基于逐日动态配流模型的多种交通网络条件下出行者的出行选择行为分析

发布时间：2014-12-25 21:03

 

【摘要】 随着经济的发展和人口的增长,机动车保有量急剧增加。许多城市因此面临严重的交通拥堵。因为出行者的出行选择行为决定了交通网络中的流量分布,同时出行者具有自主性,交通管理措施只能对出行者的出行选择进行诱导。只有充分理解和把握出行者的出行选择行为,才能制定有效的交通管理措施。在不同交通网络条件下,出行者的出行选择行为具有不同特征。本论文主要研究四种交通网络条件下出行者的出行选择行为,建立相应的逐日动态配流模型,设计交通管理措施。这四种交通网络条件分别为：有出行信息诱导的交通网络、多模式交通网络、城市轨道交通网络和随机交通网络。本论文的主要研究内容如下：(1)结合现有不动点分别与用户均衡和随机用户均衡对应的两个逐日动态配流模型,本论文分别给出了准确出行诱导信息条件下和非准确出行诱导信息条件下的逐日动态配流模型。基于这两个逐日动态配流模型,研究了准确出行诱导信息和非准确出行诱导信息条件下交通系统的稳定性。通过研究发现,无论出行诱导信息是否准确,先进出行者信息系统的市场占有率、交通需求量和出行者感知误差对交通系统的稳定性都有很大的影响。(2)本论文将一个基于用户约束下系统最优的出行诱导信息与连续网络设计相结合,并将该问题用一个双层规划模型进行描述,其下层问题的可行域随着上层问题的决策变量的变化而变化。本论文对现有求解连续网络设计问题的模拟退火算法进行改进,用于求解该双层规划问题,避免了因温度过低而出现迭代步长不能计算的问题。并设计了基于路径的交通配流算法,使其能够求解带有用户约束的系统最优问题。通过数值试验发现,与只实施连续网络设计相比,本论文提出的出行信息诱导与连续网络设计相结合的交通管理措施能够更好地减少系统总出行时间,进而缓解交通拥堵。(3)本论文基于有限理性设计了城市轨道交通网络的逐日动态配流模型。在本论文中,若出行者的期望感知出行费用与实际出行费用的差值在可接受的范围内,则出行者保持当前的路径选择；否则,出行者按照随机用户最优原则重新选择路径。为了较为真实地反映出行者乘坐城市轨道交通的出行费用,本论文将出行者在车厢内受到的拥挤费用计算在出行者的出行成本内。在建立基于有限理性的城市轨道交通逐日动态配流模型后,本论文给出了该模型不动点的充分必要条件。利用该城市轨道交通逐日动态配流模型,通过数值试验发现,出行者对期望感知出费用与实际出行费用间差距的容忍域值、交通需求和出行者感知误差对轨道交通系统流量演化都有较大影响。(4)本论文分析了混合交通条件和设置有公交车专用道条件下,只有公交车和私家车两种交通方式的双模式交通系统的稳定性。同时也考虑了出行者的换乘行为对该交通系统稳定性的影响。为了反映公交车与私家车间不对称的相互影响,本论文设计了混合交通条件下和设置有公交车专用道条件下出行者使用私家车、公交车及停车换乘的出行费用。将这些出行费用与一个现有的不动点与随机用户均衡相对应的逐日动态配流模型相结合,得到了一个针对公交车和私家车的双模式交通网络的逐日动态配流模型。通过研究发现,无论是否考虑停车换乘,与混合交通条件相比,设置有公交车专用道的交通系统在保证系统的稳定性的同时还能加载更大的交通需求量。(5)现有随机交通网络条件下的逐日动态配流模型多假设交通需求是确定的,本论文假设交通需求由通勤出行者和非通勤出行者组成。通勤出行者具有确定的交通需求量,而非通勤出行者的交通需求量是一个有界的离散随机变量。本论文首先说明了在这种随机交通需求条件下,交通状态的有限性,之后给出了交通状态的演化过程满足马尔可夫链的一个充分条件,该充分条件同时保证了该马尔可夫链平稳分布的唯一性。在这个充分条件下和有关通勤出行者的学习机制、更新机制假设的基础上,本论文建立了一个马尔可夫配流模型,并给出实现该模型的算法。基于该算法,本论文通过数值试验分析了通勤出行者学习机制中的记忆长度参数、交通需求、出行者的感知误差对系统平稳分布的影响。通过研究发现,通勤出行者的记忆长度对系统平稳分布的影响较小,而交通需求和出行者的感知误差则对系统平稳分布的影响较大。 

1引言

 

1.1论文的研究背景及意义

城市交通系统是人民生活、社会经济和谐快速发展的主要支撑和基础。但是随着经济的发展和人口的增长，机动车保有量急剧增加。如2012年北京市的机动车保有量已突破520万辆，并且私家车所占比例持续增加，截至2011年底己超过七成。许多城市因此面临严重的交通拥堵。交通拥堵不仅会延长出行时间、增加出行成本，给人们的日常生活和工作带来种种不便，同时也会影响城市的经济发展及运行效率。世界上的许多国家每年都会因交通拥堵蒙受的巨大的经济损失。根据计算指出，中国有15座城市的居民每天上班单行比欧洲多消耗288亿分钟，笔耕文化传播，折合4.8亿小时，15个城市每天损失近10亿元人民币。美国年损失680亿美元，英国年损失约43亿英镑，荷兰6年前年损失已经达30亿欧元。交通拥堵还会产生环境污染和交通安全等问题。交通拥堵对环境的影响包括温室气体的排放、大气污染和交通噪声PM2.5等，以及当前倍受关注的等。评估结果显示，北京由于拥堵每日多排放二氧化碳1.67万吨，氮氧化物、颗粒物和二氧化硫9.5吨。北京每年由于交通拥堵造成的额外生态环境污染损失为45.2亿元。这还不包括目前很多尚不能量化的损失，如加剧热岛效应、废弃物污染和对沿线自然生态的影响等。

制定交通管理措施和评估其有效性，需要充分理解各种交通网络条件下出行者的出行选择行为。这是因为出行者的出行选择行为决定了交通网络中的流量分布，同时出行者具有自主性，交通管理措施只能对出行者的出行选择进行诱导。只有充分理解和把握出行者的出行选择行为，才能制定有效的交通管理措施，诱导出行者的出行选择，调整交通网络的流量分布，进而缓解交通拥堵。描述出行者出行选择行为的模型常被称为交通配流模型。交通配流模型常被分为静态均衡模型和动态配流模型。动态配流模型是将随时间变化的交通需求按照出行者在时变交通条件下的路径选择准则分配到交通网络上。有关动态交通配流模型及求解算法的研究可参考高自友和任华玲的著作。静态均衡模型研究的是较长时期中每天的某一时间段内（如早、晚高峰期），出行者的路径选择行为，且在该时间段内交通需求和交通条件不发生变化。静态均衡模型关注的是出行者出行选择行为产生的交通均衡状态，如基于第一原则的用户均衡和随机用户均衡。其并不关心出行者如何利用出行经验进行学习及更新感知出行费用的动态过程，同时也不关心出行者如何利用感知出行费用调整出行选择或者交通网络状态的动态变化过程。所有的静态均衡模型皆隐含有一个假设：若交通均衡状态存在，则交通系统一定能够到达该均衡状态。这个假设是非常理想化的，实际情况可能与之相反。Horowitz基于一个动态路径调整过程发现：一个已知存在交通均衡的交通系统并不一定能够收敛到该均衡状态。因此在研究交通网络的均衡时，不应只考虑交通均衡的存在性，也要研究交通均衡能否达到以及如何达到。

 

1.2研究现状

1.2.1ATIS的研究现状

由于ATUIS在缓解交通拥堵、提高交通网络运行效率等方面具有很大应用前景，目前ATIS已得到广泛的研究。这些研究包括ATIS设计、ATIS的效用评估、出行诱导信息的种类和准确性、出行者对诱导信息的遵循程度等方面。上世纪八十年代以来，随着计算机、信息通讯及相关技术的快速发展，美国、日本和欧洲等发达国家及地区在ATIS系统的研发方面取得一系统的进展，并进行了相关产业化和规模化应用。美国在1967年开始对电子路径诱导系统进行了相关研究，并在20世纪90年代初设计了智能车辆道路系统。日本1993年在东京都市圈开始试运行车辆信息通讯系统（到年提供的信息已经覆盖日本全国。欧洲于上世纪70年代开研究ATIS，在1985年开始实施尤里卡计划。进入21世纪后，欧盟会先后通过了欧洲智能交通系统发展行动计划、城市机动化行动计划等一系列政策性文件，进而推动了欧洲ATIS系统的研究进程。

虽然我国ATIS的研究起步较晚，但是经过十几年的努力，已经取得了一些成果。在“九五”期间，交通部在其中长期规划中给出了ITS建设项目相关计划：结合国内实际情况，分阶段进行包括交通控制系统、驾驶员信息服务、车辆调度、车辆安全以及经营管理系统这五个领域的研究。1999年11月国家ITS工程技术研究中心成立，并设计了我国ATIS系统标准，该体系框架包括出行前信息服务、行驶途中的信息服务以及公共交通信息服务等五个方面内容。该研究中心自主研发的动态交通信息处理系统，在2008年北京奥运会期间全天候不间断地提供了北京市五环路以内的三万个路段的实时路况信息，。深圳市于2006年率先在国内发布实时动态的城市路况信息，通过采集的安装GPS的出租车数据，将实时路况信息发布到互联网、手机终端、车载导航终端、移动电视终端等，前期的信息路网各区域覆盖率达到80%，数据精确度在78%以上。

 

2信息诱导条件下交通网络的稳定性分析

 

在交通系统中，路段或路径间的相互影响、交通方式间的相互影响及出行者获取的出行信息通常并不对称。这些因素间复杂的相互影响往往导致交通系统的均衡状态的不唯一性。在这些复杂的相互作用下，交通系统由某一可行状态出发，其演化过程可能是不收敛的；或其收敛的状态是不稳定的，在受到干扰后，不能恢复到原状态。在此种情形下需要判断交通均衡状态的稳定性和交通系统的稳定性，避免交通管理措施诱使系统朝向不稳定性的交通状态演化。本章将主要研究ATIS信息诱导下的交通系统的稳定性。

 

2.1信息诱导条件下逐日动态配流模型

本章假设ATIS只提供交通网络中路段或路径的走行时间。下面将分别给出提供准确出行信息的ATIS下逐日动态配流模型和提供不准确出行信息的ATIS下逐动态配流模型。

2.1.1准确诱导信息条件下的逐日动态配流模型

若ATIS提供的出行信息与实际交通网络的路况信息一致，装备有ATIS的出行者可以依据所获得的出行信息选择出行费用最小的路径出行。因此假设在ATIS发布的准确诱导信息条件下，装备有ATIS的出行者遵从用户最优原则进行出行选择。而未装备有ATIS的出行者，由于自身感知能力的局限性，使其不能完全感知整个交通网络的状态。在此，假设未装备有ATIS的出行者按照随机用户最优原则选择路径。下面将给出这种情形的逐日动态配流模型。

 

2.2交通系统的稳定性

在交通网络中，不仅存在稳定的交通均衡状态，也可能存在不稳定的交通均衡和周期性吸引子。从交通系统的角度来看，非稳定状态吸引域的大小决定了系统中均衡状态的吸引域，进而影响所有均衡状态的稳定性。从概率论角度看，非稳定状态的吸引域的大小决定了从任一可行状态出发交通系统收敛到稳定状态的概率。

2.2.1改进交通系统稳定性的管理措施

从2.3节的数值试验可以看出，无论在准确的ATIS诱导信息或非准确诱导信息条件下，在一定ATIS的市场占有率及交通需求情况下，交通系统经过一段时间的演化，最终会在一些周期性吸引子间振荡，不能达到一个稳定的状态。因为交通管理措施皆是希望交通系统达到一个期望的稳定状态。若在实施交通管理措施后，系统不能达到所期望的稳定状态，则该管理措施是无效的。因此有必要提出一种管理措施，驱使交通系统能够收敛到稳定的交通状态。本节将针对AIS信息诱导条件下，交通系统的周期性吸引子和渐近性吸引子均存在的情况，就如何设置这种管理措施进行讨论。本章将周期性吸引子和渐近稳定点都存在的情况划分为两类，一类是各吸引子及其吸引域的范围已知；另一类是已知渐近性吸引子，但各吸引子吸引域的范围未知。

 

3结合出行信息诱导的连续网络设计问题........33

3.1结合出行信息诱导的连续网络设计模型........34

4基于有限理性的城市轨道交通逐日动态配流模型.......53

4.1模型.........53

4.1.1网络表示......53

4.1.2有限理性条件下的逐日动态配流模型.......54

5双模式交通网络的稳定性分析........69

5.1双模式交通网络中的逐日动态配流模型.......69

 

6随机交通需求条件下的马尔可夫配流模型

 

在现有关于随机交通网络条件下逐日动态配流模型的研究中，交通需求多是确定的。虽然Hazelton&Watling称只要在交通网络中的每一对起讫点间引入一条匿名路径，他们的模型也可以模拟交通需求的随机波动。但是他们的方法主要存在以下两个问题：

（1）每对起讫点间，在第t天未出行的出行者选择的是匿名路径，并获得出行经验，很明显这与实际不符。

（2）无法描述己知交通需求的随机分布的情况。因为在交通配流过程中，分配到实际路网中的交通量与匿名路径的费用函数有关。而设计恰当的匿名路径的费用函数，使分配到实际路网中的交通量满足给定的分布，是很困难的。

对于问题（1），可以通过增加一些假设来解决。如假设每个出行者在第天，无论是否出行，都可以通过一些方法获得该天的出行信息。本章将设计一个随机交通需求条件下的马尔可夫配流模型，为解决问题（2）提供一种方案。

在本章，交通需求被分为两部分：一部分由经常出行的通勤出行者构成，另一部分是不常出行的非通勤出行者构成。本章假设通勤出行者的交通需求量是确定的。因为在一天中某些时间段内，如早高峰或晚高峰期间，经常往返于工作地与居住地的通勤出行者的人数是非常稳定的，可以视为一个常量。然而非通勤出行者具有很强的随机性，本章假设其交通需求量是一个有界的离散随机变量。由于通勤出行者每日都会出行，他们对路网非常熟悉。因此假设他们有完整的出行信息，按照最小化感知出行费用的原则选择路径。非通勤出行者由于不经常出行，因此没有完整的出行信息。本章假设非通勤出行者选择自由流时间最小的路径出行。上述关于通勤与非通勤出行者的假设与相似。基于上面的假设，本章将首先给出交通系统在该随机交通需求条件下交通状态演化的随机过程是马尔可夫链，且具有唯一平稳分布的一个充分条件，并利用该充分条件给出一个具体的随机交通需求条件下马尔可夫配流模型。

 

7研究结论与工作展望

 

7.1研究总结

在制定交通管理措施并评价其有效性时，需要充分理解出行者的出行选择行为。在不同交通网络条件下，出行者的出行选择具有不同特征。本论文主要研究有四种交通网络条件下出行者的出行选择行为。这四种交通网络条件分别为：有出行信息诱导的交通网络、城市轨道交通网络、多模式交通网络、随机交通网络。本论文针对这四种交通网络条件下出行者的出行选择行为特征，建立逐日动态配流模型，分析交通系统的演化过程和稳定性。在分析有出行信息诱导的交通网络中出行者的出行选择行为特征的基础上，本论文设计了一种将出行信息诱导与连续网络设计相结合的交通管理措施。

本论文的主要工作和创新点如下：

（1）结合现有不动点分别与用户均衡和随机用户均衡相对应的两个逐日动态配流模型，本论文给出了准确出行诱导信息条件下的逐日动态配流模型和非准确出行诱导信息条件下的逐动态配流模型。基于这两个逐动态配流模型，本文分别研究了准确出行诱导信息和非准确出行诱导信息条件下交通系统的稳定性。通过研究发现，无论在准确出行诱导信息条件下或是在非准确出行诱导信息条件下，当给定交通需求且出行者感知误差确定的条件下，交通系统在某些ATIS的市场占有率条件下不能收敛到稳定的均衡状态。在准确出行诱导信息条件下，未装备有ATIS的出行者的感知误差对交通系统的稳定性也有影响，增大未装备有ATIS的出行者的感知误差能够增强交通系统的稳定性。而在出行诱导信息非准确的条件下，增加出行诱导信息的准确度则交通系统出现周期性吸引子的市场率的取值范围增大。同时本论文还研究了在出行诱导信息条件下交通需求对交通系统稳定性的影响，发现增大交通需求量会减弱交通系统的稳定性。

参考文献:

[1] SI BingFeng1,ZHANG HongYun2,ZHONG Ming3 & YANG XiaoBao2 1MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology,Beijing Jiaotong University,Beijing 100044,China;2School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China;3Department of Civil Engineering,University of New Brunswick,Fredericton,New Brunswick E3B 5A3,Canada.  Multi-criterion system optimization model for urban multimodal traffic network[J]. Science China(Technological Sciences). 2011(04)
[2] 迟铁军,高鹏.  国外智能交通系统发展状况分析及对我国的启示[J]. 黑龙江交通科技. 2009(02)
[3] 温慧敏,扈中伟,郭继孚,朱丽云,孙建平.  奥运期间北京市道路网运行分析[J]. 交通运输系统工程与信息. 2008(06)
[4] 王笑京.  智能交通系统研发历程与动态述评[J]. 城市交通. 2008(01)
[5] 朱丽云,温慧敏,孙建平.  北京市浮动车交通状况信息实时计算系统[J]. 城市交通. 2008(01)
[6] 翟长旭,张和平,潘艳荣.  遗传算法在均衡交通分配模型中的应用[J]. 重庆交通学院学报. 2006(01)
[7] 吴祥云,刘灿齐.  轨道交通客流量均衡分配模型与算法[J]. 同济大学学报(自然科学版). 2004(09)
[8] 陈彦如,蒲云.  用遗传算法解决固定需求交通平衡分配问题[J]. 西南交通大学学报. 2000(01)
[9] 陆化普,史其信.  智能运输系统研究发展动向与启示[J]. 科技导报. 1996(10)


本文编号：10875