基于环境因素的城市交通分配模型.doc

基于环境因素的城市交通分配模型摘要：作者：周申培 - 相关文章关键词：类别：专题技术来源：牛档搜索（Niudown.COM）本文系牛档搜索（Niudown.COM）根据用户的指令自动搜索的结果，文中内涉及到的资料均来自互联网，用于学习交流经验，作品其著作权归原作者所有。不代表牛档搜索（Niudown.COM）赞成本文的内容或立场，牛档搜索（Niudown.COM）不对其付相应的法律责任！基于环境因素的城市交通分配模型综述周申培（武汉理工大学智能运输与研究中心，湖北 武汉430063）摘要：交通分配是智能交通诱导和控制的重要理论依据，研究基于因素的城市交通分配模型极具理论价值和实际意义。考虑环境因素的交通配流问题还刚刚起步，无论是模型的构建还是算法的设计与改进都仍有待于进一步的研究和探讨。本文系统的综述了目前国内外基于环境因素的交通分配的典型模型和算法，并提出其今后需要改进和发展的方向。关键词：交通分配模型;环境因素; 双层多目标规划模型Review of Urban Traffic Assignment Model under EnvironmentZHOU Shenpei(ITS Center, Wuhan University of Technology, Wuhan 430063)Abstract: Traffic assignment is one of the theoretical foundations of intelligent route guidance and traffic control. It has academic and practical significance to research urban traffic assignment model under environment. However, in the beginning of the research, the models and algorithms are defective. This paper systematically introduces typical models and algorithms internal and overseas nowadays. Then it brings forth trends and suggests for further study.KeyWords: Traffic Assignment Model; Under Environment; Bi-level Multi-objective Programming Mode随着社会经济的发展和人们生活节奏的加快，城市交通量迅速增加。交通量的增长在给城市经济带来利益的同时，也给环境带来了许多负面影响，如城市交通的噪声及尾气污染日趋严重。交通分配(Traffic Assignment)原本是交通规划中的一个重要步骤，它是将调查得到的起讫点之间的出行分布数据(OD矩阵)按照现有或规划中的路网分配到各条道路上，从而推测各条道路上的交通量1。它是智能交通诱导和控制的重要理论依据。然而，传统的城市交通分配模型一般没有考虑如何减少车辆尾气排放量和降低噪声水平等问题。因此，现代交通发展与环境污染治理之间的协调问题，业已引起了国内外有关学者的广泛重视2,3。1. 相关的符号定义为网络节点的集合；为网络路段的集合；为产生运量的起始节点的集合，；为吸收运量的终讫节点的集合，；代表一个起始节点，；代表一个终讫节点，；是连接OD对i-j的所有路径的集合；表示连接OD对i-j之间路径上的阻抗，；是连接OD对i-j之间的最小路径阻抗；为所研究时段内从i到j的交通需求量；表示若路段在连接OD对i-j的路径上，其值为1 ；否则为0；（上层决策变量）为起点的调节率；为起点的初始排队长度，为起点的最大允许排队长度；为起点的交通需求；T为时段长度；和分别为起点的最小调节率和最大调节率；（上层决策变量）为管理者限定的路段的最高时速；为路段的自由行驶速度；为从起点到出口的第条路径上的流量； (下层决策变量)为路段上的流量；为路段的通行能力；为路段的阻抗函数；为路段的长度。是具有CO排放总量限制的路段的集合，；是第条路段上CO排放总量的安全标准，；是在第条路段上治理单位CO所需的费用。2. 基于环境的交通分配中采用的排放模型 基于环境因素的城市交通分配的研究中，基本上都是沿用美国TRANSYT-7F模型4中的排放模型：其中，为污染排放率（g每辆车/单位路段长度）；A、B、C为常数；为路段上的平均车速。因此，路段a上的总排放污染为：3. 典型基于环境的交通分配模型及求解算法3.1 基于环境的UE和SO配流模型将环境因素作为优化目标函数时，一方面要求交通污染物的总量最小，另一方面还应保证释放到网络中所有街道和街道支线上污染物的量尽可能相等，以使得交通网络附近的居民受到程度相同的危害，这就是所谓的公平目标(Equity Objective)。传统的配流技术主要是基于出行时间或里程，以单个驾驶员需求(用户平衡配流，简称UE配流)或以网络所有驾驶员作为一个整体的需求(系统最优配流，简称SO配流)为基础的，它不能直接实现上述目标。随着智能交通系统的应用，国外专家学者对有关公平目标及相关的配流技术进行了一些研究，例如文献5对单独基于出行时间和单独基于一氧化碳排放量的UE（User Equilibrium）配流问题和SO (System Optimal)配流问题进行了研究，从网络用户和系统的角度出发，考虑出行者个体的广义费用最小或系统总体最优。在国内，杨文国等首先给出了考虑环境因素的广义费用函数，然后提出了基于广义费用函数的广义用户平衡(GUE)模型和广义系统最优(GSO)模型，并用传统的FRANK-WOLFE算法(F-W算法)对这两个模型进行了求解6。文献5,6研究了单独基于出行时间和单独基于CO排放量的用户平衡配流问题和系统最优SO配流问题，而没有考虑单个路段上污染物排放总量受限制的情形。实际上，由于环保意识的提高，居民尤其是道路两边的居民出于安全、健康等因素的考虑，要求释放到某些路段上的污染物总量不能超过某一确定的安全标准。因此，求解部分路段污染物排放总量，构造等价的配流模型和有效算法，不仅具有一定的理论价值，而且具有极为重要的实际意义。3.2 基于环境的单个路段上的UE模型杨文国等建立了城市交通中考虑单个路段上一氧化碳(CO)排放量限制的用户平衡配流模型7：当路段上CO排放总量时，网络管理者将强行关掉路；当路段上CO排放总量时，网络管理者就要对路段上通过的车辆进行收费，以便对超标的CO进行综合治理；而当路段上CO排放总量时，网络管理者就不必对路段上通过的车辆进行收费。设表示治理路段上单位CO所需的费用，则这个关系可以表示为 （1）（2）同时还可以用关系式来具体表示在带有CO排放量限制条件下的Wardrop平衡原则，只是这时的费用包含有可能存在的治理超标CO所需的费用。其关系表示如下 （3）则部分路段上CO排放量约束的固定需求UE配流模型如下（4）（5）（6）（7）（8）模型(M)与标准UE配流模型的区别在于增加了部分路段上CO排放量限制条件(8)。在此基础上，杨文国等给出用内部惩罚函数法来求解带有部分路段CO排放总量限制的UE配流模型(M)的详细解法，并验证了模型和算法的实际有效性。但是，文献7仅建立了基于环境的单个路段的用户平衡配流模型，而没有考虑该情况下的系统最优配流模型。实际上，每个用户都从自身的利益出发寻找最佳路径，用户之间互不协商。在这种情况下，该模型无法保证整个交通系统中的排放满足要求。因此要将用户平衡配流模型与系统最优配流模型综合考虑，将其刻画为一个Stackelberg博弈，建立模型进行研究。因此近年来，双层多目标规划模型越来越受到科研人员的重视。3.3 双层多目标规划模型双层多目标规划模型的特点是上层是一个多目标优化问题，即确定一组决策变量的最优值，从而使各种交通网络性能指标达到最优。典型的例子包括：信号灯优化配时与环境能力8、最优行使速度与环境能力9、匝道控制与环境能力10等。一般来说，模型的下层为一个用户平衡模型，用于考虑网络用户的路径选择行为。双层多目标规划模型可以刻画为一个Stackelberg博弈，有时也称作领导者跟随者博弈。这里的领导者是交通规划(设计)人员，他们的目标是通过交通规划和交通控制手段去优化整个系统的性能函数；而跟随者是交通网络用户，他们根据规划人员的决策并结合自身利益选择用户最优的路径。杨文国9等给出了考虑环境污染因素的双层规划城市交通配流模型，上层要求系统总的出行时间和CO排放总量最小，下层是一个弹性需求的UE问题；并设计了一个平衡迭代算法，对所给模型进行了求解，从而能得到车辆在各路段上的最优行驶速度。吕智林10同时考虑出行成本和环境成本，提出了采用双层多目标规划模型来描述城市快速道路网的匝道控制与污染控制问题。在双层规划模型中，上层模型为多目标优化问题，即目标函数是使各个入口匝道进入网络的流量尽可能大，交通网络中的机动车尾气污染尽可能小；下层模型为一个用户平衡模型，用于表示网络中用户的路径选择行为。并设计了基于改进遗传算法的启发式求解算法，该算法借助不可微精确罚函数将约束问题转化为单个无约束问题来解决，采用混合杂交和间歇变异提高算法的搜索能力。3.3.1 数学模型P1： （9）P2：（10）G为入口流量的系数，包含两个含义：一是匹配入口总流量与系统总污染排放量单位的系数，二是加权系数，其大小反映出在上层决策者的决策过程中，对“污染排放最小”和“总流入量最大”这两个目标重视的程度。G值越大，说明决策者对“总流入量最大”越重视，G值越小，说明对“系统的污染排放”越重视。3.3.2 模型求解算法一般来说，用于交通领域的双层规划模型的求解都是非常复杂的，原因之一就在于双层规划问题是一个NP-Hard问题。Ben-Ayed和Blair 11在Jeroslow 12的研究基础上继续深入地讨论了双层规划的求解问题，并指出：即使是简单的双层规划问题也是NP-Hard问题，不存在多项式求解算法。双层规划的非凸性是造成双层规划问题求解异常复杂的另一个重要原因。即使上层问题和下层问题均为凸问题的解，整个双层规划问题是非凸问题的可能性仍然非常大。而双层规划问题的非凸性表明：即使能找出双层规划问题的解，通常也只是局部最优解而非全局最优解13。目前，对双层规划问题的求解大约有十几种求解算法。归纳起来说，用于求解双层规划问题的算法可以分为四大类，即极点搜索法(Extreme Point Search Method)、库恩塔克法(Kuhn-Tucker Method，简称K-T法)、下降法(Descent Method)和直接搜索法(Direct Search Method)13。但以上算法并不能十分严谨地保证所求得的解肯定就是问题的最优解12。现已发现模拟退火算法、遗传算法等能在相当大的程度上可以求解出双层规划模型问题的最优解或近似最优解。Yin 14提出了用遗传算法求解交通双层规划的新思想，效果比较理想。在现有计算机运行速度非常高的情况下，智能优化算法在求解双层规划模型上有着良好的应用前景，有待进一步研究。4. 结论与发展趋势在智能交通条件下，同时考虑交通的顺畅和环境因素，是智能交通发展的新趋势。本文总结了目前基于环境因素的交通分配的三种典型模型和算法，但考虑环境因素的交通配流问题还刚刚起步，无论是模型的构建还是算法的设计与改进都仍有待于进一步的研究和探讨。（1）解决基于环境因素的交通分配问题，目前主要是采用双层多目标模型，模型比较单一，求解算法还在进一步的探索中。但采用人工智能的方法进行优化求解将是未来发展的重要方向。（2）目前的研究大多是已知交通流分布的静态交通分配，随着研究的深入，研究基于环境因素的实时动态交通分配模型和算法将更加符合实际交通的需要。（3）基于环境因素的交通分配模型是以机动车的排放模型为基础的。目前建立各种模型都是采用TRANSYT7-F模型计算排放率，不适合中国机非混合的交通现状。参考文献：1 杨清华,贺国光,马寿峰.对动态交通分配的反思J.系统工程,2000,18(1):49-542 Mahmassani H S. Dynamic Model of Commuter Behavior: Experimental Investigation and Application to the Analysis of Planned Traffic Disruptions J. Transportation Research A, 1990,24A(6).3 Chang G, Junchaya T, Zhuang L. In Integrated Route Assignment and Traffic Simulation System with a Massively Parallel Computing ArchitectureC. Seattle: Proc. Pacific Rim TransTech Conference,1993,07.4 penic M A, Upchurch J. TRANSYT-7F, Enhancement for Fuel Consumption, Pollution Emissions, and User CostsC. Washington: Transportation Research Record 1360,TRB, National Research Council, 19925 Rilett L R, Benedek C M. Traffic Assignment under Environmental and Equity ObjectivesC. Washington: Transportation Research Record 1443, TRB, National Research council,1994.6 杨文国,高自友.考虑环境因素的广义用户平衡和广义系统最优配流模型J.中国公路学报,2003,16(4):72-767 杨文国,高自友. 部分路段上一氧化碳排放量限制的用户平衡配流模型及算法J.公路交通科技,2003,2:159-162.8 WONG S C,YANG H. Reserve capacity of a signal-controlled road networkJ. Transportation Research,1997,31B:397-402.9 YANGWen-Guo, GUOTian-De, GAOZi-You,ZHAO