之间。
图7所述的车位分配终端11包括获取模块111、发放模块112、查询模块113。车位管理方从服务器1获取其所在停车场的停车券，然后根据停车券的起点信息和自身的发放策略向用户发放停车券。
获取模块111用于车位管理方根据终点停车场信息从服务器数据库中获得相应停车券的授权。发放模块112用于根据停车券中记载的起点信息，车位管理方将停车券向各个起点已经认证的用户发放停车券。发放原则可以按照均匀分配，或者根据车位管理方运营需要。其中，每个车位管理方发给各个起点的停车券总量是确定的。车位管理方的发放频次可以是基于日，也可以是基于周。由于停车券中记载有日期信息，并无影响。在查询模块113中，车位管理方可以查询停车券的发放记录，以及用户的使用记录，为之后的发放行为提供指导。
图8是用户端12结构图，包括认证模块121、接收模块122、确认模块123、交易模块124、导航模块125，其特征在于完成停车券由车位管理方向用户的发放过程，并允许停车券在一定范围内自由交易。
认证模块121，用以完成车主信息认证，绑定车辆信息和车辆所属区域，并将结果通过互联网上载至服务器数据库中。接收模块122确保当用户收到车位管理方发来的停车券，对于同一时间段的停车券，其最多只能选择接收一个，没有被接收的停车券会被随机分配给该区域的其他用户。当用户确认停车券之后，停车券的信息和用户的个人信息在确认模块123实现自动绑定，生成一个二维码标识，包括停车券的起点、终点停车场、有效期以及用户的车牌号信息，建立停车券和用户车辆的一一对应关系。同时，该二维码标识信息会通过互联网连接到服务器端数据库，建立停车券信息和用户信息之间的映射关系。没有确认的停车券不能直接使用。
通过交易模块124，用户可以将没有确认的停车券在平台内进行交易，已经确认的停车券不能进行交易。该模块包括出售单元、搜索单元、支付单元和权利转移单元。用户可以选择将自己不用的停车券在平台中出售；其他用户可以通过搜索选项，在目标区域内搜索自己需要的停车券，选择购买；当用户选择购买之后，可以通过支付宝等线上支付手段完成支付；支付成功之后，停车券和用户的所有权关系会发生转移。一个车辆一天可以同时拥有多个不同时间段的停车券，用以完成不同的出行需求。由于停车券的交易只能在一个出行区域内部进行，因此，不会影响系统最优。
图9为停车场终端系统13，包含管理系统131、与管理系统131通信连接的道闸和地锁系统132、以及车辆识别系统133。其中，管理系统131通过互联网与服务器数据库相连。
车辆识别系统133，设于所述道闸设备旁边，用于对车辆进行识别以采集车牌号，包括车辆图像采集和图像识别两部分。管理系统131通过互联网与服务器数据库相连，用以控制道闸和地锁系统。当用户到达停车场之后，通过二维码扫描发送停车请求。管理系统获得停车券上的停车场信息和绑定的车辆信息，与服务器数据库的停车券信息进行匹配，同时与车牌号识别系统采集的车辆信息进行对比。道闸设备132与停车场管理系统相连，根据管理系统发送的控制指令执行相应的开关闸操作。同时，管理系统从空车位中，按照就近原则锁定一个车位，并控制相应地锁132执行操作。车位信息通过互联网发至用户端，用户可以根据导航系统完成停车过程，减少车位搜寻时间。当用户完成停车过程，该停车券就会在数据库中自动销毁，不可继续利用。
本发明可以在很大程度上减少路段拥堵，提高道路资源和停车资源的利用率。
上述对实施例的描述是为了便于该技术领域的普通技术人员能理解和使用本发明。熟悉本领域技术人员显然可以容易的对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中，而不必经过创造性的劳动。因此，本发明不限于上述实施例。本领域技术人员根据本发明的原理，不脱离本发明的范畴所做出的改进和修改都应该在本发明的保护范围之内。
Claims (15)
1.一种优化交通出行分布的控制方法，其特征在于：通过改变用户的目的地选择决策，从而使交通量在空间上呈现均衡分布，协调目的地资源和道路资源的使用，缓解道路拥堵，进而提高交通系统的出行效率。
2.根据权利要求1所述的优化交通出行分布的控制方法，其特征在于：通过停车券来影响用户的目的地选择行为，控制吸引力比较高的目的地的交通流，提高吸引力比较低的目的地的交通流量分担率；将终点的停车资源在每个起点进行分配以实现系统总出行时间最小化。
3.根据权利要求2所述的优化交通出行分布的控制方法，其特征在于，包括以下步骤：(1)分析影响用户目的地选择的主要因素，建立考虑出行者目的地选择偏好的出行分布模型；
(2)构建考虑停车券分配的用户均衡模型，及其等价的数学规划模型，通过求解该数学规划得到均衡交通流量在路网中的分配情况；
(3)确定停车券的分配方案，以最小化路网的总出行时间为目标函数，构建相应的数学规划模型；
(4)确定最优的停车券分配方案；联立步骤(2)和步骤(3)的模型，得到一个双层规划模型，求解该双层规划模型，得到最优的停车券分配方案；
(5)设置相应的停车券设备和控制系统来对停车券进行管理，。
4.根据权利要求3所述的优化交通出行分布的控制方法，其特征在于：所述步骤(1)中，采用多元logit离散选择模型来描述目的地选择行为特征和其他社会经济特征对于选择不同目的地的效用函数所产生的影响。
5.根据权利要求4所述的优化交通出行分布的控制方法，其特征在于：所述特征包括出行时间、目的地吸引力、目的地停车约束。
6.根据权利要求3所述的优化交通出行分布的控制方法，其特征在于：所述步骤(2)中，等价的数学规划模型满足Wardrop第一原则，即当路径流量大于0时，该路径的出行时间为最短出行时间。
7.根据权利要求3所述的优化交通出行分布的控制方法，其特征在于：所述步骤(2)中，均衡时，用户的目的地选择行为应当同所述多元logit离散选择模型的出行分布模型一致。
8.根据权利要求3所述的优化交通出行分布的控制方法，其特征在于：所述步骤(4)中的双层规划模型，其中下层规划如所述步骤(2)所示，表示出行者对目的地的选择过程，是停车券约束条件下满足用户均衡的流量分配均衡问题；上层规划如所述步骤(3)所示，是将每个目的地的停车资源在各个起点进行分配，以实现系统总出行时间最小化；当这两个过程相互作用的结果达到一个均衡点时，就得到了双层规划的最优解，即最优的停车券分配方案。
9.根据权利要求3所述的优化交通出行分布的控制方法，其特征在于：所述步骤(4)中的双层规划模型，采用改进的模拟退火算法求解，借助分层迭代的思想，跳出局部最优，得到全局最优解。
10.一种实现权利要求1至9中任一所述优化交通出行分布方法的设备和控制系统，其特征在于，所述设备和控制系统的后端包含服务器和架构在服务器上的数据库，所述设备和控制系统的前端包括车位分配终端、用户端以及停车场终端。
11.根据权利要求10所述的优化交通出行分布的设备和控制系统，其特征在于，包括：
(1)服务器，产生一种停车券分配方案，所述停车券分配方案是根据交通网络数据和用户需求数据，利用分配算法，得到最优的停车券分配策略；
(2)车位分配终端，车位管理方获取其所在停车场的停车券，然后根据停车券的起点信息和自身的发放策略向用户发放停车券；
(3)用户端，完成停车券由车位管理方向用户的权利转移，并允许停车券在一定范围内自由交易；
(4)停车场终端，包含管理系统、与管理系统通信连接的道闸和地锁系统以及车辆识别系统；所述管理系统通过互联网与服务器数据库相连。
12.根据权利要求10所述优化交通出行分布的设备和控制系统，其特征在于，包括：
所述服务器，包含数据输入模块、数据处理模块、数据输出模块及数据库；
所述数据输入模块用于接收用户出行需求数据、道路资源数据、停车资源数据；
所述数据处理模块，获取数据输入模块的数据，利用相应的分配算法，通过代码实现模型求解，得到针对该交通网络和出行需求的最优停车券分配策略；
所述数据输出模块，根据最优的停车券分配方案输出停车券，每个停车券有一个唯一标识，至少记载有起点信息、终点停车场信息和使用有效期信息；
所述数据库架构在服务器上，用以记录和更新停车券信息，用户信息和停车场信息；通过数据库可以查询停车券的发放记录和使用记录。
13.根据权利要求10所述优化交通出行分布的设备和控制系统，其特征在于，所述车位分配终端，包括获取模块、发放模块、查询模块。
14.根据权利要求10所述优化交通出行分布的设备和控制系统，其特征在于，所述用户端，包括认证模块、接收模块、确认模块、交易模块、导航模块；
通过接收模块和车位分配终端相连，通过确认模块和服务器相连，完成车辆信息和停车券信息的绑定。
所述交易模块，用以实现停车券在一定区域的自由交易；用户可以将没有确认的停车券在出售单元出售；其他用户可以通过搜索单元，在目标区域内搜索自己需要的停车券；当用户选择购买之后，通过支付单元完成支付；支付成功之后，停车券和用户的所有权关系会发生转移。
15.根据权利要求10所述优化交通出行分布的设备和控制系统，其特征在于，所述停车场终端，包含管理系统、与管理系统通信连接的道闸和地锁系统以及车辆识别系统；所述管理系统通过互联网与服务器数据库相连；
所述停车场终端通过管理系统与服务器和用户端的导航系统连接；
所述停车场终端管理系统与道闸和地锁系统以及车辆识别系统通信连接，通过验证用户的停车券信息和车辆信息，控制道闸和指定车位地锁的开关操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910424277.XA CN110263975A (zh) | 2019-05-21 | 2019-05-21 | 一种优化交通出行分布的方法及相应的设备和控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910424277.XA CN110263975A (zh) | 2019-05-21 | 2019-05-21 | 一种优化交通出行分布的方法及相应的设备和控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110263975A true CN110263975A (zh) | 2019-09-20 |
Family
ID=67914881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910424277.XA Pending CN110263975A (zh) | 2019-05-21 | 2019-05-21 | 一种优化交通出行分布的方法及相应的设备和控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110263975A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115148027A (zh) * | 2022-06-30 | 2022-10-04 | 长安大学 | 一种用于改善拥堵收费的交通需求管理方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101470004A (zh) * | 2007-12-28 | 2009-07-01 | 爱信艾达株式会社 | 导航装置及计算机程序 |
| US20170110011A1 (en) * | 2013-03-15 | 2017-04-20 | Carnegie Mellon University | Methods And Software For Managing Vehicle Priority In A Self-Organizing Traffic Control System |
| CN107369062A (zh) * | 2017-06-08 | 2017-11-21 | 深圳天珑无线科技有限公司 | 一种停车位共享方法、移动终端、车位共享平台及介质 |
| CN107864205A (zh) * | 2017-11-10 | 2018-03-30 | 上海喜泊客信息技术有限公司 | 商户端、服务端、停车券管理方法及系统 |
| CN108876035A (zh) * | 2018-06-01 | 2018-11-23 | 东南大学 | 考虑出行者目的地偏好的交通分布与交通流分配组合模型 |
-
2019
- 2019-05-21 CN CN201910424277.XA patent/CN110263975A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101470004A (zh) * | 2007-12-28 | 2009-07-01 | 爱信艾达株式会社 | 导航装置及计算机程序 |
| US20170110011A1 (en) * | 2013-03-15 | 2017-04-20 | Carnegie Mellon University | Methods And Software For Managing Vehicle Priority In A Self-Organizing Traffic Control System |
| CN107369062A (zh) * | 2017-06-08 | 2017-11-21 | 深圳天珑无线科技有限公司 | 一种停车位共享方法、移动终端、车位共享平台及介质 |
| CN107864205A (zh) * | 2017-11-10 | 2018-03-30 | 上海喜泊客信息技术有限公司 | 商户端、服务端、停车券管理方法及系统 |
| CN108876035A (zh) * | 2018-06-01 | 2018-11-23 | 东南大学 | 考虑出行者目的地偏好的交通分布与交通流分配组合模型 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115148027A (zh) * | 2022-06-30 | 2022-10-04 | 长安大学 | 一种用于改善拥堵收费的交通需求管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Solving the first‐mile ridesharing problem using autonomous vehicles | |
| Boyacı et al. | An integrated optimization-simulation framework for vehicle and personnel relocations of electric carsharing systems with reservations | |
| Moradipari et al. | Pricing and routing mechanisms for differentiated services in an electric vehicle public charging station network | |
| Kang et al. | Enabling localized peer-to-peer electricity trading among plug-in hybrid electric vehicles using consortium blockchains | |
| Pavone | Autonomous mobility-on-demand systems for future urban mobility | |
| Annaswamy et al. | Transactive control in smart cities | |
| CN107580317B (zh) | 一种共享车辆调度计费方法、装置以及服务器 | |
| Guo et al. | Vehicle rebalancing with charging scheduling in one-way car-sharing systems | |
| Kondor et al. | Addressing the “minimum parking” problem for on-demand mobility | |
| Liu et al. | Bus pooling: A large-scale bus ridesharing service | |
| Asghari et al. | Environmental and social implications of incorporating carpooling service on a customized bus system | |
| KR20160093912A (ko) | 렌터카 기반 카쉐어링 시스템 | |
| Vishkaei et al. | Bi-objective optimization for customers’ satisfaction improvement in a Public Bicycle Sharing System | |
| Yu et al. | Optimal operations planning of electric autonomous vehicles via asynchronous learning in ride-hailing systems | |
| Wang et al. | Towards accessible shared autonomous electric mobility with dynamic deadlines | |
| Jiang et al. | Ship: a state-aware hybrid incentive program for urban crowd sensing with for-hire vehicles | |
| Wang et al. | BPR: blockchain-enabled efficient and secure parking reservation framework with block size dynamic adjustment method | |
| Luo et al. | Multimodal mobility systems: joint optimization of transit network design and pricing | |
| Tian et al. | A Long‐Term Shared Autonomous Vehicle System Design Problem considering Relocation and Pricing | |
| CN110263975A (zh) | 一种优化交通出行分布的方法及相应的设备和控制系统 | |
| Hadded et al. | A game theory‐based route planning approach for automated vehicle collection | |
| Yang et al. | Joint optimization of facility layout and spatially differential parking pricing for parking lots | |
| Cheng et al. | Designing a time limited–parking management plan for large-scale parking lots | |
| Zhang et al. | Optimizing the strategic decisions for one-way station-based carsharing systems: A mean-CVaR approach | |
| KR101813780B1 (ko) | 모바일 택시풀링 서비스 과금 방법 및 장치 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190920 |