CN115331427B - 一种缓解城市交通拥堵的动态交通限行方案优化方法 - Google Patents
一种缓解城市交通拥堵的动态交通限行方案优化方法 Download PDFInfo
- Publication number
- CN115331427B CN115331427B CN202210782628.6A CN202210782628A CN115331427B CN 115331427 B CN115331427 B CN 115331427B CN 202210782628 A CN202210782628 A CN 202210782628A CN 115331427 B CN115331427 B CN 115331427B
- Authority
- CN
- China
- Prior art keywords
- period
- dynamic traffic
- restriction scheme
- traffic restriction
- traffic
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 title claims abstract description 13
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 26
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 10
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 10
- 150000002894 organic compounds Chemical class 0.000 claims description 10
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 claims 1
- 231100000719 pollutant Toxicity 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
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
- G08G1/0125—Traffic data processing
-
- 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
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种缓解城市交通拥堵的动态交通限行方案优化方法,包括以下步骤:对于给定的多时段动态交通限行方案,分析多时段动态交通限行方案对用户出行模式、出行时段和出行路径的影响,构建基于多时段动态交通限行方案的多模式用户均衡模型;将第一阶段的输出输入第二阶段的多时段动态交通限行方案优化模型,以限行比例、限行区域和限行时段为决策变量对多时段动态交通限行方案进行优化。本发明对多时段动态交通限行方案下的用户出行选择行为进行研究,得到一个双层规划模型,下层模型为基于多时段动态交通限行方案的多模式多用户均衡模型,上层模型对多时段动态交通限行方案进行优化,提高了交通基础设施的利用率,可有效缓解城市的交通压力。
Description
技术领域
本发明涉及一种缓解城市交通拥堵的动态交通限行方案优化方法,属于道路交通系统优化领域。
背景技术
伴随着城镇化的快速发展,机动车保有量迅猛增加,城市交通拥堵现象日益严重。为缓解交通拥堵,不少国家制订了交通限行政策,且取得了显著的成效。通过实施交通限行方案,改变人们的出行方式选择,疏散拥堵路段的车流,有效管理城市道路交通车流,提高道路交通系统出行效率。
然而,城市交通需求与居民出行目的息息相关,城市居民交通需求在一天中随着时间的变化而有所不同。目前实施的限行方案虽然一定程度上缓解了交通拥堵,但是降低了交通基础设施的利用率,降低了道路交通服务水平。
发明内容
为了解决上述技术问题,本发明提供一种缓解城市交通拥堵的动态交通限行方案优化方法。本发明对多时段动态交通限行方案下的用户出行选择行为进行研究,得到一个双层规划模型。下层模型为基于多时段动态交通限行方案的多模式多用户均衡模型。上层模型对多时段动态交通限行方案进行优化,例如用户出行时间成本,消费者剩余和交通排放成本。
本发明解决上述技术问题的技术方案是:一种缓解城市交通拥堵的动态交通限行方案优化方法,包括以下步骤:
步骤S1,对于给定的多时段动态交通限行方案,分析多时段动态交通限行方案对用户出行模式、出行时段和出行路径的影响,构建基于多时段动态交通限行方案的多模式用户均衡模型;
步骤S2,将步骤S1的输出输入第二阶段的多时段动态交通限行方案优化模型,以限行比例、限行区域和限行时段为决策变量对多时段动态交通限行方案进行优化。
进一步的,所述步骤S1基于多时段动态交通限行方案的多模式用户均衡模型中,实际交通需求Qw为:
式中为潜在交通需求;η为弹性系数;uw为期望最小出行成本。
进一步的,所述步骤S1基于多时段动态交通限行方案的多模式用户均衡模型中,小汽车和公共交通的模式分担率分别为:
式中和/>分别表示小汽车和公共交通的分担率;/>和/>分别表示t时段小汽车和公共交通的分担率。
进一步的,所述步骤S1基于多时段动态交通限行方案的多模式用户均衡模型的目标函数为:
式中β为模式选择系数;为小汽车用户在OD对w∈W的平均出行成本;/>为公共交通用户在OD对w∈W的平均出行成本,βau和βtr分别表示小汽车和公共交通的模式划分参数;/>和/>分别表示t时段小汽车和公共交通在OD对w∈W的平均出行成本。
进一步的,所述步骤S2基于多模式多用户均衡模型的多时段动态交通限行方案中的三个决策变量为:γ表示限行比例;B表示限行区域;表示限行时段。
进一步的,所述步骤S2基于多模式多用户均衡模型的多时段动态交通限行方案中的目标函数为:
用户出行总成本:
消费者剩余:
交通排放总成本:
其中p为路段a∈A上的污染排放物,即一氧化碳(CO)、有机化合物(VOC)和氮氧化物(NOx);la为路段a∈A的长度;为路段a∈A的平均行驶速度;xt,a为路段a∈A在t时段的路段流量;Ap,Bp和Cp分别为一氧化碳(CO)、有机化合物(VOC)和氮氧化物(NOx)的排放系数;φp为污染物p的货币价值系数。
本发明的有益效果是:本发明对多时段动态交通限行方案下的用户出行选择行为进行研究,得到一个双层规划模型,下层模型为基于多时段动态交通限行方案的多模式多用户均衡模型,上层模型对多时段动态交通限行方案进行优化,提高了交通基础设施的利用率,可有效地缓解城市的交通压力。
附图说明
图1为本发明的流程图。
图2为本发明的长沙市骨架网络示意图。
图3为本发明中的全时段帕累托前沿面图。
图4为本发明中的全时段交通限行方案图。
图5为本发明中的多时段帕累托前沿面图。
图6为本发明中的多时段交通限行方案图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下根据附图并列举实施例,对本发明做进一步的详细说明。
本发明提出了一种缓解城市交通拥堵的动态交通限行方案优化方法。根据用户出行时间特征,分析多时段动态交通限行方案对用户出行选择行为的影响,并对多时段动态交通限行方案进行优化。第一阶段,构建基于多时段动态交通限行方案的多模式用户均衡模型,分析时段动态交通限行方案对用户出行选择行为的影响,即用户出行方式,出行时段和出行路径。第二阶段,将第一阶段的输出(路段流量)输入第二阶段的多时段动态交通限行方案优化模型,以限行比例,限行区域和限行时段为决策变量对多时段动态交通限行方案进行优化。本发明的技术方案框架如图1所示。
第一阶段:基于多时段限行方案的多模式多用户均衡模型
本阶段通过分析用户出行时间成本,建立出行时间成本函数,进一步构建基于多时段限行方案的多模式多用户均衡模型,分析多时段动态交通限行方案对用户出行模式,出行时段和出行路径的影响。假设城市交通网络为G=(V,A),其中V为节点集,A为路段集。W为OD点集。实际交通需求Qw满足典型的弹性需求函数,表示为式(1):
式中为潜在交通需求;η为弹性系数;uw为期望最小出行成本。
期望最小出行成本是汽车用户和公共交通用户的对数和平均成本的函数,可以表示为式(2)
式中β为模式选择系数;为小汽车用户在OD对w∈W的平均出行成本;/>为公共交通用户在OD对w∈W的平均出行成本。
公共交通用户的平均出行成本为式(3)
式中为公共交通用户在t时段的出行时间;/>为公共交通用户的时间价值系数。基于多时段动态交通限行方案,将时段分为限行时段集和非限行时段集(限行时段和非限行时段可能同时包括多个时段)。非限行时段小汽车用户的出行路径成本为式(4)
式中用于描述出行路径和路段的关系.若路径k经过路段a,/>否则,小汽车用户的出行时间函数ct,a用BPR函数表示式(5)
在限行时段,由于受到限行区域和限行比例的影响,此时小汽车用户由非限行用户和限行用户组成。限行时段内非限行用户的出行路径费用为式(6)
式中为t时段的路径k的出行时间成本。
因此,限行时段的非限行小汽车用户在OD对w的最短路径出行成本为式(7)
式中为t时段私家车的最短路径出行成本。
限行用户受多时段动态交通限行方案影响,其出行路径可能被完全阻断。对于出行路径没有完全阻断的用户,用户选择绕行到达目的地,用户出行成本由式(4)计算。对于出行路径被完全阻断的用户,用户即将转移至公共交通出行,其出行成本由式(3)计算。
为了描述用户出行需求随时间变化的特征,我们引入了一个常数ct,w。当用户出行需求较大时,ct,w的值较小;当用户出行需求较小时,ct,w的值较大。小汽车用户在t时段的平均出行路径费用可以表示为式(8)
式中为t时段私家车用户的平均出行路径费用。
基于Logit模型的小汽车和公共交通的模型划分分别表示为式(9),(10),t时段的小汽车和公共交通分担率分别为式(11,(12):
式中用和/>分别表示小汽车和公共交通的分担率;/>和/>分别表示t时段小汽车和公共交通的分担率;βau和βtr分别表示小汽车和公共交通的模式划分参数;/>和分别表示t时段小汽车和公共交通在OD对w∈W的平均出行成本。
小汽车和公共交通的模式分担率满足式(13),(14):
多时段动态交通限行方案将小汽车用户划分为限行用户和非限行用户,而公共交通用户出行路径不受多时段动态交通限行方案影响。非限行时段小汽车用户出行路径不受多时段动态交通限行方案影响。此时路径流量与用户出行需求满足关系式(16):
式中ft,w,k为t时段k路径的非限行用户的路径流量;γ为限行比例;为非限行时段。
在限行时段,小汽车用户受多时段动态交通限行方案影响被划分为限行用户和非限行用户,满足关系式(17),(18):
式中为t时段k路径的限行用户的路径流量;/>为限行时段。
路径流量与路段流量满足式(19):
式中xt,a为t时段路段a的路段流量。
基于多时段限行方案的多模式多用户均衡模型的目标函数为式(20)
第二阶段:基于多模式多用户均衡模型的多时段动态交通限行方案
(1)模型结构设置;
基于多模式多用户均衡模型的多时段动态交通限行方案存在三个决策变量,其中:γ:限行比例;B:限行区域;限行时段。
模型的目标是寻求产生最优多时段动态交通限行方案的一系列决策,使得用户出行总成本最小化,消费者剩余最大化和交通排放成本最小化。目标函数分别表示为式(21),(22),(23):
s.t.
式中γ为限行比例;B为限行区域;为限行时段集合;T为所有时段集合。
用户出行总成本:
消费者剩余:
交通排放总成本:
其中p为路段a∈A上的污染排放物,即一氧化碳(CO)、有机化合物(VOC)和氮氧化物(NOx);la为路段a∈A的长度;为路段a∈A的平均行驶速度;xt,a为路段a∈A在t时段的路段流量;Ap,Bp和Cp分别为一氧化碳(CO)、有机化合物(VOC)和氮氧化物(NOx)的排放系数;φp为污染物p的货币价值系数。显然,尾气排放总成本随着路段流量和路段长度呈正相关关系;与路段平均行驶速度/>呈负相关关系。
本发明技术方案的效果以一实例分析结果来说明。
本发明以长沙市骨架网络图为路网对多目标双层规划模型进行检验和测试,如图2所示。图2由44条路段,27个节点和18个区域组成。27个节点组成OD对均有交通需求.为了确定多时段动态交通限行方案,采用含精英策略的非支配排序遗传算法对模型进行求解。在日常交通状况下,交通拥堵的高峰期一般为上午7:00-9:00,上午11:00-13:00和下午17:00-19:00。由于早高峰时段和晚高峰时段的交通流具有相同的情形,我们在案例研究中只分析了半天的交通量,即上午7:00-13:00。为了便于实施,将时间段分为三个时间段,即上午7:00-9:00,9:00-11:00和11:00-13:00,并设计三种方案进行分析:
方案一:不实施限行方案。
方案二:全时段动态交通限行方案。
方案三:多时段动态交通限行方案。
对于全时段动态交通限行方案和多时段动态交通限行方案,其优化结果如图3和图5所示,并从帕累托前沿面中分别选择三个解进行对比分析。全时段动态交通限行方案对应的帕累托前沿面中选择的三个解对应的限行区域和限行比例如图4。多时段动态交通限行方案对应的帕累托前沿面中选择的三个解对应的限行区域和限行比例如图6。不实施限行方案得到的目标函数,交通需求和模式分担率如表1所示:
表1
限行时段 | ||||
889760 | 4571804 | 113279 | (16,0,7) | (0,0,0) |
182872 | 129338 | 53535 | 70.73% | 29.27% |
全时段动态交通限行方案和多时段动态交通限行方案获得的帕累托前沿面中选取的三个解对应的目标函数值如表2所示;三个解对应的交通需求和模式分担率如表3所示:
表2
表3
由表2中方案二和方案三的目标函数值的相关数据显示,多时段动态交通限行方案能满足更多的用户出行需求。以解一为例,与全时段交通限行方案相比,当拥挤路段数相同时,多时段动态交通限行方案消费者剩余更大,能满足更多的用户出行需求。显然,与表1相比,由表3中全时段动态交通限行方案和多时段动态交通限行方案的小汽车分担率随限行比例的增加而逐渐降低,公共交通分担率逐渐增大。且与表1中不实施限行方案相比,全时段动态交通限行方案和多时段动态交通限行方案的公共交通分担率更大。
Claims (4)
1.一种缓解城市交通拥堵的动态交通限行方案优化方法,其特征在于,包括以下步骤:
步骤S1,对于给定的多时段动态交通限行方案,分析多时段动态交通限行方案对用户出行模式、出行时段和出行路径的影响,构建基于多时段动态交通限行方案的多模式用户均衡模型;基于多时段动态交通限行方案的多模式用户均衡模型的目标函数为:
式中β为模式选择系数;参数A表示路段集;a表示一条路段,且a∈A;xt,a表示t时段的路段a的路段流量;T表示所有时段集合;Qw为实际交通需求;为潜在交通需求;η为弹性系数;uw为期望最小出行成本;/>为小汽车用户在OD对w∈W的平均出行成本;/>为公共交通用户在OD对w∈W的平均出行成本,βau和βtr分别表示小汽车和公共交通的模式划分参数;和/>分别表示t时段小汽车和公共交通在OD对w∈W的平均出行成本;
步骤S2,将步骤S1的输出路段流量输入第二阶段的多时段动态交通限行方案优化模型,以限行比例、限行区域和限行时段为决策变量对多时段动态交通限行方案进行优化,基于多模式多用户均衡模型的多时段动态交通限行方案中的目标函数为:
用户出行总成本:
消费者剩余:
交通排放总成本:
其中p为路段a∈A上的污染排放物,即一氧化碳、有机化合物VOC和氮氧化物NOx;la为路段a∈A的长度;为路段a∈A的平均行驶速度;T表示所有时段集合;/>为公共交通用户在OD对w∈W的平均出行成本;/>表示公共交通的分担率;Qw为实际交通需求;η为弹性系数;xt,a为路段a∈A在t时段的路段流量;Ap,Bp和Cp分别为一氧化碳、有机化合物VOC和氮氧化物NOx的排放系数;φp为污染物p的货币价值系数。
2.根据权利要求1所述的一种缓解城市交通拥堵的动态交通限行方案优化方法,其特征在于,所述步骤S1基于多时段动态交通限行方案的多模式用户均衡模型中,实际交通需求Qw为:
式中为潜在交通需求;η为弹性系数;uw为期望最小出行成本,W表示OD对集,w表示一个OD对。
3.根据权利要求1所述的一种缓解城市交通拥堵的动态交通限行方案优化方法,其特征在于,所述步骤S1基于多时段动态交通限行方案的多模式用户均衡模型中,小汽车和公共交通的模式分担率分别为:
式中和/>分别表示小汽车和公共交通的分担率;/>和/>分别表示t时段小汽车和公共交通的分担率,W表示OD对集,w表示一个OD对,T表示所有时段集合。
4.根据权利要求1所述的一种缓解城市交通拥堵的动态交通限行方案优化方法,其特征在于,所述步骤S2基于多模式多用户均衡模型的多时段动态交通限行方案中的三个决策变量为:γ表示限行比例;B表示限行区域;表示限行时段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210782628.6A CN115331427B (zh) | 2022-07-05 | 2022-07-05 | 一种缓解城市交通拥堵的动态交通限行方案优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210782628.6A CN115331427B (zh) | 2022-07-05 | 2022-07-05 | 一种缓解城市交通拥堵的动态交通限行方案优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115331427A CN115331427A (zh) | 2022-11-11 |
CN115331427B true CN115331427B (zh) | 2024-04-05 |
Family
ID=83917386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210782628.6A Active CN115331427B (zh) | 2022-07-05 | 2022-07-05 | 一种缓解城市交通拥堵的动态交通限行方案优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115331427B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973768A (zh) * | 2024-01-26 | 2024-05-03 | 福州地铁集团有限公司 | 一种城市轨道交通全日多时段列车开行方案编制方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011074369A1 (ja) * | 2009-12-18 | 2011-06-23 | インターナショナル・ビジネス・マシーンズ・コーポレーション | コスト評価システム、方法及びプログラム |
CN102142191A (zh) * | 2011-04-15 | 2011-08-03 | 四川长虹电器股份有限公司 | 交通管控的方法及系统 |
CN105046949A (zh) * | 2015-06-12 | 2015-11-11 | 中南大学 | 一种基于手机数据计算o-d流进行车源预测的方法 |
AU2015296645A1 (en) * | 2014-07-28 | 2017-02-16 | Econolite Group, Inc. | Self-configuring traffic signal controller |
CN108776722A (zh) * | 2018-04-27 | 2018-11-09 | 东南大学 | 一种基于设计速度的城市离散交通网络设计方法 |
CN108871362A (zh) * | 2018-06-12 | 2018-11-23 | 山东理工大学 | 一种汽车动态环保出行路径规划方法 |
CN109544927A (zh) * | 2018-12-10 | 2019-03-29 | 中南大学 | 一种多层网络协同限行方法 |
CN110379161A (zh) * | 2019-07-18 | 2019-10-25 | 中南大学 | 一种城市路网交通流量分配方法 |
CN110443403A (zh) * | 2019-06-21 | 2019-11-12 | 上海市政交通设计研究院有限公司 | 一种城市交通微循环网络的优化系统及求解方法 |
CN110580404A (zh) * | 2019-07-26 | 2019-12-17 | 东南大学 | 一种基于城市多模式交通网络的网络运能确定方法 |
CN111044060A (zh) * | 2018-10-12 | 2020-04-21 | 株式会社日立制作所 | 多车辆路径规划方法及多车辆路径规划系统 |
CN112085949A (zh) * | 2020-08-13 | 2020-12-15 | 浙江工业大学 | 一种基于交通运行状况异常的路网脆弱性识别、分析与应对方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9430942B2 (en) * | 2013-09-26 | 2016-08-30 | International Business Machines Corporation | Method and system for optimizing road traffic control in the presence of incidents |
US12020189B2 (en) * | 2020-03-27 | 2024-06-25 | Toyota Motor Eng & Mfg North America, Inc. | Departure time planning of shared rides for congestion mitigation |
-
2022
- 2022-07-05 CN CN202210782628.6A patent/CN115331427B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011074369A1 (ja) * | 2009-12-18 | 2011-06-23 | インターナショナル・ビジネス・マシーンズ・コーポレーション | コスト評価システム、方法及びプログラム |
CN102142191A (zh) * | 2011-04-15 | 2011-08-03 | 四川长虹电器股份有限公司 | 交通管控的方法及系统 |
AU2015296645A1 (en) * | 2014-07-28 | 2017-02-16 | Econolite Group, Inc. | Self-configuring traffic signal controller |
CN105046949A (zh) * | 2015-06-12 | 2015-11-11 | 中南大学 | 一种基于手机数据计算o-d流进行车源预测的方法 |
CN108776722A (zh) * | 2018-04-27 | 2018-11-09 | 东南大学 | 一种基于设计速度的城市离散交通网络设计方法 |
CN108871362A (zh) * | 2018-06-12 | 2018-11-23 | 山东理工大学 | 一种汽车动态环保出行路径规划方法 |
CN111044060A (zh) * | 2018-10-12 | 2020-04-21 | 株式会社日立制作所 | 多车辆路径规划方法及多车辆路径规划系统 |
CN109544927A (zh) * | 2018-12-10 | 2019-03-29 | 中南大学 | 一种多层网络协同限行方法 |
CN110443403A (zh) * | 2019-06-21 | 2019-11-12 | 上海市政交通设计研究院有限公司 | 一种城市交通微循环网络的优化系统及求解方法 |
CN110379161A (zh) * | 2019-07-18 | 2019-10-25 | 中南大学 | 一种城市路网交通流量分配方法 |
CN110580404A (zh) * | 2019-07-26 | 2019-12-17 | 东南大学 | 一种基于城市多模式交通网络的网络运能确定方法 |
CN112085949A (zh) * | 2020-08-13 | 2020-12-15 | 浙江工业大学 | 一种基于交通运行状况异常的路网脆弱性识别、分析与应对方法 |
Non-Patent Citations (4)
Title |
---|
Flow Equilibrium Under Dynamic Traffic Assignment and Signal Control—An Illustration of Pretimed and Actuated Signal Control Policies;Li-Wen Chen等;《IEEE Transactions on Intelligent Transportation Systems》;1266-1276 * |
Optimization method of alternate traffic restriction scheme based on elastic demand and mode choice behavior;Feng Shi等;《Transportation Research Part C: Emerging Technologies》;36-52 * |
单位小汽车限行及通勤合乘问题研究;黄欢;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第2期);C034-1140 * |
城市道路交通网络限行优化方法;刘冰;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》(第3期);J151-134 * |
Also Published As
Publication number | Publication date |
---|---|
CN115331427A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hess | Effect of free parking on commuter mode choice: Evidence from travel diary data | |
Yin et al. | Internalizing emission externality on road networks | |
CN107180274B (zh) | 一种电动汽车充电设施规划典型场景选取和优化方法 | |
CN115331427B (zh) | 一种缓解城市交通拥堵的动态交通限行方案优化方法 | |
CN111626469B (zh) | 一种面向运能提升的快慢车开行优化方法 | |
CN107798867A (zh) | 一种基于电动汽车和内燃机车混合车流的拥堵交通网络均衡方法 | |
CN112330013B (zh) | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 | |
Kolak et al. | Using emission functions in modeling environmentally sustainable traffic assignment policies | |
CN109238297B (zh) | 一种用户最优及系统最优的动态路径选择方法 | |
CN115713207A (zh) | 一种混合公交服务组合优化方法 | |
He et al. | On the morning commute problem in a Y-shaped network with individual and household travelers | |
CN111523925A (zh) | 一种基于etc设备的高速公路费率动态调控方法 | |
Si et al. | Modeling the congestion cost and vehicle emission within multimodal traffic network under the condition of equilibrium | |
Safirova et al. | Are hot lanes a hot deal? the potential consequences of converting hov to hot lanes in northern virginia | |
CN111126878A (zh) | 一种基于生态指数的城市交通运行评价方法 | |
CN113094852A (zh) | 一种电动汽车充电负荷时-空分布计算方法 | |
CN115148027B (zh) | 一种用于改善拥堵收费的交通需求管理方法 | |
CN117196693B (zh) | 一种城市地下交通的物流需求预测方法 | |
Ewers | The locational impact of declining costs of transportation and communication | |
Li et al. | An Analysis on Optimizing Full and Part Routes of Urban Rail Transit under Peak Times | |
Borndörfer et al. | Optimal fares for public transport | |
Liu et al. | An Iterative Approach for Profit-Oriented Railway Line Planning | |
Murata et al. | Evaluation of a road pricing method based on demand distribution in micro traffic simulation | |
Liu et al. | On the morning commute problem in a Y-shaped network with individual and household travelers | |
CN116108625A (zh) | MaaS背景下低碳导向的多类别车辆路径诱导方法 |
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 |