下载文档原格式
基于有效路径的多路径交通流分配摘要：在城市道路交通网络中，任意起、讫点间的路径可能会有若干条，合理选取有效路径集合在随机交通分配中具有十分重要的地位。
本文首先介绍Logit路径选择模型；然后依次介绍了改进的Dial算法和基于图的遍历算法两种有效路径搜索算法；最后通过算例分析，结果表明基于图的遍历算法比前种算法更为有效。
关键词：交通分配；多路径；有效路径0 引言作为城市交通需求预测的关键性步骤，交通分配将预测得到的起讫点间的交通量，按现有或规划中路网分配到具体的道路上，以实现对规划设计方案路网流量的预测，对于城市交通系统的优化管理和控制具有重要意义[1]。
1 Logit路径选择模型该模型认为出行者在起讫点间众多路径中选用k路径的概率[2]为：2 有效出行路径搜索算法2.1 改进后的Dial算法该算法认为路段(i,j)是否位于有效路径上，只需当S(i)>S(j)时，路段(i,j)即位于有效路径上[3]。
2.2 基于图的遍历算法该算法认为如果OD间的路径k满足无环简单路径，且不允许走“回头路”；路径K上的路段(i,j)满足S(i)>S(j)；路径k的阻抗和最短路径阻抗的差值不允许超过规定阀值，即，则称路径k为有效路径[4]。
3 算例分析图1所示，连线上数字为路段阻抗（最小行驶时间/h）,节点1至5的交通量为1200（辆/h）。
图1交通网络图依据图1所示，可找出节点1至节点5的所有可行路径，并计算得出各路径阻抗，结果见表1。
表1节点1至5的所有无环简单路径和阻抗按改进后Dial算法对有效路径的定义，有效路径为路径1、路径2、路径3、路径4。
若按基于图的遍历算法，有效路径为路径1、路径2、路径4。
用Logit路径选择模型计算各路径的分配率（θ取值3.5），得出对应的交通流量分配情况。
根据改进Dial算法确定的有效路径集，计算对应有效路径的分配率，见表2。
有效路径流量分配表2改进Dial算法中节点1至5根据基于图的遍历算法确定的有效路径集，计算对应有效路径的分配率，见表3。
华中科技大学研究生课程考试答题本考生姓名陈菀荣考生学号M201673159系、年级交通运输工程系、研一类别科学硕士考试科目交通流理论考试日期2017 年 1 月10日交通流分配模型综述摘要：近些年，交通流分配模型已经广泛应用到了交通运输工程的各个领域，并且在交通规划中起到了很重要的作用。
本文对交通流分配模型研究现状进行了综述，并分别对静态交通流分配模型、动态分配模型以及公交网络进行了阐述和讨论。
同时对相关的交通仿真还有网络优化问题研究现状进行了探讨。
最后结合自身学习经验做出了一些评价和总结。
关键词：交通流分配；模型；公交网络0引言随着经济和科技的发展，城市化进程日益加快，城市也因此被赋予更多的工程，慢慢聚集大量的人口。
而人口数量的增加而直接带来的城市出行量增加，不管是机动车出行还是非机动车出行量都相较以前增加了很多，从而引发了一系列的交通问题。
因为在城市整体规划中，交通规划已经成为了十分突出的问题。
在整个交通规划过程中，交通分配在其中占有很重要的地位，为相关公交路线，具体道路宽度规划等都有很大作用。
1交通流分配及研究进程1.1交通流分配简介由于连接OD之间的道路有很多条，如何将OD交通量正确合理的分配到O 和D之间的各条路线上，是交通流分配模型要解决的首要问题。
交通流分配是城市交通规划的一个重要组成部分也是OD量推算的基础。
交通流分配模型分为均衡模型和非均衡模型。
1.2交通流模型研究进程以往关于交通流分配模型的研究多是基于出行者路径偏好的，主要有以Wardrop第一和第二原则为分配依据建立的交通分配模型，Wardrop第一原则假定所有出行者独立做出令自己出行时间最小的决策，最终达到纳什均衡的状态，此时的流量为用户最优解，在这种状态下，同一个起始点时间所有有流路径的通行时间相等，并且大于无流路径的通行时间；Wardrop第二原则假定存在一个中央组织者协调所有出行者的路径选择行为，使得所有出行者的总出行时间最小，对应的状态称为系统最优，此时分布的流量称为系统最优流。
交通分配的方法在城市交通运输中，交通分配是指根据车辆、乘客和货物的需求，将交通资源合理地分配到道路、轨道、水路等不同的交通网络中的过程。
交通分配的方法有很多种，下面将介绍几种常用的交通分配方法。
1. 预测模型法预测模型法是一种基于交通需求预测模型的交通分配方法。
通过对交通需求进行预测，得到交通网络中各个节点的交通量分布情况，然后根据交通网络的拓扑结构和交通流动规律，将交通需求分配到各个路径或路段中。
这种方法能够较准确地预测交通流量的分布，从而合理地分配交通资源。
2. 等时旅行法等时旅行法是一种基于等时旅行成本的交通分配方法。
等时旅行成本是指从出发点到目的地所需要的平均时间，它包括交通拥堵、交通信号等因素对旅行时间的影响。
根据等时旅行成本的大小，将交通需求分配到不同的路径或路段中，使得整个交通网络的等时旅行成本最小化。
3. 随机过程法随机过程法是一种基于随机过程理论的交通分配方法。
随机过程是指一组随机变量随时间变化的过程，能够较好地描述交通流的随机性。
通过建立交通流的随机过程模型，将交通需求按照一定的概率分布进行分配，从而得到交通流量的分布情况。
4. 最小路径法最小路径法是一种基于最小路径选择原则的交通分配方法。
根据交通网络中各个路径的长度、拥堵情况等因素，选择出最短路径或最小阻抗路径，并将交通需求分配到这些路径中。
这种方法能够使得交通流量分布更加均衡，减少拥堵现象的发生。
5. 均衡分配法均衡分配法是一种基于交通均衡理论的交通分配方法。
交通均衡理论认为，交通系统中的交通流量和交通成本会通过一定的调整过程逐渐趋于均衡状态。
根据交通均衡理论的原理，将交通需求按照一定的规则进行分配，使得交通系统中的交通流量和交通成本达到均衡状态。
在实际的交通分配过程中，常常会综合运用上述多种方法，根据具体情况选择合适的方法进行交通分配。
交通分配的目标是合理利用交通资源，提高交通效率，减少交通拥堵，为市民提供更加便捷、快速的出行方式。
交通分配是将前面算好的OD之间的各种交通方式的分担情况分配到小区之间的路网上。
可以归纳为：已知小区之间的OD矩阵，交通网络有向图，路段阻抗函数，求各条路段上的交通量及阻抗值。
1、基本原理与方法1）路段阻抗函数：实际工作中常用的路段阻抗函数是BPR阻抗函数。
2）1952年Wordrop提出的两个著名的有关出行者路径选择行为准则的原理：用户平衡原理UE（同一OD之间所有被使用的路径的时间是相等的，并不大于任何未被使用路径的时间）和系统最后原理（所有人的出行能够令网络总时间最小，不可能出现）。
---------------随后1956年Beckmann提出了描述用户均衡UE的数学模型，-------直到1975年LeBlanc等利用Frank-Wolfe算法求解了UE模型。
3）研究UE分配的近似算法称为非平衡分配算法（有全有全无模型、容量限制模型、增量分配模型）。
还有随机分配模型（SUE模型—用MSA逐次平均法计算和STOCH模型—分配到合理的路径，距起点越来越远，距终点越来越近）2、利用TransCAD进行交通分配1）数据准备方式划分后各种交通方式的出行分布矩阵、交通网络地理文件（线类型）、小区图层（面类型）2）创建小区质心打开小区图层（dbd文件）---菜单Tools---export，选择“to”“standard geographic file”，“id field”选择“zoneid”，点击“export as centroid points”，确定保存质心文件。
3）质心连接到路网打开交通网络地理文件（dbd文件，路网图），菜单“map”“layers”，将不可见的node层置于可见，然后为该层添加层（就是刚刚建立好的质心文件）。
将node层置于当前，增加新字段“Index”，为索引转换准备。
路网层（dbd）置于当前，菜单“tools”---“map editing”—“connect”，“fille”选项卡，“node field”选择“index”，点击“ids from zone layer”。
总结1、排版较好，建模思路清晰，过程合理，结论明确。
2、速度和车流量如果用反比例函数，操作过程会更简单点。
3、小标题前的空格最好能保持一致，其他没什么问题。
交通量优化配置的非线性规划模型摘要本文针对两点之间的交通量优化配置问题，利用非线性规划建立了最优化行驶方案的模型，使交通流量达到最优化配置以解决部分由流量不均而导致的交通堵塞问题。
问题一中，将车辆的有效行驶路径定义为向右向下行驶的路径，基于此建立有效路径搜索算法并求解得7条有效路径。
分别为路径一：1->2->3->4->7->0；路径二：1->2->3->6->7->0；路径三：1->2->3->6->10->0；路径四：1->2->5->6->7->0；路径五：1->2->5->6->10->0；路径六：1->2->5->9->10->0；路径七：1->8->9->10->0。
问题二中，假设车子单辆行驶且所有有效路径都被利用，首先建立密度与速度、速度与路段车辆数的基本函数，并由此得到各路段行驶时间关于各路段车辆数的模型。
按优化方案中要求各条路径行驶时间最短的目标，并且以每条路径耗时相等和各节点总流入车辆数与总流出车辆数相等为约束条件，建立非线性规划模型。
问题三中，基于问题二中建立的模型，根据已知的车辆数条件，并对最大速度、最大车辆密度和路段长度进行合理假设代入模型中，并用MATLAB编程求得近似最优分配方案：路径一1981辆；路径二1000辆；路径三611辆；路径四1379辆；路径五819辆；路径六28辆；路径七4182辆。
在上述模型中，仅考虑了路段单位长度车辆数对速度的影响，而忽略了横向路段宽度对通行速度的影响，且实际生活中有效路径往往不会被同时利用。
由此本文又考虑了路段最大车流量，并引入了美国BPR函数，得到路段出行时间关于实际车流量的函数，并以各条路径行驶时间最短为目标，根据用户均衡分配原理，以流量平衡为约束条件，建立一个非线性规划模型，并对路段最大车流量和路段无任何车辆时的行驶时间进行合理假设，运用Lingo软件得到一个近似最优分配方案：路径一2264辆；路径二437辆；路径三357辆；路径四2248辆；路径五325辆；路径六0辆；路径七4369辆。
关键词：非线性规划模型车流量车辆密度用户均衡分配MATLAB Lingo一、问题重述某区域道路网络如图1所示，每条道路等级完全相同，某时间段内，有N 辆车要从节点1出发，目的地是节点0（假设该时间段内，路网中没有其它车辆）。
在该时间段内，道路截面经过的车辆数越多，车辆在该路段行驶的速度就越慢。
（1）确定有效的行驶路径及其算法；（2）确定每条路径上的通过的车辆数，使N 辆车从节点1到节点0的总行驶时间最小；（3）N=10000，请给出具体的计算结果。
注：横向路段长度是纵向路段长度的2倍，如节点1到节点2的长度为2，节点2到节点5的长度为1。
16599328074图1 某区域道路网络图二、模型的假设（1）在每个路段上车辆都为单辆路道行驶，无并排车辆，且不允许超车； （2） 源点1是以最大流量向两条路发车； （3）假设每一条有效行驶路径上都有车通过；（4）假设车辆的最大行驶速度为120km/h ，纵向路段长为200km ，每公里最大车辆密度为200辆/km ；（5）假设速度v 是密度 的线性函数。
三、符号说明a，b：路网中节点的标号（其中0,1,2,10和取值都为，且节点b为节点a的a b后继节点）a：第a个节点的横坐标xa：第a个节点的众坐标yb：第b个节点的横坐标xb：第b个节点的众坐标ys x：第b个节点的横坐标与第a个节点的横坐标之差()s y：第b个节点的众坐标与第a个节点的众坐标之差()i：第i个路段j：第j条有效行驶路径T：路段i的自由流出行时间，即当路段无任何车辆时的行驶时间（通常为已知，i可根据问题合理假设）；N：从节点1出发的车辆数；t：车辆在路段i上的行驶时间；il：路段i的长度；iL：纵向路段的长度；v：车辆在路段i上的行驶速度；i：路段i的密度；in：路段i的车流量；ik：路段i的交通通行能力，即路段的最大交通流量（通常为已知，可根据问题i合理假设）；I：所有路段的集合；j f ：路径j 的车流量；J ：从起讫点间所有有效路径的集合；j i ,δ：0-1开关变量，当路段i 为路径j 的一部分时1,=j i δ，否则0,=j i δ；j H ：车辆在路径j 上的行驶时间；H ：起讫点间最短路径的行驶时间；i K ：路段i 的车辆比例系数四、模型的分析与建立4.1问题一 4.1.1 问题的分析问题所要解决的是定义有效行驶路径，并给出相应的算法确定有效的行驶路径。
在一个较大的网络中，每一个OD 对之间都有很多的行驶路径，但是在实际网络配流中，有很多路径是明显不会被出行者考虑的，出行者只在一部分“合理”路径（有效行驶路径）中进行选择。
因此，在分配前必须先确定每一对OD 之间的有效行驶路径。
本文认为有效行驶路径应为无重复、折回的行驶路径，即行驶方向始终朝向目的地，即向右向下行驶的路径。
要找到有效行驶路径，可以利用图建立直角坐标系，以节点1为原点，向右为x 轴的正方向，向下为y 轴的正方向，这样路网中的每一个节点都可以用相应的坐标来表示。
因此，有效行驶路径通俗的解释是：从路段的起始节点走到终止节点后，终止节点离起点更远，同时离终点更近。
[3]如某一路段(,)a b 是否位于有效路径上可以用()s x 和()s y 来判断，当满足()0s x >（其中()x x s x b a =-）或者()0s y >（其中()y y s y b a =-）时，路段(,)a b 即位于有效行驶路径上。
综上，如果OD 对(1,0)之间的路径j 满足以下两个条件，则称路径j 为有效行驶路径：（1） 路径j 上的路段(,)a b 满足()0s x >或者()0s y >； （2） 路径j 是无环简单路径。
4.1.2 有效行驶路径算法步骤根据上述的分析，本文定义的寻找有效行驶路径的算法步骤如下： Step1：建立一个以节点1为原点，向右为x 轴的正方向，向下为y 轴的正方向的直角坐标系；Step2：将路网中的每一个节点按照建立的直角坐标系，在遵循题目中“横向路段长度是纵向路段长度的2倍” 的原则下表示出每一个节点的坐标；Step3：找到节点a 所有的后继节点b ，判断节点a 与节点b 是否满足()0s x >或者()0s y >。
如果满足，则该路段(,)a b 位于有效行驶路径上，如果不满足，则该路段不位于有效行驶路径上；Step4：将所有在有效行驶路径上的路段在路网中标注出来，能够从节点1连通到节点0的路径就是有效行驶路径。
4.1.3 确定有效行驶路径本文以节点5为例，找出所有经过节点5的在有效行驶路径上的路段。
根据上述的算法可得节点5的坐标为(2,1)，节点5 的所有的后继节点有节点2，节点6和节点9，坐标分别为(2,0)、(4,1)和(2,2)。
节点5与节点2的()220s x =-=、()0110s y =-=-<，不满足条件，因此该路段不位于有效路径上；节点5与节点6的()4220s x =-=>、()110s y =-=，满足条件，因此该路段位于有效行驶路径上；节点5与节点9的()220s x =-=，()2110s y =-=>，满足条件，因此该路段也位于有效行驶路径上。
综上，可得出经过各节点的且在有效行驶路径上的路段，如表4.1所示。
表4.1 经过各节点且在有效路径上的路段节点 1 2 3 4 5 6 7 8 9 10 路段n1,n4 n2,n5 n3,n6 n7 n8,n10 n9,n11 n12 n13 n14 n15将表4.1中的路段在路网中标注出来，如图4.1所示。
图4.1 标有路段的路网图根据算法第四步，可以确定从节点1出发到达节点0的所有有效行驶路径，一共有7条，分别为：（1）1->2->3->4->7->0；（2）1->2->3->6->7->0；（3）1->2->3->6->10->0；（4）1->2->5->6->7->0；（5）1->2->5->6->10->0；（6）1->2->5->9->10->0；（7）1->8->9->10->0；4.2问题二4.2.1 问题二的分析在问题一所确定的7条有效行驶路径的基础上，需要对每一条有效行驶路径上行驶的车辆数进行合理地优化配置，使N辆车从节点1到节点0的总行驶时间最小。
根据最优化理论，当系统总的行驶时间最小时，每辆车走7条路径中的任意一条所用去的时间都是相等的，否则车辆必然会选择时间最短的那条路径，从而使那条路径上的车流密度变大，车速下降，走完路程所需的的时间就会相应上升，进而车辆又会选择其它路径，这一过程必定会达到一种动态平衡，此时就可近似认为，走任意一条路径所花的时间是相等的。
问题二的目标是使得N 辆车从节点1到节点0的总行驶时间最小，由于车辆在7条有效行驶路径所花费的时间都是相等的，因此只需要求出每一个路段车辆所花费的时间，然后再计算出车辆在某一条有效路径上花费的时间，将该时间和车辆的总数相乘，即为N 辆车从节点1到节点0的总行驶时间。
因此，目标函数为：j min H N ⨯ (4-1)其中j H 为7条有效路径中的任意一条有效行驶路径车辆所花费的时间，N 为从节点1出发的车辆数。
假设现在是第1N +辆车准备从节点1出发到节点10，前N 辆车所组成交通流的配流结果应该使得对第1N +辆车而言，它在所有的7条路径行使时间应该严格相等。
也就是说第1N +辆车通过第j 条有效行驶路径的时间和前N 辆车通过第j 条有效行驶路径的时间是相等的。
为了求得j H ，就必须先求出第1N +辆车在每个路段i 上的行驶时间。
根据交通流理论可知，对于各路段而言，当车辆密度达到最大值max ρ时，车辆速度为0；当车辆密度趋向于0时，车辆速度达到最大值max v 。
假设i v 与i ρ为线性关系，即格林希尔治模型：1ii max maxv v ρρ⎛⎫=- ⎪⎝⎭(4-2) 同时本文还引入路径车辆比例系数i K （ii in K l =），（其中i n 表示第i 个路段上的车流量，i l 表示路段i 的长度），并且令其等于每个路段的车流量密度i ρ，即：ii i in K l ρ== (4-3) 由公式(4-2)和公式(4-3)可以求得每个路段的车辆速度i v 与该路段经过的车辆数之间的函数表达式，即：max max (1)ii in v v l ρ=-(4-4)则第1N +辆车通过第i 路段的时间为：2()i i maxi i max max i i l l t v v l n ρρ==- (4-5) 通过公式(4-5)可以求出每个路段车辆行驶所花费的时间，从而求出车辆在每一条有效行驶路径上所花费的时间j H 。
