论文部分内容阅读
信息技术的快速发展推动着先进出行者信息系统的服务不断改进,使其服务广度(服务人群范围)和服务深度(交通信息精准度)不断升级。然而,当更多的信息介入交通系统后,整个道路网络交通流的演化过程也发生了改变。本文从交通信息、出行者和网络交通流演化三个系统构成要素出发,研究了三者之间的系统动力学演化机理。论文以揭示网络交通流演化规律及特征为研究目标,以交通信息对出行者路径选择的决策影响为研究脉络,论述了不同的信息反馈方式、不同的信息反馈对象以及不同的信息反馈内容对网络交通流演化产生的影响。在构建交通网络模型的基础上,以day-to-day交通流演化模型为理论支撑,对信息影响下的交通流演化系统进行分析与建模,并引入非集计模型(Logit模型)对异质性的出行个体路径选择过程进行建模。基于交通系统仿真原理构建了信息反馈场景下的网络交通流演化仿真系统,采用multi-agent建模方法模拟了现实中的出行者群体,采用蒙特-卡罗仿真方法模拟了出行者路径选择过程。从信息反馈方式的角度分析,可以采用提供最通畅路径出行时间、最拥堵路径出行时间、全部路径出行时间等方式为出行者反馈信息。不同的信息反馈方式,会导致全然不同的网络交通流演化过程。为全体出行者提供交通信息,本质上并不能缩短总体平均出行时间;恰恰相反,不合适的信息反馈方式(如提供所有路径时间和提供最畅通路径时间)反而会延长出行者的平均出行时间,加剧交通流的振荡。相比之下,为出行者提供最拥堵路径的出行时间无疑是一种理想的选择。从信息反馈对象的角度分析,现实中的出行个体数量众多且特征各异,表现出明显的“异质性”特征。异质性个体的主要表征是即使在相同的交通情境中,每位出行者也会因为个体认知的不同,而做出不同的路径选择。进而,先后从出行者个体的理智程度异质性、路径习惯度(habitual factor)、个体选择偏好、信息接受度(compliance)和时间价值(value of time)差异度5个方面对出行者异质性对网络交通流演化的影响进行了探讨。路网交通流演化过程与出行者个体异质性特征之间的关系密切。出行者个体之间的差异性越小、理智程度越高,网络交通流的聚集现象越明显,振荡越剧烈,出行者平均出行时间越长;反之,交通流分布相对更为均衡,振荡相对平缓,出行者平均出行时间有所缩短。从信息反馈内容的角度分析,以满足出行者个体偏好需求为目标,实现了一种个性化路径推荐系统框架,同时引入4种主要的出行偏好要素(路径出行时间、路径等级、路径收费和路径长度)构建了路径推荐模型,采用Pearson相似系数计算了个体偏好向量与路径特征向量之间的相似度用以推荐最优路径。网络交通流的演化特征与出行者群体的偏好特征呈现关联性,并受出行需求量影响显著。交通流可以演化至均衡或者振荡均衡状态,个体信息接受度也可以演化至较高的接受水平。个性化路径推荐方法在满足个体需求的同时,也更好地平衡了网络交通流量的分布。以路网当中路段拥堵收费为应用背景,以本文的研究思路和方法为支撑,研究了适用于交通流演化的路段拥堵收费策略。通过拥堵收费,可以有效改变出行者的路径选择方案,促使网络交通流均衡分布,从而缩短出行者个体的平均出行时间。