基于概率密度演化理论的动态行程时间可靠性计算模型研究

发布时间：2019-07-31 15:22

【摘要】：目前大多数行程时间可靠性计算模型仅考虑行程时间静态概率分布,无法刻画其动态随机演化过程。结合交通流动力学模型,本文利用概率密度演化理论建立随机行程时间概率密度演化模型,动态反映道路行程时间可靠性的实时波动;结合数论选点和偏微分方程TVD格式数值解设计了模型的求解算法;对上海某高架路段进行实证分析,并与传统的蒙特卡洛方法进行算法对比。结果表明,模型能够较好地刻画行程时间概率密度在不同时段的随机演化规律,且计算时耗大大低于蒙特卡洛仿真。研究能够为交通管理部门道路行程时间预测提供理论依据和工程实践参考。
【图文】：

ppOzzz+=+ΔΔ（24）,11,11,11()()()2jkjkjkpppOzzz+=+ΔΔ（25）将式（24）与（25）代入式（23）便可得到PΘ,Z(θq,zj,tk)。步骤5：算法结束判断与最终结果输出回到步骤二，令q=q+1，若q<Nsel，则按文献[20]所给次序选择下一个离散代表点，继续计算，否则，算法结束，计算得到行程时间的动态概率密度函数Pz(z,t)的数值解为：,1(,)(,,)selNZjkzqjkqPztPθztΘ==（26）4实例分析对上海南北高架部分路段进行实例分析，路网结构图如图1所示。图1上海南北高架结构图如图1所示，考察A、B两点之间道路区域的随机行程时间动态演化规律，该区域总长5km，其中，A点是交通流入点，，B点是交通流出点。根据检测线圈收集道路交通流点速度、占有率等实测数据，检测线圈每间隔5分钟更新一次，共采集了3天、每天24小时的数据。根据测得的数据进行参数拟合标定，分析道路行程时间概率密度函数的动态演化规律。4.1交通状态聚类分析由于24小时内高峰低谷的交通状况存在较大差别，很难用一种分布来描述24小时内路网的速度、密度、流量等变量的随机概率分布，而不同的交通状况所服从的分布的参数也各不相同，本文根据实测数据对交通状态进行聚类分析，其次分别拟合不同状态下的速度概率密度函数。取流量、占有率、速度作为交通状态的聚类指标，采用K-均值聚类分析法，得到如下结果（篇幅所限，以下仅给出第一天的聚类结果）：图2交通状态聚类图对照不同类别所对应的检测时间，将交通状况按照时间分成3个阶段：分为3个时间段：夜间：0点-早上6点，白天：早上7点-下午4点，晚上：下午4点-下午23点。4.2数据拟合分析为了更好的说明拥挤条件下TTR动态演化过程的

基于概率密度演化理论的动态行程时间可靠性计算模型研究

刻?4小时的数据。根据测得的数据进行参数拟合标定，分析道路行程时间概率密度函数的动态演化规律。4.1交通状态聚类分析由于24小时内高峰低谷的交通状况存在较大差别，很难用一种分布来描述24小时内路网的速度、密度、流量等变量的随机概率分布，而不同的交通状况所服从的分布的参数也各不相同，本文根据实测数据对交通状态进行聚类分析，其次分别拟合不同状态下的速度概率密度函数。取流量、占有率、速度作为交通状态的聚类指标，采用K-均值聚类分析法，得到如下结果（篇幅所限，以下仅给出第一天的聚类结果）：图2交通状态聚类图对照不同类别所对应的检测时间，将交通状况按照时间分成3个阶段：分为3个时间段：夜间：0点-早上6点，白天：早上7点-下午4点，晚上：下午4点-下午23点。4.2数据拟合分析为了更好的说明拥挤条件下TTR动态演化过程的特点，将其与畅通状态下的TTR演化过程进行对比，分析两种状态下演化规律的异同点，凸显拥挤条件下TTR演化特征。根据图2交通状态聚类判别的分析结果分别选取畅通和拥挤代表性的时段，考察夜间畅通时段02:00~02:30和晚高峰时段18:00~18:30之间的TTR演化过程，分别对这两个时段内道路A、B两点处随机交通流平均速度做概率分布拟合，具体过程和结果如下：
【作者单位】：常州大学商学院;上海理工大学管理学院;
【基金】：国家自然科学基金资助项目(71303157) 上海市自然科学基金资助项目(13ZR1458200) 上海理工大学博士启动资金资助项目(BSQD201407)
【分类号】：U491

【参考文献】