随城市人口的增长跟社会经济的持续发展.pptVIP

一个可行的路径流量h是指满足如下流量守恒条件的流量： 费用满足如下关系式 ： 用矩阵表示如下 ： 第二节 UE配流的数学规划模型 Becrmann用以下数学形式描述Wardrop平衡状态： 其中 为平衡状态下OD对 之间的出行费用。 Becrmann等提出的城市交通平衡配流模型沉睡了多年以后，求解这个模型的有效算法才得以产生。其原因是模型（P1）的约束条件过多，而一般算法只适合小于型问题的求解，因而无法解决实际的平衡交通最分配问题。直到上世纪60年代后期，人们对问题（P1）的进一步研究才发现Flanr-Wolfe算法可以有效的解决这个问题。 下面我们来介绍模型（P1）的求解算法。 现将以上算法规纳如下： 第1步：初始化，令 ， 将OD需求量全部加载到最短路径，得到弧流量 ，这一加载方法称为“全有全无”法（All－or－Nothing），置n=1； 第2步：计算 ； 第3步：搜索可行方向，根据 ，用“全有全无”法将OD需求量加载上网，得到弧流量 ； 第4步：寻找迭代步长，求解一维极小值问题： 求得步长 ； 第5步：更新流量：置 ， 第6步：收敛性检查：如果满足收敛性则，则算法终止，否则令n=n+1，转到第2步。 此算法中在理论上需要求解满足相应约束条件的线性规划 问题，对于大规模网络来说，求解这个线性规划问题的计算量 相当大，而且在算法里每次迭代都要求解这样一个问题。从上 面我们看到，由于交通网络的特殊结构，线性规划问题将被寻 找最短路径所代替，从而大大缩短了算法的计算时间。 第三节 系统最优模型 系统最优化比较容易用数学规划来表达。其目标函数 是对系统的总走行时间（总出行费用）取最小值。约束条 件与UE模型完全一样。因此，该问题可以归纳为下述模型： （P3） 系统最优化（Sgstem Optimization）模型，简称SO，其等 价性证明与UE模型类似。 第四节 弹性需求的UE配流模型 前面介绍的UE模型是在OD交通量已知并且为常量的前提下建立的模型，但在现实中，OD交通量的大小可能会受网络运行情况的影响，比如当网络中两个节点之间的拥挤程度增加时，有些出行者可能会改变自己的出行计划或放弃出行，相应的OD对之间的交通量会减少。 为反映这一现象，可以用一个函数来描述这种关系： 其是是OD对之间的最小费用，表示之间的流量需求函 数。通常是单调减函数，并且有上界。这类问题便是弹性需 求下的配流问题。相对应地，前几节的问题移为固定需求问 题。 我们假设路段上的费用仅取决于该路段上的流量，而与 每条路径有效的交通量仅取决于路径上的费用。这样，我们 得出这一问题的数学规划模型描述： （P5） 第五节 随机平衡配流模型 由于每条路径的估计阻抗是随机变量，具有相应的概率密度函数，对于某一特定的出行者，每条路径均有一个被选择的概率。 随机平衡配流模型就是研究在路径阻抗分布函数的基础上，计算有多少出行者选择每一条路径。假定OD对 之间第r条路径被选择的概率是 也就是其估计阻抗在i-j之间所有可能路径的估计阻抗中为最小的概率，即： 由随机平衡配流的定义知，在这种平衡状态下，某个OD对之间所有被选用的路径上，并不一定有相同的实际阻抗值，而只满足下述条件： 在此式中，路径流量 与 有关，而 一估计路径阻抗大小有关，而实际路段阻阻是流量的函数，如此循环达到SUE的条件。显然，UE问题仅是SUE问题的特例。 首先构造如下的数学规划模型，然后证明其与SUE条件之间的等价性以及解的唯一性。 （P6） 下面我们来完成等价性和解的唯一性证明。 ①等价性证明： 对无约束的极值问题，其极值点上的一阶条件为： 对于第一项有： = 由于 故上式可得 对于第二项，有： 对于第三项，有： 从而，一阶条件为： 如果路段阻抗函数是严格单调递增函数，即 则当且仅当 而此式正是SUE的条件，因此可知无约束最小化问题（P6） 的解与SUE条件等价。 ②解的唯一性证明： 易证，目标函数 的Hessian阵虽然是不确定阵， 但其在平衡点上是正定的，即平衡点是该无约束极小化问题 的一个局部极