《交通规划》PPT课件.ppt

《《交通规划》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《交通规划》PPT课件.ppt（43页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第八章第八章 交通流分配交通流分配第一节 概述第二节交通流分配中的基本概念第三节非平衡分配方法第四节平衡分配方法第五节随机分配方法第六节 动态交通流分配本章内容10/29/2022第四节第四节 平衡分配方法平衡分配方法二、系统最优二、系统最优分配模型及其求解算法分配模型及其求解算法（一）系统最优分配模型（一）系统最优分配模型 一般认为第二原理反映的则是交通系统管理者的主观愿望，一般情况下它与交通网络的实际分配情况存在 有 差异，但是它可以作为对系统评价的指标，为管理者提供一种决策依据。10/29/2022（一）系统最优分配模型（一）系统最优分配模型系统最优原理用数学模型来表述，其目标函数是网络

2、中所有用户总的阻抗最小，约束条件和用户平衡分配模型一样。因此，系统最优分配模型是：10/29/2022（一）系统最优分配与用户最优分配的关系（一）系统最优分配与用户最优分配的关系阻抗函数变化：10/29/2022第五节第五节 随机分配方法随机分配方法一、一、用户平衡和随机用户平衡问题用户平衡和随机用户平衡问题UE问题是一个确定性交通流分配问题，即认为道路利用者能够精确计算每条径路的真实阻抗并作出完全正确的择路决策。实际中，道路利用者只能是一种对真实阻抗真实阻抗的估计，这种估计值估计值与实际值实际值之间的差别是一个随机变量，相应地就有了随机用户平衡的问题，即任何一个道路利用者均不可能通过单方面改

3、变其径路来降低其所估计的行驶时间时，达到了平衡状态，这就是所说的“随机用户平衡（Stochastic User Equilibrium）”即SUE问题。10/29/2022SUE问题，分配中径路选择仍然遵循Wardrop第一原理，同一个OD对之间有多条径路被选择。当道路利用者对路段阻抗的理解完全正确时，SUE就成为UE，所以UE是SUE的一种特例。随机分配方法就是在研究径路估计阻抗分布函数的基础上，计算有多少道路利用者选择每一条径路。本节主要分析、讲述两种模型，一种是对应全有全无分配，假设径路时间阻抗与交通量无关，即不考虑拥挤效应的非平衡随机分配方法；另一种是在基本数学规划的基础上，考虑拥挤效

4、应和径路估计阻抗随机因素的随机平衡分配模型。10/29/2022二、二、非平衡随机分配方法非平衡随机分配方法（一）模拟随机分配法（一）模拟随机分配法应用Monte-Carlo原理模拟出行者估计阻抗随机性目前有几种方法，这里讲述Burrell法，该方法通常基于下列的假设：道路利用者对路段阻抗的估计构成一个以路段实际阻抗为期望值的概率密度分布。在Burrell提出的方法中假设分布函数服从均匀分布，而在有的方法中假设服从正态分布。不同路段估计阻抗的分布是相互独立的。道路利用者均选择最小估计阻抗径路出行。10/29/2022Burrell模拟方法的具体算法步骤为：步骤步骤1 初始化。确定路段估计阻抗分

5、布函数及分配次数N，令n=0。步骤步骤2 n=n+1，对于任何一个OD对采用随机数方法从阻抗分布函数中取样，确定路段估计阻抗，采用01分配法将OD对的1/N出行量分配到路网上。步骤步骤3 如果n=N，计算结束；否则返回步骤步骤步骤2。10/29/20221.1.阻抗为常数的多径路分配方法阻抗为常数的多径路分配方法（1 1）LogitLogit方法方法设某OD对（r,s）之间每个道路利用者总是选择自己认为阻抗最小的径路k，此时称道路利用者主观判断的阻抗值为“感知阻抗”，用 表示；用 表示径路的实际阻抗，则有：式中 随机误差项，有 。（二）概率随机分配法（二）概率随机分配法10/29/2022根据

6、Wardrop径路选择原则，第k条径路被选择的概率为：定义效用此时，径路的选择就是一个多项选择中挑选效用最大的选择枝的问题。10/29/2022根据随机效用理论，假定 相互独立，且服从相同的Gumbel分布（可以用一个 表示所有的 ）的条件下，径路k的选择概率为：式中 参数，与 的方差有关，Logit模型10/29/20221971年Dial发明算法有效地实现Logit模型，简称Dial算法，其步骤是：步骤步骤1 初始化。确定有效路段和有效径路。计算从起点r到所有节点的最小阻抗，记为r(i)；计算从所有节点到终点s的最小阻抗，记为s(i)；定义Qi为路段起点为i的路段终点的集合；定义Di为路段

7、终点为i的路段起点的集合；对每个路段（i,j），根据下式计算“路段似然值L(i,j)（此时通常假定参数b=1）：10/29/2022步骤步骤2 从起点r开始按照r(i)上升的顺序，向前计算路段权重。从起点r开始，按照r(i)的上升顺序依次考虑每个节点，对每个节点，计算离开它的所有路段的权重值，对于节点i，其权重 的计算公式为：当达到终点s，即i=s时就停止权重的计算。10/29/2022步骤步骤3 从终点s开始，按照s(j)上升的顺序，向后计算路段交通量。对每个节点，计算进入它的所有路段的交通量，对于节点j，其交通量 的计算公式为：当达到起点r，即j=r时停止计算。10/29/2022如图所示

8、交通网络，图中边上的数值是路段的交通阻抗，起点r为，终点s为，设q19=1000，求该网络的随机分配结果。【参照例题8-7】做课堂练习(时间10分钟)2 22 23 31 12 21 11 11 11 12 21 11 110/29/2022步骤1 初始化。找出有效路段和有效径路。（1）根据最短路算法，求出所有的r(i)和s(i)值。采用标号法：R(1)=0,r(2)=2,r(4)=3,r(3)=4,r(5)=3,r(7)=4,r(6)=4,r(8)=4,r(9)=5【解】2 22 23 31 12 21 11 11 11 12 21 11 110/29/2022步骤1 初始化。找出有效路段和

9、有效径路。（1）根据最短路算法，求出所有的r(i)和s(i)值。采用标号法：s(9)=0,s(6)=1,s(8)=2,s(7)=3,s(5)=2,s(3)=2,s(2)=3,s(4)=4,s(1)=5【解】2 22 23 31 12 21 11 11 11 12 21 11 110/29/2022（2）求所有路段似然值。1 1wuwu1 11 11 11 11 1wuwuwuwu0.3680.3681 11 110/29/2022步骤2 按照r(i)上升的顺序，向前计算路段权重。1 1wuwu1 11 11 11 11 1wuwuwuwu0.3680.3681 11 1W(1,2)=L(1,2

10、)=1 W(1,4)=L(1,4)=1W(2,5)=L(2,5)*w(1,2)=1W(5,6)=L(5,6)*w(2,5)=1 W(5,8)=L(5,8)*w(2,5)=1W(6,9)=L(6,9)*w(5,6)=110/29/2022步骤3 按照s(j)上升的顺序，向后计算路段交通量1 1wuwu1 11 11 11 11 1wuwuwuwu0.3680.3681 11 1X(9)=1000X(8,9)=1000*(0.368/(0.368+1)=269X(6,9)=1000-269=73110/29/2022（二）概率随机分配法（二）概率随机分配法1.1.阻抗为常数的多径路分配方法阻抗为常

11、数的多径路分配方法（1 1）ProbitProbit方法方法基本原理：基本原理：从路段（不是径路）的感知阻抗入手。设路段 的感知阻抗 服从正态分 ，其中 是路段的实际阻抗，是无量纲的比例常数，其值等于路段感知阻抗的方差。并且假定各路段的感知阻抗是相互独立的，在忽略相邻路段在交叉口的相互影响的前提下，该假设是成立的。10/29/2022于是，径路的感知阻抗就等于：式中 径路路段相关变量，其计算公式为：根据正态分布的性质，也服从正态分布，它的期望、方差、协方差分别为：协方差充分反映了径路之间的相关性。由于维数太多，不能直接用公式来求解选择概率，一般可采用Monte-Carlo模拟方法。10/29/

12、2022Monte-CarloMonte-Carlo模拟算法思想模拟算法思想：在每次迭代或分配过程中，从每个路段的感知阻抗的正态概率分布中抽出一个样本作为相应路段的阻抗，以此为基础用全有全无分配方法将所有的OD交通量加载到网络上去，重复该过程直到满足精度要求为止。最后，将各次分配得到的路段交通量的平均值作为该路段的最终分配结果。10/29/2022具体步骤：具体步骤：步骤步骤1 令m=1。步骤步骤2 抽样。对每个路段 ，从其感知阻抗的正态分布函数 中产生一个随机数 作为样本，如果抽到的样本为负值则记为0。步骤步骤3 根据抽样得到的路段阻抗 ，用全有全无分配法将OD交通量表中的各出行量 都加载到

13、网络上，得到路段的交通交通量 。步骤步骤4 计算第m次分配路段交通量的平均值 和方差 ：10/29/2022步骤步骤5 收敛判断。若 ，则停止计算；否则，令m=m+1，返回到步骤2。10/29/2022阻抗变化的多径路分配方法与在非平衡分配方法中介绍的阻抗变化的单路径分配方法一样，也可分为增量加载和迭代加权两种方法。这里只介绍多径路迭代加权法。2.2.阻抗变化的多径路分配方法阻抗变化的多径路分配方法10/29/2022 多径路迭代加权法多径路迭代加权法具体步骤具体步骤1：初始化。基于0交通量的初始阻抗 进行0-1分配，得到路段交通量 。令迭代次数 k=1。2：更新各路段的阻抗，令 。3：在新阻

14、抗的基础上，调用Dial算法（或Probit 算法）进行交通量的随机加载，得到各路段新的交通量 。10/29/2022 多径路迭代加权法多径路迭代加权法具体步骤具体步骤4：5:收敛判断。如果满足 计算结束，否则，令 k=k+1，返回步骤2。10/29/2022三、三、随机平衡分配方法随机平衡分配方法 该方法实质就是研究考虑拥挤因素考虑拥挤因素下的随机用户平衡（SUE）分配问题。随机用户平衡分配中道路利用者的径路选择行为仍遵循 Wardrop 第一原理，只不过用户选择的是自己估计阻抗最小的径路来出行。也就是用户选择 OD 对间径路感知阻抗中为最小的概率，可知这个选择概率是一个条件概率，即：某条被

15、选用径路上的分配交通流量等于OD对间交通量与该条径路的选择概率的乘积:10/29/2022（一）随机平衡分配模型（一）随机平衡分配模型数学规划模型：式中 期望感知阻抗10/29/2022（二）随机平衡（二）随机平衡（SUE）分配算法分配算法对于 SUE 问题，可以采用求解无约束极小值问题的最速下降方法来计算，即 F-W 算法，这类算法的基本步骤是寻找下降方向和迭代步长，即：是第 n 次迭代时路段 交通量 的向量；是迭代步长；是目标函数在 点的下降方向。10/29/2022步骤步骤1：初始化。按照各路段的初始行驶时间 （可取零流时间）进行一次随机分配，得到各路段的分配交通量 ，另n=1；步骤步骤

16、2：根据当前各路段的分配交通量 计算各路段的行驶时间；步骤步骤3：根据第二步计算的各路段行驶时间和OD交通量进行随机分配（可以采用Dial算法），得到各路段的附加交通量 。随机平衡分配随机平衡分配步骤步骤10/29/2022步骤步骤4：用迭代加权方法计算各路段当前交通量 步骤步骤5：收敛判断。如果 和 的差值满足收敛要求，即 ，则停止计算；否则，令 n=n+1，返回步骤步骤2。10/29/2022第六节第六节 动态交通流分配动态交通流分配一、动态交通分配的解析一、动态交通分配的解析（一）动态交通分配的目的一）动态交通分配的目的前面讲述的交通分配中OD矩阵是已知且确定的，不考虑其随时间而变化，因

17、此称之为静态交通分配静态交通分配。近年，人们更多地转向交通控制与诱导，例如智能交通系统（ITS）的研究。这时控制与诱导的时间概念应以分钟甚至秒计，如果把交通分配扩展到交通控制与诱导之中，就需要动态交通分配的思想和方法。10/29/2022所谓动态交通分配动态交通分配，就是将时变的交通出行合理分配到不同的路径上，以降低个人的出行费用或系统总费用。动态交通分配在交动态交通分配在交通诱导与控制中的通诱导与控制中的地位和作用地位和作用10/29/2022（二）动态交通分配的特点（二）动态交通分配的特点动在交通流是随着时间的推移，在所选的路径上沿着各个路段逐渐向终点运动的，既不是瞬间布满各路段，也不是在

18、各路段上“原地踏步”不动；动在路段阻抗是真动而不是“伪动”。动在交通需求是时变的。10/29/2022二、动态交通分配的基本概念二、动态交通分配的基本概念（一）动态用户最优（一）动态用户最优（DUO）和动态系统最优）和动态系统最优（DSO）动态用户最优动态用户最优（DUO）就是指路网中任意时刻，任何 OD 对之间被使用的路径上的当前瞬态行驶费用相等，且等于最小费用的状态。动态系统最优动态系统最优（DSO）就是指在所研究的时段内，出行者各瞬时通过所选择的出行路径，相互配合，使得系统的总费用最小。10/29/2022二、动态交通分配的基本概念二、动态交通分配的基本概念（二）路段流出函数模型（二）路

19、段流出函数模型Merchant 和 Nemhauser 提出了用一个驶出流函驶出流函数数来描述路段的交通拥挤程度的方法，该函数确定了当路段流量给定时从该路段驶出的流量大小。它动态地反映了交通流在道路网中的传播特征模型。10/29/2022二、动态交通分配的基本概念二、动态交通分配的基本概念（三）路段阻抗特性模型（三）路段阻抗特性模型 交通负荷交通负荷：即某一时刻某一路段上存在的车辆数。交通量适合于描述静态交通，交通负荷是一个空间观测量，适用于动态描述。10/29/2022三、动态交通分配理论现状三、动态交通分配理论现状纵观国内外对动态交通分配理论和方法的研究，到目前为止从研究方法角度而言，可以

20、分为：数学规划建模方法；最优控制理论建模方法；变分不等式理论建模方法；计算机模拟方法。10/29/2022四、动态系统最优和用户最优分配模型四、动态系统最优和用户最优分配模型（一）动态交通分配模型的有关假设（一）动态交通分配模型的有关假设路网拓扑空间结构G(N，A)已知。路网特性、路段行驶时间函数、路段流出率函数均 已知。动态的时变交通需求已知。车辆的产生与吸引只发生在节点处，路段之中不吸引和产生车辆。10/29/2022（二）动态系统最优分配和动态用户最优分配（二）动态系统最优分配和动态用户最优分配1.1.动态系统最优分配模型动态系统最优分配模型10/29/2022（二）动态系统最优分配和动态用户最优分配（二）动态系统最优分配和动态用户最优分配1.1.动态用户最优分配模型动态用户最优分配模型10/29/2022