面向公路和鐵路網(wǎng)的綜合交通網(wǎng)絡(luò)運(yùn)行態(tài)勢推演仿真技術(shù)的制作方法
本發(fā)明屬于智能交通領(lǐng)域，具體地講是一種面向公路和鐵路網(wǎng)的綜合交通網(wǎng)絡(luò)運(yùn)行態(tài)勢推演仿真技術(shù)。
背景技術(shù)：
在區(qū)域性應(yīng)急響應(yīng)過程中,如何制定綜合交通路網(wǎng)應(yīng)急交通組織方案確保應(yīng)急交通安全、高效、有序運(yùn)行,對于提高區(qū)域應(yīng)急管理能力,減少災(zāi)害所造成的人員傷亡和財(cái)產(chǎn)損失,具有重要的現(xiàn)實(shí)意義。對于交通運(yùn)輸網(wǎng)絡(luò)，特別是綜合交通運(yùn)輸網(wǎng)絡(luò)，很難通過數(shù)理計(jì)算等方式快速獲取其在事件條件下的運(yùn)行狀態(tài)變化態(tài)勢以及對不同管控措施或應(yīng)急響應(yīng)措施的直觀效果。因此，建立區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)運(yùn)行態(tài)勢推演仿真，實(shí)現(xiàn)對應(yīng)公路網(wǎng)急管控措施的在綜合交通運(yùn)輸網(wǎng)絡(luò)上的快速加載與推演仿真，是評價與優(yōu)化路網(wǎng)應(yīng)急交通組織方案的重要手段。
現(xiàn)有的交通仿真平臺多面向于單一交通模式，較少研究在綜合交通運(yùn)輸網(wǎng)絡(luò)中多種交通模式共同存在的條件下如何構(gòu)建仿真平臺。并且現(xiàn)有的仿真系統(tǒng)，多為單線程系統(tǒng)，仿真速度偏慢，不能適應(yīng)與業(yè)務(wù)系統(tǒng)的實(shí)時對接。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的是提供一種利用現(xiàn)有的公路網(wǎng)、鐵路網(wǎng)交通數(shù)據(jù)，重點(diǎn)構(gòu)建了區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)應(yīng)急仿真平臺的總體架構(gòu)，運(yùn)用時空網(wǎng)絡(luò)建模技術(shù)，構(gòu)建了基于智能體的多模式綜合交通仿真模型的面向公路和鐵路網(wǎng)的綜合交通網(wǎng)絡(luò)運(yùn)行態(tài)勢推演仿真技術(shù)。
為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案是：
一種面向公路和鐵路網(wǎng)的綜合交通網(wǎng)絡(luò)運(yùn)行態(tài)勢推演仿真技術(shù)，包括：
1)區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)應(yīng)急仿真架構(gòu)，
包括綜合出行需求估計(jì)與預(yù)測模塊、路網(wǎng)節(jié)點(diǎn)/路段動態(tài)功能屬性調(diào)整模塊、多模式動態(tài)交通配流、交通流模擬、動態(tài)最短路徑計(jì)算、運(yùn)行評估、輸出與界面顯示模塊，仿真系統(tǒng)的主要數(shù)據(jù)輸入包括實(shí)時與歷史的od需求數(shù)據(jù)、路網(wǎng)交通狀態(tài)運(yùn)行數(shù)據(jù)，突發(fā)事件數(shù)據(jù)、網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù)以及道路管控及信息發(fā)布方案；
2)基于趨勢預(yù)測與神經(jīng)網(wǎng)絡(luò)結(jié)合的需求估計(jì)與預(yù)測模型，
綜合出行需求估計(jì)與預(yù)測模塊主要是通過對實(shí)時和歷史od需求數(shù)據(jù)、路網(wǎng)交通狀態(tài)運(yùn)行數(shù)據(jù)等進(jìn)行模式分析與od趨勢估計(jì)，并結(jié)合突發(fā)事件對交通需求的影響進(jìn)行動態(tài)調(diào)整，生成路網(wǎng)動態(tài)od需求矩陣；
3)基于智能體的多模式綜合運(yùn)輸網(wǎng)絡(luò)仿真模型，
多模式動態(tài)交通配流模塊主要解決多種交通模式之間的交通分配問題，通過對所有有路徑集的生成、出行模式的選擇模塊的計(jì)算，將交通工具與人對應(yīng)分配，實(shí)現(xiàn)智能體的行程方案，對每個智能體行程一個包含時間戳序列和節(jié)點(diǎn)序列的路徑。
進(jìn)一步的，路網(wǎng)節(jié)點(diǎn)/路段動態(tài)功能屬性模塊是通過網(wǎng)絡(luò)的基礎(chǔ)數(shù)據(jù)，結(jié)合動態(tài)的突發(fā)事件數(shù)據(jù)和道路管控?cái)?shù)據(jù)及信息發(fā)布方案，生成仿真路網(wǎng)節(jié)點(diǎn)/路段動態(tài)功能屬性。
進(jìn)一步的，多模式動態(tài)交通配流模塊通過對所有有路徑集的生成、出行模式的選擇模塊的計(jì)算，將交通工具與人對應(yīng)分配，實(shí)現(xiàn)智能體的行程方案，對每個智能體行程一個包含時間戳序列和節(jié)點(diǎn)序列的路徑。
進(jìn)一步的，交通流模擬和動態(tài)最短路徑模塊組成了中觀交通仿真的核心模塊，交通流模擬模塊利用路段傳輸、節(jié)點(diǎn)傳輸模型，在滿足相關(guān)約束條件的前提下，實(shí)現(xiàn)對車輛在路段內(nèi)部運(yùn)行和路段間轉(zhuǎn)移的模擬，路段傳輸模型涉及交通流量—密度關(guān)系式，理論通行能力主要由路段類型和車道數(shù)量；節(jié)點(diǎn)轉(zhuǎn)移模型涉及到左轉(zhuǎn)和直行通行能力約束，動態(tài)分配平臺所模擬的交通流在路段上的旅行時間將反饋到下次迭代的動態(tài)最短路模型中，進(jìn)而為智能體選擇特定徑路提供決策依據(jù)，同時，新的徑路均會被反饋到下一次迭代。
進(jìn)一步的，運(yùn)行評估模塊對運(yùn)行結(jié)果從路段、通道、od對、路徑、區(qū)域進(jìn)行評估，包括效率、速度、可靠度、能耗方面。
進(jìn)一步的，采用多項(xiàng)式趨勢預(yù)測并結(jié)合卡爾曼濾波方法對入口節(jié)點(diǎn)的車流量或旅客流量分別進(jìn)行估計(jì)與預(yù)測，方法如下：
j＝路網(wǎng)節(jié)點(diǎn)序號,j＝1,2,…,n；
τ＝出發(fā)時間間隔序號,τ＝1,2,…；
k＝滾動預(yù)測的階段,k＝1,2,3,…；
l＝每個滾動階段包括的出發(fā)時間間隔序列數(shù)；
d(j,τ)＝節(jié)點(diǎn)j在時間間隔τ的需求流入量；
μ(j,τ)＝節(jié)點(diǎn)j在時間間隔τd(j,τ)與先驗(yàn)估計(jì)
μ′(j,τ),μ″(j,τ),μ″′(j,τ)＝需求偏差μ(j,τ)變量的一階、二階、三階差分量；
zk＝階段k的狀態(tài)變量向量；
yk＝階段k的測量向量；
hk＝測量向量yk和狀態(tài)向量zk匹配關(guān)系矩陣；
wk＝階段k的處理噪聲；
rk＝階段k的測量誤差；
pk,k-1＝階段k-1預(yù)測的zk的狀態(tài)協(xié)方差陣，即
pk,k＝階段k，估計(jì)的zk的狀態(tài)協(xié)方差陣，即
引入多項(xiàng)式趨勢預(yù)測，進(jìn)行τ+ζ的差分向量的預(yù)測，使用m次多項(xiàng)式構(gòu)建該函數(shù)如下：
μ(j,τ+ζ)＝b0+b1ζ+b2ζ2+…bpζp+…+bmζm；
按照泰勒展開預(yù)測函數(shù)μ(j,τ+ζ)可擴(kuò)展為μ(j,τ)的多階差分組合：
原始多項(xiàng)式分布的公式的系數(shù)可表達(dá)為：
取三階多項(xiàng)式模型進(jìn)行μ(j,τ+ζ)的預(yù)測如下式所示：
我們定義在預(yù)測階段k，τ＝kl，如每個階段預(yù)測時段長度是l包括3個時間間隔，那么在k＝3階段，τ的序列號即為9；
狀態(tài)轉(zhuǎn)移矩陣定義為：
k+1階段的預(yù)測公式如下：
zk+1＝akzk；
引入卡爾曼濾波算法來消除收費(fèi)站流入量實(shí)測值誤差帶來的影響，由于本部分直接測量值與估計(jì)值為相同向量值，故h＝i；
首先用前一階段的后驗(yàn)估計(jì)值進(jìn)行，當(dāng)前階段的預(yù)測及協(xié)方差的傳遞：
之后引入階段k實(shí)測值后，進(jìn)行增益的計(jì)算：
形成階段k的后驗(yàn)估計(jì)值以及協(xié)方差陣的傳遞：
pk,k＝(i-kkhk)pk,k-1
調(diào)用上述公式預(yù)測階段k+1的μ(j,τ+ζ)，基于該預(yù)測值可以生成用于推演的節(jié)點(diǎn)流入量值d(j,τ)，并形成后續(xù)預(yù)測所需的多階差分矩陣。
進(jìn)一步的，通過bp神經(jīng)網(wǎng)絡(luò)模型可分別對高速公路網(wǎng)中車輛的od分布進(jìn)行預(yù)測和對鐵路網(wǎng)中出行人員的od分布進(jìn)行預(yù)測，以高速公路網(wǎng)中車輛的od分布預(yù)測為例說明算法流程，算法流程如下：
步驟1：數(shù)據(jù)選取及標(biāo)準(zhǔn)化處理，針對路網(wǎng)中的n個收費(fèi)站節(jié)點(diǎn)，選取預(yù)測時間段前m天同一時間段的od數(shù)據(jù)并按照公式4.1進(jìn)行標(biāo)準(zhǔn)化處理；
步驟2：構(gòu)建bp神經(jīng)網(wǎng)絡(luò)，令i＝1，對于第i個收費(fèi)站節(jié)點(diǎn)，選取第一天的od分布比例作為輸入向量，選取第二天的數(shù)據(jù)作為期望輸出向量，依次類推構(gòu)成m-1組訓(xùn)練樣本；
步驟3：訓(xùn)練神經(jīng)網(wǎng)絡(luò)，通過多次訓(xùn)練，使網(wǎng)絡(luò)達(dá)到設(shè)定的訓(xùn)練目標(biāo)；
步驟4：od分布比例預(yù)測，對于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，輸入預(yù)測目標(biāo)時段前一天的數(shù)據(jù)，得到預(yù)測分布比例，如果，轉(zhuǎn)至步驟5，否則轉(zhuǎn)至步驟2，調(diào)整網(wǎng)絡(luò)參數(shù)，重新訓(xùn)練網(wǎng)絡(luò)；
步驟5：輸出預(yù)測od分布比例矩陣，如果i＝n則輸出矩陣，否則i+1轉(zhuǎn)至步驟2。
進(jìn)一步的，在運(yùn)用bp神經(jīng)網(wǎng)絡(luò)算法和多項(xiàng)式趨勢預(yù)測算法分別預(yù)測得到路網(wǎng)交通分布比例和各入口交通流量后，對兩種預(yù)測結(jié)果進(jìn)行融合，得到無事件條件下，網(wǎng)絡(luò)上預(yù)測時段的旅客或車輛的od矩陣，由車輛或旅客由節(jié)點(diǎn)i到節(jié)點(diǎn)j的流量qij可以通過站點(diǎn)i入口的流量oi與和去往j站點(diǎn)的分布比例rij確定，在無事件條件下，路網(wǎng)預(yù)測od矩陣由如下公式求得：
由上述公式分別對車輛的od矩陣odv和旅客的od矩陣odp進(jìn)行計(jì)算，從而得到在預(yù)測時間段上無事件條件下的車輛和旅客的od矩陣。
進(jìn)一步的，給定出行時間預(yù)算ttb(p)，出發(fā)點(diǎn)op，智能體p的出發(fā)時間τp，在考慮道路容量和鐵路客流服務(wù)能力的約束條件下，使系統(tǒng)范圍內(nèi)的時空可達(dá)性最大化，基于智能體的綜合交通運(yùn)輸網(wǎng)絡(luò)動態(tài)分配模型的優(yōu)化問題的目標(biāo)函數(shù)，如下式所示：
即，模型的優(yōu)化目標(biāo)是最小化用戶不可達(dá)廣義費(fèi)用。若智能體p能在給定的時間預(yù)算內(nèi)到達(dá)目的地，則不可達(dá)的廣義費(fèi)用為0，否則，c(p)為智能體所使用路徑的總旅行時間。
本發(fā)明技術(shù)效果主要體現(xiàn)在以下方面：在區(qū)域性應(yīng)急響應(yīng)過程中，如何制定綜合交通路網(wǎng)應(yīng)急交通組織方案確保應(yīng)急交通安全、高效、有序運(yùn)行，對于提高區(qū)域應(yīng)急管理能力，減少災(zāi)害所造成的人員傷亡和財(cái)產(chǎn)損失，具有重要的現(xiàn)實(shí)意義，對于交通運(yùn)輸網(wǎng)絡(luò)，特別是綜合交通運(yùn)輸網(wǎng)絡(luò)，很難通過數(shù)理計(jì)算等方式快速獲取其在事件條件下的運(yùn)行狀態(tài)變化態(tài)勢以及對不同管控措施或應(yīng)急響應(yīng)措施的直觀效果，因此，建立區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)仿真平臺，實(shí)現(xiàn)對公路網(wǎng)應(yīng)急管控措施的在綜合交通運(yùn)輸網(wǎng)絡(luò)上的快速加載仿真，是評價與優(yōu)化路網(wǎng)應(yīng)急交通組織方案的重要手段。
附圖說明
圖1為本發(fā)明的區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)應(yīng)急仿真架構(gòu)圖；
圖2為本發(fā)明的綜合出行需求估計(jì)與預(yù)測架構(gòu)圖；
圖3為本發(fā)明的基于bp神經(jīng)網(wǎng)絡(luò)的交通分布預(yù)測算法流程圖；
圖4為本發(fā)明的基于列生成的有限路徑集下的算法流程圖；
圖5為本發(fā)明的輸入輸出設(shè)計(jì)圖。
具體實(shí)施方式
一種面向公路和鐵路網(wǎng)的綜合交通網(wǎng)絡(luò)運(yùn)行態(tài)勢推演仿真技術(shù)，包括
1)區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)應(yīng)急仿真架構(gòu)
區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)應(yīng)急仿真平臺主要包括綜合出行需求估計(jì)與預(yù)測模塊、路網(wǎng)節(jié)點(diǎn)/路段動態(tài)功能屬性調(diào)整模塊、多模式動態(tài)交通配流、交通流模擬、動態(tài)最短路徑計(jì)算、運(yùn)行評估等幾個模塊，并通過接口調(diào)用的方式與基于gis的交通運(yùn)輸網(wǎng)絡(luò)安全風(fēng)險(xiǎn)預(yù)警平臺和應(yīng)急決策系統(tǒng)相對接，區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)應(yīng)急仿真平臺的架構(gòu)設(shè)計(jì)如圖1所示。
仿真系統(tǒng)的主要數(shù)據(jù)輸入包括實(shí)時與歷史的od需求數(shù)據(jù)、路網(wǎng)交通狀態(tài)運(yùn)行數(shù)據(jù)，突發(fā)事件數(shù)據(jù)、網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù)以及道路管控?cái)?shù)據(jù)及信息發(fā)布方案。
綜合出行需求估計(jì)與預(yù)測模塊主要是通過對實(shí)時和歷史od需求數(shù)據(jù)、路網(wǎng)交通狀態(tài)運(yùn)行數(shù)據(jù)等進(jìn)行模式分析與od趨勢估計(jì)，并結(jié)合突發(fā)事件對交通需求的影響進(jìn)行動態(tài)調(diào)整，生成路網(wǎng)動態(tài)od需求矩陣。
路網(wǎng)節(jié)點(diǎn)/路段動態(tài)功能屬性模塊主要是通過網(wǎng)絡(luò)的基礎(chǔ)數(shù)據(jù)，結(jié)合動態(tài)的突發(fā)事件數(shù)據(jù)和道路管控?cái)?shù)據(jù)及信息發(fā)布方案，生成仿真路網(wǎng)節(jié)點(diǎn)/路段動態(tài)功能屬性。
多模式動態(tài)交通配流模塊主要解決多種交通模式之間的交通分配問題，通過對所有有路徑集的生成、出行模式的選擇模塊的計(jì)算，將交通工具與人對應(yīng)分配，實(shí)現(xiàn)智能體的行程方案，對每個智能體行程一個包含時間戳序列和節(jié)點(diǎn)序列的路徑。
交通流模擬和動態(tài)最短路徑模塊組成了中觀交通仿真的核心模塊，交通流模擬模塊利用路段傳輸、節(jié)點(diǎn)傳輸模型，在滿足相關(guān)約束條件的前提下，實(shí)現(xiàn)對車輛在路段內(nèi)部運(yùn)行和路段間轉(zhuǎn)移的模擬。路段傳輸模型涉及交通流量—密度關(guān)系式，理論通行能力主要由路段類型和車道數(shù)量；節(jié)點(diǎn)轉(zhuǎn)移模型涉及到左轉(zhuǎn)和直行通行能力約束。動態(tài)分配平臺所模擬的交通流在路段上的旅行時間將反饋到下次迭代的動態(tài)最短路模型中，進(jìn)而為智能體選擇特定徑路提供決策依據(jù)。同時，新的徑路均會被反饋到下一次迭代。
運(yùn)行評估模塊可以對運(yùn)行結(jié)果從路段、通道、od對、路徑、區(qū)域等多個維度進(jìn)行評估，包括效率、速度、可靠度、能耗等多個方面。
區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)應(yīng)急仿真平臺的輸入輸出入圖5所示。
2)基于趨勢預(yù)測與神經(jīng)網(wǎng)絡(luò)結(jié)合的需求估計(jì)與預(yù)測模型；
需求估計(jì)與預(yù)測架構(gòu)圖如圖2。
①入口需求估計(jì)
采用多項(xiàng)式趨勢預(yù)測并結(jié)合卡爾曼濾波方法對入口節(jié)點(diǎn)的車流量或旅客流量分別進(jìn)行估計(jì)與預(yù)測。
j＝路網(wǎng)節(jié)點(diǎn)序號,j＝1,2,…,n；
τ＝出發(fā)時間間隔序號,τ＝1,2,…；
k＝滾動預(yù)測的階段,k＝1,2,3,…；
l＝每個滾動階段包括的出發(fā)時間間隔序列數(shù)；
d(j,τ)＝節(jié)點(diǎn)j在時間間隔τ的需求流入量；
μ(j,τ)＝節(jié)點(diǎn)j在時間間隔τd(j,τ)與先驗(yàn)估計(jì)
μ′(j,τ),μ″(j,τ),μ″′(j,τ)＝需求偏差μ(j,τ)變量的一階、二階、三階差分量；
zk＝階段k的狀態(tài)變量向量；
yk＝階段k的測量向量；
hk＝測量向量yk和狀態(tài)向量zk匹配關(guān)系矩陣；
wk＝階段k的處理噪聲；
rk＝階段k的測量誤差；
pk,k-1＝階段k-1預(yù)測的zk的狀態(tài)協(xié)方差陣，即
pk,k＝階段k，估計(jì)的zk的狀態(tài)協(xié)方差陣，即
引入多項(xiàng)式趨勢預(yù)測，進(jìn)行τ+ζ的差分向量的預(yù)測，使用m次多項(xiàng)式構(gòu)建該函數(shù)如下：
μ(j,τ+ζ)＝b0+b1ζ+b2ζ2+…bpζp+…+bmζm；
按照泰勒展開預(yù)測函數(shù)μ(j,τ+ζ)可擴(kuò)展為μ(j,τ)的多階差分組合：
原始多項(xiàng)式分布的公式的系數(shù)可表達(dá)為：
取三階多項(xiàng)式模型進(jìn)行μ(j,τ+ζ)的預(yù)測如下式所示：
我們定義在預(yù)測階段k，τ＝kl，如每個階段預(yù)測時段長度是l包括3個時間間隔，那么在k＝3階段，τ的序列號即為9；
狀態(tài)轉(zhuǎn)移矩陣定義為：
k+1階段的預(yù)測公式如下：
zk+1＝akzk；
引入卡爾曼濾波算法來消除收費(fèi)站流入量實(shí)測值誤差帶來的影響，由于本部分直接測量值與估計(jì)值為相同向量值，故h＝i；
首先用前一階段的后驗(yàn)估計(jì)值進(jìn)行，當(dāng)前階段的預(yù)測及協(xié)方差的傳遞：
之后引入階段k實(shí)測值后，進(jìn)行增益的計(jì)算：
形成階段k的后驗(yàn)估計(jì)值以及協(xié)方差陣的傳遞：
pk,k＝(i-kkhk)pk,k-1
調(diào)用上述公式預(yù)測階段k+1的μ(j,τ+ζ)，基于該預(yù)測值可以生成用于推演的節(jié)點(diǎn)流入量值d(j,τ)，并形成后續(xù)預(yù)測所需的多階差分矩陣。
②網(wǎng)絡(luò)od分布比例預(yù)測
通過bp神經(jīng)網(wǎng)絡(luò)模型可分別對高速公路網(wǎng)中車輛的od分布進(jìn)行預(yù)測和對鐵路網(wǎng)中出行人員的od分布進(jìn)行預(yù)測，預(yù)測流程類似，如圖3所示，因此，僅以高速公路網(wǎng)中車輛的od分布預(yù)測為例說明算法流程，算法流程如下。
步驟1：數(shù)據(jù)選取及標(biāo)準(zhǔn)化處理，針對路網(wǎng)中的n個收費(fèi)站節(jié)點(diǎn)，選取預(yù)測時間段前m天同一時間段的od數(shù)據(jù)并按照公式4.1進(jìn)行標(biāo)準(zhǔn)化處理；
步驟2：構(gòu)建bp神經(jīng)網(wǎng)絡(luò)，令i＝1，對于第i個收費(fèi)站節(jié)點(diǎn)，選取第一天的od分布比例作為輸入向量，選取第二天的數(shù)據(jù)作為期望輸出向量，依次類推構(gòu)成m-1組訓(xùn)練樣本；
步驟3：訓(xùn)練神經(jīng)網(wǎng)絡(luò)，通過多次訓(xùn)練，使網(wǎng)絡(luò)達(dá)到設(shè)定的訓(xùn)練目標(biāo)；
步驟4：od分布比例預(yù)測，對于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，輸入預(yù)測目標(biāo)時段前一天的數(shù)據(jù)，得到預(yù)測分布比例rij(j＝1,2,3…,n)，如果
步驟5：輸出預(yù)測od分布比例矩陣，如果i＝n則輸出矩陣，否則i+1轉(zhuǎn)至步驟2。
③綜合出行需求od矩陣預(yù)測
在運(yùn)用bp神經(jīng)網(wǎng)絡(luò)算法和多項(xiàng)式趨勢預(yù)測算法分別預(yù)測得到路網(wǎng)交通分布比例和各入口交通流量后，需要對兩種預(yù)測結(jié)果進(jìn)行融合，得到無事件條件下，網(wǎng)絡(luò)上預(yù)測時段的旅客或車輛的od矩陣。由車輛或旅客由節(jié)點(diǎn)i到節(jié)點(diǎn)j的流量qij可以通過站點(diǎn)i入口的流量oi與和去往j站點(diǎn)的分布比例rij確定，于是在無事件條件下，路網(wǎng)預(yù)測od矩陣可以由如下公式求得：
由上述公式可分別對車輛的od矩陣odv和旅客的od矩陣odp進(jìn)行計(jì)算，從而得到在預(yù)測時間段上無事件條件下的車輛和旅客的od矩陣。
3)基于智能體的多模式綜合運(yùn)輸網(wǎng)絡(luò)仿真模型
在綜合交通運(yùn)輸網(wǎng)絡(luò)中，出行者通過不同出行方式到達(dá)目的地，如鐵路、自駕及組合方式(如公路，鐵路換乘)。這個多模式的網(wǎng)絡(luò)可建模成一個可進(jìn)行動態(tài)交通分配的多層次網(wǎng)絡(luò)，其中，約束條件為不同層面的服務(wù)或道路通行能力的約束，建模過程中的關(guān)鍵參數(shù)、變量符號及含義如下表所示。
給定出行時間預(yù)算ttb(p)，出發(fā)點(diǎn)op，智能體p的出發(fā)時間τp，在考慮一些道路容量和鐵路客流服務(wù)能力的約束條件下，使系統(tǒng)范圍內(nèi)的時空可達(dá)性最大化，即不可達(dá)的程度達(dá)到最小化?；谥悄荏w的綜合交通運(yùn)輸網(wǎng)絡(luò)動態(tài)分配模型的優(yōu)化問題的目標(biāo)函數(shù)，如下式所示。
即，模型的優(yōu)化目標(biāo)是最小化用戶不可達(dá)廣義費(fèi)用。若智能體p能在給定的時間預(yù)算內(nèi)到達(dá)目的地，則不可達(dá)的廣義費(fèi)用為0，否則，c(p)為智能體所使用路徑的總旅行時間。也就是說，目標(biāo)函數(shù)旨在使所有出行者中不能到達(dá)目的地的數(shù)量最小。
模型中有多個約束條件，即時空交通流平衡約束、出行者出行約束、交通流和空間容量約束和鐵路客運(yùn)服務(wù)能力約束等。
①時空交通流平衡約束條件
表示每個智能體p只有一個起點(diǎn)和一個終點(diǎn)，在除起點(diǎn)和終點(diǎn)外的時空狀態(tài)頂點(diǎn)遵守流量平衡約束，即對于智能體p，每個時空狀態(tài)頂點(diǎn)僅有一次到達(dá)和一次離開。
②智能體出行約束條件
智能體p到達(dá)目的地或者通過時空活動弧出行，或者通過虛擬時空活動弧出行。
③交通流和道路空間容量約束條件
通過空間排隊(duì)中觀交通流模型描述交通流約束條件，即總體流入量r的約束條件為：
對于路段(i，j),
4)鐵路客流服務(wù)能力約束
鐵路客流服務(wù)約束：列車只能根據(jù)制定的運(yùn)行圖在特定的時空弧上行駛，在此情況下，其服務(wù)的智能體數(shù)量不超過車輛承載能力。
5)公鐵換乘(弧)站服務(wù)能力約束
公鐵換乘站服務(wù)能力約束：不同等級的樞紐站換乘能力有限，受到樞紐停車設(shè)施、候車設(shè)施、安全設(shè)施等設(shè)施服務(wù)能力決定，本部分也包括了從道路分流節(jié)點(diǎn)到樞紐站之間的路段的有關(guān)能力約束。
模型的求解算法為基于列生成的算法，基于列生成的方法如圖4所示。
基于列生成算法生成了外循環(huán)和在內(nèi)部循環(huán)解決在有限路徑集下的問題所需的時間相關(guān)的最小的用戶成本路徑。在每一個外循環(huán)迭代m中,時間相關(guān)的成本最小路徑算法應(yīng)用于為每一o-d對和每個離開的時間間隔找到時間相關(guān)的邊際使用者成本最小的路徑，在m迭代中新路徑(如果有的話)被添加到當(dāng)前可行路徑的子集pm中，一個基于二維投影的梯度下降方向方法用于解決pm上定義的在有限路徑集下的問題，如果沒有找到新的路徑或達(dá)到預(yù)設(shè)的收斂性標(biāo)準(zhǔn)，算法終止并輸出在當(dāng)前迭代中獲得的時間相關(guān)的路徑流量。
迭代所得的基于二維投影的梯度下降方向方法,形成基于列生成算法框架的內(nèi)循環(huán)，在每個內(nèi)循環(huán)迭代n中,用dnle(d)模型評估更新的路徑流量rn、相應(yīng)的系統(tǒng)用戶總成本te(rn)以及用戶成本，如果在兩個連續(xù)的迭代(即te(rn)-te(rn-1))中目標(biāo)值之間的差異值小于預(yù)設(shè)閾值或達(dá)到預(yù)設(shè)的收斂標(biāo)準(zhǔn)(比如n＝nmax)，內(nèi)循環(huán)終止，算法返回到外循環(huán)。
本發(fā)明技術(shù)效果主要體現(xiàn)在以下方面：在區(qū)域性應(yīng)急響應(yīng)過程中，如何制定綜合交通路網(wǎng)應(yīng)急交通組織方案確保應(yīng)急交通安全、高效、有序運(yùn)行，對于提高區(qū)域應(yīng)急管理能力，減少災(zāi)害所造成的人員傷亡和財(cái)產(chǎn)損失，具有重要的現(xiàn)實(shí)意義，對于交通運(yùn)輸網(wǎng)絡(luò)，特別是綜合交通運(yùn)輸網(wǎng)絡(luò)，很難通過數(shù)理計(jì)算等方式快速獲取其在事件條件下的運(yùn)行狀態(tài)變化態(tài)勢以及對不同管控措施或應(yīng)急響應(yīng)措施的直觀效果，因此，建立區(qū)域綜合交通運(yùn)輸網(wǎng)絡(luò)仿真平臺，實(shí)現(xiàn)對公路網(wǎng)應(yīng)急管控措施的在綜合交通運(yùn)輸網(wǎng)絡(luò)上的快速加載仿真，是評價與優(yōu)化路網(wǎng)應(yīng)急交通組織方案的重要手段。
以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何不經(jīng)過創(chuàng)造性勞動想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。
- 還沒有人留言評論。精彩留言會獲得點(diǎn)贊！