下载文档原格式
《多种情形下的动态交通分配演化模型研究》篇一一、引言随着城市化进程的加速和交通工具的多样化，交通系统的复杂性日益增加，动态交通分配问题愈发重要。
本文旨在探讨多种情形下的动态交通分配演化模型研究，以期为城市交通规划和管理工作提供科学依据。
本文首先介绍研究背景及意义，然后阐述国内外相关领域的研究现状和不足，最后提出本文的研究目的和内容。
二、研究背景及意义动态交通分配是现代交通工程学研究的重要领域之一，其核心思想是根据实时交通信息，将交通流合理分配到不同的道路和时间段上，以实现交通系统的最优运行。
随着城市交通网络的日益复杂化，以及智能交通系统的快速发展，动态交通分配问题变得越来越重要。
因此，研究多种情形下的动态交通分配演化模型，对于提高城市交通系统的运行效率、减少拥堵、降低能源消耗和环境污染等方面具有重要意义。
三、国内外研究现状及不足目前，国内外学者在动态交通分配领域进行了大量研究，取得了一定的成果。
然而，仍存在一些不足之处。
例如，现有模型大多关注单一情景下的交通分配问题，缺乏对多种情形下交通分配演化规律的研究；此外，现有模型往往忽略了个体出行者的行为差异和异质性，难以反映真实交通系统的复杂性。
因此，本文旨在研究多种情形下的动态交通分配演化模型，以弥补现有研究的不足。
四、研究内容与方法本文采用理论分析和实证研究相结合的方法，对多种情形下的动态交通分配演化模型进行研究。
首先，建立多种情形下的动态交通分配模型，包括不同时间段、不同交通状况、不同道路条件等情形；其次，通过数值模拟和实证分析等方法，对模型进行验证和优化；最后，将研究成果应用于实际交通系统中，评估其对城市交通系统的影响。
在具体研究过程中，本文将采用以下方法：1. 文献综述法：梳理国内外相关领域的研究成果和不足，为本文的研究提供理论依据。
2. 建模与仿真法：建立多种情形下的动态交通分配模型，通过数值模拟和实证分析等方法对模型进行验证和优化。
3. 实证研究法：将研究成果应用于实际交通系统中，收集相关数据，评估其对城市交通系统的影响。
1.1节 DTA模型国内外研究现状DTA模型主要由两部分组成:用户路径选择行为准则(或动态网络交通流分配原则)(不考虑用户出发时间选择)和动态网络交通流量传播约束条件。
动态网络交通流分配原则主要有:动态系统最优原则和动态用户最优原则。
根据交通系统中用户不同的路径选择方式，DTA模型可分为:(1)DSO模型[1][2]，其反映的用户路径选择方式为:在所研究的时段内，用户通过指挥中心或他们之间相互协调，选择使得整个交通系统总的旅行费用为最小的路径;(2)反应型动态用户最优（reactive dynamic user-optimal），简称RUDO)模型[3][4]，其反映的用户路径选择方式为:在所研究的时段内，用户基于瞬时的旅行费用，选择使得自身达到目的地的总的瞬时旅行费用为最小的路径;(3)预测型动态用户最优(predictive dynamic user-optimal，简称PDUO)模型[5][6]，其反映的用户路径选择方式为:在所研究的时段内，用户基于实际的旅行费用，选择使得自身达到目的地的总的实际旅行费用为最小的路径。
一般来说，交通系统如果没有足够的外部干预，交通主体之间很难形成协调达到某种整体最优;更多的情况是，用户凭借自身的经验或根据瞬时的交通信息作出判断，选择使得自身到达目的地的总的实际或瞬时旅行费用为最小的路径。
这是一种用户自主性质的路径选择，遵循了动态Wardrop用户最优(包括RDUO和PDUO)的最优路径选择准则。
当过多的用户按照自己的判断选择了某条路径，造成该条路径的交通负荷过大，从而拥挤就发生了。
用户的路径选择作为影响交通流时空分布的主要因素，也是交通拥挤的主要成因[7]。
网络交通流量传播约束就是要保证流量进入和离开路段以及保留在路段上的旅行时间与路段费用一致，它描述了车辆在交通系统中的行为是如何随时间变化的。
描述交通流传播的约束条件主要包括:(1)流量演化方程;(2)流量守恒方程;(3)先进先出(first-in-first-out，简称FIFO)限制条件[8][9];(4)元胞传输模型[4][10]等。
动态交通流分配浅析摘要：实现交通分配理论的交通分配模型可分为两大类：静态交通分配模型和动态交通分配模型，它们都有各自的优缺点。
静态交通分配模型假设交通需求和路段行程时间为常数或仅依赖于本路段上的交通流量，这对于交通量比较平稳、路段行驶时间受交通负荷影响较小的城市间长距离非拥挤的城市交通特性分析和路网规划是比较可行的。
而对于存在拥挤现象的城市交通网络,交通需求在一天之中变化甚大。
使得网络交通流的时空分布规律具有时变特性，从而导致路段行驶时间大大依赖于交通负荷的变化。
因此，在城市交通控制与管理中更需要考察路网中，交通流状态随空间与时间的演化过程，针对可能出现的拥挤和阻塞及时采取有效措施．确保城市交通系统平稳、高效地运行。
动态交通分配考虑了交通需求随时间变化和出行费用随交通负荷变化的特性，能够给出瞬间的交通流分布状态。
关键词：动态交通流分配定义现状意义存在问题The shallow analysis of Dynamic Traffic Assignment Abstract: the traffic assignment model of Traffic assignment theory can be divided into two categories: static and dynamic traffic assignment model for traffic assignment models, both of which have their own advantages and disadvantages. Static traffic assignment models assuming that traffic demand and link travel time is constant or only dependent on the traffic flow on this road, which is relatively stable for the traffic, roads and the traffic load less affected by the time the inter-city long distance non-urban traffic congestion characterization and network planning is more feasible. However, for there is congestion in the urban transport network., changes in traffic demand in the day are great, which makes the network traffic flow varies with time-varying spatial and temporal distribution of properties, resulting in roads and the time relied heavily on the traffic load changes. Thus, in urban traffic control and management of road, it is more significant to examine how traffic flow varies with space and tempo while studying the road network, and thus timely and effective measures can be taking for the congestion and obstruction., and that ensure that urban transport system operate smoothly and effectively. Dynamic traffic assignment included traffic demand changes over time and travel costs with the changing nature of traffic load, moreover, it can givean instant flow of traffic distribution.Key words: dynamic traffic assignment, definition, status quo, meaning, problems·0引言动态交通分配的这种功能使其在城市交通流诱导系统及智能运输系统的研究中具有举足轻重的作用。
《多种情形下的动态交通分配演化模型研究》篇一一、引言交通系统是城市生活的重要组成部分，而动态交通分配（Dynamic Traffic Assignment, DTA）模型的研究对理解和管理城市交通系统至关重要。
在现实生活中，交通状况的变化频繁且复杂，包括了交通需求的变化、路况的实时更新、驾驶者的路径选择等多元动态过程。
本文将对多种情形下的动态交通分配演化模型进行深入的研究。
二、动态交通分配的基本概念与模型动态交通分配模型主要研究的是交通网络中车辆在时间、空间上的分布和移动规律。
其基本模型包括交通需求预测、路径选择行为、交通流量分配等环节。
通过对这些环节的精确描述和预测，可以帮助我们理解交通系统的运行状况，预测未来交通拥堵的可能性，从而进行有效的交通管理和优化。
三、多种情形下的动态交通分配模型研究在现实中，城市交通状况的变化受多种因素影响，包括但不限于道路施工、事故、天气变化等。
因此，本文将研究多种情形下的动态交通分配模型，以适应各种复杂环境下的交通状况。
1. 突发事件下的动态交通分配模型：如道路施工或交通事故等突发事件会对交通网络产生重大影响，我们需要构建一种能够快速响应此类事件的动态交通分配模型，以便准确预测和调整交通流量的分布。
2. 不同交通需求下的动态交通分配模型：不同时间段、不同区域的交通需求是不同的，因此需要构建能够适应不同交通需求的动态交通分配模型。
3. 复杂路网下的动态交通分配模型：在复杂的路网结构中，车辆的路径选择会受到多种因素的影响。
我们需要研究在这种环境下，如何通过动态交通分配模型准确预测车辆的路径选择和流量分布。
四、模型的演化与优化对于动态交通分配模型的研究，不仅需要构建出能够适应各种情形的模型，还需要对模型进行持续的优化和改进。
这包括模型的参数调整、模型的复杂度控制、模型的实时性等方面。
我们可以通过引入先进的算法和技术，如人工智能、大数据分析等，来优化和改进动态交通分配模型。
动态交通分配理论研究综述胡婷1，于雷1，2，赵娜乐1（1.北京交通大学交通运输学院城市交通复杂系统理论与技术教育部重点实验室，北京100044；2.美国德克萨斯南方大学，美国休斯顿 77004）摘要：动态交通分配能反映路网交通流的拥挤性、路径选择的随机性、交通需求的时变性等典型交通流动态特征，比静态交通分配有着明显的优越性。
在简要介绍动态交通分配的重要组成要素的基础上，归纳总结动态交通分配区别于静态交通分配的六个典型特征：因果性、先进先出原则、路段状态方程、路段流出函数、路段特性函数和路段阻抗函数。
从路径选择准则、路径走行时间定义、出行者出行选择假定、动态网络交通流模型研究方法等四个方面对动态交通分配模型的分类进行综述性研究，分析不同模型的优缺点，并总结动态交通分配理论的未来研究方向，可为动态交通分配研究提供一定的参考。
关键词：动态交通分配；交通负荷；动态交通分配模型U491.123 ：A：1002-4786（2010）05-0006-05 DOI：10.3869/j.1002-4786.2010.05.0470 引言交通流分配是交通规划中的一个重要环节。
它将预测得到的OD交通量按照一定的规则分配到已知路网的各条路段上去，从而得到路网中各个路段的交通量和出行费用。
从交通流分配理论发展的整体上看，它经历了由静态交通分配(Static Traffic Assig-nment)到动态交通分配(Dy na-mic Traffic Assignment)两个历史阶段。
静态交通分配理论从提出至今已有五十余年，发展较为成熟。
静态交通分配理论提出的背景主要面对的是在城市交通规划领域的应用，其只需要反映平均的网络交通状态，并不需要详细描述交通流的动态交通特征。
然而，随着社会的发展，城市交通拥堵日益恶化，而解决交通拥堵的关键之一是对交通需求时变性进行刻画的方法掌握。
交通需求的时变性体现在OD 矩阵上则表现出随时间变化的起伏特征。
城市动态交通流分配模型概述及展望摘要：自该动态交通分配问题问题提出以来．研究者们给出了各种分配模型来描述它。
并且在城市交通控制与管理中也需要根据交通流状态随空间与时间的演化过程，针对可能出现的拥挤和阻塞及时采取有效措施．确保城市交通系统平稳、高效地运行。
动态交通分配考虑了交通需求随时间变化和出行费用随交通负荷变化的特性，能够给出瞬间的交通流分布状态。
关键词：动态交通流；分配；模型随着城市不断的发展，交通需求量也日益增加，单方面依靠增建交通设施以无法有效的解决城市交通的需求。
本文主要研究目标为建立实用的城市动态网络交通流分配模型，为缓解交通拥堵提供可靠的理论依据，为驾驶员提供可靠的动态道路交通信息。
1 动态交通流分配模型概述1.1动态交通流分配模型的定义及特征动态交通流分配即在交通供给状况以及交通需求状况均已知的条件下,分析其最优的交通流量分布模式,从而为交通控制与管理、动态路径诱导等提供依据[2]。
与静态交通流分配研究相比,动态交通分配模型在构造上有如下特征:1) 动态交通流分配可以对在时间、空间上都具有非定常特性的交通流作出描述。
2) 路段上交通状态量的时间变特性将通过交通量守恒准则或连续平衡方程式来描述。
1.2动态交通流分配（DTA)的分类静态交通分配模型以交通网络规划为目标,而动态交通分配模型则以道路网交通流为对象,以交通控制管理为目标。
动态系统最优原则是从道路交通管理者的意愿出发，根据不同的道路交通控制目的，有着不同的配流模式：1) 总出行时间最短；2) 总出行费用最少；3) 总出行距离最短；4) 总交通延误时间最短；5) 平均道路交通拥挤度最小等。
动态用户最优则根据出行者本身的意愿将现有道路交通状态下的动态交通需求分配到道路网中的交通流量分配原则：1)每个出行者出行时间最短；2)每个出行者出行费用最少；3)每个出行者出行行程最短；4)每个出行者交通延误时间最少；5) 每个出行者交通拥挤度最小等。
《多种情形下的动态交通分配演化模型研究》篇一一、引言随着城市化进程的加速，交通问题日益突出，交通分配问题成为了城市交通规划和管理的重要研究领域。
动态交通分配模型是解决交通分配问题的重要工具之一，其能够根据实时交通信息对交通流量进行分配和预测。
本文将介绍在多种情形下动态交通分配演化模型的研究现状，包括研究背景、目的、方法以及研究成果等内容。
二、动态交通分配模型的背景与意义动态交通分配模型是城市交通规划和管理的重要工具之一，其能够根据实时交通信息对交通流量进行分配和预测。
随着城市交通网络的日益复杂化，传统的静态交通分配模型已经无法满足现实需求，因此动态交通分配模型的研究显得尤为重要。
该模型能够更好地反映交通流量的实时变化，为城市交通规划和管理提供更加准确的数据支持。
三、多种情形下的动态交通分配模型研究（一）基本动态交通分配模型基本动态交通分配模型是基于用户均衡原则的，即每个出行者都希望选择最短路径进行出行。
该模型通过建立道路网络流量模型、路阻函数以及优化算法等，对实时交通信息进行收集和处理，实现对交通流量的准确预测和分配。
（二）复杂情形下的动态交通分配模型随着城市交通网络的复杂化，出现了多种复杂情形下的动态交通分配模型。
例如，考虑多模式交通方式的动态交通分配模型、考虑多用户类型的动态交通分配模型以及考虑不确定因素的动态交通分配模型等。
这些模型能够更好地反映现实情况下的交通流量变化，为城市交通规划和管理提供更加准确的依据。
（三）演化模型研究演化模型是研究动态交通分配模型演化的重要手段之一。
通过对不同情形下的动态交通分配模型的演化过程进行研究，可以更好地理解模型的运行机制和优化方向。
同时，演化模型还可以用于评估不同模型的性能和适用性，为城市交通规划和管理提供更加科学的决策支持。
四、研究成果及展望目前，国内外学者在多种情形下的动态交通分配演化模型研究方面已经取得了一定的成果。
例如，有学者研究了多模式交通方式下的动态交通分配模型的演化过程，并提出了相应的优化算法；有学者考虑了多用户类型的实际情况，建立了更加贴近现实的动态交通分配模型；还有学者研究了不确定因素对动态交通分配模型的影响等。
交通工程毕业论文文献综述一、引言交通工程是研究和规划交通系统的学科，其研究内容涉及交通网络、交通运输管理、道路设计、交通流理论等。
随着城市化进程和交通需求的增加，交通工程的研究和应用变得越来越重要。
本文旨在对交通工程领域相关的文献进行梳理和综述，为交通工程毕业论文的撰写提供参考和指导。
二、交通系统规划与管理1. 交通规划与设计交通规划与设计是交通工程中的重要环节，其目的是通过科学的规划和设计手段来优化交通网络的配置和交通设施的布局。
在文献综述中，可以探讨交通规划与设计的方法、模型及其在具体案例中的应用。
2. 交通系统管理与控制交通系统管理与控制是指通过信息技术和通信工具来监测和调度交通流量，以提高交通网络的运行效率和出行体验。
文献综述中可以讨论交通系统管理与控制的关键技术，如交通信号控制、智能交通系统等，并介绍其在实际应用中的效果和局限性。
三、交通流理论与模型1. 交通流理论交通流理论研究交通流量的形成、演化和稳定特性，并通过建立数学模型来描述和预测交通流的行为。
在文献综述中，可以介绍交通流理论的基本概念和发展历程，以及不同交通流模型的优缺点。
2. 交通模型与仿真交通模型和仿真是交通工程领域常用的研究方法，通过建立交通系统的数学模型和仿真平台，可以快速评估不同交通管理策略的效果和影响。
在文献综述中，可以对交通模型和仿真技术进行综述，并结合具体案例分析其应用价值。
四、交通工程技术与应用1. 道路设计与交通安全道路设计是交通工程中的重要环节，合理布局和设计道路可以提高交通的运行效率和安全性。
在文献综述中，可以介绍道路设计的原则、方法和技术，以及交通安全管理的策略和措施。
2. 公共交通与出行行为公共交通是城市交通系统中的重要组成部分，其规划和运营对于解决城市交通拥堵和环境污染问题具有重要意义。
在文献综述中，可以探讨公共交通规划的原则和方法，以及出行行为对公共交通需求的影响因素。
五、结论本文对交通工程领域的相关文献进行了综述，围绕交通系统规划与管理、交通流理论与模型、交通工程技术与应用等方面进行了论述。
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。
动态交通分配模型的文献综述动态交通流分配解析模型研究综述由于静态交通流分配理论不能体现OD需求矩阵随时间变化的起伏特征，动态交通流分配理论应运而生。
自1978年Merchant和Nemhauser首次提出了动态交通流分配的概念以来，动态交通流分配理论因其在拥挤网络的典型应用受到众多学者的青睐。
动态交通流分配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。
按照建模方法的不同，动态交通流分配模型可以分为动态交通流分配解析模型和动态交通流分配仿真模型。
动态交通流分配解析模型可以分为三类:数学规划模型、最优控制模型和变分不等式模型。
（1）数学规划模型Merchant和Nemhauser(1978)[1]首次采用数学规划的方法来描述动态交通流分配问题，建立了一个离散时间的、非凸的非线性规划模型(记为M-N模型)。
在静态假定下，该模型可以转换为静态的系统最优分配模型。
Ho(1980)[2]推导了M-N模型最优解的充分性条件，并提出了该模型的分段线性算法。
Carey(1986)[3]改进M-N模型为非线性凸规划，并证明了模型解的惟一性。
上述模型均局限于多个起点、一个终点的简单网络。
Carey(l992)[4]首次提出了动态交通流分配的FIFO(First-In-First-Out)规则，指出当网络扩展为多个终点时，FIFO 原则必将导致模型解得可行域为非凸集合，如果不满足该原则，则模型解不合理。
FIIFO原则的提出使得DTA问题的数学规划建模遇到了困难。
Janson(1991)[5]最早尝试建立用户最优的动态交通流分配模型，但模型部分假设违反了FIFO原则,算法的数学性质也不足够好，有可能导致不符合实际交通情况的行为。
Ziliaskopoulos(2000)[6]引入元胞传输模型建立了一个系统最优DTA线性规划模型，不需将路段出行时间函数作为路段交通流量传播的唯一工具，而是按照细胞传播模型来处理交通流的传播，为动态交通流分配问题建模提供了一个新的思路。
动态交通分配模型的文献综述动态交通流分配解析模型研究综述由于静态交通流分配理论不能体现OD需求矩阵随时间变化的起伏特征，动态交通流分配理论应运而生。
自1978年Merchant和Nemhauser首次提出了动态交通流分配的概念以来，动态交通流分配理论因其在拥挤网络的典型应用受到众多学者的青睐。
动态交通流分配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。
按照建模方法的不同，动态交通流分配模型可以分为动态交通流分配解析模型和动态交通流分配仿真模型。
动态交通流分配解析模型可以分为三类:数学规划模型、最优控制模型和变分不等式模型。
（1）数学规划模型Merchant和Nemhauser(1978)[1]首次采用数学规划的方法来描述动态交通流分配问题，建立了一个离散时间的、非凸的非线性规划模型(记为M-N模型)。
在静态假定下，该模型可以转换为静态的系统最优分配模型。
Ho(1980)[2]推导了M-N模型最优解的充分性条件，并提出了该模型的分段线性算法。
Carey(1986)[3]改进M-N模型为非线性凸规划，并证明了模型解的惟一性。
上述模型均局限于多个起点、一个终点的简单网络。
Carey(l992)[4]首次提出了动态交通流分配的FIFO(First-In-First-Out)规则，指出当网络扩展为多个终点时，FIFO 原则必将导致模型解得可行域为非凸集合，如果不满足该原则，则模型解不合理。
FIIFO原则的提出使得DTA问题的数学规划建模遇到了困难。
Janson(1991)[5]最早尝试建立用户最优的动态交通流分配模型，但模型部分假设违反了FIFO原则,算法的数学性质也不足够好，有可能导致不符合实际交通情况的行为。
Ziliaskopoulos(2000)[6]引入元胞传输模型建立了一个系统最优DTA线性规划模型，不需将路段出行时间函数作为路段交通流量传播的唯一工具，而是按照细胞传播模型来处理交通流的传播，为动态交通流分配问题建模提供了一个新的思路。
Ukkusuri和Wallerl(2008)[7]基于元胞传输模型建立了一个用户最优DTA线性规划模型，较Janson模型更易于求解，但上述两个基于元胞传输模型的DTA模型均仅适用于单一起点的网络。
（2）最优控制模型最优控制模型假定时间是连续变量，约束条件与数学规划模型类似。
Friesz等(1989)[8]基于路段的最优控制模型讨论了单终点情况的系统最优(SO)问题和用户平衡(UE)问题。
该SO模型可以看作是离散M-N模型的连续化，UE模型可以看作是Beckmann模型通过瞬间用户路径费用平衡的动态推广。
其他有代表性的最优控制模型有：Ran和Shimazaki(1989a、1989b)[9][10]基于路段的SO-DA T模型、Wie(1990)[11]考虑了弹性需求条件下的UE-DTA模型、Ran(l 993)[12]将路段驶入流量和驶出流量为控制变量的UE-DTA模型等。
（3）变分不等式方法变分不等式(VI)理论在DTA领域的成功应用为DTA问题的建模构造了一个通用的建模平台，如不动点、最优化以及互补性问题，能够处理更现实的交通问题。
VI模型的基本思路是将动态交通流分配过程分解为网络加载和网络分配两个过程，最终通过求解一系列的线性规划来求解分配问题。
Dafermos(1980)[13]首先将变分不等式方法引入了静态交通平衡建模领域。
Drissi-Kaitoun(1992、1993)[14][15]通过时间、空间扩展网络技术直接将静态VI交通流分配模型扩展到动态VI交通流分配模型。
国内学者也利用VI方法对DTA问题进行探讨，周溪召(2002)[16]考虑了三种路径选择行为:选择固定路径、选择具有最短理解出行时间的路径、选择最小实际出行时间路径，在允许交通阻抗函数非对称的前提下，将三种路径行为综合表达为一个与之等价的VI模型。
任华玲和高自友(2003、2004、2007)[17][18]针对瞬时动态用户最优条件建立了一系列变分不等式模型，探讨了基于VI的动态用户最优基本模型与算法，并考虑了路段能力有限制、ATIS占有率等实际交通问题。
连爱萍等(2007)[19]将路段的元胞传输模型作为流量演进方程，构造了基于路段变量的动态用户最优VI模型，减少路段流量及流出率变量,从而减化了模型求解。
动态交通流分配仿真模型研究综述与动态交通解析分配模型相比，动态交通流分配仿真模型没有明确的数学表达式，没有严谨的解的性质，求解结果精确度不高，从学术的角度看并没有解析模型对学者有吸引力；但仿真模型具有有效的求解算法，能够直观地体现各影响因素之间的相互作用，适用于大型真实交通网络的交通分析，可用来评价交通管理措施、交通信息服务、路径诱导效果等。
另一方面，从实用角度看，解的收敛性和唯一性的要求在实际应用中并不是特别重要。
仿真模型能够高效的描述逼真的交通现实，因而具有很好的应用价值，常被称为面向应用的动态交通流分配模型或应用型模型。
根据应用层次的不同，DTA仿真模型可以分配三类：宏观(Macroscopic)模型、中观(Mesoscopic)模型和微观(Microscopic)模型。
宏观模型以车辆整体流动为研究对象，从宏观上分析整个交通网络的交通流特性，能够描述网络流量、速度、密度之间的关系，适用于城市长期交通规划。
代表性的宏观模型与研究有：DYNAMIC(Yu,Van Aerde,1998)[20]、METACOR(Diakaki等，1997)[21]、METANET(Hegyi等，2005)[22]。
微观模型以个体车辆运动为研究对象，对单个车辆的跟驰行为、间距保持和换道选择等进行仿真，能够精准地描述每一时刻每一辆车的驾驶行为和相互作用，计算量大，适应于中小规模路网的交通模拟。
代表性的微观模型与研究有：CORSIM(Molina等，2005)[23]、MITSIM(Yang 等，1996)[24]、PARAMICS (Chu等，2004)[25]、VISSIM(Stevanovic等，2008)[26]。
中观模型介于宏观和微观两种模型之间,以车辆群体为研究对象，既能解决宏观模型不能描述排队长度和延误等详细交通状态指标问题，又能避免微观模型不能描述OD对交通系统产生的影响等问题。
因而，中观仿真模型在处理大中型路网的交通流分配问题中有着独特的优势，近年来受到广泛的关注。
中观模型的共同特点是：具有丰富的驾驶员路径选择模型，能够清晰地反应交通运行情况以及时变特征，代表性的模型与研究有DynaSinart(Jia等，2010)[27]、DynaMIT(Balakrishna等，2007)[28]、INTEGRA TION (Park等，2010 )[29]。
多模式交通研究综述在现有交通流分配中，一种交通方式出行行为被广泛研究，而对于城市规模越来越大的如北京、上海等国际都市，单一的交通方式已经无法满足居民的出行要求，其出行路径多数使用两种或两种以上的交通方式，这就衍生了组合出行的概念。
由于我国的交通建设正处于大力发展阶段，人们对组合出行的认识不够全面，现有研究也处于起步阶段。
多数组合出行构建的数学模型是静态的，其中利用变分不等式方法构建模型得到大多数的应用。
比如Fern ández et al(1994)[30]和Liu et al(2009)[31]都应用图论求解小汽车和地铁的组合出行，且都应用了F-W(Frank-Wolfe)算法，都没有给出解的性质；Florian etal(2000)[32]根据高斯-塞德尔迭代法对步行、小汽车、地铁、公交车四种交通方式组合出行建立了静态的变分不等式模型；Abdelghany(2001)[33]使用了超级网络的路网模型，对小汽车、公交车、地铁和高载量汽车的组合出行建立了动态解析模型；Wu and Lam(2002)[34]基于交通的弹性需求,分析步行和公交车的组合出行，使用了成本逼近法(CA)求解静态变分不等式模型。
相继平均法(MSA)在组合出行中应用较为广泛，黄海军(2006)[35]]、李红莲(2011)[36]、秦焕美等(2012)[37]都基于固定出行需求求解静态模型,其中黄和李也有研究弹性需求下的静态模型。
孟梦等(2013)[38]基于弹性需求在认为出行模式和路阻随机的条件下,分析交通均衡条件,构建变分不等式模型。
对MSA 进行优化得到连续权重平均法减少了迭代次数。
参考文献[1]Merchant D K, Nemhauser G L. A model and an algorithm for the dynamic traffic assignment problems[J]. Transportation science, 1978, 12(3): 183-199.[2]Ho J K. A successive linear optimization approach to the dynamic traffic assignment problem[J]. Transportation Science, 1980, 14(4): 295-305.[3]Carey M. A constraint qualification for a dynamic traffic assignment model[J]. Transportation Science, 1986, 20(1): 55-58.[4]Carey M. Nonconvexity of the dynamic traffic assignment problem[J]. Transportation Research Part B: Methodological, 1992, 26(2): 127-133.[5]Janson B N. Dynamic traffic assignment for urban road networks[J]. Transportation Research Part B: Methodological, 1991, 25(2): 143-161.[6]Ziliaskopoulos A, Wardell W. An intermodal optimum path algorithm for multimodal networks with dynamic arc travel times and switching delays[J]. European Journal of Operational Research, 2000, 125(3): 486-502.[7]Ukkusuri S V, Waller S T. Linear programming models for the user and system optimal dynamic network design problem: formulations, comparisons and extensions[J]. Networks and Spatial Economics, 2008, 8(4): 383-406.[8]Friesz T L, Luque J, Tobin R L, et al. Dynamic network traffic assignment considered as a continuous time optimal control problem[J]. Operations Research, 1989, 37(6): 893-901[9]Ran B, Shimazaki T. A general model and algorithm for the dynamic traffic assignment problems[C]//Transport Policy, Management & Technology Towards 2001: Selected Proceedings of the Fifth World Conference on Transport Research. 1989, 4.[10]Ran B, Shimazaki T. Dynamic user equilibrium traffic assignment for congested transportation networks[C]//Fifth World Conference on Transport Research, Yokohama, Japan. 1989.[11] Wie B W, Friesz T L, Tobin R L. Dynamic user optimal traffic assignment on congested multidestination networks[J]. Transportation Research Part B: Methodological, 1990, 24(6): 431-442.[12] Ran B, Boyce D E, LeBlanc L J. A new class of instantaneous dynamic user-optimal traffic assignment models[J]. Operations Research, 1993, 41(1): 192-202.[13]Dafermos S. Traffic equilibrium and variational inequalities[J]. Transportation science, 1980, 14(1): 42-54.[14]Drissi-Kaïtouni O, Hameda-Benchekroun A. A dynamic traffic assignment model and a solution algorithm[J]. Transportation Science, 1992, 26(2): 119-128.[15]Drissi-Kaitouni O. A variational inequality formulation of the dynamic traffic assignment problem[J]. European journal of operational research, 1993, 71(2): 188-204.[16] 周溪召. 驾驶员实时动态路径选择行为组合模型[J]. 上海理工大学学报, 2002, 24(2): 109-112.[17]任华玲, 高自友. 动态交通分配中一种离散VI 模型的算法研究[J]. 土木工程学报, 2004, 37(3): 105-108.[18]任华玲, 高自友. 动态公交网络设计的双层规划模型及算法研究[J]. 系统工程理论与实践, 2007, 5(5): 82-89.[19] 连爱萍, 高自友, 龙建成. 基于路段元胞传输模型的动态用户最优配流问题[J]. 自动化学报, 2007, 33(8): 852-859.[20] Yu L, Van Aerde M W. DYNAMIC: A queuing-based dynamic macroscopic traffic assignment/simulation model[C]//Traffic and Transportation Studies (1998). ASCE, 1998: 300-309.[21]Diakaki C, Papageorgiou M, McLean T. Simulation studies of integrated corridor control in Glasgow[J]. Transportation Research Part C: Emerging Technologies, 1997, 5(3): 211-224. [22]Hegyi A, De Schutter B, Hellendoorn H. Model predictive control for optimal coordination of ramp metering and variable speed limits[J]. Transportation Research Part C: Emerging Technologies, 2005, 13(3): 185-209.[23]Molina G, Bayarri M J, Berger J O. Statistical inverse analysis for a network microsimulator[J]. Technometrics, 2005, 47(4): 388-398.[24]Yang Q, Koutsopoulos H N. A microscopic traffic simulator for evaluation of dynamic traffic management systems[J]. Transportation Research Part C: Emerging Technologies, 1996, 4(3): 113-129.[25]Chu L, Liu H X, Recker W, et al. Performance evaluation of adaptive ramp-metering algorithms using microscopic traffic simulation model[J]. Journal of Transportation Engineering, 2004, 130(3): 330-338.[26] Stevanovic J, Stevanovic A, Martin P T, et al. Stochastic optimization of traffic control and transit priority settings in VISSIM[J]. Transportation Research Part C: Emerging Technologies, 2008, 16(3): 332-349.[27]Jia A, Williams B, Rouphail N. Identification and calibration of site-specific stochastic freeway breakdown and queue discharge[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010 (2188): 148-155.[28] Balakrishna R, Ben-Akiva M, Koutsopoulos H. Offline calibration of dynamic traffic assignment: simultaneous demand-and-supply estimation[J]. Transportation Research Record: Journal of the Transportation Research Board, 2015.[29] Guo F, Rakha H, Park S. Multistate model for travel time reliability[J]. Transportation Research Record: Journal of the Transportation Research Board, 2010 (2188): 46-54.[30]Fernández E, De Cea J, Florian M, et al. Network equilibrium models with combined modes[J]. Transportation Science, 1994, 28(3): 182-192.[31] Liu T L, Huang H J, Yang H, et al. Continuum modeling of park-and-ride services in a linear monocentric city with deterministic mode choice[J]. Transportation Research Part B: Methodological, 2009, 43(6): 692-707.[32]Florian M, Wu J H, He S. A multi-class multi-mode variable demand network equilibrium model with hierarchical logit structures[M]. Springer US, 2002.[33] Abdelghany K, Mahmassani H. Dynamic trip assignment-simulation model for intermodal transportation networks[J]. Transportation Research Record: Journal of the Transportation Research Board, 2001 (1771): 52-60.[34]Huang H J, Lam W H K. Modeling and solving the dynamic user equilibrium route and departure time choice problem in network with queues[J]. Transportation Research Part B: Methodological, 2002, 36(3): 253-273.[35] 李志纯, 黄海军. 弹性需求下的组合出行模型与求解算法[J]. 中国公路学报, 2005, 18(3): 94-98.[36] 李红莲. 可换乘条件下的城市多模式交通分配研究[D]. 北京: 北京交通大学交通运输学院, 2011.[37] 秦焕美, 关宏志, 潘小松. 基于随机连续平衡模型的停车换乘需求[J]. 吉林大学学报: 工学版, 2012, 42(2): 321-326.[38] 孟梦, 邵春福, 曾静靖, 等. 组合出行模式下多方式交通流分配模型及算法[J]. 吉林大学学报: 工学版, 2014 (1): 47-53.。
