CN110580404B - 一种基于城市多模式交通网络的网络运能确定方法 - Google Patents
一种基于城市多模式交通网络的网络运能确定方法 Download PDFInfo
- Publication number
- CN110580404B CN110580404B CN201910993871.0A CN201910993871A CN110580404B CN 110580404 B CN110580404 B CN 110580404B CN 201910993871 A CN201910993871 A CN 201910993871A CN 110580404 B CN110580404 B CN 110580404B
- Authority
- CN
- China
- Prior art keywords
- network
- traffic
- transfer
- road
- urban
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于城市多模式交通网络的网络运能确定方法,首先以城市多模式交通网络为研究对象,分析城市多模式交通网络的供给特性,进而基于超级网络构建城市多模式交通网络的网络拓扑结构和路段阻抗函数,然后基于随机用户均衡模型以出行者出行费用最低为目标建立多模式交通网络分配模型,并采用连续权重平均算法求解分配模型,最后通过计算城市多模式交通网络中各子网络的流量分配结果,归纳总结出基于城市多模式交通网络的网络运能确定方法。本发明可以根据分配结果有针对性地提出缓解局部网络拥堵问题的对策,为提升局部网络互补能力和整体交通系统的潜在效能提供优化方法支撑。
Description
技术领域
本发明涉及城市交通规划与管理领域,特别是涉及一种基于城市多模式交通网络的网络运能确定方法。
背景技术
随着快速城镇化的发展,城市规模不断拓展,交通需求总量、平均出行距离与时间增长趋势显著,城市交通供给经历着由单一道路交通网络向由“道路网络、轨道网络和地面公交网络”构成的多模式交通网络发展的阶段。“多方式出行需求和多模式网络供给”已经成为中国城市综合交通发展的主要趋势。城市多模式交通系统在网络供给性能、出行行为决策、交通需求与供给平衡以及资源协同规划配置等方面具有较高的复杂性。城市多模式交通网络结构作为城市交通的供给设施,对城市居民的出行选择行为有着重要的影响。
近年来,以“步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络”为主的城市多模式交通网络初具规模,形成了以“汽车、常规公交、地铁、常规公交+地铁、小汽车+地铁”五种出行方式为主的典型通勤模式,然而各种交通网络缺乏高效衔接和协同,服务多样化出行需求和复杂交通流运行、转换的潜在能力没有充分发挥,难以主动引导出行方式结构的优化。由于城市多模式交通网络各子交通网络的线路结构位置、布设密度、通过区域用地性质等方面的不同,造成了城市多模式交通网络客流分布呈现不均衡状态。
因此,运用科学有效的理论方法研究城市多模式交通网络客流分布状态,在分析局部交通网络供需特性的基础上,对各子交通网络的网络运能结果进行准确计算和定量化描述,对于实现综合交通系统整体效能的最大化,使整个城市多模式交通网络的运行状态达到最优效果具有重要的理论指导意义。
发明内容
为了解决以上问题,本发明针对“步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络”构成的城市多模式交通网络,提供一种基于城市多模式交通网络的网络运能确定方法,该方法以定量化计算城市多模式交通网络中各子交通网络的运能利用结果为目标,基于城市多模式交通网络的网络拓扑结构和路段阻抗函数,采用随机用户均衡模型对各子交通网络的流量分配结果进行求解,研究城市多模式交通网络特定供给条件下网络运能的确定方法,可以为城市交通网络整体运行效能的提升提供参考。
为达此目的,本发明提供一种基于城市多模式交通网络的网络运能确定方法,包括以下步骤:
步骤1,确定研究对象,获取城市多模式交通网络的供需特性。本发明中的城市多模式交通网络包括:步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络;本发明中所涉及到的城市多模式交通网络中的交通方式包括:小汽车、常规公交、地铁、常规公交+地铁、小汽车+地铁五种典型的出行模式。其中城市多模式交通网络的供给设施数据包括:城市道路网、城市公交线路、城市地铁网络、城市衔接步行网络和城市换乘枢纽等静态交通供给设施基础数据;城市多模式交通网络的需求特征数据包括:地铁进站客流量、公交站台换乘客流量、P+R停车场换乘客流量以及道路断面车流量等数据;
步骤2,构建城市多模式交通网络拓扑结构。基于超级网络模型,将城市多模式交通网络抽象成网络拓扑结构。本发明中的城市多模式交通网络包括:步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络,在网络拓扑结构中将城市换乘枢纽转换成虚拟换乘路段,用以连接各个不同层级的交通网络;
步骤3,计算城市多模式交通网络的路段阻抗函数及出行路径阻抗函数。城市多模式交通网络中各路段阻抗函数由行驶时间、出行费用以及舒适度损耗三部分构成。根据步骤2构建的城市多模式交通网络的拓扑结构,基于城市多模式交通网络的出行者路径阻抗函数包括:衔接网络路段阻抗函数、各出行方式对应网络路段阻抗函数(小汽车网络、常规公交网络、地铁网络)、内部换乘路段阻抗函数和换乘枢纽虚拟路段阻抗函数;
步骤4,进行城市多模式交通网络客流分配。基于随机用户均衡理论,以构建的超级网络拓扑结构建立城市多模式交通网络客流分配模型,模拟城市出行情景,将出行需求逐步加载到城市多模式交通网络,利用城市多模式交通网络分配模型算法,得到城市多模式交通网络中各子交通网络的客流分配结果;
步骤5,确定城市多模式交通网络的网络运能利用结果。根据步骤4中城市多模式交通网络的分配计算结果,对城市多模式交通网络中各子交通网络的利用结果与网络整体运行效能进行定量化描述与分析。
作为本发明进一步改进,步骤1中所需城市多模式交通网络供需特性的相关数据中具体包括:
城市道路网需要获取道路路段通行能力和通行时间。道路路段通行时间(即路段理想通行时间)通过下列公式计算:
常规公交网络需要通过获取公交票价、公交车车型、站点等待时间和公交线路通行时间等信息,其中公交线路通行时间计算公式与道路网相似。
地铁网络需要获取地铁票价、地铁车型、地铁等待时间和地铁线路通行时间等信息。
城市多模式交通换乘枢纽需要获取换乘惩罚、换乘步行时间以及停车费用等信息。
作为本发明进一步改进,所述步骤2中城市多模式交通网络拓扑结构是采用超级网络结构模型构建的,该网络具有节点多、网络嵌套网络、多层、多级、多属性和多目标的超网络结构特征。在城市多模式交通网络中,各种交通方式所在的交通网络为其对应的子交通网络,子交通网络的节点表示步行衔接网络节点、交叉口、换乘枢纽、公交站点和地铁轨道站点等,两节点之间的线段表示路段、区段等;子交通网络之间具有不同的运行特征和不同的路段阻抗,各个子交通网络通过换乘枢纽衔接,在超级网络拓扑结构上用虚线代替换乘枢纽节点,换乘枢纽虚拟路径具有多种影响出行成本的路段阻抗属性,例如,步行时间,等待时间,换乘费用等。
基于假设,本发明步骤2中的城市多模式交通网络为仅考虑小汽车网络、常规公交网络、地铁网络和步行交通网络以及各类城市多模式交通换乘枢纽所构成的城市多模式交通网络。城市多模式交通网络拓扑结构由节点和路段两类要素构成。其中节点包含交通站点和城市道路连接点:交通站点包括公交线路站点、枢纽换乘站点和轨道线路站点;城市道路连接点指道路交叉口。路段包含实际路段和虚拟路段:实际路段包括衔接网络路段、常规公交路段、地铁轨道路段和小汽车路段;虚拟路段包括常规公交+地铁、小汽车+地铁两类换乘路段。因此,本发明步骤2中所述的城市多模式交通网络拓扑结构,如图2所示。
作为本发明进一步改进,所述步骤3中以行驶时间、出行费用及舒适度损耗三部分构成的路段阻抗函数具体为:
Ia=Ta+Pa+Da
式中,Ia表示在路段a上的路段阻抗函数,Ta表示在路段a上的时间费用,Pa表示在路段a上的货币费用,Da表示在路段a上的舒适度损耗。
其中衔接网络路段阻抗函数包含上网路段阻抗函数和下网路段阻抗函数两部分,具体为:
式中,表示在衔接网络路段a的阻抗函数,表示在衔接网络上网路段a的阻抗函数,表示在衔接网络下网路段a的阻抗函数;表示在衔接网络上网路段a的时间费用,表示在衔接网络上网路段a的货币费用,表示在衔接网络上网路段a的舒适度损耗;表示在衔接网络下网路段a的时间费用,表示在衔接网络下网路段a的货币费用,表示在衔接网络下网路段a的舒适度损耗。
其中:
下网路段与上网路段相似,不过下网路段仅有路段步行时间,出行费用以及舒适度损耗均为0,具体表达式如下:
小汽车网络路段阻抗函数中,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用小汽车在路段a上的行驶时间;表示使用小汽车在路段a上的理想行驶时间;va表示在路段a上的出行者流量(人次/h);λc表示小汽车网络上出行者流量转化为车流量的折算系数(人次/pcu),即小汽车的平均载客人数;表示在小汽车路段a上的小汽车通行能力(pcu/h);Ac表示小汽车网络的路段集合;α和β为待定系数;xa表示路段a的长度(km);ρ为燃油费(元/km),η为量纲转换参数,即货币费用-时间折算系数;为在路段a上乘坐小汽车时单位时间的舒适度损耗(/h);ω为舒适度损耗-时间折算因子。
常规公交网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用常规公交在路段a上的行驶时间;表示常规公交在路段上a的运行时间;Ab表示常规公交网络的路段集合;为在路段a上乘坐公交车时单位时间的舒适度损耗(/h);B表示公交车的设计载客量(人次/辆);表示常规公交在路段a的通行能力(辆/h);其余符号同前。
地铁网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用地铁在路段a上的行驶时间;表示地铁在路段a的运行行驶时间;Am表示地铁网络的路段集合;为出行者乘坐地铁时单位时间的舒适度损耗(/h);E表示地铁车厢的设计载客量(人次/辆);表示地铁在路段a上的通行能力(辆/h);其余符号同前。
式中:为出行者在换乘路段a上的步行时间;为出行者在换乘路段a上的平均等待时间;Ai表示换乘路段集合;costi为换乘地铁或常规公交的票价,本发明中假设小汽车网络不存在内部交通工具换乘行为,因此小汽车网络的costi=0;为在换乘路段a上的换乘惩罚等效的在车时间(h)。
本发明中将P+R、常规公交+地铁两类换乘枢纽假定为虚拟换乘路径,并构建虚拟换乘路径的阻抗函数,具体为:
式中:为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的平均等待时间;costg为公交换乘地铁的票价;Ag表示常规公交换乘地铁的虚拟换乘路段集合;为出行者在P+R换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在P+R换乘枢纽的换乘路段a上的平均等待时间;costd为小汽车换乘地铁的票价;parkd为小汽车停车费用;Ad表示小汽车换乘地铁的虚拟换乘路段集合;其余符号同前。
因此,城市多模式交通网络中采用各单一交通方式在路径a上的路径阻抗函数,可表示为:
城市多模式交通网络中采用小汽车+地铁组合出行方式,该路径的途径网络依次为:上网网络a1、小汽车网络a2、枢纽换乘虚拟网络a3、地铁网络a4和下网网络a5。将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径a上的路径阻抗函数:
城市多模式交通网络中采用公交+地铁组合出行方式,该路径的途径网络依次为:上网网络b1、常规公交网络b2、枢纽换乘虚拟网络b3、地铁网络b4和下网网络b5。将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径b上的路径阻抗函数:
作为本发明进一步改进,所述步骤4中以随机用户均衡模型对城市多模式交通网络流量进行分配的过程满足以下平衡条件:
式中:为OD对w间第k条路径上的流量;qw为OD对w间总的出行量;θ表示交通网络上乘客对交通信息的了解程度,其值越大说明乘客的交通信息了解越全面,网络的随机性越弱,当其值为无穷大的时候,即表示特定的用户均衡网络模型(UE模型);为路段和路径之间的关联性,如果路段a在OD对w之间第k条路径上,则反之则Ia表示弧度a上的广义费用(路段阻抗函数),具体计算方法见步骤3;W表示整个交通网络上OD对的集合,KW表示整个交通网络上的交通路径集合。
作为本发明的一种改进,步骤4中采用连续权重平均法(MSWA算法)对上述超级网络随机用户均衡模型进行求解,该算法比传统相继平均算法(MSA算法)收敛速度快,更加容易接近最优点,具体步骤为:
(1)令循环迭代次数n=0,令城市多模式交通网络各个路段流量矩阵x(0)=0;
(2)路段流量带入广义费用函数(路段阻抗函数),通过计算公式得到各个路段的费用Ia;采用深度优先搜索法(DFS)确定OD对W间所有的路径,然后计算每条路径的费用,利用最短路径法得到最短路径以及最短路径的费用If,min;
(3)用Logit模型对城市多模式交通网络路径进行流量加载,继而得到辅助路段流量y(0);
(4)用MSWA法得到各个城市多模式交通网络路段流量矩阵x(n+1),令d=1公式如下,
xn+1=xn+χn(yn-xn)
有益效果:
本发明针对由“步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络”构成的城市多模式交通网络作为研究对象,基于超级网络构建城市多模式交通网络的网络拓扑结构和对应路段的阻抗函数,进而构建出全出行链对应的路径阻抗函数,然后基于随机用户均衡模型以出行者出行费用最低为目标建立多模式交通网络分配模型,并采用连续权重平均(MSWA)算法求解城市多模式交通网络的流量分配结果,能够为描述分析城市多模式交通网络中各子交通网络的利用结果提供定量化的确定方法,从而进一步挖掘网络运能协调的优化手段,有针对性地提出缓解局部网络拥堵问题的对策,达到实现提升局部网络互补能力和整体交通系统潜在效能的效果。
附图说明
图1为本发明的流程图;
图2为本发明的城市多模式交通网络拓扑结构示意图;
图3为本发明算例中的研究对象区域范围图;
图4为本发明算例中的城市多模式交通网络拓扑结构图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供一种基于城市多模式交通网络的网络运能确定方法,该方法以定量化计算城市多模式交通网络中各子交通网络的运能利用结果为目标,基于城市多模式交通网络的网络拓扑结构和路段阻抗函数,采用随机用户均衡模型对各子交通网络的流量分配结果进行求解,研究城市多模式交通网络特定供给条件下网络运能的确定方法,可以为城市交通网络整体运行效能的提升提供参考。
运用此发明中的方法,结合具体算例对本发明做进一步说明。一种基于城市多模式交通网络的网络运能确定方法,包括以下步骤:
步骤1,确定研究对象,获取城市多模式交通网络的供需特性。本算例中选取城市多模式交通网络通勤走廊为研究对象,具体研究范围如图3所示。获取研究范围内城市道路网、城市公交线路、城市地铁网络、城市衔接步行网络和城市换乘枢纽等静态交通供给设施基础数据,如表1所示。
表1研究区域交通网络供给设施内容表
步骤2,构建城市多模式交通网络拓扑结构。基于超级网络模型,将城市多模式交通网络抽象成网络拓扑结构。本发明中的城市多模式交通网络包括:步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络,在网络拓扑结构中将城市换乘枢纽转换成虚拟换乘路段,用以连接各个不同层级的交通网络。
基于超级网络模型,将算例研究范围内的OD需求点衔接路段、小汽车道路网、常规公交网络和地铁轨道网络抽象成网络拓扑结构,将各类换乘枢纽转换成虚拟换乘路段。研究范围内,衔接路段11条,小汽车道路网上有路段100多条,常规公交路段20多条,轨道路段20多条,城市多模式交通换乘枢纽2个。根据路段抽象拓扑结构原则,最后构建的城市多模式交通网络拓扑结构元素如表2所示:
表2城市多模式交通网络拓扑路段表
对算例中的网络拓扑结构路段元素进行编号,最后获得各个网络层级的网络拓扑结构以及城市多模式网络拓扑结构,如图4所示。
步骤3,计算城市多模式交通网络的路段阻抗函数及出行路径阻抗函数。城市多模式交通网络中各路段阻抗函数由行驶时间、出行费用以及舒适度损耗三部分构成。根据步骤2构建的城市多模式交通网络的拓扑结构,基于城市多模式交通网络的出行者路径阻抗函数包括:衔接网络路段阻抗函数、各出行方式对应网络路段阻抗函数(小汽车网络、常规公交网络、地铁网络)、内部换乘路段阻抗函数和换乘枢纽虚拟路段阻抗函数。
所述城市多模式交通网络中采用各种出行模式的路径阻抗函数具体为:
对算例中的66条城市交通路段的路段阻抗进行参数标定,其中,α=1.19,β=3.09,λc=1.4,η=3.02,ρ=0.66,ω=0.5,道路网络的通行能力以及通行速度如表3所示,公交网的公交通行能力为轨道网的地铁通行能力为公交等待时间为3分钟,地铁等待时间为3分钟,P+R换乘枢纽换乘步行时间为10分钟,停车费用为16元,公交+地铁换乘步行时间为7分钟。公交内部换乘、地铁内部换乘和公交+地铁换乘的换乘惩罚时间均为10分钟。
表3路段通行能力信息表
步骤4,进行城市多模式交通网络客流分配。基于随机用户均衡理论,以构建的超级网络拓扑结构建立城市多模式交通网络客流分配模型,模拟城市出行情景,将出行需求逐步加载到城市多模式交通网络,利用城市多模式交通网络分配模型算法,得到城市多模式交通网络中各子交通网络的客流分配结果。
所述随机用户均衡模型中,假设算例中的早高峰通勤出行OD需求为7000人,将多模式交通网络路段阻抗以及OD需求导入城市多模式交通网络客流分配模型中,利用连续权重平均算法得到P+R换乘枢纽和公交+地铁换乘枢纽附近的城市多模式交通网络路段流量分配结果如表4所示。
表4局部城市网络路段分配结果表
步骤5,确定城市多模式交通网络的网络运能利用结果。根据步骤4中城市多模式交通网络的分配计算结果,对城市多模式交通网络中各子交通网络的利用结果与网络整体运行效能进行定量化描述与分析。
利用步骤4计算得到的城市多模式交通网络路段流量分配结果,可以进一步确定各出行方式的人数与比例,如表5所示。
表5各出行方式人数与出行比例
在本算例中小汽车出行比例最高达66.89%,说明在长距离通勤出行中,出行者对小汽车的选择偏好较高;常规公交出行比例最低,仅为0.33%,说明长距离通勤出行者对常规公交出行的选择偏好较低;小汽车作为长距离通勤的主要出行方式,本算例中公共交通与小汽车的出行比例约为3:7,公共交通出行分担率较小。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (5)
1.一种基于城市多模式交通网络的网络运能确定方法,其特征在于,包括以下步骤:
步骤1,确定研究对象,获取城市多模式交通网络的供需特性,多模式交通网络包括:步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络;交通方式包括:小汽车、常规公交、地铁、常规公交+地铁、小汽车+地铁五种典型的出行模式,其中城市多模式交通网络的供给设施数据包括:城市道路网、城市公交线路、城市地铁网络、城市衔接步行网络和城市换乘枢纽的静态交通供给设施基础数据;城市多模式交通网络的需求特征数据包括:地铁进站客流量、公交站台换乘客流量、P+R停车场换乘客流量以及道路断面车流量数据;
步骤2,构建城市多模式交通网络拓扑结构,基于超级网络模型,将城市多模式交通网络抽象成网络拓扑结构,城市多模式交通网络包括:步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络,在网络拓扑结构中将城市换乘枢纽转换成虚拟换乘路段,用以连接各个不同层级的交通网络;
步骤3,计算城市多模式交通网络的路段阻抗函数及出行路径阻抗函数,城市多模式交通网络中各路段阻抗函数由行驶时间、出行费用以及舒适度损耗三部分构成,根据步骤2构建的城市多模式交通网络的拓扑结构,基于城市多模式交通网络的出行者路径阻抗函数包括:衔接网络路段阻抗函数、各出行方式对应网络路段阻抗函数、内部换乘路段阻抗函数和换乘枢纽虚拟路段阻抗函数;
步骤4,进行城市多模式交通网络客流分配,基于随机用户均衡理论,以构建的超级网络拓扑结构建立城市多模式交通网络客流分配模型,模拟城市出行情景,将出行需求逐步加载到城市多模式交通网络,利用城市多模式交通网络分配模型算法,得到城市多模式交通网络中各子交通网络的客流分配结果;
步骤5,确定城市多模式交通网络的网络运能利用结果,根据步骤4中城市多模式交通网络的分配计算结果,对城市多模式交通网络中各子交通网络的利用结果与网络整体运行效能进行定量化描述与分析;
所述步骤3中以行驶时间、出行费用及舒适度损耗三部分构成的路段阻抗函数具体为:
Ia=Ta+Pa+Da
式中,Ia表示在路段a上的路段阻抗函数,Ta表示在路段a上的时间费用,Pa表示在路段a上的货币费用,Da表示在路段a上的舒适度损耗;
其中衔接网络路段阻抗函数包含上网路段阻抗函数和下网路段阻抗函数两部分,具体为:
式中,表示在衔接网络路段a的阻抗函数,表示在衔接网络上网路段a的阻抗函数,表示在衔接网络下网路段a的阻抗函数;表示在衔接网络上网路段a的时间费用,表示在衔接网络上网路段a的货币费用,表示在衔接网络上网路段a的舒适度损耗;表示在衔接网络下网路段a的时间费用,表示在衔接网络下网路段a的货币费用,表示在衔接网络下网路段a的舒适度损耗;
其中:
下网路段与上网路段相似,不过下网路段仅有路段步行时间,出行费用以及舒适度损耗均为0,具体表达式如下:
小汽车网络路段阻抗函数中,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用小汽车在路段a上的行驶时间;表示使用小汽车在路段a上的理想行驶时间;va表示在路段a上的出行者流量,人次/h;λc表示小汽车网络上出行者流量转化为车流量的折算系数,人次/pcu,即小汽车的平均载客人数;表示在小汽车路段a上的小汽车通行能力,pcu/h;Ac表示小汽车网络的路段集合;α和β为待定系数;xa表示路段a的长度km;ρ为燃油费,元/km,η为量纲转换参数,即货币费用-时间折算系数;为在路段a上乘坐小汽车时单位时间的舒适度损耗,/h;ω为舒适度损耗-时间折算因子;
常规公交网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用常规公交在路段a上的行驶时间;表示常规公交在路段上a的运行时间;Ab表示常规公交网络的路段集合;为在路段a上乘坐公交车时单位时间的舒适度损耗,/h;B表示公交车的设计载客量,人次/辆;表示常规公交在路段a的通行能力,辆/h;
地铁网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用地铁在路段a上的行驶时间;表示地铁在路段a的运行行驶时间;Am表示地铁网络的路段集合;为出行者乘坐地铁时单位时间的舒适度损耗,/h;E表示地铁车厢的设计载客量,人次/辆;表示地铁在路段a上的通行能力,辆/h;其余符号同前;
式中:为出行者在换乘路段a上的步行时间;为出行者在换乘路段a上的平均等待时间;Ai表示换乘路段集合;costi为换乘地铁或常规公交的票价,假设小汽车网络不存在内部交通工具换乘行为,因此小汽车网络的costi=0;为在换乘路段a上的换乘惩罚等效的在车时间h;
将P+R、常规公交+地铁两类换乘枢纽假定为虚拟换乘路径,并构建虚拟换乘路径的阻抗函数,具体为:
式中:为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的平均等待时间;costg为公交换乘地铁的票价;Ag表示常规公交换乘地铁的虚拟换乘路段集合;为出行者在P+R换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在P+R换乘枢纽的换乘路段a上的平均等待时间;costd为小汽车换乘地铁的票价;parkd为小汽车停车费用;Ad表示小汽车换乘地铁的虚拟换乘路段集合;
城市多模式交通网络中采用各单一交通方式在路径a上的路径阻抗函数,能表示为:
城市多模式交通网络中采用小汽车+地铁组合出行方式,该路径的途径网络依次为:上网网络a1、小汽车网络a2、枢纽换乘虚拟网络a3、地铁网络a4和下网网络a5;将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径a上的路径阻抗函数:
城市多模式交通网络中采用公交+地铁组合出行方式,该路径的途径网络依次为:上网网络b1、常规公交网络b2、枢纽换乘虚拟网络b3、地铁网络b4和下网网络b5;将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径b上的路径阻抗函数:
2.根据权利要求1所述的一种基于城市多模式交通网络的网络运能确定方法,其特征在于:步骤1中所需城市多模式交通网络供需特性的相关数据中具体包括:
城市道路网需要获取道路路段通行能力和通行时间,道路路段通行时间即路段理想通行时间通过下列公式计算:
常规公交网络需要通过获取公交票价、公交车车型、站点等待时间和公交线路通行时间信息,其中公交线路通行时间计算公式与道路网相似,地铁网络需要获取地铁票价、地铁车型、地铁等待时间和地铁线路通行时间信息,城市多模式交通换乘枢纽需要获取换乘惩罚、换乘步行时间以及停车费用信息。
3.根据权利要求1所述的一种基于城市多模式交通网络的网络运能确定方法,其特征在于:所述步骤2中城市多模式交通网络拓扑结构是采用超级网络结构模型构建的,该网络具有节点多、网络嵌套网络、多层、多级、多属性和多目标的超网络结构特征,在城市多模式交通网络中,各种交通方式所在的交通网络为其对应的子交通网络,子交通网络的节点表示步行衔接网络节点、交叉口、换乘枢纽、公交站点和地铁轨道站点,两节点之间的线段表示路段、区段;子交通网络之间具有不同的运行特征和不同的路段阻抗,各个子交通网络通过换乘枢纽衔接,在超级网络拓扑结构上用虚线代替换乘枢纽节点,换乘枢纽虚拟路径具有多种影响出行成本的路段阻抗属性,包括步行时间,等待时间,换乘费用。
5.根据权利要求1所述的一种基于城市多模式交通网络的网络运能确定方法,其特征在于:步骤4中采用连续权重平均法对上述超级网络随机用户均衡模型进行求解,具体步骤为:
(1)令循环迭代次数n=0,令城市多模式交通网络各个路段流量矩阵x(0)=0;
(2)路段流量带入广义费用函数,即路段阻抗函数,通过计算公式得到各个路段的费用Ia;采用深度优先搜索法确定OD对W间所有的路径,然后计算每条路径的费用,利用最短路径法得到最短路径以及最短路径的费用If,min;
(3)用Logit模型对城市多模式交通网络路径进行流量加载,继而得到辅助路段流量y(0);
(4)用MSWA法得到各个城市多模式交通网络路段流量矩阵x(n+1),令d=1公式如下,
xn+1=xn+χn(yn-xn)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910680949 | 2019-07-26 | ||
CN2019106809493 | 2019-07-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110580404A CN110580404A (zh) | 2019-12-17 |
CN110580404B true CN110580404B (zh) | 2023-05-12 |
Family
ID=68815075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910993871.0A Active CN110580404B (zh) | 2019-07-26 | 2019-10-18 | 一种基于城市多模式交通网络的网络运能确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110580404B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111288994B (zh) * | 2020-02-25 | 2021-09-21 | 华南理工大学 | 一种基于单位距离步行舒适度的城市步行路径规划方法 |
CN111862594B (zh) * | 2020-06-04 | 2021-09-03 | 中国兵器科学研究院 | 识别道路交通网络中薄弱单元的方法、装置及存储介质 |
CN111898793B (zh) * | 2020-06-08 | 2021-03-09 | 东南大学 | 一种组合出行方式下考虑用户感知差异性的路径选择方法 |
CN112129306B (zh) * | 2020-09-24 | 2024-05-28 | 腾讯科技(深圳)有限公司 | 路线生成方法、装置、计算机设备和存储介质 |
CN113762679B (zh) * | 2020-11-03 | 2023-11-03 | 北京京东振世信息技术有限公司 | 一种基于分拣网络的资源配置方法和装置 |
CN112309119B (zh) * | 2020-11-03 | 2021-10-26 | 广州市交通规划研究院 | 一种城市交通系统容量分析优化方法 |
CN112632744B (zh) * | 2020-11-13 | 2023-05-16 | 中国人民解放军国防科技大学 | 基于超网络模型的作战体系架构建模方法及空间探索方法 |
CN112765753B (zh) * | 2020-11-27 | 2022-11-04 | 武汉理工大学 | 一种公共交通超级网络构建方法 |
CN113392488A (zh) * | 2021-06-04 | 2021-09-14 | 东南大学 | 综合交通一体化网络枢纽节点拆解及虚拟网络构建方法 |
CN113689069B (zh) * | 2021-07-13 | 2023-11-24 | 东南大学 | 一种城市交通系统方式划分与交通分配一体化分析方法 |
CN113724495B (zh) * | 2021-08-09 | 2022-07-01 | 东南大学 | 一种城市共享出行的流量预测方法 |
CN113570418A (zh) * | 2021-08-11 | 2021-10-29 | 东南大学 | 一种城市共享交通的居民出行需求预测方法 |
CN114117700A (zh) * | 2021-11-29 | 2022-03-01 | 吉林大学 | 基于复杂网络理论的城市公共交通网络优化研究方法 |
CN114842641B (zh) * | 2022-03-11 | 2024-02-09 | 华设设计集团股份有限公司 | 面向省域的多模式链式交通分配方法 |
CN114758498B (zh) * | 2022-04-01 | 2023-06-20 | 中南大学 | 基于多向最优扩展的城市有向交通廊道识别方法 |
CN115331427B (zh) * | 2022-07-05 | 2024-04-05 | 中南大学 | 一种缓解城市交通拥堵的动态交通限行方案优化方法 |
CN117235556B (zh) * | 2023-11-13 | 2024-02-27 | 浙江大学城乡规划设计研究院有限公司 | 一种面向交通管理者的多模式交通复合网络构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681788A (zh) * | 2018-04-27 | 2018-10-19 | 东南大学 | 一种基于主动安全的城市离散交通网络设计方法 |
CN108694278A (zh) * | 2018-04-27 | 2018-10-23 | 东南大学 | 一种基于道路负载均衡的城市离散交通网络设计方法 |
CN108776721A (zh) * | 2018-04-27 | 2018-11-09 | 东南大学 | 一种基于目标配流的城市离散交通网络设计方法 |
US20180350237A1 (en) * | 2016-10-08 | 2018-12-06 | Dalian University Of Technology | Method for estimating distribution of urban road travel time in considering operation state of taxi |
-
2019
- 2019-10-18 CN CN201910993871.0A patent/CN110580404B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180350237A1 (en) * | 2016-10-08 | 2018-12-06 | Dalian University Of Technology | Method for estimating distribution of urban road travel time in considering operation state of taxi |
CN108681788A (zh) * | 2018-04-27 | 2018-10-19 | 东南大学 | 一种基于主动安全的城市离散交通网络设计方法 |
CN108694278A (zh) * | 2018-04-27 | 2018-10-23 | 东南大学 | 一种基于道路负载均衡的城市离散交通网络设计方法 |
CN108776721A (zh) * | 2018-04-27 | 2018-11-09 | 东南大学 | 一种基于目标配流的城市离散交通网络设计方法 |
Non-Patent Citations (1)
Title |
---|
多模式客运交通综合阻抗模型研究;陈峰林;《江苏科技信息》;20170530;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110580404A (zh) | 2019-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110580404B (zh) | 一种基于城市多模式交通网络的网络运能确定方法 | |
CN110414833B (zh) | 一种城市多模式交通网络运能协调评价方法 | |
CN111260221B (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
Yu et al. | Transit route network design-maximizing direct and transfer demand density | |
CN107563028B (zh) | 一种基于空间网络的公交-地铁耦合网络构建方法 | |
CN109543934B (zh) | 城市公交线网的综合指标的评价方法 | |
CN109543882B (zh) | 一种基于最优公交平均站间距的公交线网密度计算方法 | |
Gu et al. | Exploring alternative service schemes for busy transit corridors | |
CN104239726A (zh) | 一种城轨路网突发事件条件下客流估算系统 | |
CN101692271A (zh) | 多交通方式综合诱导方法 | |
CN110599760A (zh) | 一种多模式交通网络下的出行行为模拟方法 | |
CN108665140A (zh) | 一种城际铁路客运枢纽交通衔接系统评价方法 | |
CN114117700A (zh) | 基于复杂网络理论的城市公共交通网络优化研究方法 | |
CN110135055A (zh) | 一种城市多模式公交网络客流分配方法 | |
Hou et al. | A combined modal split and traffic assignment model with capacity constraints for siting remote park-and-ride facilities | |
Majhi et al. | Assessment of dynamic wireless charging based electric road system: A case study of Auckland motorway | |
CN115423168A (zh) | 一种考虑服务稳定性的定制公交路网优化方法及系统 | |
CN109034593B (zh) | 一种拼车优先管控策略实施效益评价方法 | |
CN111723991A (zh) | 大型活动散场客流对地铁车站冲击影响的预测评估方法 | |
CN113298390B (zh) | 一种突发异构客流的多式协同疏散方案集构建方法及装置 | |
CN115936330A (zh) | 一种基于拉格朗日原理的需求响应式brt车辆调度算法 | |
Peksa et al. | Estimating uam network load with traffic data for munich | |
CN113743789A (zh) | 基于城市建成环境因素的共享单车空间分布量估计方法 | |
Wang et al. | A passenger flow routing model for high-speed railway network in different transportation organization modes | |
Yu et al. | Traffic assignment model for combined mode with travel condition constraints |
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 |