CN114548570A - 一种基于串联双瓶颈路网的早通勤出行成本计算方法 - Google Patents

一种基于串联双瓶颈路网的早通勤出行成本计算方法 Download PDF

Info

Publication number
CN114548570A
CN114548570A CN202210175969.7A CN202210175969A CN114548570A CN 114548570 A CN114548570 A CN 114548570A CN 202210175969 A CN202210175969 A CN 202210175969A CN 114548570 A CN114548570 A CN 114548570A
Authority
CN
China
Prior art keywords
bottleneck
time
early
vehicle
cost
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
CN202210175969.7A
Other languages
English (en)
Other versions
CN114548570B (zh
Inventor
孙湛博
黄安煜
秦子晔
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202210175969.7A priority Critical patent/CN114548570B/zh
Priority claimed from CN202210175969.7A external-priority patent/CN114548570B/zh
Publication of CN114548570A publication Critical patent/CN114548570A/zh
Application granted granted Critical
Publication of CN114548570B publication Critical patent/CN114548570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06Q50/40—
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于串联双瓶颈路网的早通勤出行成本计算方法，该方法应用于全自动驾驶环境，包括步骤：构建串联双瓶颈路网，计算出行者早通勤出行成本，出行者早通勤出行成本包括出行者的拥堵成本、车辆停车过程中所产生的自动驾驶成本、到达目的地时由于迟到或早到而产生的惩罚。运用该方法能够根据出发时间计算车辆早通勤成本、预测自动驾驶环境下的早通勤开始和结束的时间、交通瓶颈处拥堵排队的动态变化情况、出行者的出发时间与停车位置选择等特征。该方法在理论上是对瓶颈模型在自动驾驶领域应用的发展；在实际应用中能够为新建城市的路网规划、停车设施管理以及旧城市的道路与停车设施改造工程提供理论支撑。

Description

一种基于串联双瓶颈路网的早通勤出行成本计算方法
技术领域
本发明涉及全自动驾驶领域，特别是针对不收停车费下基于串联双瓶颈路网的早通勤出行成本的计算方法。
背景技术
近年来，通信网络、计算机、自动控制等的广泛应用，使自动驾驶技术得到了快速发展。自动驾驶环境下的早通勤过程为——车辆先将出行者送达目的地，而后自动行驶至目标车位，该车位可以是远离出行者目的地的家用车位、共享车位等。该过程与人驾车辆环境相比具有以下三点技术优势：(1)车位与目的地间的步行过程被消除，出行者到达目的地的时间不再受步行影响；(2)车辆对停车设施位置和种类的选择更加灵活；(3)出行者无需为寻找车位进行巡航。但同时，自动驾驶环境的早通勤过程也存在一些亟待解决的问题，包括：传统人驾车辆和自动驾驶车辆的早通勤过程的主要区别在于：在传统人驾车辆环境下，出行者从家出发后先到达停车场而后步行至工作地点；而自动驾驶车辆先将出行者送达工作地点，并在出行者下车后自动行驶至停车场。在传统人驾环境下由于车辆被事先停在停车场，目的地处的停车下客需求被分散到了各个停车场处。而在自动驾驶环境下，每一位通勤者都需要在其目的地处经历减速、停车、下车的过程，目的地所在路段由于无法承担集中的停车下客需求而发生拥堵排队现象，形成新的交通瓶颈。由此估计在自动驾驶环境下，类似医院、商场、学校等大型公共场所出入口处的拥堵、排队现象将会更加普遍。
现有研究在描述通勤过程中的交通流动态变化时多使用瓶颈模型，瓶颈模型最早由诺贝尔经济学奖获得者Vickrey提出，而后国内外学者在经典瓶颈模型基本假设的基础上展开了更为深入的扩展研究，包括考虑其他出行选择(路径选择、停车行为选择、出行方式选择)，早晚联合通勤行为研究，在排队中考虑车辆实际长度、异质出行者、拼车制，等等。现有技术中，在自动驾驶环境下只有对单瓶颈模型的研究，无法解决未来交通场景中大型公共场所出入口、商业活动繁忙地区等高峰时刻拥堵排队加剧的问题。
因此，提出一种应用于全自动驾驶环境，基于双瓶颈模型的早通勤不同时段出发出行者的出行成本的计算方法是非常有必要的。
发明内容
本发明的目的是提出一种基于串联双瓶颈路网的早通勤出行成本计算方法，该方法应用于全自动驾驶环境，出行者早通勤出行成本包括出行者的拥堵成本、车辆(本文中的车辆均指自动驾驶车辆)停车过程中所产生的自动驾驶成本、到达目的地时由于迟到或早到而产生的惩罚，包括步骤如下：
S1、构建串联双瓶颈路网：所述串联双瓶颈路网包括瓶颈一和瓶颈二，且瓶颈一的通行能力s1大于瓶颈二的通行能力s2，所述通行能力是指一个瓶颈在单位时间内能够通过的最大车辆数，当瓶颈处的到达率超过了该瓶颈的通行能力时即发生排队或排队车辆逐渐累积，否则瓶颈处不发生排队或排队逐渐消散；所述瓶颈一位于居住区与目的地之间，用于反映早通勤途中由于所有不确定因素造成的交通拥堵，也即出行时间中除了车辆以自由流速度驶过该路程所需要的时间以外，由其他因素所造成的拥堵排队时间；所述瓶颈二位于目的地处，用于反映车辆在早通勤过程中由于目的地处停车下客需求增加所造成的拥堵排队现象；在早通勤期间，出行者t时刻从居住区出发，在瓶颈一处经历时长为T1(t)的排队后在tA时刻到达目的地处，到达后立即下车；而此时车辆由于集中的停车下客需求在目的地处的瓶颈二经历时长为T2(t)的排队后前往停车场停车；
S2、求出行者的拥堵成本：出行者在到达目的地之前在车内经历排队，故出行者在瓶颈一处的拥堵成本包括自身的拥堵成本αT1(t)和车辆的拥堵成本τT1(t)；到达目的地处，出行者立即下车前往工作地点，而车辆则需经过时长为T2(t)的排队后才能前往停车场，故出行者在瓶颈二处的拥堵成本只有车辆的拥堵成本τT2(t)；因此，出行者的拥堵成本为(τ+α)T1(t)+τT2(t)；其中，α为出行者单位时间由于排队延误而产生的成本，τ为车辆单位时间的拥堵成本；
S3、求车辆停车过程中所产生的自动驾驶成本：在不收停车费的情况下，到达目的地较早的车辆将优先占用距目的地较近的车位以降低车辆停车的自动驾驶成本；在t时刻从居住区出发并在tA时刻到达目的地的出行者将车辆停在与目的地相距x的停车场；假设停车场容量足够大，足够容纳所有t时刻从居住区出发的车辆；若车辆行驶单位距离的能耗为w，则车辆前往停车场的能耗为wx；设单位能耗所需燃料的价值为λ，则车辆停车过程所产生的自动驾驶成本为λwx；
S4、求到达目的地时由于迟到或早到而产生的惩罚：假设所有出行者的规定上班时间都为t*，对早于规定时间到达目的地即tA<t*或晚于规定时间到达目的地即tA>t*的出行者分别给予惩罚，单位时间早到惩罚为β，单位时间迟到惩罚为γ，则对于早于规定时间到达目的地的出行者给予的惩罚为早到惩罚β[t*-tA]，对于晚于规定时间到达目的地的出行者给予的惩罚为迟到惩罚γ[tA-t*]；因此，到达目的地时由于迟到或早到而产生的惩罚为max{0,β[t*-tA]}+max{0,γ[tA-t*]}；
S5、求出行者早通勤出行成本：记t时刻从居住区出发的出行者早通勤出行成本为C(t)，则C(t)满足：
C(t)＝(τ+α)T1(t)+τT2(t)+λwx+max{0,β[t*-tA]}+max{0,γ[tA-t*]}。 (1)
进一步地，所述t时刻从居住区出发的出行者在瓶颈一处的排队时间T1(t)和排队长度D1(t)满足：
Figure BDA0003520269140000031
Figure BDA0003520269140000032
Figure BDA0003520269140000033
其中，r(t)为居住区的车辆出发率(均衡状态下单位时间从居住区出发的车辆数)，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；
Figure BDA0003520269140000034
为瓶颈一的排队开始时间；瓶颈一处的排队长度D1(t)表示为累积到达与通过瓶颈一的车辆数之差；从瓶颈一处的排队长度D1(t)关于从居住区出发的时间t的一阶导数可以看出，当居住区的车辆出发率r(t)大于瓶颈一的通行能力s1时排队逐渐积累，当居住区的车辆出发率r(t)小于瓶颈一的通行能力s1时排队逐渐消散；
所述t时刻从居住区出发的出行者在瓶颈二处的排队时间T2(t)和排队长度D2(t)满足：
Figure BDA0003520269140000035
Figure BDA0003520269140000036
Figure BDA0003520269140000037
其中，r(t)为居住区的车辆出发率，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；s2为瓶颈二的通行能力；
Figure BDA0003520269140000038
为瓶颈二的排队开始时间；D1(t)为瓶颈一处的排队长度；tA为车辆到达目的地的时间，易知
Figure BDA0003520269140000039
当瓶颈一处尚未形成排队时，D1(t)＝0，车辆从居住区出发后立即通过瓶颈一到达瓶颈二，瓶颈二处的车辆到达率等于居住区的车辆出发率r(t)，此时相当于一个只有瓶颈二的单瓶颈路网；当瓶颈一处产生排队后，D1(t)>0，瓶颈二处的车辆到达率等于瓶颈一处的车辆离开率，也即瓶颈一的通行能力s1，累积到达瓶颈二的车辆数等于累积通过瓶颈一的车辆数；从瓶颈二处的排队长度D2(t)关于从居住区出发的时间t的一阶导数可以看出，在瓶颈一和瓶颈二处均有排队时，当瓶颈一的通行能力s1大于瓶颈二的通行能力s2时，瓶颈二处的排队就会一直积累直至没有车辆出发；
所述在t时刻从居住区出发并在tA时刻到达位于目的地的出行者将车辆停在与目的地相距x的停车场，其中x满足：
Figure BDA00035202691400000310
Figure BDA00035202691400000311
其中，r(t)为居住区的车辆出发率，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；s2为瓶颈二的通行能力；
Figure BDA0003520269140000041
为瓶颈二的排队开始时间；tA为车辆到达目的地的时间；D1(t)为瓶颈一处的排队长度。
进一步地，记
Figure BDA0003520269140000042
to、
Figure BDA0003520269140000043
为早通勤期间的五个特殊时间点，其中，
Figure BDA0003520269140000044
为瓶颈二的排队开始时间，
Figure BDA0003520269140000045
为瓶颈一的排队开始时间，to为出行者按规定上班时间t*到达目的地的出发时间，
Figure BDA0003520269140000046
为瓶颈一的排队结束时间，
Figure BDA0003520269140000047
为瓶颈二的排队结束时间；这五个特殊时间点将早通勤期间分为了四个阶段：(Ⅰ)在早通勤的第一阶段中，居住区的车辆出发率r(t)大于瓶颈二的通行能力s2且小于瓶颈一的通行能力s1，所以当
Figure BDA0003520269140000048
时瓶颈一处不产生排队，而瓶颈二处从早通勤一开始就产生排队(此时相当于一个只有瓶颈二的单瓶颈路网)；(Ⅱ)在早通勤的第二阶段中，因为在to时刻之前出发的出行者都将提前到达目的地，而随着距离规定上班时间t*越来越近，居住区的车辆出发率r(t)逐渐增大，并且居住区的车辆出发率r(t)大于瓶颈一的通行能力s1，此时瓶颈一的车辆到达率超过了瓶颈一的通行能力s1，所以当
Figure BDA0003520269140000049
时瓶颈一处开始产生排队且排队长度逐渐增大，而瓶颈二处的排队继续累积；(Ⅲ)在早通勤的第三阶段中，因为在to时刻之后出发的出行者都将迟到，而随着推迟出发产生的迟到惩罚越来越大，居住区的车辆出发率r(t)逐渐减小，并且居住区的车辆出发率r(t)小于瓶颈一的通行能力s1，所以当
Figure BDA00035202691400000410
时瓶颈一处的排队开始逐渐消散，而瓶颈二处的排队继续累积；(Ⅳ)在早通勤的第四阶段中，这一阶段居住区的车辆出发率r(t)＝0，表示所有早通勤的车辆都已在前三个阶段出发了，所以当
Figure BDA00035202691400000411
时瓶颈一处的排队已经完全消散，瓶颈二处的排队也逐渐开始消散；
根据所述公式(1)～(9)得到，早通勤期间四个阶段中t时刻从居住区出发的出行者早通勤出行成本C(t)和居住区的车辆出发率r(t)分别如下：
早通勤期间四个阶段中t时刻从居住区出发的出行者早通勤出行成本C(t)满足：
Figure BDA00035202691400000412
在用户平衡条件下，早通勤期间四个阶段中居住区的车辆出发率r(t)满足：
Figure BDA00035202691400000413
上述中，β为单位时间早到惩罚，γ为单位时间迟到惩罚，t*为规定上班时间，t为出行者从居住区出发的实际时间，τ为车辆单位时间的拥堵成本，T2(t)为t时刻从居住区出发的出行者在瓶颈二处的排队时间，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，x为目的地与车辆所停放的停车场之间的距离，α为出行者单位时间由于排队延误而产生的成本，T1(t)为t时刻从居住区出发的出行者在瓶颈一处的排队时间，tA为车辆到达目的地的时间，s1为瓶颈一的通行能力，s2为瓶颈二的通行能力。
进一步地，所述瓶颈二的排队开始时间
Figure BDA0003520269140000051
满足
Figure BDA0003520269140000052
所述瓶颈二的排队结束时间
Figure BDA0003520269140000053
满足
Figure BDA0003520269140000054
包括过程如下：
Figure BDA0003520269140000055
时刻从居住区出发的出行者在瓶颈一和瓶颈二处均无需排队，其车辆将优先占用离目的地最近的停车场，即x＝0处的停车场，其出行成本只有早到惩罚，即：
Figure BDA0003520269140000056
Figure BDA0003520269140000057
时刻从居住区出发的出行者也无需排队，其车辆将停放在x＝N处的停车场，其出行成本包括迟到惩罚和车辆停车过程中所产生的自动驾驶成本，即：
Figure BDA0003520269140000058
早通勤期间的交通需求总量为N，且瓶颈二在早通勤期间一直以其通行能力s2运行，由此可以得出：
Figure BDA0003520269140000059
由用户平衡条件可知，均衡状态下所有用户出行成本相同，因此有
Figure BDA00035202691400000510
联立公式(12)～(14)可以得到瓶颈二的排队开始时间
Figure BDA00035202691400000511
和瓶颈二的排队结束时间
Figure BDA00035202691400000512
Figure BDA00035202691400000513
Figure BDA00035202691400000514
上述中，t*为规定上班时间，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量。
进一步地，所述瓶颈一的排队开始时间
Figure BDA00035202691400000515
满足
Figure BDA00035202691400000516
所述瓶颈一的排队结束时间
Figure BDA00035202691400000517
满足
Figure BDA00035202691400000518
其中，
Figure BDA00035202691400000519
Figure BDA00035202691400000520
和
Figure BDA00035202691400000521
为两个常数；包括过程如下：
Figure BDA00035202691400000522
时刻从居住区出发的出行者在瓶颈一处无需排队，但在瓶颈二处需要排队，其车辆将停放在
Figure BDA00035202691400000523
处的停车场，其出行成本包括早到惩罚、在瓶颈二处的拥堵成本和车辆停车过程中所产生的自动驾驶成本，即：
Figure BDA0003520269140000061
Figure BDA0003520269140000062
时刻从居住区出发的出行者在瓶颈一处无需排队，但在瓶颈二处需要排队，其车辆将停放在
Figure BDA0003520269140000063
处的停车场，其出行成本包括迟到惩罚、在瓶颈二处的拥堵成本和车辆停车过程中所产生的自动驾驶成本，即：
Figure BDA0003520269140000064
早通勤期间，在
Figure BDA0003520269140000065
时段内瓶颈一以其通行能力s1运行，而在
Figure BDA0003520269140000066
时段内瓶颈一的通行能力s1没有被完全利用，由早通勤期间通过瓶颈一的总车辆数为N可以得出：
Figure BDA0003520269140000067
由用户平衡条件可知，均衡状态下所有用户出行成本相同，因此有
Figure BDA0003520269140000068
联立公式(17)～(19)可以得到瓶颈一的排队开始时间
Figure BDA0003520269140000069
和瓶颈一的排队结束时间
Figure BDA00035202691400000610
Figure BDA00035202691400000611
Figure BDA00035202691400000612
其中，
Figure BDA00035202691400000613
Figure BDA00035202691400000614
和
Figure BDA00035202691400000615
为两个常数；
上述中，t*为规定上班时间，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s1为瓶颈一的通行能力，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量，τ为车辆单位时间的拥堵成本，r1为早通勤第一阶段的出发率(可由公式(11)计算得到)，
Figure BDA00035202691400000616
为瓶颈二的排队开始时间。
进一步地，在早通勤期间，系统出行总成本TSC满足
Figure BDA00035202691400000617
包括过程如下：
将
Figure BDA00035202691400000618
时刻从居住区出发的出行者在瓶颈二的排队开始时间
Figure BDA00035202691400000619
代入其出行成本
Figure BDA00035202691400000620
中，可得
Figure BDA00035202691400000621
满足：
Figure BDA00035202691400000622
由于在用户平衡条件下，当系统达到均衡状态时所有用户的出行成本相同，没有人可以通过改变自身的出发时间降低个人出行成本，因此系统出行总成本
Figure BDA00035202691400000623
即：
Figure BDA00035202691400000624
上述中，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量，t*为规定上班时间。
与现有技术相比，本发明方法的有益效果是：
本发明方法首次针对未来交通环境下可能出现的目的地处停车下客需求激增问题，建立双瓶颈模型求得了在早通勤不同时段出发出行者的个人出行成本以及早通勤期间的系统出行成本。自动驾驶技术的推广及应用将会对人们的未来出行方式产生颠覆式的影响，自动驾驶车辆与传统人驾车辆早通勤行为的主要区别在于：传统人驾车辆先将出行者送至停车场，而后出行者需要步行前往工作地点；而自动驾驶车辆直接将出行者送达工作地点，待出行者下车后再自动行驶至停车场。由此可以看出，自动驾驶车辆将会消除早通勤期间出行者的步行成本以及为寻找合适车位而产生的车辆巡航成本，但同时也增加了车辆自动行驶至停车场的自动驾驶成本。此外，自动驾驶环境下的早通勤过程也面临新的交通问题：自动驾驶环境下所有通勤者都要在目的地处停车下客，当目的地所在路段由于无法承担集中的停车下客需求时就会发生拥堵现象，产生排队成本，形成新的交通瓶颈。通过文献梳理发现，现有研究中对于自动驾驶车辆的早通勤出行研究较少，其中大多数研究采用单瓶颈模型，尚未有研究结合自动驾驶车辆的早通勤特点，考虑目的地处可能出现的拥堵排队现象，利用双瓶颈模型计算早通勤出行成本。由于上、下游瓶颈通行能力不同，其排队情况也有所不同。在上游瓶颈(瓶颈一)通行能力大于下游瓶颈(瓶颈二)通行能力的情况下，本发明方法将早通勤划分为了四个阶段，每个阶段有各自的出行成本计算公式。考虑到出行者在权衡各自的拥堵成本、早到或晚到惩罚和停车成本后选择合适的时间出发，本发明方法进一步求得了用户均衡状态下早通勤四个阶段的出发率以及两瓶颈的排队开始和结束时间。
相比于以往的单瓶颈模型，本发明方法由于考虑了自动驾驶车辆与传统人驾车辆在早通勤行为上的区别，在目的地处引入了一个新的瓶颈，是对现实情况的进一步逼近，也是对经典瓶颈模型理论的进一步发展。运用本发明方法能够根据出发时间计算自动驾驶车辆早通勤成本、预测自动驾驶环境下的早通勤开始和结束的时间、交通瓶颈处拥堵排队的动态变化情况、出行者的出发时间与停车位置选择等特征。本发明方法在理论上是对瓶颈模型在自动驾驶领域应用的发展；在实际应用中能够为新建城市的路网规划、停车设施管理以及旧城市的道路与停车设施改造工程提供理论支撑与仿真实验依据。
下面通过具体实施方式及附图对本发明作进一步详细说明，但并不意味着对本发明保护范围的限制。
附图说明
图1是本发明实施例构建的串联双瓶颈路网示意图。
图2是本发明实施例基于串联双瓶颈路网的早通勤出行特征示意图。
具体实施方式
下面结合附图，通过对实施例的描述，对本发明的具体实施方式作进一步的说明。
本例给出一种基于串联双瓶颈路网的早通勤出行成本计算方法，该方法应用于全自动驾驶环境，出行者早通勤出行成本包括出行者的拥堵成本、车辆停车过程中所产生的自动驾驶成本、到达目的地时由于迟到或早到而产生的惩罚，本例的目的地为CBD(CentralBusiness District，城市中心商业区)。
该方法包括步骤如下：
S1、构建串联双瓶颈路网：所述串联双瓶颈路网包括瓶颈一和瓶颈二，且瓶颈一的通行能力s1大于瓶颈二的通行能力s2，所述通行能力是指一个瓶颈在单位时间内能够通过的最大车辆数，当瓶颈处的到达率超过了该瓶颈的通行能力时即发生排队或排队车辆逐渐累积，否则瓶颈处不发生排队或排队逐渐消散；所述瓶颈一位于居住区与目的地之间，用于反映早通勤途中由于所有不确定因素造成的交通拥堵，也即出行时间中除了车辆以自由流速度驶过该路程所需要的时间以外，由其他因素所造成的拥堵排队时间；所述瓶颈二位于目的地处，用于反映车辆在早通勤过程中由于目的地处停车下客需求增加所造成的拥堵排队现象；在早通勤期间，出行者t时刻从居住区出发，在瓶颈一处经历时长为T1(t)的排队后在tA时刻到达目的地处，到达后立即下车；而此时车辆由于集中的停车下客需求在目的地处的瓶颈二经历时长为T2(t)的排队后前往停车场停车。
图1给出了本例构建的串联双瓶颈路网示意图。在早通勤期间，出行者t时刻从居住区出发，在瓶颈一处经历时长为T1(t)的排队后在tA时刻到达位于CBD的工作地点，到达后立即下车；而此时车辆由于集中的停车下客需求在CBD处的瓶颈二经历时长为T2(t)的排队后前往目标停车场停车。(补充说明：因为把路网简化成图1中所示的二维线形之后，车辆自动行驶至停车位的自动驾驶成本只与车位和CBD之间的直线距离有关(从成本函数也可以看出)，而与停车场的实际位置无关。因此，也可以假设停车场位于CBD之后或者其他的地方，只是在本例中我们参照多数现有研究，假设它在瓶颈一和CBD之间。)
S2、求出行者的拥堵成本：出行者在到达目的地之前在车内经历排队，故出行者在瓶颈一处的拥堵成本包括自身的拥堵成本αT1(t)和车辆的拥堵成本τT1(t)；到达目的地处，出行者立即下车前往工作地点，而车辆则需经过时长为T2(t)的排队后才能前往停车场，故出行者在瓶颈二处的拥堵成本只有车辆的拥堵成本τT2(t)；因此，出行者的拥堵成本为(τ+α)T1(t)+τT2(t)；其中，α为出行者单位时间由于排队延误而产生的成本，τ为车辆单位时间的拥堵成本。
S3、求车辆停车过程中所产生的自动驾驶成本：在不收停车费的情况下，到达目的地较早的车辆将优先占用距目的地较近的车位以降低车辆停车的自动驾驶成本；在t时刻从居住区出发并在tA时刻到达目的地的出行者将车辆停在与目的地相距x的停车场；假设停车场容量足够大，足够容纳所有t时刻从居住区出发的车辆；若车辆行驶单位距离的能耗为w，则车辆前往停车场的能耗为wx；设单位能耗所需燃料的价值为λ，则车辆停车过程所产生的自动驾驶成本为λwx。
S4、求到达目的地时由于迟到或早到而产生的惩罚：假设所有出行者的规定上班时间都为t*，对早于规定时间到达目的地即tA<t*或晚于规定时间到达目的地即tA>t*的出行者分别给予惩罚，单位时间早到惩罚为β，单位时间迟到惩罚为γ，则对于早于规定时间到达目的地的出行者给予的惩罚为早到惩罚β[t*-tA]，对于晚于规定时间到达目的地的出行者给予的惩罚为迟到惩罚γ[tA-t*]；因此，到达目的地时由于迟到或早到而产生的惩罚为max{0,β[t*-tA]}+max{0,γ[tA-t*]}。
S5、求出行者早通勤出行成本：记t时刻从居住区出发的出行者早通勤出行成本为C(t)，则C(t)满足：
C(t)＝(τ+α)T1(t)+τT2(t)+λwx+max{0,β[t*-tA]}+max{0,γ[tA-t*]}。 (1)
本例中，所述t时刻从居住区出发的出行者在瓶颈一处的排队时间T1(t)和排队长度D1(t)满足：
Figure BDA0003520269140000091
Figure BDA0003520269140000092
Figure BDA0003520269140000093
其中，r(t)为居住区的车辆出发率(均衡状态下单位时间从居住区出发的车辆数)，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；
Figure BDA0003520269140000094
为瓶颈一的排队开始时间；瓶颈一处的排队长度D1(t)表示为累积到达与通过瓶颈一的车辆数之差；从瓶颈一处的排队长度D1(t)关于从居住区出发的时间t的一阶导数可以看出，当居住区的车辆出发率r(t)大于瓶颈一的通行能力s1时排队逐渐积累，当居住区的车辆出发率r(t)小于瓶颈一的通行能力s1时排队逐渐消散。
所述t时刻从居住区出发的出行者在瓶颈二处的排队时间T2(t)和排队长度D2(t)满足：
Figure BDA0003520269140000095
Figure BDA0003520269140000096
Figure BDA0003520269140000097
其中，r(t)为居住区的车辆出发率，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；s2为瓶颈二的通行能力；
Figure BDA0003520269140000098
为瓶颈二的排队开始时间；D1(t)为瓶颈一处的排队长度；tA为车辆到达目的地的时间，易知
Figure BDA0003520269140000099
当瓶颈一处尚未形成排队时，D1(t)＝0，车辆从居住区出发后立即通过瓶颈一到达瓶颈二，瓶颈二处的车辆到达率等于居住区的车辆出发率r(t)，此时相当于一个只有瓶颈二的单瓶颈路网；当瓶颈一处产生排队后，D1(t)>0，瓶颈二处的车辆到达率等于瓶颈一处的车辆离开率，也即瓶颈一的通行能力s1，累积到达瓶颈二的车辆数等于累积通过瓶颈一的车辆数；从瓶颈二处的排队长度D2(t)关于从居住区出发的时间t的一阶导数可以看出，在瓶颈一和瓶颈二处均有排队时，当瓶颈一的通行能力s1大于瓶颈二的通行能力s2时，瓶颈二处的排队就会一直积累直至没有车辆出发。
所述在t时刻从居住区出发并在tA时刻到达位于目的地的出行者将车辆停在与目的地相距x的停车场，其中x满足：
Figure BDA0003520269140000101
Figure BDA0003520269140000102
其中，r(t)为居住区的车辆出发率，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；s2为瓶颈二的通行能力；
Figure BDA0003520269140000103
为瓶颈二的排队开始时间；tA为车辆到达目的地的时间；D1(t)为瓶颈一处的排队长度。
本例中，记
Figure BDA0003520269140000104
to、
Figure BDA0003520269140000105
为早通勤期间的五个特殊时间点，其中，
Figure BDA0003520269140000106
为瓶颈二的排队开始时间，
Figure BDA0003520269140000107
为瓶颈一的排队开始时间，to为出行者按规定上班时间t*到达目的地的出发时间，
Figure BDA0003520269140000108
为瓶颈一的排队结束时间，
Figure BDA0003520269140000109
为瓶颈二的排队结束时间；这五个特殊时间点将早通勤期间分为了四个阶段：(Ⅰ)在早通勤的第一阶段中，居住区的车辆出发率r(t)大于瓶颈二的通行能力s2且小于瓶颈一的通行能力s1，所以当
Figure BDA00035202691400001010
时瓶颈一处不产生排队，而瓶颈二处从早通勤一开始就产生排队(此时相当于一个只有瓶颈二的单瓶颈路网)；(Ⅱ)在早通勤的第二阶段中，因为在to时刻之前出发的出行者都将提前到达目的地，而随着距离规定上班时间t*越来越近，居住区的车辆出发率r(t)逐渐增大，并且居住区的车辆出发率r(t)大于瓶颈一的通行能力s1，此时瓶颈一的车辆到达率超过了瓶颈一的通行能力s1，所以当
Figure BDA00035202691400001011
时瓶颈一处开始产生排队且排队长度逐渐增大，而瓶颈二处的排队继续累积；(Ⅲ)在早通勤的第三阶段中，因为在to时刻之后出发的出行者都将迟到，而随着推迟出发产生的迟到惩罚越来越大，居住区的车辆出发率r(t)逐渐减小，并且居住区的车辆出发率r(t)小于瓶颈一的通行能力s1，所以当
Figure BDA00035202691400001012
时瓶颈一处的排队开始逐渐消散，而瓶颈二处的排队继续累积；(Ⅳ)在早通勤的第四阶段中，这一阶段居住区的车辆出发率r(t)＝0，表示所有早通勤的车辆都已在前三个阶段出发了，所以当
Figure BDA00035202691400001013
时瓶颈一处的排队已经完全消散，瓶颈二处的排队也逐渐开始消散；
根据所述公式(1)～(9)得到，早通勤期间四个阶段中t时刻从居住区出发的出行者早通勤出行成本C(t)和居住区的车辆出发率r(t)分别如下：
早通勤期间四个阶段中t时刻从居住区出发的出行者早通勤出行成本C(t)满足：
Figure BDA0003520269140000111
在用户平衡条件下，早通勤期间四个阶段中居住区的车辆出发率r(t)满足：
Figure BDA0003520269140000112
上述中，β为单位时间早到惩罚，γ为单位时间迟到惩罚，t*为规定上班时间，t为出行者从居住区出发的实际时间，τ为车辆单位时间的拥堵成本，T2(t)为t时刻从居住区出发的出行者在瓶颈二处的排队时间，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，x为目的地与车辆所停放的停车场之间的距离，α为出行者单位时间由于排队延误而产生的成本，T1(t)为t时刻从居住区出发的出行者在瓶颈一处的排队时间，tA为车辆到达目的地的时间，s1为瓶颈一的通行能力，s2为瓶颈二的通行能力。
本例中，所述瓶颈二的排队开始时间
Figure BDA0003520269140000113
满足
Figure BDA0003520269140000114
所述瓶颈二的排队结束时间
Figure BDA0003520269140000115
满足
Figure BDA0003520269140000116
包括过程如下：
Figure BDA0003520269140000117
时刻从居住区出发的出行者在瓶颈一和瓶颈二处均无需排队，其车辆将优先占用离目的地最近的停车场，即x＝0处的停车场，其出行成本只有早到惩罚，即：
Figure BDA0003520269140000118
Figure BDA0003520269140000119
时刻从居住区出发的出行者也无需排队，其车辆将停放在x＝N处的停车场，其出行成本包括迟到惩罚和车辆停车过程中所产生的自动驾驶成本，即：
Figure BDA00035202691400001110
早通勤期间的交通需求总量为N，且瓶颈二在早通勤期间一直以其通行能力s2运行，由此可以得出：
Figure BDA00035202691400001111
由用户平衡条件可知，均衡状态下所有用户出行成本相同，因此有
Figure BDA00035202691400001112
联立公式(12)～(14)可以得到瓶颈二的排队开始时间
Figure BDA0003520269140000121
和瓶颈二的排队结束时间
Figure BDA0003520269140000122
Figure BDA0003520269140000123
Figure BDA0003520269140000124
上述中，t*为规定上班时间，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量。
本例中，所述瓶颈一的排队开始时间
Figure BDA0003520269140000125
满足
Figure BDA0003520269140000126
所述瓶颈一的排队结束时间
Figure BDA0003520269140000127
满足
Figure BDA0003520269140000128
其中，
Figure BDA0003520269140000129
Figure BDA00035202691400001210
和
Figure BDA00035202691400001211
为两个常数；包括过程如下：
Figure BDA00035202691400001212
时刻从居住区出发的出行者在瓶颈一处无需排队，但在瓶颈二处需要排队，其车辆将停放在
Figure BDA00035202691400001213
处的停车场，其出行成本包括早到惩罚、在瓶颈二处的拥堵成本和车辆停车过程中所产生的自动驾驶成本，即：
Figure BDA00035202691400001214
Figure BDA00035202691400001215
时刻从居住区出发的出行者在瓶颈一处无需排队，但在瓶颈二处需要排队，其车辆将停放在
Figure BDA00035202691400001216
处的停车场，其出行成本包括迟到惩罚、在瓶颈二处的拥堵成本和车辆停车过程中所产生的自动驾驶成本，即：
Figure BDA00035202691400001217
早通勤期间，在
Figure BDA00035202691400001218
时段内瓶颈一以其通行能力s1运行，而在
Figure BDA00035202691400001219
时段内瓶颈一的通行能力s1没有被完全利用，由早通勤期间通过瓶颈一的总车辆数为N可以得出：
Figure BDA00035202691400001220
由用户平衡条件可知，均衡状态下所有用户出行成本相同，因此有
Figure BDA00035202691400001221
联立公式(17)～(19)可以得到瓶颈一的排队开始时间
Figure BDA00035202691400001222
和瓶颈一的排队结束时间
Figure BDA00035202691400001223
Figure BDA00035202691400001224
Figure BDA00035202691400001225
其中，
Figure BDA00035202691400001226
Figure BDA00035202691400001227
和
Figure BDA00035202691400001228
为两个常数；
上述中，t*为规定上班时间，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s1为瓶颈一的通行能力，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量，τ为车辆单位时间的拥堵成本，r1为早通勤第一阶段的出发率(可由公式(11)计算得到)，
Figure BDA0003520269140000131
为瓶颈二的排队开始时间。
本例中，在早通勤期间，系统出行总成本TSC满足
Figure BDA0003520269140000132
包括过程如下：
将
Figure BDA0003520269140000133
时刻从居住区出发的出行者在瓶颈二的排队开始时间
Figure BDA0003520269140000134
代入其出行成本
Figure BDA0003520269140000135
中，可得
Figure BDA0003520269140000136
满足：
Figure BDA0003520269140000137
由于在用户平衡条件下，当系统达到均衡状态时所有用户的出行成本相同，没有人可以通过改变自身的出发时间降低个人出行成本，因此系统出行总成本
Figure BDA0003520269140000138
即：
Figure BDA0003520269140000139
上述中，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量，t*为规定上班时间。
本例中，早通勤四个阶段瓶颈一和瓶颈二的排队情况如表1所示：
表1早通勤四个阶段两瓶颈排队情况表
时段 瓶颈一 瓶颈二
(t<sub>s2</sub>,t<sub>s1</sub>) NQ A
(t<sub>s1</sub>,t<sub>o</sub>) A A
(t<sub>o</sub>,t<sub>e1</sub>) D A
(t<sub>e1</sub>,t<sub>e2</sub>) NQ D
表1中，NQ表示没有排队，A表示排队累积，D表示排队消散。
本例中，早通勤四个阶段从居住区出发的出行者早通勤出行成本C(t)和居住区的车辆出发率r(t)如表2所示：
表2早通勤四个阶段出行特征表
Figure BDA00035202691400001310
图2给出了本例基于串联双瓶颈路网的早通勤出行特征示意图，其反映了在不收停车费下的用户均衡早通勤出行特征。
图2中，曲线ABCDE是居住区的车辆出发曲线，也是瓶颈一处的车辆到达曲线，该曲线描述了早通勤四个阶段内出行者的出发时间选择特征。曲线ABCDE的斜率为居住区的车辆出发率r(t)，由公式(11)可知出发率是分时段恒定的，因此在图2中表现为折线形式。曲线ABDE是瓶颈一的车辆出发曲线，也是瓶颈二的车辆到达曲线。曲线ABDE在
Figure BDA0003520269140000141
时段内的斜率为r1，r1<s1表示瓶颈一处还未产生排队，其通行能力未被完全利用；在
Figure BDA0003520269140000142
时段内的斜率为s1，此时瓶颈一开始以其通行能力运行。曲线ABCDE与曲线ABDE之间的纵坐标差值表示某一时刻从居住区出发的出行者在瓶颈一处的排队长度，横坐标差值表示该出行者在瓶颈一处经历的排队时间。由图可以看出，在AB、DE段，瓶颈一处没有排队；在
Figure BDA0003520269140000143
时段内瓶颈一处的排队情况与经典瓶颈模型类似，先逐渐累积并在t＝to时达到最大，后逐渐消散。由曲线ABCDE与曲线ABDE围成的三角形CBD的面积即为瓶颈一处的系统排队总时间。曲线AE是瓶颈二的车辆出发曲线，其斜率是瓶颈二的通行能力s2，表示瓶颈二一直以其通行能力运行。曲线ABDE与曲线AE之间的图形面积表示瓶颈二处的系统排队总时间。
上述结合附图对本发明进行了示例性描述，显然本发明的具体实现并不受本文所示的实施例限制。

Claims (6)

1.一种基于串联双瓶颈路网的早通勤出行成本计算方法，其特征在于，该方法应用于全自动驾驶环境，出行者早通勤出行成本包括出行者的拥堵成本、车辆停车过程中所产生的自动驾驶成本、到达目的地时由于迟到或早到而产生的惩罚，包括步骤如下：
S1、构建串联双瓶颈路网：所述串联双瓶颈路网包括瓶颈一和瓶颈二，且瓶颈一的通行能力s1大于瓶颈二的通行能力s2，所述通行能力是指一个瓶颈在单位时间内能够通过的最大车辆数，当瓶颈处的到达率超过了该瓶颈的通行能力时即发生排队或排队车辆逐渐累积，否则瓶颈处不发生排队或排队逐渐消散；所述瓶颈一位于居住区与目的地之间，用于反映早通勤途中由于所有不确定因素造成的交通拥堵，也即出行时间中除了车辆以自由流速度驶过该路程所需要的时间以外，由其他因素所造成的拥堵排队时间；所述瓶颈二位于目的地处，用于反映车辆在早通勤过程中由于目的地处停车下客需求增加所造成的拥堵排队现象；在早通勤期间，出行者t时刻从居住区出发，在瓶颈一处经历时长为T1(t)的排队后在tA时刻到达目的地处，到达后立即下车；而此时车辆由于集中的停车下客需求在目的地处的瓶颈二经历时长为T2(t)的排队后前往停车场停车；
S2、求出行者的拥堵成本：出行者在到达目的地之前在车内经历排队，故处行政在瓶颈一处的拥堵成本包括自身的拥堵成本αT1(t)和车辆的拥堵成本τT1(t)；到达目的地处，出行者立即下车前往工作地点，而车辆则需经过时长为T2(t)的排队后才能前往停车场，故出行者在瓶颈二处的拥堵成本只有车辆的拥堵成本τT2(t)；因此，出行者的拥堵成本为(τ+α)T1(t)+τT2(t)；其中，α为出行者单位时间由于排队延误而产生的成本，τ为车辆单位时间的拥堵成本；
S3、求车辆停车过程中所产生的自动驾驶成本：在不收停车费的情况下，到达目的地较早的车辆将优先占用距目的地较近的车位以降低车辆停车的自动驾驶成本；在t时刻从居住区出发并在tA时刻到达目的地的出行者将车辆停在与目的地相距x的停车场；假设停车场容量足够大，足够容纳所有t时刻从居住区出发的车辆；若车辆行驶单位距离的能耗为w，则车辆前往停车场的能耗为wx；设单位能耗所需燃料的价值为λ，则车辆停车过程所产生的自动驾驶成本为λwx；
S4、求到达目的地时由于迟到或早到而产生的惩罚：假设所有出行者的规定上班时间都为t*，对早于规定时间到达目的地即tA＜t*或万一规定时间到达目的地即tA＞t*的出行者分别给予惩罚，单位时间早到惩罚为β，单位时间迟到惩罚为γ，则对于早于规定时间到达目的地的出行者给予的惩罚为早到惩罚β[t*-tA]，对于晚于规定时间到达目的地的出行者给予的惩罚为迟到惩罚γ[tA-t*]；因此，到达目的地时由于迟到或早到而产生的惩罚为max{0，β[t*-tA]}+max{0，γ[tA-t*]}；
S5、求出行者早通勤出行成本：记t时刻从居住区出发的出行者早通勤出行成本为C(t)，则C(t)满足：
C(t)＝(τ+α)T1(t)+τT2(t)+λwx+max{0，β[t*-tA]}+max{0，γ[tA-t*]}。 (1)
2.根据权利要求1所述的一种基于串联双瓶颈路网的早通勤出行成本计算方法，其特征在于，所述t时刻从居住区出发的出行者在瓶颈一处的排队时间T1(t)和排队长度D1(t)满足：
Figure FDA0003520269130000021
Figure FDA0003520269130000022
Figure FDA0003520269130000023
其中，r(t)为居住区的车辆出发率，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；
Figure FDA0003520269130000024
为瓶颈一的排队开始时间；瓶颈一处的排队长度D1(t)表示为累积到达与通过瓶颈一的车辆数之差；从瓶颈一处的排队长度D1(t)关于从居住区出发的时间t的一阶导数可以看出，当居住区的车辆出发率r(t)大于瓶颈一的通行能力s1时排队逐渐积累，当居住区的车辆出发率r(t)小于瓶颈一的通行能力s1时排队逐渐消散；
所述t时刻从居住区出发的出行者在瓶颈二处的排队时间T2(t)和排队长度D2(t)满足：
Figure FDA0003520269130000025
Figure FDA0003520269130000026
Figure FDA0003520269130000027
其中，r(t)为居住区的车辆出发率，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；s2为瓶颈二的通行能力；
Figure FDA0003520269130000028
为瓶颈二的排队开始时间；D1(t)为瓶颈一处的排队长度；tA为车辆到达目的地的时间，易知
Figure FDA0003520269130000029
当瓶颈一处尚未形成排队时，D1(t)＝0，车辆从居住区出发后立即通过瓶颈一到达瓶颈二，瓶颈二处的车辆到达率等于居住区的车辆出发率r(t)，此时相当于一个只有瓶颈二的单瓶颈路网；当瓶颈一处产生排队后，D1(t)＞0，瓶颈二处的车辆到达率等于瓶颈一处的车辆离开率，也即瓶颈一的通行能力s1，累积到达瓶颈二的车辆数等于累积通过瓶颈一的车辆数；从瓶颈二处的排队长度D2(t)关于从居住区出发的时间t的一阶导数可以看出，在瓶颈一和瓶颈二处均有排队时，当瓶颈一的通行能力s1大于瓶颈二的通行能力s2时，瓶颈二处的排队就会一直积累直至没有车辆出发；
所述在t时刻从居住区出发并在tA时刻到达位于目的地的出行者将车辆停在与目的地相距x的停车场，其中x满足：
Figure FDA00035202691300000210
Figure FDA0003520269130000031
其中，r(t)为居住区的车辆出发率，也即瓶颈一处的车辆到达率；s1为瓶颈一的通行能力；s2为瓶颈二的通行能力；
Figure FDA0003520269130000032
为瓶颈二的排队开始时间；tA为车辆到达目的地的时间；D1(t)为瓶颈一处的排队长度。
3.根据权利要求2所述的一种基于串联双瓶颈路网的早通勤出行成本计算方法，其特征在于，记
Figure FDA0003520269130000033
to、
Figure FDA0003520269130000034
为早通勤期间的五个特殊时间点，其中，
Figure FDA0003520269130000035
为瓶颈二的排队开始时间，
Figure FDA0003520269130000036
为瓶颈一的排队开始时间，to为出行者按规定上班时间t*到达目的地的出发时间，
Figure FDA0003520269130000037
为瓶颈一的排队结束时间，
Figure FDA0003520269130000038
为瓶颈二的排队结束时间；这五个特殊时间点将早通勤期间分为了四个阶段：(I)在早通勤的第一阶段中，居住区的车辆出发率r(t)大于瓶颈二的通行能力s2且小于瓶颈一的通行能力s1，所以当
Figure FDA0003520269130000039
时瓶颈一处不产生排队，而瓶颈二处从早通勤一开始就产生排队；(II)在早通勤的第二阶段中，因为在to时刻之前出发的出行者都将提前到达目的地，而随着距离规定上班时间t*越来越近，居住区的车辆出发率r(t)逐渐增大，并且居住区的车辆出发率r(t)大于瓶颈一的通行能力s1，此时瓶颈一的车辆到达率超过了瓶颈一的通行能力s1，所以当
Figure FDA00035202691300000310
时瓶颈一处开始产生排队且排队长度逐渐增大，而瓶颈二处的排队继续累积；(III)在早通勤的第三阶段中，因为在to时刻之后出发的出行者都将迟到，而随着推迟出发产生的迟到惩罚越来越大，居住区的车辆出发率r(t)逐渐减小，并且居住区的车辆出发率r(t)小于瓶颈一的通行能力s1，所以当
Figure FDA00035202691300000311
时瓶颈一处的排队开始逐渐消散，而瓶颈二处的排队继续累积；(IV)在早通勤的第四阶段中，这一阶段居住区的车辆出发率r(t)＝0，表示所有早通勤的车辆都已在前三个阶段出发了，所以当
Figure FDA00035202691300000312
时瓶颈一处的排队已经完全消散，瓶颈二处的排队也逐渐开始消散；
根据所述公式(1)～(9)得到，早通勤期间四个阶段中t时刻从居住区出发的出行者早通勤出行成本C(t)和居住区的车辆出发率r(t)分别如下：
早通勤期间四个阶段中t时刻从居住区出发的出行者早通勤出行成本C(t)满足：
Figure FDA00035202691300000313
在用户平衡条件下，早通勤期间四个阶段中居住区的车辆出发率r(t)满足：
Figure FDA0003520269130000041
上述中，β为单位时间早到惩罚，γ为单位时间迟到惩罚，t*为规定上班时间，t为出行者从居住区出发的实际时间，τ为车辆单位时间的拥堵成本，T2(t)为t时刻从居住区出发的出行者在瓶颈二处的排队时间，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，x为目的地与车辆所停放的停车场之间的距离，α为出行者单位时间由于排队延误而产生的成本，T1(t)为t时刻从居住区出发的出行者在瓶颈一处的排队时间，tA为车辆到达目的地的时间，s1为瓶颈一的通行能力，s2为瓶颈二的通行能力。
4.根据权利要求3所述的一种基于串联双瓶颈路网的早通勤出行成本计算方法，其特征在于，所述瓶颈二的排队开始时间
Figure FDA0003520269130000042
满足
Figure FDA0003520269130000043
所述瓶颈二的排队结束时间
Figure FDA0003520269130000044
满足
Figure FDA0003520269130000045
包括过程如下：
Figure FDA0003520269130000046
时刻从居住区出发的出行者在瓶颈一和瓶颈二处均无需排队，其车辆将优先占用离目的地最近的停车场，即x＝0处的停车场，其出行成本只有早到惩罚，即：
Figure FDA0003520269130000047
Figure FDA0003520269130000048
时刻从居住区出发的出行者也无需排队，其车辆将停放在x＝N处的停车场，其出行成本包括迟到惩罚和车辆停车过程中所产生的自动驾驶成本，即：
Figure FDA0003520269130000049
早通勤期间的交通需求总量为N，且瓶颈二在早通勤期间一直以其通行能力s2运行，由此可以得出：
Figure FDA00035202691300000410
由用户平衡条件可知，均衡状态下所有用户出行成本相同，因此有
Figure FDA00035202691300000411
联立公式(12)～(14)可以得到瓶颈二的排队开始时间
Figure FDA00035202691300000412
和瓶颈二的排队结束时间
Figure FDA00035202691300000413
Figure FDA00035202691300000414
Figure FDA00035202691300000415
上述中，t*为规定上班时间，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量。
5.根据权利要求3所述的一种基于串联双瓶颈路网的早通勤出行成本计算方法，其特征在于，所述瓶颈一的排队开始时间
Figure FDA0003520269130000051
满足
Figure FDA0003520269130000052
所述瓶颈一的排队结束时间
Figure FDA0003520269130000053
满足
Figure FDA0003520269130000054
其中，
Figure FDA0003520269130000055
Figure FDA0003520269130000056
和
Figure FDA0003520269130000057
为两个常数；包括过程如下：
Figure FDA0003520269130000058
时刻从居住区出发的出行者在瓶颈一处无需排队，但在瓶颈二处需要排队，其车辆将停放在
Figure FDA0003520269130000059
处的停车场，其出行成本包括早到惩罚、在瓶颈二处的拥堵成本和车辆停车过程中所产生的自动驾驶成本，即：
Figure FDA00035202691300000510
Figure FDA00035202691300000511
时刻从居住区出发的出行者在瓶颈一处无需排队，但在瓶颈二处需要排队，其车辆将停放在
Figure FDA00035202691300000512
处的停车场，其出行成本包括迟到惩罚、在瓶颈二处的拥堵成本和车辆停车过程中所产生的自动驾驶成本，即：
Figure FDA00035202691300000513
早通勤期间，在
Figure FDA00035202691300000514
时段内瓶颈一以其通行能力s1运行，而在
Figure FDA00035202691300000515
时段内瓶颈一的通行能力s1没有被完全利用，由早通勤期间通过瓶颈一的总车辆数为N可以得出：
Figure FDA00035202691300000516
由用户平衡条件可知，均衡状态下所有用户出行成本相同，因此有
Figure FDA00035202691300000517
联立公式(17)～(19)可以得到瓶颈一的排队开始时间
Figure FDA00035202691300000518
和瓶颈一的排队结束时间
Figure FDA00035202691300000519
Figure FDA00035202691300000520
Figure FDA00035202691300000521
其中，
Figure FDA00035202691300000522
Figure FDA00035202691300000523
和
Figure FDA00035202691300000524
为两个常数；
上述中，t*为规定上班时间，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s1为瓶颈一的通行能力，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量，τ为车辆单位时间的拥堵成本，r1为早通勤第一阶段的出发率，
Figure FDA00035202691300000525
为瓶颈二的排队开始时间。
6.根据权利要求4所述的一种基于串联双瓶颈路网的早通勤出行成本计算方法，其特征在于，在早通勤期间，系统出行总成本TSC满足
Figure FDA00035202691300000526
包括过程如下：
将
Figure FDA00035202691300000527
时刻从居住区出发的出行者在瓶颈二的排队开始时间
Figure FDA00035202691300000528
代入其出行成本
Figure FDA00035202691300000529
中，可得
Figure FDA00035202691300000530
满足：
Figure FDA0003520269130000061
由于在用户平衡条件下，当系统达到均衡状态时所有用户的出行成本相同，没有人可以通过改变自身的出发时间降低个人出行成本，因此系统出行总成本
Figure FDA0003520269130000062
即：
Figure FDA0003520269130000063
上述中，β为单位时间早到惩罚，γ为单位时间迟到惩罚，λ为单位能耗所需燃料的价值，w为车辆行驶单位距离的能耗，s2为瓶颈二的通行能力，N为早通勤期间的交通需求总量，t*为规定上班时间。
CN202210175969.7A 2022-02-25 一种基于串联双瓶颈路网的早通勤出行成本计算方法 Active CN114548570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210175969.7A CN114548570B (zh) 2022-02-25 一种基于串联双瓶颈路网的早通勤出行成本计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210175969.7A CN114548570B (zh) 2022-02-25 一种基于串联双瓶颈路网的早通勤出行成本计算方法

Publications (2)

Publication Number Publication Date
CN114548570A true CN114548570A (zh) 2022-05-27
CN114548570B CN114548570B (zh) 2024-05-10

Family

ID=

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009042629A1 (de) * 2009-09-23 2011-03-24 Daimler Ag Navigationssystem mit Pendlerroutenfunktion und Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs beim Fahren auf einer Pendlerroute
JP2013057544A (ja) * 2011-09-07 2013-03-28 I-Transport Lab Co Ltd 交通状況の経路案内装置、経路案内方法及び経路案内プログラム
CN108345966A (zh) * 2018-04-25 2018-07-31 哈尔滨工业大学 一种基于乘客到达时间的服务系统估计算法
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法
CN110782654A (zh) * 2019-02-22 2020-02-11 北京嘀嘀无限科技发展有限公司 拥堵区域通行能力估测方法、装置及数据处理设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009042629A1 (de) * 2009-09-23 2011-03-24 Daimler Ag Navigationssystem mit Pendlerroutenfunktion und Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs beim Fahren auf einer Pendlerroute
JP2013057544A (ja) * 2011-09-07 2013-03-28 I-Transport Lab Co Ltd 交通状況の経路案内装置、経路案内方法及び経路案内プログラム
CN108345966A (zh) * 2018-04-25 2018-07-31 哈尔滨工业大学 一种基于乘客到达时间的服务系统估计算法
CN108806252A (zh) * 2018-06-19 2018-11-13 西南交通大学 一种高速公路混合交通流协同优化控制方法
CN110782654A (zh) * 2019-02-22 2020-02-11 北京嘀嘀无限科技发展有限公司 拥堵区域通行能力估测方法、装置及数据处理设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ANYU HUANG: "Duration-based parking toll for autonomous vehicles: Theories and preliminary results", 《2022 IEEE 25TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》, 1 November 2022 (2022-11-01), pages 3321 - 3327 *
孔垂贤: "考虑可变通行能力的瓶颈模型研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, vol. 2022, no. 02, 15 February 2022 (2022-02-15), pages 034 - 495 *
李超婷: "双瓶颈路段家庭出行行为分析及拥堵管理策略研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, vol. 2020, no. 06, 15 June 2020 (2020-06-15), pages 034 - 970 *
陈晓旭: "考虑合乘的自动驾驶车辆瓶颈路段早高峰拥挤收费研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, vol. 2019, no. 01, 15 January 2019 (2019-01-15), pages 034 - 1995 *

Similar Documents

Publication Publication Date Title
CN107016857B (zh) 一种信控交叉口左转交通组合设计优化方法
CN107038863B (zh) 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
CN109447340B (zh) 一种可靠性最短路的定制公交线路优化方法
CN108922169B (zh) 停车共享环境下基于均衡理论的差异化收费策略方法
CN110232821B (zh) 一种高峰时段港湾公交停靠站临近车道通行能力计算方法
Gonzales et al. The evening commute with cars and transit: Duality results and user equilibrium for the combined morning and evening peaks
CN114155724B (zh) 一种车联网环境下的交叉口交通信号控制方法
Firdous et al. Traffic light control system for four-way intersection and T-crossing using fuzzy logic
Lu et al. Linear location-dependent parking fees and integrated daily commuting patterns with late arrival and early departure in a linear city
CN110148297B (zh) 一种使用班车接驳的停车换乘系统及优化方法
Nourinejad et al. Parking pricing and design in the morning commute problem with regular and autonomous vehicles
CN113470390B (zh) 短连线交叉口边缘节点融合的多相位动态协调控制方法
CN113140108B (zh) 一种网联智能交通系统中的云端交通态势预测方法
CN114511937B (zh) 一种基于停车时长的自动驾驶停车收费方法
CN108197724B (zh) 公交复杂网络中效率权重计算与公交方案性能评估方法
CN108345966A (zh) 一种基于乘客到达时间的服务系统估计算法
CN114548570A (zh) 一种基于串联双瓶颈路网的早通勤出行成本计算方法
CN113823083A (zh) 一种交通事故影响范围预测方法、装置及计算机存储介质
CN114548570B (zh) 一种基于串联双瓶颈路网的早通勤出行成本计算方法
CN107564322A (zh) 单向双公交专用道条件下分离式站台停靠车辆分配方法
CN114519933B (zh) 基于无过饱和状态的约定出行管控方法、装置及存储介质
CN115083198A (zh) 一种多车运力资源调度方法及装置
Galagedera et al. Airport curbside and parking area operations at BIA–analysis of user behavior
Ben-Akiva et al. Some circumstances in which vehicles will reach their destinations earlier by starting later: Revisited
Bede et al. Optimalization of road traffic with the applied of reversible direction lanes

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