CN112037512B - 一种城市拥堵条件下的机动车管理和优化方法 - Google Patents
一种城市拥堵条件下的机动车管理和优化方法 Download PDFInfo
- Publication number
- CN112037512B CN112037512B CN202010902853.XA CN202010902853A CN112037512B CN 112037512 B CN112037512 B CN 112037512B CN 202010902853 A CN202010902853 A CN 202010902853A CN 112037512 B CN112037512 B CN 112037512B
- Authority
- CN
- China
- Prior art keywords
- travel
- cost
- trip
- road traffic
- representing
- 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
- 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
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
Abstract
本发明涉及一种城市拥堵条件下的机动车管理和优化方法,其包括以下步骤:1)根据历史交通出行数据,确定出行者的个人出行成本模型和时间价值成本函数,并根据建立的个人出行成本模型和时间价值成本函数确定当前道路交通系统的交通流;2)根据预先建立的拥堵费自返还规则,对步骤1)中建立的个人出行成本模型和时间价值成本函数进行更新,进而得到更新后的道路交通系统的交通流;3)根据实际需求确定优化目标,对步骤2)中得到的更新后的道路交通系统的交通流进行优化,得到最优道路交通系统。本发明可以广泛应用于道路交通系统优化领域。
Description
技术领域
本发明属于新型城市交通管理领域,特别是涉及一种城市拥堵条件下的机动车管理和优化方法。
背景技术
交通拥堵一直都是城市交通的痛点,如何管理城市交通,缓解交通拥堵问题,世界各国提出了不同的管理办法,其中不少国家与城市纷纷执行拥堵费政策,取得了显著的效果,例如新加坡、伦敦市、斯德哥尔摩市等地区(Phang S Y et al.,2004;Prud'homme R etal.,2005;Eliasson J et al.,2006)通过收取拥堵费来优化城市车辆出行,有效改善了部分拥堵路段的交通效率。有关交通拥堵费收取(Road Pricing)问题的研究,早在20世纪20年代,Pigou(1920)and Knight(1924)就提出了最初的想法。通过收取拥堵费,改变人们的出行方式选择,将负外部性内部化,疏散拥堵路段的车流,有效管控拥堵路段的机动车辆,提高道路交通系统的效率。
然而,经理论分析发现向全体使用拥挤道路的出行者收取拥堵费,对于时间价值高,收入水平高的群体会得到更高的边际收益,而对于时间价值低,收入水平低的群体则因为被迫改变出行方式而得到很大的损害。因此,使得通过这种方法实现提高道路交通系统效率变得困难。
发明内容
针对上述问题,本发明的目的是提供一种城市拥堵条件下的机动车管理和优化方法,该方法对道路交通系统中不同出行者的时间价值成本和个人出行成本进行研究,得到道路交通系统的交通流模型,进而对其进行优化,实现了道路交通系统的优化目标,例如系统出行时间最小化/帕累托最优/系统出行成本最小化等等。
为实现上述目的,本发明采取以下技术方案:
一种城市拥堵条件下的机动车管理和优化方法,其包括以下步骤:
1)根据历史交通出行数据,确定出行者的个人出行成本模型和时间价值成本函数,并根据建立的个人出行成本模型和时间价值成本函数确定当前道路交通系统的交通流;
2)对执行拥堵费自返还政策后的道路交通系统进行分析,根据分析结果对步骤1)中建立的个人出行成本模型和时间价值成本函数进行更新,进而得到更新后的道路交通系统的交通流;
3)根据实际需求确定优化目标,对步骤2)中得到的更新后的道路交通系统的交通流进行优化,得到最优道路交通系统。
进一步地,所述步骤1)中,确定当前道路交通系统的交通流的方法,包括以下步骤:
1.1)基于历史交通出行数据,根据出行方式的不同将出行者分为持续驾驶出行、持续公交出行以及分界用户;
1.2)建立所有出行者的时间价值分布函数;
1.3)根据步骤1.2)建立的出行者的时间价值分布函数,分别建立各类出行者的个人出行成本模型;
1.4)基于各出行者的个人出行成本模型,确定当前道路交通系统的交通流。
进一步地,所述步骤1.3)中,各出行者的个人出行成本模型包括:
①持续驾驶出行者的个人出行成本模型为:
式中,代表驾驶出行的初始成本;a0代表未收费时的驾驶相关变量下标;α(x)代表时间价值分布函数;l代表驾驶出行的固定费用;ta(va0)代表驾驶出行的时间分布函数,会随着道路流量va0的变化发生改变;
②持续公交出行者的个人出行成本模型为:
式中,pb代表公交出行成本;τb代表公交费用;tb代表公交出行的时间成本;
③分界用户的个人出行成本为:
式中,α0代表分界用户对应的时间价值,计算公式为:
进一步地,所述步骤1.4)中,当前道路交通系统的交通流为:
式中,va0代表道路交通流,x0代表分界用户。
进一步地,所述步骤2)中,对当前道路交通系统的交通流进行更新的方法,包括以下步骤:
2.1)对执行道路优化政策后各类出行者的个人出行成本进行分析,得到各出行者的个人出行成本模型;
2.2)基于各出行者的个人出行成本模型对出行者出行方式的变化情况进行分析,并根据出行者的VOT值确定出行者的出行结构;
2.3)根据出行者的出行结构以及不同出行者的个人出行成本模型,得到更新后的道路交通系统的交通流。
进一步地,所述步骤2.1)中,驾驶出行者的单次个人出行成本模型为:
公交出行者的单次个人出行成本模型为:
混合出行者的平均单次出行成本为:
式中,代表执行拥堵费自返还措施后的单次驾驶出行成本;l代表驾驶出行的固定费用;α(x)代表时间价值分布函数;ta(va1)代表执行收费政策后的单次驾驶出行时间;τa代表对于驾驶出行者收取的单次拥堵费;代表执行拥堵费自返还措施后的单次公交出行时间;τb代表公交费用;tb代表公交出行的时间成本;f(x)代表混合出行者中选择驾驶出行的概率。
进一步地,所述步骤2.2)中,所述出行者的出行结构包括:
①持续公交出行:
当出行者的VOT值满足:α(x)∈(α,αb)时,其中,α代表整个道路交通系统中出行者的最低VOT值,αb代表混合出行及持续公交出行的分界者对应的VOT;
②混合出行:
当出行者的VOT值满足:α(x)∈(αb,αa)时,为混合出行者,其中,αa代表混合出行及持续驾驶出行的分界者对应的VOT,αb代表混合出行及持续公交出行的分界者对应的VOT;
③持续驾驶出行:
进一步地,所述步骤2.3)中,所述更新后的道路交通系统的交通流va1为:
式中,xa代表执行拥堵费自返还措施后混合出行及持续驾驶出行的分界;xb代表执行拥堵费自返还措施后混合出行及持续公交出行的分界;τa代表对于驾驶出行者收取的单次拥堵费;τb代表公交费用。
进一步地,所述步骤3)中,所述道路交通系统的优化目标包括:以道路交通系统的出行时间最小化为优化目标、以道路交通系统的出行成本最小化为优化目标以及以是否实现帕累托改善为优化目标。
进一步地,当以道路交通系统的出行时间最小化为优化目标对道路交通系统进行优化时,优化目标函数为:
式中,va代表道路交通系统的交通流;t0代表系统驾驶交通流=0的时候对应的驾驶出行时间;Ca代表道路交通系统的交通流容量,当va>Ca判断为拥堵;va<Ca判断为系统不拥堵;β代表常数,且β≥1;
当以道路交通系统的出行成本最小化为优化目标对道路交通系统进行优化时,优化目标函数TTC为:
TTC=Σta(va)+Σtb
式中,va代表道路交通系统的交通流;ta(va)代表驾驶出行的时间分布函数,会随着道路流量va的变化发生改变;tb代表公交出行的时间成本;
当以是否实现帕累托改善为优化目标时,优化目标函数为:
式中,Δp为α=αa的用户对应的拥堵收费后的单次出行成本与最开始单次出行成本之差。
本发明由于采取以上技术方案,其具有以下优点:1.本发明通过对出行者的时间价值成本和出行成本进行研究,在城市交通道路交通流与拥堵费收费之间建立了唯一确定关系,使得城市交通运营者可以通过规划想要达到的交通流来确定相应的拥堵费收费标准,能够有效缓解因为驾驶出行导致的城市拥堵现象。2.本发明是一种自适应的交通流调整方法,出行者会自行调整公交与驾驶出行的比例,以最大化的利用拥堵费返还政策减少个人出行费用,无需管理者施加其他外力。本发明可以广泛应用于城市道路交通优化领域。
附图说明
图1是本发明城市拥堵条件下的机动车管理和优化方法流程图;
图2是本发明时间价值分布函数及分界用户的示意图;
图3a~图3d是本发明实施例的仿真结果;其中,图3a是驾驶出行交通流随拥堵费增加的变化关系;图3b是系统总出行时间随拥堵费增加的变化关系;图3c是系统出行时间成本随拥堵费增加的变化关系;图3d是系统总交通成本随拥堵费增加的变化关系。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
拥堵条件下的机动车管理和优化方法,应该能够实现随着拥堵费收取值的变化而严格控制系统交通流的变化,从而可以根据整个系统的优化目标找到存在的合理拥堵费取值,确保优化方法的有效性。在采用该方法后,部分驾驶出行者能够根据个人出行成本的变化而主动调节自己的出行模式,减少驾驶出行,增加公交出行,有效缓解整个系统的拥堵问题,从而降低整个系统的出行时间,提高系统性能。同时在整个交通系统的性能得到改善的同时,应该尽量不损害个人出行者的利益,即个人出行成本(固定成本+时间成本)不因为实施的优化方法而显著恶化。
如图1所示,基于上述分析,本发明提供的一种城市拥堵条件下的机动车管理和优化方法,其包括以下步骤:
1)根据历史交通出行数据,确定出行者的个人出行成本模型和时间价值成本函数,并根据建立的个人出行成本模型和时间价值成本函数确定当前道路交通系统的交通流;
2)对执行拥堵费自返还规则后的道路交通系统进行分析,并对步骤1)中建立的个人出行成本模型和时间价值成本函数进行更新,进而得到更新后的道路交通系统的交通流;
3)根据实际需求确定优化目标,对步骤2)中得到的更新后的道路交通系统的交通流进行优化,得到最优道路交通系统。
上述步骤1)中,确定当前道路交通系统的交通流的方法,包括以下步骤:
1.1)基于历史交通出行数据,根据出行方式的不同将出行者分为持续驾驶出行者、持续公交出行者以及分界用户。
由于出行者时间价值的不同导致出行者选择驾驶出行与公交出行成本之间存在差异,因此,在采取拥堵费自返还规则前本发明假设:当驾驶出行成本较低时,则出行者选择持续驾驶出行,定义为持续驾驶出行者;当驾驶出行成本较高时,则出行者选择持续公交出行,定义为持续公交出行者;对于选择何种出行方式对其带来的出行成本都是一样时,则将该类出行者定义为分界用户,不存在混合出行。
1.2)建立所有出行者的时间价值分布函数α(x)。
其中,假设在道路交通系统中总的出行需求为N,对于整个道路交通系统中N个用户的时间价值进行降序排序,用连续函数α(x)对离散值进行拟合,满足第x个用户对应的时间价值为α(x),可知α(x)为单调递减函数,时间价值分布函数具体形式可以根据实际需要进行选择。
1.3)根据步骤1.2)建立的出行者的时间价值分布函数,分别建立各类出行者的个人出行成本模型。
①持续驾驶出行者的个人出行成本模型为:
式中,代表驾驶出行的初始成本;a0代表未收费时的驾驶相关变量下标;α(x)代表时间价值分布函数,随着x增大,时间价值α逐渐降低;l代表驾驶出行的固定费用(例如燃料费用、高速费用等);ta(va0)代表驾驶出行的时间分布函数,会随着道路流量va0的变化发生改变。
②持续公交出行者的个人出行成本模型为:
对于不同出行方式,本发明假设驾驶出行的固定费用较高,而公交出行的用时较长,也即:
l>τb,ta(va0)<tb (3)
③分界用户的个人出行成本模型为:
其所对应的时间价值为:
α(x0)=α0 (6)
式中,x0代表分界用户,α0代表分界用户对应的时间价值。
1.4)基于各类出行者的个人出行成本模型,确定当前道路交通系统的交通流,交通流的表达式为:
式中,在执行拥堵费自返还规则前,出行需求为N时,其中选择驾驶出行的为VOT值较高的第1~x0个用户,因此x0即存在拥堵的驾驶交通流。
上述步骤2)中,对道路交通系统的交通流进行更新的方法,包括以下步骤:
2.1)对执行拥堵费自返还规则后各类出行者的个人出行成本进行分析,得到各出行者的个人出行成本模型。
本发明中预先建立的拥堵费自返还规则为:将驾驶员的拥堵费用按照缴纳金额返还到其同时绑定的电子公交卡上,如果拥堵时段相关出行者选择公交出行替代驾驶出行,则可以使用拥堵费返还金减少公交费用,最多减免单次出行的全部公交费用,不能提现或用于其他盈利。周期性进行两卡的金额统计与清零。若使用者在一个周期内未完全使用返还金,则视为放弃该部分权利。
①驾驶出行者的单次个人出行成本模型为:
式中,代表执行拥堵费自返还措施后的单次驾驶出行成本;l代表驾驶出行的固定费用(例如燃料费用、高速费用等);α(x)代表时间价值分布函数;ta(va1)代表执行收费政策后的单次驾驶出行时间;τa代表对于驾驶出行者收取的单次拥堵费。
②公交出行者的单次个人出行成本模型为:
式中,代表执行拥堵费自返还措施后的单次公交出行成本;f(x)代表混合出行者中选择驾驶出行占全部出行的频率;τa代表对于驾驶出行者收取的单次拥堵费;τb代表公交费用。由于我们的政策中可以使用拥堵费返还金减少公交费用,则单次出行时平均减免费用为又因为拥堵费返还金不能提现,所以每次公交费用最少为0。
③混合出行者的平均单次出行费用成本为:
2.2)基于各出行者的个人出行成本模型对出行者出行方式的变化情况进行分析,并根据出行者的VOT值确定出行者的出行结构。
如图2所示,对执行拥堵费自返还规则后的个人平均单次出行成本C(x)进行计算,通过求解最小化存在以下两个分界用户节点:
式中,αa代表混合出行及持续驾驶出行的分界者对应的VOT;αb代表混合出行及持续公交出行的分界者对应的VOT;τa代表对于驾驶出行者收取的单次拥堵费;代表执行收费政策后驾驶出行交通流改变,对应的改变后的驾驶出行时间;τb代表公交费用。
根据两个关键节点可以将道路交通系统中的出行者分为以下三类:
①持续公交出行:
当出行者的VOT值(即单位时间对应的经济价值,例如元/分钟)满足:α(x)∈(α,αb)时,f(x)=0,f(x)为第x个用户驾驶出行占全部出行的频率。其中,α为整个道路交通系统中出行者的最低VOT值;即在拥堵费自返还规则下,时间价值最低的这部分群体仍然会选择纯公交出行方式。
②混合出行:
当出行者的VOT满足:α(x)∈(αb,αa),这部分出行者会选择混合两种出行方式,经过推导我们发现混合出行的这部分人群一定会通过尽量使用公交出行最大程度的使用拥堵费返还金,因此这部分人选择两种出行方式的使用比例是固定的,称为混合型人群。他们又由两部分人组成,分别属于之前持续公交出行和持续驾驶出行的人群。
③持续驾驶出行:
当出行者的VOT满足:f(x)=1,代表整个道路交通系统中出行者的最高VOT值;即采取拥堵费自返还规则后,对于这部分时间价值最高的群体,由于收取拥堵费不会对他们的出行方式选择有过多影响,仍然会选择纯驾驶出行方式。
2.3)根据出行者的出行结构以及不同出行者的个人出行成本模型,得到当前道路交通系统的交通流va1:
式中,xa代表执行拥堵费自返还措施后混合出行及持续驾驶出行的分界;xb代表执行拥堵费自返还措施后混合出行及持续公交出行的分界;τa代表对于驾驶出行者收取的单次拥堵费;τb代表公交费用。
上述步骤3)中,确定交通系统的优化目标,例如可以为系统出行时间最小化、帕累托最优或系统出行成本最小化等等,对道路交通系统进行优化,道路使用者会根据自己的时间价值优化个人出行方案自行调整出行结构从而达到预期效果。具体的,包括以下步骤:
3.1)以道路交通系统的出行时间最小化为优化目标,对更新后道路交通系统的交通流进行优化。
其中,道路交通系统的出行时间的优化目标函数ta(va)为:
式中,va代表道路交通系统的交通流;t0代表系统驾驶交通流=0的时候对应的驾驶出行时间,本发明中认为驾驶和公交出行的交通流量分开计算;Ca代表道路交通系统的交通流容量,当va>Ca判断为拥堵;va<Ca判断为系统不拥堵;β代表常数,且β≥1,当的时候,接近0;而的时候,将迅速增大。
由式(13)可知,随着收取的拥堵费τa的增加,可以控制交通流va持续下降,缓解交通拥堵的问题。可以确定,本发明的收费方案可以随着收取拥堵费的增加,不断控制交通流降低至0,即所有人都被赶到公交道路上。在这种情况下,证明了本发明可以找到一个特定的 可以作为交通系统管理者根据其设定的目标确定的拥堵费数额;实现在系统最优情况下的 代表道路交通系统达到最优(System Optimization)时,也即整个道路交通系统的整体出行时间最小时对应的驾驶交通流。
3.2)以道路交通系统的出行成本最小化为优化目标,对更新后道路交通系统的交通流进行优化。
此时,道路交通系统的优化目标函数TTC为:
TTC=Σta(va)+Σtb
式中,va代表道路交通系统的交通流;ta(va)代表驾驶出行的时间分布函数,会随着道路流量va的变化发生改变;tb代表公交出行的时间成本。
3.3)以是否实现帕累托改善为优化目标,对更新后道路交通系统的交通流进行优化。
因为是否能够实现帕累托改善由时间价值最高的VOT临界者的出行成本是否降低进行判断,通过确定的符号情况即可判断是否能够实现帕累托改善,此时对应的优化目标函数为:
式中,Δp为α=αa的用户对应的拥堵收费后的单次出行成本与最开始单次出行成本之差,αa为混合出行及持续驾驶出行的分界者对应的VOT。
实施例一
1)改善交通系统拥堵情况
经严格数学证明,本发明能够实现随着收取拥堵费的价格增高,公路交通流量越低,城市拥堵情况越缓和,且随着拥堵费收取超过某阈值,将无人继续开车。以上两点说明,本发明同拥堵费收取经典方案相比,能够实现相同的基本功能,即通过设定拥堵费收取价格,准确控制城市交通流量的目的。为此本发明进行如下的仿真验证。
首先,设定整个交通系统的总出行者数量为N,每人的出行需求为1,则总出行需求为N,本发明假定N=1000。需要具体化VOT的分布函数形式,本发明采用线性函数即出行者平均分布的函数,最大VOT(¥/时):
采用BPR模型来描述交通流与交通时间的关系:
式中,t0为道路交通流量va为0时的驾驶出行时间;va是驾驶出行交通流;Ca为驾驶出行的道路交通容量。
确定参数:t0=1h,Ca=400ver,β=2,则交通流与交通时间的函数关系:
建立初始UE稳态,可以得到此时的出行模式分界用户:
α0=10(¥/时),x0=800 (20)
由于此时道路交通流大于交通容量,出现拥堵,需要进行交通流优化。系统总出行时间=1.6×800+2*(1000-800)=1680h
本发明设定拥堵费τa在[0,30]的区间变化,每次增加1¥,仿真建立执行收费政策后的交通出行模型,并确定对应的交通流va、驾驶出行时间ta(va)、系统总出行时间TTC。
同时与只收拥堵费不返还的方案进行对比,仿真结果如图3a~图3d所示。可知在本发明的实例中,本发明的收费方案与只收费方案相比,能够对系统交通流va、驾驶总出行时间TTC产生相同的影响,随着拥堵费τa的增加,系统交通流va逐渐降低,系统总出行时间先减少至最优值后因为公交出行人数太多而增大。在系统总出行时间成本及系统总出行成本上都能够随着拥堵费τa的增加,找到最优值。
2)改善个人情况政策公平性
本发明实施前后,根据用整个交通系统的道路使用者的出行行为,可以划分为以下四种人群,按照时间价值升序排序如下表所示:
表1.交通系统的道路使用者人群分类
经验证,本发明对于维护时间价值较低人群的出行效用,也存在对比其他已提出方案的相对优势。因为在本发明下,或者能够实现帕累托改善,即全体的个人情况不会变差且系统表现得到优化;如果不能,则最受损害的群体是VOT最高群体的临界点,能够保护普通群体利益。
以上给出一种具体的实施方式,但本发明不局限于所描述的实施方式。本发明的基本思路在于上述方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变形仍落入本发明的保护范围内。
Claims (7)
1.一种城市拥堵条件下的机动车管理和优化方法,其特征在于包括以下步骤:
1)根据历史交通出行数据,确定出行者的个人出行成本模型和时间价值成本函数,并根据建立的个人出行成本模型和时间价值成本函数确定当前道路交通系统的交通流;
2)对执行拥堵费自返还政策后的道路交通系统进行分析,根据分析结果对步骤1)中建立的个人出行成本模型和时间价值成本函数进行更新,进而得到更新后的道路交通系统的交通流;
所述步骤2)中,对当前道路交通系统的交通流进行更新的方法,包括以下步骤:
2.1)对执行拥堵费自返还政策后各类出行者的个人出行成本进行分析,得到各出行者的个人出行成本模型;
2.2)基于各出行者的个人出行成本模型对出行者出行方式的变化情况进行分析,并根据出行者的VOT值确定出行者的出行结构;
2.3)根据出行者的出行结构以及不同出行者的个人出行成本模型,得到更新后的道路交通系统的交通流;
所述步骤2.3)中,所述更新后的道路交通系统的交通流va1为:
式中,xa代表执行拥堵费自返还措施后混合出行及持续驾驶出行的分界;xb代表执行拥堵费自返还措施后混合出行及持续公交出行的分界;τa代表对于驾驶出行者收取的单次拥堵费;τb代表公交费用;N为道路交通系统中总的出行需求;
3)根据实际需求确定优化目标,对步骤2)中得到的更新后的道路交通系统的交通流进行优化,得到最优道路交通系统;
所述步骤3)中,所述道路交通系统的优化目标包括:以道路交通系统的出行时间最小化为优化目标、以道路交通系统的出行成本最小化为优化目标以及以是否实现帕累托改善为优化目标。
2.如权利要求1所述的一种城市拥堵条件下的机动车管理和优化方法,其特征在于:所述步骤1)中,确定当前道路交通系统的交通流的方法,包括以下步骤:
1.1)基于历史交通出行数据,根据出行方式的不同将出行者分为持续驾驶出行、持续公交出行以及分界用户;
1.2)建立所有出行者的时间价值分布函数;
1.3)根据步骤1.2)建立的出行者的时间价值分布函数,分别建立各类出行者的个人出行成本模型;
1.4)基于各出行者的个人出行成本模型,确定当前道路交通系统的交通流。
6.如权利要求1所述的一种城市拥堵条件下的机动车管理和优化方法,其特征在于:所述步骤2.2)中,所述出行者的出行结构包括:
①持续公交出行:
当出行者的VOT值满足:α(x)∈(α,αb)时,其中,α代表整个道路交通系统中出行者的最低VOT值,αb代表混合出行及持续公交出行的分界者对应的VOT;
②混合出行:
当出行者的VOT值满足:α(x)∈(αb,αa)时,为混合出行者,其中,αa代表混合出行及持续驾驶出行的分界者对应的VOT,αb代表混合出行及持续公交出行的分界者对应的VOT;
③持续驾驶出行:
7.如权利要求1所述的一种城市拥堵条件下的机动车管理和优化方法,其特征在于:当以道路交通系统的出行时间最小化为优化目标对道路交通系统进行优化时,优化目标函数为:
式中,va代表道路交通系统的交通流;t0代表系统驾驶交通流=0的时候对应的驾驶出行时间;Ca代表道路交通系统的交通流容量,当va>Ca判断为拥堵;va<Ca判断为系统不拥堵;β代表常数,且β≥1;
当以道路交通系统的出行成本最小化为优化目标对道路交通系统进行优化时,优化目标函数TTC为:
TTC=Σta(va)+Σtb
式中,va代表道路交通系统的交通流;ta(va)代表驾驶出行的时间分布函数,会随着道路流量va的变化发生改变;tb代表公交出行的时间成本;
当以是否实现帕累托改善为优化目标时,优化目标函数为:
式中,Δp为α=αa的用户对应的拥堵收费后的单次出行成本与最开始单次出行成本之差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902853.XA CN112037512B (zh) | 2020-09-01 | 2020-09-01 | 一种城市拥堵条件下的机动车管理和优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902853.XA CN112037512B (zh) | 2020-09-01 | 2020-09-01 | 一种城市拥堵条件下的机动车管理和优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037512A CN112037512A (zh) | 2020-12-04 |
CN112037512B true CN112037512B (zh) | 2021-11-02 |
Family
ID=73590418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010902853.XA Active CN112037512B (zh) | 2020-09-01 | 2020-09-01 | 一种城市拥堵条件下的机动车管理和优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037512B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116808B (zh) * | 2020-09-01 | 2021-07-20 | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030044945A (ko) * | 2003-04-15 | 2003-06-09 | 김태보 | 차량번호판 인식을 이용한 교통혼잡구간 혼잡통행료징수및 부제위반차량 검출시스템 |
CN103914976A (zh) * | 2014-03-28 | 2014-07-09 | 北方工业大学 | 一种面向异质用户的系统最优交通分配模型及分配方法 |
CN107256632A (zh) * | 2017-08-11 | 2017-10-17 | 上海交通大学 | 一种基于用户异质时间价值与拥堵费用预算的交通分配方法 |
CN109919663A (zh) * | 2019-02-03 | 2019-06-21 | 北方工业大学 | 一种面向异质用户的拥挤道路收费确定方法及系统 |
CN111127679A (zh) * | 2019-12-12 | 2020-05-08 | 南京师范大学 | 一种基于竞价的城市交通拥堵解决方法 |
-
2020
- 2020-09-01 CN CN202010902853.XA patent/CN112037512B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030044945A (ko) * | 2003-04-15 | 2003-06-09 | 김태보 | 차량번호판 인식을 이용한 교통혼잡구간 혼잡통행료징수및 부제위반차량 검출시스템 |
CN103914976A (zh) * | 2014-03-28 | 2014-07-09 | 北方工业大学 | 一种面向异质用户的系统最优交通分配模型及分配方法 |
CN107256632A (zh) * | 2017-08-11 | 2017-10-17 | 上海交通大学 | 一种基于用户异质时间价值与拥堵费用预算的交通分配方法 |
CN109919663A (zh) * | 2019-02-03 | 2019-06-21 | 北方工业大学 | 一种面向异质用户的拥挤道路收费确定方法及系统 |
CN111127679A (zh) * | 2019-12-12 | 2020-05-08 | 南京师范大学 | 一种基于竞价的城市交通拥堵解决方法 |
Non-Patent Citations (2)
Title |
---|
基于时间价值差异性的拥挤收费收入再分配研究;蔡亮华;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20170115;正文第5-22页 * |
考虑公平性的多方式交通拥挤收费方法研究;褚昭明;《中国博士学位论文全文数据库 经济与管理科学辑》;20170215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112037512A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416879B (zh) | 一种优先短停的泊位分级动态定价方法 | |
CN107092976B (zh) | 一种多目标模型协同优化多条公交线路发车间隔的方法 | |
CN111291920B (zh) | 一种考虑多因素多场景的电动汽车充电站推荐方法 | |
CN104866931A (zh) | 一种基于大站停车和多站协同限流的地铁客流组织方法 | |
CN109993215A (zh) | 一种基于交通大数据的柔性限行管理方法 | |
CN112550059B (zh) | 一种基于大数据的共享单车云平台智能换电方法及系统 | |
CN112037512B (zh) | 一种城市拥堵条件下的机动车管理和优化方法 | |
CN111582682B (zh) | 一种车辆调度方法、装置及终端 | |
CN116205329A (zh) | 一种节假日客流量预测方法 | |
Qin et al. | Analysis of the effect of demand-driven dynamic parking pricing on on-street parking demand | |
CN113947894A (zh) | 考虑用户异质时间价值与拥堵费预算的交通分配方法 | |
Bi et al. | Real trip costs: Modelling intangible costs of urban online car-hailing in Haikou | |
CN112498164A (zh) | 充电策略的处理方法和装置 | |
CN106446194A (zh) | 一种地理区域的采集参数确定方法及装置 | |
CN115829286A (zh) | 一种考虑出行者个性需求偏好的动态停车推荐方法 | |
CN115545337A (zh) | 一种考虑线-网互动的电动汽车充电决策优化方法 | |
CN112632374B (zh) | 一种考虑定制公交的居民出行方式选择分析方法 | |
CN111079008B (zh) | 出租车司机在蓄车池去留的方案推荐方法及系统 | |
Basso et al. | A microeconomic analysis of congestion management policies | |
CN111832999A (zh) | 一种项目化企业管理系统 | |
CN110648411B (zh) | 一种基于里程分配的道路拥挤收费系统及方法 | |
Ji et al. | Optimal Allocation of Shared Parking Spaces Considering Parking Choice Behavior under Parking Uncertainty | |
CN111626479B (zh) | 一种基于实时数据的计价车客流集散点载客决策方法和系统 | |
CN108985658A (zh) | 一种基于模糊评判和客户期望的车联网协同下载方法 | |
Hu et al. | A Lane-Based Congestion Pricing Model for Expressway Toll-Lane Management |
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 |