[發明專利]一種基于巢式-交叉巢式的多模式換乘矩陣測算方法

有效

• 申請號: 202110331960.6
• 申請日: 2021-03-29
• 公開（公告）號: CN113160560B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 劉志遠;任闊;安秦鶴;陳英豪;陳景旭;王云珊
• 申請（專利權）人: 東南大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F17/16
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種基于巢式-交叉巢式的多模式換乘矩陣測算方法，其特征在于，該方法通過結合巢式Logit(Nested Logit，NL)模型和交叉巢式Logit(Cross Nested Logit,CNL)模型，結合多模式交通模式各模式間的相似性和多模式城市道路網的重合度，通過交通方式劃分(Mode Split,MS)和交通分配(Traffic Assignment,TA)結合的方法測算出多模式換乘矩陣，包括如下步驟：

步驟1：分析換乘中心服務的交通模式，根據各模式的特征，結合不同交通模式之間的換乘關系，確定出行者的備選出行鏈集合，確定待測算的多模式換乘矩陣X＝[x_s,t]_n,n的規模，其中，x_s,t表示交通模式s與t之間的換乘系數，n表示交通模式的數量，s,t＝1,2,....,n；

步驟2：對于出行者首次選擇行為的備選集，即第一段出行可以選擇的所有交通模式，考慮各個交通模式之間的嵌套關系，構建NL模型進行第一次交通方式劃分；

步驟3：對于出行者基于首次選擇后的后續選擇行為，采用步驟2中的方法順次建立多模式換乘出行方案；

步驟4：對于所有可行的換乘出行方案，分析路網結構及組成的重合度，結合步驟2已構建的構建NL模型，根據用戶均衡的交通流量分配，對總出行需求進行方式劃分和交通分配，構建基于巢式-交叉巢式的方式劃分和交通分配的NL-CNL-MSTA優化模型；

步驟5：利用Evans算法求解步驟4中構建的優化模型，得出多模式交通出行鏈中各模式的比例，從而得出換乘矩陣測算結果；

所述步驟2的NL模型為：

滿足

其中，v_a是路段a上的流量，t_a(x)是路段a上的行程時間函數，IJ表示所有起終點OD對的集合，點i∈I和j∈J分別表示網絡中的起點和終點，U_ij表示NL模型中OD對ij的巢的集合，M_iju表示OD對ij的巢u中的模式集合，γ_ij為OD對ij之間的根離散參數，為OD對ij之間巢u的離散參數，且滿足θ_ijum是表示OD對ij之間巢u中的模式m的隸屬度的參數，是OD對ij之間巢u中模式m的交通出需求，ψ_ijum是OD對ij之間巢u中的模式m的吸引度量；

所述步驟4的NL-CNL-MSTA優化模型為：

滿足：

r∈R_ijume,e∈E_ijum,m∈M_iju,u∈U_ij,ij∈IJ

其中，Z₁為用戶均衡交通分配模型的目標函數，Z₂,Z₃分別是與CNL模型二級概率結構相對應的條件和邊際熵項，E_ijum表示CNL模型中OD對ij的巢u中模式m的巢，R_ijume表示CNL模型中與OD對ij的巢u中模式m相關的屬于巢e的路徑，μ_ijume是與OD對ij的巢u中模式m相關的屬于巢e的路網重合度，α_ijumer是路徑r在與OD對ij的巢u中模式m相關的屬于巢e的路徑中的比例系數，為路徑r∈R_ijume上的路徑流量，q^ij表示OD對ij之間的交通出行需求。

2.根據權利要求1所述的基于巢式-交叉巢式的多模式換乘矩陣測算方法，其特征在于，所述步驟1中涉及到的多模式集合有：NL模型中的上層首次選擇行為的備選模式的分類巢U_ij，表示OD對ij的巢的集合；下層首次選擇行為的備選巢M_iju，表示OD對ij的巢u中的模式集合；CNL模型中的上層路網分類巢E_ijum，表示CNL模型中OD對ij的巢u中模式m的巢；下層所使用的路徑巢R_ijume，表示CNL模型中與OD對ij的巢u中模式m相關的屬于巢e的路徑，OD為所有出行的起終點的集合。

3.根據權利要求1所述的基于巢式-交叉巢式的多模式換乘矩陣測算方法，其特征在于，所述步驟5的實施步驟為：

1)初始化，已知道鏈路自由流狀態下的通行時間，計算最短路，最小交通阻抗，及期望行駛時間；

2)梯度下降方向，更新城市道路網鏈路行駛時間，基于該行駛時間，利用全有全無交通分配，即所有出行者都選擇最短路徑出行的交通分配方法，得到多模式出行鏈每段模式的需求量和城市道路網的鏈路流量的輔助解；

3)線性搜索，通過黃金分割法求解交通分配問題當前迭代步驟的最優步長；

4)更新，根據3)中求解的步長更新多模式出行鏈每段模式的需求量及城市道路網的鏈路流量；

5)收斂性判斷，如果相鄰兩次迭代的目標函數值之差小于預先設定的值，則算法結束；否則，轉至2)。