（载运工具运用工程专业论文）智能交通诱导系统中动态交通信息预测技术研究.pdf

摘要随着社会经济的发展，交通拥堵、交通事故、环境污染和能源短缺等交通相关问题已成为世界各地城市，尤其是大城市的首要问题之一，已成为制约城市可持续发展的主要瓶颈。智能交通系统( i t s ) 能最大限度地发挥现有交通基础设施的潜力，缓解拥堵、保护环境、改进安全、降低能耗、提高效率，被认为是本世纪解决交通问题最重要的措施之一。i t s 涉及许多技术领域，但其关键技术就是要向车辆、出行者及交通管理控制者提供交通网络的实时动态的交通状态信息，并诱导交通流，而此技术的理论核心就是动态交通网络模型及算法。本文在探讨国内外动态交通网络模型及算法研究的基础上，根据交通系统的复杂性、动态性和随机性等的特点，将原始道路网络转化成新的、虚拟化的时空交通网络，并在此基础上融合现有的动态交通网络理论，建立具有实时动态流量与时空网络动态容量交互机理的交通状态分析模型，详细的分析了模型中的路段约束道路动态通行能力，并根据模型的特点提出了模型相应的算法基于时空虚拟网络的分布式并行算法。最后构建了一个实验交通网络，对其网络流进行实时预测和分析，检验了模型和算法的可行性、实用性、合理性。结论表明，本文所提出的动态交通状态预报技术能够模拟、跟踪、辩识和预测路网上实时和未来的交通流状态。为开发集动态交通诱导、动态交通系统管理与控制和动态交通拥堵疏导等功能于一体的i t s 提供了理论和方法。关键词：i t s ；时空交通网络；智能交通诱导系统；动态交通状态信息；分布式并行算法a b s t r a c tw i t ht h ed e v e l o p m e n to fs o c i a le c o n o m y , t h er e l e v a n tp r o b l e m so ft r a f f i cs u c ha st r a f f i cj a m 、t r a f f i ca c c i d e n t 、e n v i r o n m e n t a lp o l l u t i o na n de n e r g ys h o r t a g e ，e t c ，h a v ea l r e a d yb e c o m eo n eo fp r i m a r yp r o b l e m so ft h ec i t yt h r o u g h o u tt h ew o r l d ，e s p e c i a l l yt h eb i gc i t i e s ，a n di th a v ea l r e a d yb e c o m et h em a i nb o t t l e n e c kw h i c hh a sr e s t r i c t e ds u s t a i n a b l ed e v e l o p m e n to ft h ec i t y i n t e l l e c t u a lt r a f f i cs y s t e mc a np l a yt ot h ep o t e n t i a l i t yo ft h ei n f r a s t r u c t u r eo fe x i s t i n gt r a f f i ct ot h em a x i m u me x t e n t ，r e l i e v et r a f f i cj a m ，p r o t e c tt h ee n v i r o n m e n t ，i m p r o v et h es e c u r i t y r e d u c ee n e r g yc o n s u m p t i o n ，r a i s et h ee f f i c i e n c y , s oi tw a sc o n s i d e r e dt ob eo n eo ft h em o s ti m p o r t a n tm e a s u r e st os o l v eo ft h et r a f f i cp r o b l e mi nt h i sc e n t u r y i t si n v o l v e sal o to ft e c h n i c a lf i e l d s ，b u ti t sk e yt e c h n o l o g yi sp r o v i d i n gt h er e a l t i m ea n dd y n a m i ct r a f f i cs t a t u si n f o r m a t i o n st ot h ev e h i c l e ，j o u r n e ya n dt h et r a f f i cm a n a g e m e n t s i nt h i sp a p e r , o nt h eb a s i so fd i s c u s s i o no ft h ed o m e s t i ca n do v e r s e a ss t u d i e so fd y n a m i cn e t w o r km o d e l sa n da l g o r i t h m s ，a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fc o m p l e x i t y , d y n a m i c sa n dr a n d o m n e s so ft h et r a f f i cs y s t e m ，t r a n s f o r mt h en e t w o r ko fp r i m i t i v er o a di n t oan e w , v i r t u a ls p a c e t i m et r a f f i cn e t w o r k ，a n dm e r g ee x i s t i n gd y n a m i ct r a f f i cn e t w o r kt h e o r i e so nt h i sb a s i sa n ds e tu pt h et r a f f i cs t a t ea n a l y z em o d e lw i t c hw i t hm u t u a lm e c h a n i s mo ft h ed y n a m i cc a p a c i t yo ft h en e t w o r ko fr e a l - t i m ed y n a m i cf l o wa n ds p a c e t i m e ，a n di nd e t a i la n a l y z et h er o a ds e c t i o nr e s t r a i n t ( d y n a m i ct r a f f i cc a p a b i l i t y ) i nt h em o d e l ，a n dp r o p o s et h ec o r r e s p o n d i n ga l g o r i t h ma c c o r d i n gt ot h em o d e lc h a r a c t e r i s t i c ，t h a ti st h ed i s t r i b u t i o n a lp a r a l l e la l g o r i t h mb a s e do ns p a c ea n dt i m ev i r t u a ln e t w o r k c o n s t r u c ta ne x p e r i m e n tt r a f f i cn e t w o r kf i n a l l y , a n dc a r r yo nr e a l - t i m ep r e d i c t i o na n da n a l y s i st oi t sn e t w o r kf l o w , t e s tm o d e la n df e a s i b i l i t y ,p r a c t i c a b i l i t y , r a t i o n a l i t yo ft h em o d e la n da l g o r i t h m t h ec o n c l u s i o ni n d i c a t e s ，t h ed y n a m i ct r a f f i cp r e d i c t i o nt h a tt h i st e x tp u t sf o r w a r dp r e d i c t st e c h n o l o g yc a ni m i t a t e ，f o l l o w , d e b a t ea n dp r e d i c tt h er e a l - t i m ea n df u t u r et r a f f i cf l o ws t a t e p r o v i d et h e o r i e sa n dm e t h o d st ot h ei t st h a ti n t e g r a t i n gt h ef u n c t i o ns u c ha sd y n a m i ct r a f f i cg u i d a n c e ，d y n a m i ct r a f f i cs y s t e mm a n a g e m e n ta n dc o n t r o la n dd y n a m i ct r a f f i cj a me a s i n g k e yw o r d s ：i t s ；s p a c e - t i m et r a f f i cn e t w o r k ；i n t e l l e c t u a lt r a n s p o r t i o ng u i d a n c es y s t e m ；s t a t u si n f o r m a t i o no ft h ed y n a m i ct r a f f i c ；t h ea l g o r i t h mr u n ss i d eb ys i d ed i s t r i b u t e d l y重庆交通大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：么乒蓼日期：加譬年妒月乡日重庆交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权重庆交通大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。学位论文储签名考难多日期：溯年驴月弓日盟。谚留日期：勿矿萨够月易日第一章绪论1 1 背景第一章绪论随着社会经济的发展，交通拥堵、交通事故、环境污染和能源短缺等交通相关问题已成为世界各国面临的共同问题，无论是发达国家，还是发展中国家，都毫无例外地承受着不断加剧的交通问题的困扰，交通问题己成为世界各地城市，尤其是大城市的首要问题之一。尽管各国政府在道路建设上均投入了大量资金，修建了大量的交通设施，但交通拥堵状况在全世界许多国家仍然十分严重，已成为非常突出的世界性难题。现代的交通状况已经对人类生命、财产和生存环境构成了威胁，交通问题成为世界各国城市面临的极其严重的“城市病之一，已成为城市可持续发展的主要瓶颈。解决城市交通问题的传统方法是修建道路，但无论是哪个国家的大城市，可供修建道路的空间都越来越小。国内外多年来的时间也证明，单纯靠改善交通设施来解决交通问题，不仅成本高，而且效果有限。我国在这方面表现得尤为突出，上海市1 9 9 1 年的史册资料表明，在交通高峰期，市中心的平均车速仅为1 5公里d , 时，最低车速为4 公里d , 时，即低于正常步行速度。除了修建必要的道路网外，人们还尝试了很多新的方法来解决问题，例如，改进道路信号控制，采用道路可变信号，在交通高峰期通过道路改善增加进出口车道，而在大城市则成立交通控制中心来监控与显示公路网络的全部交通状况。这在一定程度上缓解了交通拥堵状况，可是在许多地方，这些方法实施的规划是针对预先建立的同常重复的交通模式而制定的，并不能对交通拥堵实际状况做出动态反应，也不能根据具体情况迅速改变交通处理准则。在此背景下，把交通基础设施、交通运载工具和交通参与者综合起来系统考虑、充分利用高新技术解决交通问题的思想就油然而生了，这就是智能交通系统。智能交通( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ，简称i t s ) 目前尚无公认的定义。这一方面是因为，不同的研究者从不同的角度考虑，对智能交通系统的认识不同；另一方面，智能交通系统本身正处于迅速发展时期，其内涵和外延都处于发展变化之中。美国i t s 手册2 0 0 0 年对智能交通系统给出了定义：智能交通系统( r r s )由一系列用于运输网络管理的先进技术以及为出行者提供的多种服务所组成。i t s技术( 也称为“运输通信”) 的基础是以下三大核心要素：信息、通信和集成。信息的采集、处理、融合和服务是i t s 的核心。无论是提供交通网络的实时交通状第一章绪论2一态的信息，还是为制定出行计划提供在线信息，i t s 技术能使管理者、运营者以及个体出行者变得更为消息灵通，相互之间能够更为协调，做出更为智能化的决策【。中国智能交通系统体系框架研究报告中对智能交通系统给出的定义如下：在较完善的基础设施( 包括道路、港口、机场和通信等) 之上，将先进的信息技术、通信技术、控制技术、传感技术和系统综合技术有效地集成，并应用于地面运输系统，从而建立起大范围内发挥作用的、实时、准确、高效的运输系统【2 i 。作者根据自己对智能交通系统的理解认为，智能交通的本质特征为信息共享、系统资源整合和综合服务，这也是建设i t s 的根本目标。通过i t s 系统的建设与实施，能实现最大限度地发挥现有交通基础设施的潜力，缓解交通拥堵、保护环境、改进安全、降低能耗、降低运输成本、提高运输效率的目的。智能交通( i t s ) 已被认为是本世纪解决交通问题最重要的措施之一。在i t s 的框架中，先进的出行者信息系统( a t i s ) 提供了过去的、实时的以及预测的信息，让出行者做决策，出行者做出决策后又把当时的信息反馈给系统，系统经过一定的处理后，再把各种信息提供给出行者。先进的交通管理系统( a t m s ) 是利用这些最新的信息来优化信号系统、弯道控制及可变信息指示以改善现有的路网运行状况、提高道路的有效利用率和交通流量、减少交通事故的发生率以及由此造成的出行时间延长等【3 】。如今，硬件方面的快速发展如通信、自动控制、内置图像处理技术等都已经应用于i t s 中。但是，软件方面比如动态交通网络的各种模型和算法软件和交通事故探测软件等，相对来说应用却太少。尽管i t s 涉及到许多技术领域，但其关键技术是动态交通状态信息的预报，而此技术的核心理论是动态交通网络模型。实现向车辆提供实时、最优的路网交通状态信息，并诱导交通流目标的优劣，取决于动态交通网络模型的正确设计和运行。动态交通网络模型要考虑时变的o d 需求、时变交通条件下的交通行为，这样的模型显然是极其复杂的，但由于其对i t s 中的动态路径有着直接作用，相关研究具有非常重要的理论与现实意义。可以说，动态交通网络模型和算法是先进的交通信息系统( a t i s ) 、先进的交通管理系统( a t m s ) 、先进的交通控制系统( a t c s ) 和先进的公共交通系统( a p t s ) 等最重要的理论基础和核心问题，因此在国内外受到了空前而广泛的重视。1 2 研究的目的与意义近年来，虽然我国在i t s 的应用方面发展迅速，但是“大经验、小科学 的现象仍然普遍存在，其具体表现形式是：重技术，轻科学：重现象，轻合理；重实施，轻预研。目前我国在i t s 的应用实施上投入了大量的资金和力量，现有的第一章绪论交通拥堵现象却仍不时发生，交通安全、交通污染与交通能耗等问题还是没能得到有效的缓解。一些投资巨大的技术设备并没能发挥其应有的作用，其原因就是缺乏有效的交通信息处理技术。事实上，由于对动态实时交通流的预测和估计方面的理论与方法缺乏深入的研究，使得国内外很多城市的i t s 设备利用率也不高，所以研究新的动态网络交通流理论一直是交通科学与工程、系统科学与工程、控制科学与工程等领域研究的热点问题之一。动态交通网络模型由于描述的是道路网络交通量随时问推移而发生的变化情况，因此更能真实地反映交通流在道路网络中的运行情况。动态交通网络模型的应用意义最好用它在智能交通系统发展中的重要作用来描述如下【4 】：( 1 ) 在a t m s 中，动态交通网络模型可以提供预见性的交通状态信息，以帮助出行者在他们的起点和终点间选择一条最佳的行车路线，选择一个最好的从起点出发的时间和到达目的地的时间，确定采用那种交通方式完成出行，甚至可以重新考虑这一次出行是否值得。( 2 ) 在a t m s 中，动态交通网络模型能够预测道路网中交叉口各进口道的交通流时变形态，使得交通控制信号配时能够优化，为救护车、警察巡逻车辆、公交车辆以及其他具有特别任务的车辆提供最佳的行驶路线，也可以为了避免道路网交通拥挤的进一步恶化、避免生态环境的恶化或为了回收道路建设资金而设计的道路收费系统( 包括收费站的设置和收费费率的确定) ，都是非常重要的。如果动态交通网络模型能与交通事件检测系统集成起来使用，则道路网络中的交通分流以及车辆行驶路线实时引导系统将成为可能。( 3 ) 在商务车辆营运系统( c v o s ) 中，动态交通网络模型对于车队的调度与派遣、车辆行驶路线的设计、推荐备用选行路线等是非常重要的。更加复杂和综合的货运与物流管理系统，如人员的调配；仓储与货运管理等物流系统等采用相关的技术时，如g p s 、t g i s ，以及通讯收发设备与动态交通网络模型集成在一起，上述诸系统的高效运转都是有可能的。( 4 ) 在a p t s 中，动态交通网络模型能提供相对准确的交通信息，可作为一个更加可靠的公共交通信息发布源的基础。当公共交通乘车时间时刻预见的和公交与其他出行方式之间的行程时间之差非常小的时候，人们就与愿意更多地使用公共交通。( 5 ) 在一些先进的交通监控和引导设施在道路网中布设设计的问题中，如可变交通信息标志( c m s ) 和自动车辆识别系统( a v i s ) 等在道路网中的最佳布设问题，是可以用动态交通网络模型来解决的。由于对动态交通网络理论与方法进行深入的研究，可以从科学角度加深人们对交通网络复杂系统运行机理的了解，又可以从实践角度为交通预测和诱导等提第一章绪论供理论支持，因此在理论和实践两方面都有着十分重要的意义和价值。1 3 研究的主要内容和方法1 3 1 研究的主要内容4一本文根据交通系统的复杂性、动态性和随机性等的特点，将原始道路网络转化成新的、虚拟化的时空网络，在此基础上融合现有的动态交通网络理论，建立具有实时动态流量与时空网络动态容量交互机理的交通状态分析模型，该模型能有效存储、模拟和预测拥挤网络流的时变状态。概括来讲，本文的主要研究内容有以下六个方面：分析现有的各种动态网络交通模型及其存在的问题建立一种交通网络时空化和虚拟化理论与方法，将原始道路网络转化成时空虚拟网络融合现有的动态网络交通模型建立一种基于时空虚拟网络的动态网络交通流模型分析道路的动态通行能力运用大系统分解协调原理，研究基于时空虚拟网络的动态网络交通流模型的分布式并行算法建立实验交通网络，分析模型及其算法的稳定性、可靠性、有效性1 3 2 研究的方法和技术路线本文将原城市道路网络转换为新的时空虚拟网络，建立基于时空虚拟网络的预测型动态交通网络模型，并建立一个实验交通网络，分析模型和算法的有效性、可靠性和准确性。主要的研究方法包括：交通网络时空化和虚拟化理论与方法。对原始路段和节点实施时空分解，构造虚拟交通网络，使其能描述和控制拥挤网络上实时和未来车流的动态运行、排队等待和延误等客观时空演变过程。基于时空虚拟网络的动态交通流分析和交通状态预测模型。设置基于时空虚拟网络的动态交通流行进条件与规则( 综合选择行为) ，构造时空虚拟网络的守衡和时空动态容量约束条件，在此基础上建立该模型。基于时空虚拟网络的预测型动态交通流模型的分解算法。运用大系统分第一章绪论解协调原理，开发基于实时交通信息检测点的符合模型机理的分布式并行算法。本文研究的技术线路如图1 1 所示【j一原始网络的时空虚拟化、标准化原始网络信息土时空虚拟路网车流行进规时空虚拟路网的动态通行能力则和路径选择模式1 l上基于时空虚拟网络的动态交通流分析模型和交通状态预测模型图1 1 研究的技术线路第二章动态网络交通流模型研究现状及趋势第二章动态网络交通流模型研究现状及趋势6一动态交通网络模型是从道路交通流模型发展而来的，是当今i t s 中诱导系统、先进的出行者信息系统等子系统的理论基础。交通网络是由节点通过有限长度的道路连接而成的，它是一个复杂、开放、自适应和具有突变特征的系统。2 1 动态网络交通流模型理论研究现状从m e r c h a n t 和m e m h a u s t e d 5 1 1 6 】( 1 9 7 8 ) 为动态交通网络模型问题所做的开创性的研究工作以来，动态交通网络模型及其理论已经历了近3 0 年的发展，从研究方法上看，主要可以划分为四类：数学规划( m a t h e m a t i c a lp i o g r a m m i n g ) 类建模方法；最优控制理论( o p t i m a lc o n t r 0 1 ) 理论建模方法；计算机模拟方法；变分不等式( v a r i a t i o n a li n e q u a l i t y ) 理论建模方法。由于动态网络交通流模型及其理论的研究主要在国外，所以重点放在对国外资料的研究。2 1 1 数学规划类建模方法数学规划类建模方法是在离散化时间的环境下对动态交通网络问题建模。第一个数学规划方法的模型是m e r c h a n t 着1 1 m e m h a u s t e r t 5 】 6 1 ( 1 9 7 8 ) 提出来的。他们的模型是离散时间的、非凸的非线性规划模型，仅限于确定的单一终点和单一物流的以及系统最优的情形，在静态假定下，可以转换为静态的系统最优配流模型。h o t 7 】( 1 9 8 0 ) 提出了该模型的连续线性优化算法，后又提出了应用嵌套式分解算法在超立方并行计算机上求解的算法。c a r e y ( 1 9 8 6 ) 证明了m - n 模型满足线性独立条件的要求，并于1 9 8 7 年【8 】将m n 模型该进成为非线性的凸规划模型。以上模型的最大的缺点就是局限于只研究了多个起点、一个终点的简单交通网络。j a n s o n ( 1 9 9 1 a , b ) 【9 】于1 9 9 1 年在静态交通分配的基础上，改进了动态交通模型，该模型先将连续的问题变成静态流问题，然后逐个求解。c a r e y - 于1 9 9 2 年首次提出了动态网络交通配流的先进先出( f i r s t - i n f i r s t o u t ，简称f i f o ) 规则，因为公路上的交通行为趋于满足这种f i f o 的规则，文章指出当网络扩展为多个终点时，f i f o 的规则必将导致模型解的可行域成为非凸集合，因此使得动态网络交通配流的数学规划方法的求解遇到了极大的困难。j a n s o n ( 1 9 9 2 ) 提出了一个多目标规划模型，但是该模型的某些假设违反了f i f o 的规则。j a y a k r i s h a ne t a l ( 1 9 9 5 ) b o 改进了j a n s o n 的多目标规划模型，使其满足了f i f o 规则。该模型利用了改进的g r e e n s h i e l d s 速一密关系，建立了单调递增的凸的路段费用函数。“u ( 1 9 9 3 ) 1 q第二章动态网络交通流模型研究现状及趋势二分析了路段阻抗函数、路段流出函数与f i f o 规则的关系，提出了满足f i f o 规则的路段流出函数形式，并建立了动态系统最优和用户最优的模型。但他的模型没有经过证明，没有说明模型的解如何满足动态系统最优或用户最优的最优性条件。z i l i a s k o p o u i o s n 2 1 ( 2 0 0 0 ) 年引入了单一终点的基于单元传播( 将路段划分成若干单元) 的并应用于交通流传播模型的系统最优的动态交通分配线性规划模型。2 1 2 最优控制理论理论建模方法与上述数学规划方法不同，l u q u e 和f r i e s z t l 3 】( 1 9 8 0 ) 提出了一个应用最优控制理论解决d s o 配流模型的新思想。他们将m n 模型改进成一个连续时间的最优控制问题，最优值条件由p o n t r y a g i n 最小值原理获得。r a n 和s h i m a z a k i ( 1 9 8 9 a ) 【1 4 】利用最优控制的方法发展了应用于具有多个起讫点对的城市交通网络且基于路段的s o d t a 模型。他们采用线性的驶出流函数和二次型路段行程时间函数，以使得减少一个时一空分解求解方法的计算量，否则就只能解决很小的交通网络问题。除了对交通拥堵的建模不切实际之外，他们还没有考虑由于多终点而产生的f i f o 违规问题。他们( 1 9 8 9 b ) 1 5 1 提出了一个基于u e d t a模型的最优控制理论，但他们仍然没有提出高效率的算法用来解决这些模型。r a ne ta 1 ( 1 9 9 3 ) 、f r i e s ze ta l ( 1 9 8 9 ) 、w i ee ta l ( 1 9 9 0 ) 、l a m 和h a n g ( 1 9 9 5 ) 、陆化普和殷亚峰( 1 9 9 6 ) 等的文章中建立的模型均采用了此种方法建模。这些模型之间的主要区别在于控制变量、状态标量的选择以及如何满足f i f o 规则上。最优控制理论方法建立的模型具有易于分析的特点，这类模型通常在求解时被转化为离散时间形式的非线性规划和线性规划问题求解。b o y c e e t a l ( 1 9 9 5 ) 1 6 l就是将一个连续性使得用户最优模型转化为一个简单的全有全无配流问题。w i ee ta l ( 1 9 9 4 ) 1 7 1 提出了一个求解离散时间形式动态网络交通配流模型的增广l a g r a n g e 算法，但它仅能应用于多个起点、一个终点的交通网络。利用最优控制理论建立模型的方法也存在着许多的缺点，况且模型的构造一般均非常复杂。另外，模型的求解需要对称性条件，对于一般网络缺乏一种有效的算法，这也是上述两种模型的最重要的缺陷。由于在d t a 研究领域内的最优控制的诸多局限性以及变分不等式( v i ) 模型提供的优点，对解析类的d t a 模型的研究近年来都转向了v i 模型。2 1 3 计算机模拟方法y a g a r ( 1 9 7 1 ) 1 8 1 提出了第一个基于计算机模拟的动态交通网络模型。该模型第二章动态网络交通流模型研究现状及趋势苎满足w a r d r o p 用户最优原则，考虑了随时间变化的需求以及排队的形成。y a g a r ( 1 9 7 0 ) 也提出了一个具有其发行的动态系统最优模型的算法，该算法被v a na e r d e 和y a g a r ( 1 9 8 8 ) 进行了改进。b r a s t o w ( 1 9 7 3 ) 提出了另一个d u o 问题的计算机模拟模型。在他的模型中，随时间段为常值的需求函数通过流量密度关系转换为随距离分段为常值得函数。此外，m a h a m a s s a n i 和p e e t a ( 1 9 9 3 ) 、m a h a m a s s a n ie la 1 ( 1 9 9 2 ) 【1 9 】和j a y a k r i s h n a n ( 1 9 9 2 ) 【2 0 】的模型也是基于计算机模拟的模型。基于计算机模拟的动态交通网络模型在每一次迭代配流中对出行者的路径选择行为模拟。这类模型的优点在于相对容易地将交通控制等措施集成进来，可用来评价i t s 项目交通信息服务、路径诱导效果等。其缺点是模型的分析能力差，无法从模型本身分析其解的收敛性以及分析精度等。可以说，此类模型从学术的观点上看并没有数学规划模型以及最优控制理论对研究者有吸引力。2 1 4 变分不等式( ) 理论建模方法应用变分不等式建立动态交通网络理论建模是近十几年内发展起来的，在动态交通网络研究领域内为几大类动态交通网络问题构造了一个通用的建模平台，例如最优化、不动点以及互补性问题。它培育了一个能将平衡问题和等价最优化问题综合在一起的机制。同时，它的数学性质如解的唯一性可以用一个简单的例子加以说明。d a f e r m o s ( 1 9 8 0 ) 2 h 首先将v i 方法引入到静态的交通平衡研究领域内。d r i s s i k a i t o u n i ( 1 9 9 3 ) 【2 2 】提出了一个动态交通配流的v i 模型，该模型是在静态交通配流基础上通过时间一空间扩展网络技术直接推广而得到的。r a ne ta 1 ( 1 9 9 3 ) 、r a n 和b o y c e ( 1 9 9 6 ) 、r a ne ta 1 ( 1 9 9 6 ) 、c h e ne ta 1 ( 1 9 9 9 ) 分别提出了基于路径和路段的v i 模型。h e n d r i c k s o n t 2 3 1 和k o e u r ( 1 9 8 1 ) 【2 4 】指出，如果把出发时间选择包括动态路径选择模型，那么出行费用就应该包括两部分：出行时间以及安排行程的惩罚，并且不同的o d 对这个费用是不同的。f r i e s ze ta l ( 1 9 9 3 ) 推广了d u o模型，提出了出发时间和出行路径选择的组合动态用户最优的概念，并应用v i问题进行了建模。h e y d e c k e r ( 2 0 0 0 ) 【2 5 】进一步指出，组合模型中每一个o d 点对间的总流量和动态最优条件下的o d 费用之间存在一定的关系。r a n 和b o y e e ( 1 9 9 6 ) 、c h e n 和c h a n g ( 2 0 0 1 ) 也给出了各自的出发时间和路径选择的组合动态用户最优模型，h a n g ( 2 0 0 2 ) 所给的考虑排队现象的出发时间和路径选择的组合模型是基于路径的( 其中的路径费用是一种考虑出发时间和到达时间的负效用函数) 。焦海贤博士( 1 9 9 6 ) 1 2 6 在他的出发时间和路径选择的组合模型中提出了路段通行能力约束的问题。c h e ne ta l ( 2 0 0 1 ) 2 7 1 在他们的出发时间和路径选择的第二章动态网络交通流模型研究现状及趋势竺组合模型中也提到了路段通行能力约束的问题，并构造了组合模型和求解的算法。基于v i 方法建立的动态网络交通流模型比前面提到的其它解析类模型更加一般化，它提供了解决各种动态网络交通流问题的更大的解析灵活性和方便性。它被用来较容易地证明所谓的“瞬间”和“理想”的用户最优的动态网络交通流问题中的各出行路线的实际经历的行程时间学说。但是，v i 方法比最优化模型计算量更大，故产生实时实施的计算可处理性问题。如果是基于路径的模型，这些问题会变得更加严重，因为它要求对各起讫点对之间的所有路径进行枚举。同样，尽管能够表达路段之间的互动关系，但在解析类模型中产生的不符合交通网络现实情况的问题依然存在。2 2 动态网络交通理论存在的问题前面分析了动态交通网络模型及其理论经历了近3 0 年的发展以来所形成的四类模型，并指出了其各自的优点及局限。但是这些模型存在下述共同的局限：( 1 ) 动态交通需求参数、路阻函数和路段流入流出率函数及其参数必须预先给定，不能与实时交通检测信息接口，不具备实时在线条件；( 2 ) 假设动态出行路径只依赖于当前交通状况信息，不具备真正的预测功能，给出的动态出行路径与用户实际经历的路径相去甚远，不能支持交通诱导和疏导。( 3 ) 由于离线的固有缺陷，不能与交通紧急事件信息系统接口，缺乏环境适应性和对交通拥堵预警支持。( 4 )假定网络通行能力为静态，用若干个孤立的路阻函数间接反映拥挤。实际上，实时网络通行能力随着交通状态( 流量、密度等) 的波动而发生改变，即网络使用过程中的通行能力是动态的，交通流状态是动态交通需求与动态通行能力相互作用的结果。上述四类模型本质上是非机理组合优化模型。近几年提出的几种修正方法可归纳为两类：神经网络法、卡尔曼滤波法和时间序列法及其融合方法等；数据挖掘方法；这两类方法只适用于局部交通状态实时参数的估计，不能描述动态网络通行能力与动态交通流的实时动态交互机理，从而亦不能模拟、跟踪、辩识和预测路网上未来交通状态的演变模式。尽管可以利用实时交通信息，降低路径实时出行时间的估计误差，但显然不具有网络化和路径交叉影响机理，紧急事件信息也难以在模型中嵌入，仍然未能克服原模型的缺陷。总之，具有系统性预测功能的网络动态交通流分析技术至今未见实质性突破。第二章动态网络交通流模型研究现状及趋势旦2 3 动态网络交通理论研究的发展趋势由以上的分析可知，动态网络交通理论经过近3 0 年的发展，已经取得了很多的成果，但是无论从理论上，还是从实践上都还存在着很多有待解决的问题：( 1 ) 关于动态网络交通配流问题，近年来的研究在理论上的成果虽然很显著，但与之相关的理论问题以及实际应用时面临的难题还很多，有必要进一步开展深入的研究。另外，为将动态交通配流用于实际交通网络，开发更为有效的计算方法及应用软件也很重要。( 2 ) 对预测型用户最优模型的研究，预测型模型与实际情况更为接近，而目前还没有足够准确的表达式来表述其定义的最优条件。( 3 ) 利用动态网络交通配流模型确定道路通行费，使城市路网达到系统最优，缓解交通拥堵状况，道路通行费的确定可以通过动态系统最优模型与动态用户最优模型联合起来确定。这种动态的道路通行费与传统的静态通行费由很大的差别，它是根据路网交通分布形态确定的。( 4 ) 研究如何将交通控制、路径诱导等系统的影响集成至动态网络交通配流中去。由于实时自适应交通控制系统和路径诱导系统的迅猛发展，将会影响出行者的路径选择行为，甚至于影响交通流的分布形态。因此这些影响应该反映到动态网络配流中去。从另一个角度讲，动态网络交通配流应该成为交通控制系统以及路径诱导系统的技术基础。( 5 ) 由于目前智能交通系统这个现代化的交通运输运作和管理系统在世界上所有国家都得到了空前的重视和大力的发展，动态网络交通理论又是i t s 项目中最重要的理论技术基础之一，因此城市公交网络设计问题，尤其是动态的公交网络设计问题作为一个能够解决实际城市交通问题并产生重大效益的重要课题，更是有待于进一步研究切合实际的模型和有效的求解算法。( 6 ) 动态交通网络模型的实际检验与应用。2 4 小结本章首先介绍了动态网络交通理论的研究现状和各种建模方法，讨论了各种建模方法的意义与特征，提出了现有的模型存在的问题，最后分析了动态网络交通理论的发展趋势。第三章交通网络动态用户最优模型第三章交通网络动态用户最优模型动态交通网络模型是从道路交通流模型发展而来的但更具有挑战性和现实意义的理论，是当今i t s 中最核心的理论基础。城市交通网络是有节点通过有限长度的道路连接而成的，它是一个复杂、开放、自适应和具有突变特征的系统。动态交通网络理论历经3 0 余年的发展，世界各国的学者进行了多方面的理论与应用研究。从对出行者路径选择行为的假定看，动态交通网络模型可以分为两类：反应型和预测型，或瞬时的动态交通网络模型和理想的动态交通网络模型。从系统和出行者的角度，动态交通网络模型可以分为动态系统最优和动态用户最优。在动态交通网络研究领域中，有一类极为重要的动态用户最优模型，它是从用户自身的意愿出发，根据其自身的不同喜好或要求，在所研究的时段内，按照用户自身的某种意愿把动态的交通需求分配到网络中的方法。3 1 动态网络交通模型的符号与定义在一个多起点多讫点的强连通的城市交通网络g = ( n ，a ，0 ，d ) 中，n 为节点集；a 为有向弧集；0 为源点集；d 为终点集，且o n ，d n ，0 n d ( 表空集) ，即一个节点可能同时是源点和终点。交通网络g 中的节点表示路网中的交叉点或路段中的瓶颈，弧表示两个节点之间的一条路段或路段的一部分，源点和终点分别表示o d 需求和目的的节点。设，d ，s d ，称有向弧序列：( ，i ，n 1 ) ，( n l ，刀2 ) ，0 2 ，刀3 ) ，( n h ，刀h ) ，( 刀i - l ，j ) 为从源点r 到终点s 的路径，其中n ，n ，j = l ，2 ，k - 1 为节点。通常在0 一d 点对r s 之间有若干条路径。设研究周期为t ，记为 0 ，t ，而离散模型研究将周期划分为等间隔( a t )的t 个时段，对于vt “0 ，t ，引入如下变量：r s 0 d 点对，其中，dj d 。以( f ) 一f 时刻弧a 上具有的车辆数( 状态变量) 。群( f ) 一时段f 始点r 与s 之间的弧a 上具有的车辆数。虬( f ) 一t 时刻进入弧a 的流量。第三章交通网络动态用户最优模型叼( f ) 一时段t 内进入r 与s 之间的弧a 的流量。圪( f ) 一f 时刻离开弧a 的流量。吁( f ) 一时段f 内离开r 与s 之间的弧a 的流量。c 口( f ) 一弧a 在t 时段内的最大流量限制，或者说弧a 上的能力限制。乞( f ) 一弧a 的下游交叉点进口道的最大流量( 能力) 限制。这些符号都是本文后续章节中要用到的，如果还有其他符号，会在用到时再予以介绍。3 2 动态交通网络约束条件由3 1 节给出的符号定义，司以得出如。f 的关系式成立：x o ( t ) = 群( f )v 口a ，reds d ，t = o ，1 ，2 ，3 ，t - 1u o ( t ) = u t ( t )v 口a ，red ，s d ，t = o ，1 ，2 ，3 ，r 一1圪( f ) = v t ( t )v 口a ，0 ，s d ，t = o ，1 ，2 ，3 ，丁一1由于以( f ) 为弧a 的状态变量，则虬( t ) f t q lv o ( t ) 可视为弧a 的输入输出控制变量。在本文中的模型中都是考虑初始网络上没有流量的情况，即：f ( o ) = 0 ，五( 0 ) = 0 ，v a a ，0 ，s d ，t = o ，1 ，2 ，3 ，t 一1 。为叙述的方便，则弧a 的状态差分方程为：t五= 【虬( f ) 一圪( 伽= 丘o 一1 ) + 虬o 1 ) 一v o ( t 一1 )i - - - o即x o ( t ) = 兄o 一1 ) + 虬( t - 1 ) - v 4 ( t - 1 )va a ，t = o ，1 ，2 ，3 ，t - 1或鲜( f ) = 砰( f 一1 ) + 叼( f 一1 ) 一吁( f 一1 )va a ，d ，s d ，t = 0 ，1 ，2 ，3 ，t - 1在本文中，我们考虑所有的变量都是非负的，即：以( f ) 1 0 ，虬( f ) o ，圪( f ) 0 ，v 口a ，t = 0 ，1 ，2 ，3 ，t - 1砰( f ) i 0 ，叼( f ) 1 0 ，吁( f ) 0 ，v a a ，o ，s d ，t = 0 ，1 ，2 ，3 ，第三章交通网络动态用户最优模型r l3 3 用户动态路径选择行为假设在具有智能路径诱导系统的交通环境中，路网用户的路径选择行为会受到实时交通信息和路径建议的极大影响。如何在交通分配模型中描述基于智能交通诱导系统的用户路径选择行为成为动态交通网络模型质量优劣的关键之一。用户动态路径选择行为不仅依赖于对所提供的交通信息利用的程度和交通诱导系统的发达程度，而且依赖于用户对出行费用、出行时间等的特殊要求和意愿。已有的动态路径选择行为模式归纳起来不外乎以下两类假设【2 6 1 。( 1 ) 给定出发时间的每个用户，在源点出发时根据目前交通网络状态信息，选择最小费用路径出行。这种路径选择则模式假设只利用出发时的当前交通信息，并结合对“未来交通条件的经验性估计确定出发路径，中途不做更改。这是一种初级模式，相应的路径诱导系统设计也较简单。因此，它属于“部分信息预测型 路径选择模式。其路径费用函数可表示为：t 脚= f 。( f ) t = o ，1 ，2 ，3 ，r l( 3 1 )a e r s p ( j )其中，t 。，( f ) 一t 时刻，一j 的第j 条路径瞬时出行费用( 时间) ，0 ，s d ；唧( ) 一，- 一s 的第j 条可行路径，ds d ；乞( f ) 一f 时刻，弧a 的行程费用，a 彳。( 2 ) 给定出发时间的每个用户，在每个交叉点利用当前交通信息，试图选择最小费用路径出行。这种路径选择模式的特点是，在到达每个交叉口时都要根据当前信息对原来路径进行修改或更新。该模式基于用户具有当前所在节点的交通状态的全部信息。其决策节点n 的路径费用函数由下式表示：丁耐( f ) = f 。o ) t = o ，1 ，2 ，3 ，t - i( 3 2 )a e n s p ( j )其中，( f ) 一f 时刻，l l - - s 的第j 条路径瞬时出行费用( 时间) ，刀n ，s d ；，印( _ ，) 一决策节点刀到终点j 的第j 条可行路径，刀n ，s d ；乞o ) 一t 时刻，弧a 的行程费用，a a 。这种动态路径选择模式的优点是能利用到达交叉点时所获得的当前最新的第三章交通网络动态用户最优模型1 4交通信息实时修改不适应新情况的原有路径，符合用户在交叉点的选择行为。采用的是逐步修改和调整策略。但由于只利用当前信息所选择的下游到达节点，从全局看未必是最优选择，因此它所选择的最小出行费用路径不一定是真正实际最小费用路径。称这种模式为“实时信息反应型 。为弥补第二种动态路径选择模式的不足，建立更先进的