[發明專利]考慮重疊路徑的隨機用戶均衡逐日動態交通流預測方法

有效

• 申請號: 201911149268.0
• 申請日: 2019-11-21
• 公開（公告）號: CN110853375B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 周博見;蔣曦;張永;黃迪;崔少華;李佳欣
• 申請（專利權）人: 東南大學
• 主分類號: G08G1/065
• 分類號: G08G1/065;G08G1/096
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

1.考慮重疊路徑的隨機用戶均衡逐日動態交通流預測方法，具體步驟如下，其特征在于：

將本預測方法中出現的符號定義如下：

考慮交通網絡G＝(N,A)，其中N是節點集合、A是有向路段集合，令C表示路網中所有OD對的集合，d_pq表示OD對(p,q)∈C之間出行者的交通需求量，R_pq表示OD對(p,q)∈C之間的路徑集合，設C_a、為路段a∈A的通行能力與自由流行駛時間，為第k天路段a上的流量與行駛時間，設為OD對(p,q)∈C之間路徑r∈R_pq的自由流行駛時間，分別為第k天OD對(p,q)之間路徑r上的實際流量，目標流量及行駛時間，令表示第k天的實際路徑流量向量與目標路徑流量向量，路段-路徑關聯系數由δ_pqra表示，如果路段a在連接OD對(p,q)的路徑r上，δ_pqra＝1；否則δ_pqra＝0；

假設出行者依據Logit準則，動態調整其出行路徑，令α^(k)∈[0,1]表示出行者的流量調整比，即第k天愿意重新選擇路徑的出行者所占出行者總數的比例，設e_pqr為OD對(p,q)的之間路徑r∈R_pq與路徑l∈R_pq，r≠l重疊時額外產生的重疊成本；

考慮重疊路徑的隨機用戶均衡逐日動態交通流預測方法的詳細步驟如下：

步驟0.組織交通調查，確定交通網絡中每個OD對之間出行者的需求量(d_pq,(p,q)∈C)^T，各路徑的初始路徑流量及出行者的分散系數參數θ，給定預測時間跨度N，置k＝0；

步驟1.考慮路徑重疊對出行者路徑選擇行為的影響，構造路徑的重疊成本函數e_pqr：

網絡中同一OD對之間的路徑會出現部分路段重合的現象，重疊路徑的存在會降低所在路徑被出行者感知的概率，從而減少該路徑的效用值，使得出行者傾向于選擇獨立性較高的路徑，避免選擇與多條路徑重疊的路徑；

引入e_pqr表示路徑r∈R_pq與路徑l∈R_pq，r≠l重疊時額外產生的重疊成本，調節隨機用戶均衡下出行者選擇路徑r∈R_pq作為第k+1天出行路徑的概率以削弱重疊路徑對流量預測可靠性的影響，路徑r∈R_pq的重疊成本e_pqr由下式確定：

其中，是OD對(p,q)∈C之間路徑r∈R_pq的長度，是OD對(p,q)∈C之間路徑l∈R_pq的長度，是OD對(p,q)∈C之間路徑_r與路徑l重疊部分的長度，參數β恒大于0，在實際應用時，根據網絡第0天的路徑流量模式h⁽⁰⁾對β進行估計；

步驟2.若k＝＝N，則第N天的路徑流量的預測值為停止迭代；否則，轉步驟3；

步驟3.由計算第k天各路段的路段流量

步驟4.由計算第k天各路段的行駛時間

步驟5.由計算第k天各路徑的行駛時間

步驟6.按照下式，確定第k天各路徑的目標流量；

從而得到第k天的目標路徑流量向量

步驟7.運用黃金分割法，求出滿足下式的α^(k)，作為第k天的流量調節比

其中，為網絡中出行者的勢函數；

流量調整比α^(k)有以下5個子步驟確定：

步驟7.1給定容許誤差δ＞0，設函數令a₁＝0，b₁＝1，按照以下兩式計算初始試探點λ₁，μ₁：

λ₁＝a₁+0.382(b₁-a₁), (4)

μ₁＝a₁+0.618(b₁-a₁), (5)

計算和置j＝1；

步驟7.2若轉步驟7.3；否則，轉步驟7.4；

步驟7.3若b_j-λ_j≤δ，則停止迭代，輸出α^(k)＝μ_j；否則，令a_j+1＝λ_j，b_j+1＝b_j，λ_j+1＝μ_j，μ_j+1＝a_j+1+0.618(b_j+1-a_j+1)，計算與轉步驟7.5；

步驟7.4若μ_j-a_j≤δ，則停止迭代，輸出α^(k)＝λ_j；否則，令a_j+1＝a_j，b_j+1＝μ_j，μ_j+1＝λ_j，λ_j+1＝a_j+1+0.382(b_j+1-a_j+1)，計算與轉步驟7.5；

步驟7.5令j＝j+1，轉步驟7.2；

步驟8.由h^(k+1)＝(1-α^(k))h^(k)+α^(k)y^(k)預測第k+1天的路徑流量向量；

第k+1天的路徑流量模式h^(k+1)由下式確定：

h^(k+1)＝(1-α^(k))h^(k)+α^(k)y^(k) (6)

上式表示第k天只有α^(k)的出行者會根據當天的網絡路徑流量分布重新評估第k+1天的出行路徑，并確定目標路徑流量模式y^(k)；而其余不愿意評估次日出行路徑的出行者會堅持第k天的出行路徑，路徑流量保持不變；

通過上述過程，可預測任意第N天的網絡路徑流量模式。