带转向延误和通行能力限制的交通网络配流模型.docxVIP

带转向延误和通行能力限制的交通网络配流模型 随着经济的发展和交通需求的增加，交通必然会感到拥挤。特别是在城市道路交通上，交通瓶颈一直是交通计划的重点，传统的交通平衡分配模式在道路拥堵中存在许多问题。 另一种更为常见且更为直观的途径是在传统的UE模型中增加路段通行能力约束条件。尽管这一约束使得模型的可行路段流量在通行能力范围内,但它却破坏了模型原有的Descartes形式,不能用传统的Frank-Wolfe方法直接求解。求解这一类带通行能力约束的均衡配流模型的方法主要有罚函数法和Lagrange乘子法。Hearn最早提出外点罚函数法将带通行能力约束的交通分配问题转化为一系列不带通行能力约束的一般交通分配问题,从而可以用Frank-Wolfe方法来求解 尽管带通行能力限制的分配模型的提出受到了广泛的关注,但是这些模型都没有考虑交叉口延误。事实上,城市道路网中存在许多交叉口,车辆在这些交叉口处需要停车等待或者减速,从而产生延误。特别是交通流量比较大时,车辆在交叉口的延误相对路段行驶时间不可忽略。此外,交叉口是限制整个交通网络通行能力的瓶颈,而在现有的模型中仅仅考虑路段通行能力的限制,从而不可避免地降低了模型描述实际问题的准确性。该文根据拥挤交通网络的特点,在交通网络配流模型中引入路段和交叉口通行能力约束、交叉口转向延误,建立带转向延误的拥挤交通网络配流模型,并借鉴动态罚函数算法,提出适合于求解带转向延误和通行能力限制的交通分配问题的算法。 1 符号定义 考虑路网G=(N,A),其中N是节点集,A是路段集,a,b∈A,ab表示从路段a到路段b的转向。x 2 运营网络的稀疏转移 2.1 增函数和通行能力约束 其中: Z(x,y)表示目标函数,由2项组成:第一项是路段流量的增函数,第二项是转向流量的增函数。式(3)和式(4)是通行能力约束,传统的模型中没有限制流量的上限,由此分配产生的平衡流量有可能会超过通行能力,而这一约束有效的将流量限制在通行能力范围之内。 交叉口转向时间t 2.2 路径和转向作业时间 下面求解上述模型的均衡条件。 其中:u 以上各式求偏导,得到详细的表达式如下: 其中: 这里, 由式(13)、式(14)和式(20)可知,对于连接r和s的任意路径k,其流量需满足: 因此,无论在什么情况下,路径k的总行程时间总是不小于Lagrange乘子u 同理,由式(16)、式(17)和式(21)可知,对于路段a,其排队延误需满足: (1)如果x 由式(18)、式(19)和式(22)可知,对于转向ab,其排队延误需满足: (1)如果y 因此,排队延误取决于流量的大小。如果流量低于通行能力,那么道路畅通,排队延误为零;如果路段或者交叉口的流量超过其通行能力,则路段的上游或者交叉口处会发生堵塞而引起排队延误,排队延误大于或等于零。据此可以认为拥堵交通网络中旅行费用不仅包括传统意义上的旅行时间,还包括排队延误,传统的旅行时间的概念并不适用于拥堵交通网络状态。 3 动态罚函数算法 对于路段和转向的Lagrange乘子α (1)单调、连续、可导; (2)当x/C=1时,f(y)=1,p(x,λ)=λ;当x/C1时,f(y)很大;当x/C1时,f(y)很小。 这里取函数f(y)的形式为: 这里ρ可取(0,1)之间较小的数。λ为罚函数系数,在计算过程中,λ根据每次循环得到的新的流量值不断更新,使得罚函数最后趋近于Lagrange乘子。λ更新规则如下: 动态罚函数算法的流程如图1所示。 算法的基本思想是通过增加罚函数,将带通行能力约束和转向延误的问题转化为传统的带转向延误的UE问题。由于传统的求解UE模型的FrankWolfe方法的收敛性能较差,这里借鉴Aashtiani和Magnanti提出的线性分解算法来求解UE问题 步骤1初始化,令n=1: (1)选择合适的参数,主要包括罚函数参数ρ,初始罚函数系数λ 步骤2求初始解f: (1)在{x (2)进行一次全有全无分配,得到初始路径流量f。 步骤3对每一OD对rs,执行 (1)更新有效路径集合K (2)将有效路径所组成的NCP问题在{f (3)判断,若(29)不满足,返回(2)。 步骤4更新路段流量和转向流量,x 步骤5判断,若满足(30),停止,{x 4 案例研究 4.1 网络结构 采用Nguyen和Dupuis 4.2 模型有效性测试 该算例中,各个参数的取值如下:ρ取0.01,ε 算法循环77次收敛。采用GAMS软件进行求解,作为标准结果,本算法的结果与标准结果的绝对误差在0.001以内。 表3和表4给出了OD对1—2和1—3之间的平衡路径流量模式。尽管带转向延误的拥挤交通网络配流问题的路径流量的结果不一定唯一,但是该结果满足所有被选择的路径具有相同的广义行程时间,满足Wardrop平衡准则。