城市交通网络均衡分配的模型与算法，黄海军，贵阳讲学班 学术报告讲稿，2004年4月..docVIP

贵阳讲学班 学术报告讲稿 城市交通网络均衡分配的 模型与算法 黄海军 目录: §1 确定性用户均衡分配模型 §1.1 用户均衡分配 §1.2 系统最优分配 §1.3 含能力约束的交通分配 §1.4 不可分离路段时间函数下的交通分配问题 §2 随机用户均衡交通分配模型 §2.1 基于Probit的随机均衡交通分配 §2.2 基于Logit加载的随机均衡交通分配模型 §2.3 对基于Logit加载技术的SUE模型的扩展 §3 双准则交通分配 参考文献 中国运筹学会 2004年4月 城市交通网络均衡分配的模型和算法 100083 北京航空航天大学经济管理学院 黄海军 本讲义介绍各种城市交通分配的静态模型和求解算法。交通分配就是将OD矩阵中的交通需求按照一定的择路原则分配到交通网络上，得到路段流量。这里，择路原则是交通分配问题的关键，如果假设所有出行者了解网络的全部交通状况，能够正确地计算出行成本、并总是做出正确的路径选择，这样的模型就是确定性模型，见第一节；随机模型允许成本计算有一定的误差，出行者基于自己对成本的理解（不准确）做出路径选择，见第二节。本讲义所指的成本基本上就是时间，假设其它费用都被转换成标准时间了。其实，文献中有一种更具普遍意义的交通分配模型，将时间和费用分别处理，这样就更接近真实的交通行为。如果将出行者按照对时间价值的不同理解进行分类，构造可以反映不同属性行为的交通分配模型，就是所谓的多用户类模型，第三节介绍了考虑不同属性出行行为的双准则交通分配问题。 在具体介绍模型之前，我们先定义一些基本概念。首先，公路网络是由节点和路段构成的，节点可以代表出发地、目的地，也可以是交叉口；出发地产生交通量，目的地吸引交通量。交通需求就是从出发地到目的地的一种出行行为，完成这一出行要选择出发地与目的地之间的路径，一条路径由若干连通的路段构成。某路段上的流量是所有经过该路段的交通量的总和。 网络中的交通需求可以用出发地-目的地（Origin-Destination）矩阵表示，矩阵中的元素表示相应的出发地与目的地之间在某一时间段内的交通需求量，某一行元素的总和就是对应的出发地的总交通发生量，某一列元素的总和则是对应的目的地的总交通吸引量。 一条路径的特征是由该路径上所有路段的特征决定的，出行者根据一定的原则选择自己的路径，如时间最小原则。在路段上花费的时间是与路段上的交通流量相关的，当流量上升时，时间也上升，这就是拥挤效应，是均衡分配的核心所在。文献中，一般将路段时间处理成流量的连续、单调、上升函数，最典型的函数如图1所示，其中零流时间是指路段上流量为零时、车辆行驶该路段所需要的时间。理论上，流量不能超过路段的通行能力，但理论研究中为了简化模型和求解方便，通常用允许流量超过能力的逼近形式。在本讲义中，我们将会介绍一种将能力约束明显地考虑在模型中的交通分配技术。 图1 典型的路段时间函数 下面定义一些常用的符号： N = 所有节点的集合 A = 所有路段的集合 R = 所有出发地的集合 S = 所有目的地的集合 P = 所有路径的集合 a = 表示一条路段, a?A r = 表示一个出发地, r?R s = 表示一个目的地, s?S k = 表示一条路径, k?P Prs = r与s之间所有路径的集合, Prs?P qrs = 单位时间段内从r到s的交通需求量 xa = 路段a上的交通流量 ta = 行驶路段a所需的平均时间 = OD对(r,s)之间的路径k上的流量 = {1，若路段a在(r,s)之间的路径k上；否则为零}. 黑体符号将表示向量或矩阵。除特别说明之外，假设一个出行者就是一辆车。 §1 确定性用户均衡分配模型 如前所述，交通分配问题中的一个关键点是假设出行者遵循什么样的行为准则。有两个广泛使用的原则，即Wardrop(1952)第一和第二原则。第一原则假定，所有出行者独立地做出令自己的行驶时间最小的决策，在所导致的网络流量分布状态里，同一OD对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。这样一种流量分布状态被称为用户均衡态，在这种状态下，没有人能够通过单方面改变自己的路径来达到降低自己时间的目的?。我们将分别用数学规划和变分不等式构造描述用户均衡态的数学模型，并给出求解技术。 Wardrop第二原则假定所有人的出行能够令网络总时间最小，这就是说，有一个中央组织者协调所有人的路径选择行为，大家也都听从该组织的指挥。这样出行导致的流量分布状态被称为系统最优，我们在后面将适当地介绍相应的数学模型。 我们还将介绍排队网络均衡分配模型，即当路段流量达到其通行能力时，排队就会出现，但这种排队与动