基于轉彎流量的OD反推算法及基于微觀對象的動態(tài)配流算法研究.pdf

1、交通需求預測是交通規(guī)劃問題最重要的一環(huán)，OD矩陣的獲取、交通配流是交通需求預測的兩個核心內容。OD矩陣的獲取通常是通過大規(guī)模居民出行調查，代價十分昂貴，由路段流量反推OD矩陣是一項有意義的工作，它為獲得OD矩陣這一代價高昂但是意義重大的交通需求信息提供了有效手段?，F(xiàn)有的OD矩陣反推算法，約束條件都是路段流量條件，由于路段數(shù)一般遠遠小于OD對數(shù)，導致產生高維的解空間，OD反推的結果誤差較大。交通配流是交通需求預測的最終歸宿，也在OD矩陣反

2、推過程中扮演重要角色。隨著城市交通的發(fā)展以及交通網(wǎng)絡中交通量的急劇增加，交通擁擠堵塞問題日趨嚴重，靜態(tài)配流理論遇到挑戰(zhàn)，動態(tài)配流由于考慮到了交通網(wǎng)絡的時變特性，更符合實際，成為現(xiàn)在研究的熱點?，F(xiàn)有的動態(tài)配流理論建立在宏觀流量的分析上，通過建立數(shù)學規(guī)劃模型或控制模型來求解，然而由于問題的復雜性，這些理論基本上都沒有有效的求解辦法或者可解釋性不強。 本論文在OD反推和配流理論的基礎上，以基于路口轉彎流量的配流算法和基于微觀對象的動態(tài)

3、配流算法為研究對象，以交通路口微觀仿真系統(tǒng)(TiSS)為研究平臺，主要完成了以下工作：1.研究了配流算法相關的幾個重要問題，提出了適合城域交通的路網(wǎng)和OD點描述方法。引入了基于用戶決策因子的最短路徑算法，體現(xiàn)了越近的路段對車輛路徑選擇決策越重要，距離越遠的路段由于信息的缺乏和網(wǎng)絡的動態(tài)特性，往往在路徑選擇決策中扮演的角色越來越弱。 2.路口轉彎流量比路段流量提供了更多有關交通流的信息，采用轉彎流量來進行OD反推，可以有效地減少O

4、D反推問題的可行解空間維數(shù)，大大提高結果的可靠性。論文提出了完整的基于轉彎流量反推OD矩陣的算法，包括基于轉彎流量的交通配流算法，基于轉彎流量p矩陣的OD反推算法，并通過理論證明和計算實例對該算法和基于路段流量的OD反推算法進行了比較，該算法的可行解空間維數(shù)大大降低，OD反推結果的質量也得到較大提高。 3.提出了基于微觀對象的動態(tài)配流算法。研究對象不再局限在宏觀流量上，而是路網(wǎng)上每一個的微觀對象——車輛，在車輛的行駛過程中，根據(jù)

5、實時交通數(shù)據(jù)，動態(tài)計算路段阻抗，根據(jù)UE理論，選擇用戶最優(yōu)路徑，將交通流量精確分配到每一個車道上，而不只是路段上，再現(xiàn)實際情況、模仿司機行為，從而真正意義上實現(xiàn)動態(tài)配流，而且回避了宏觀動態(tài)配流的數(shù)學規(guī)劃問題、分段問題。 4.作為項目負責人，設計并實現(xiàn)了交通路口微觀仿真系統(tǒng)TiSS，該系統(tǒng)可以仿真任意形狀、任意紅綠燈方案、任意非常規(guī)路口；包含最優(yōu)信號燈配時方案模塊，可以針對仿真路口，得到最優(yōu)信號燈配時方案，并可在微觀環(huán)境中驗證；可