基于上述考虑,本书提出了结合蚁群算法及正交试验设计的动态交通网络配流模型,快速生成交通事件疏导配流方案,达到及时疏导、抑制拥堵的目的。因此,为了有效弥补上述两个主要缺陷,本书将通过采用正交试验设计的方法生成初始解,并改进信息素的更新方式及状态转移概率的确定方法,以实现对蚁群算法的优化。......
2023-09-26
G:路网
T:时段
k:时刻
q j (k):元胞j 在(k, k+1)时段的交通流量
ρ:交通密度
ρJ:阻塞密度
ρo, j:元胞j 的临界密度值
ρc:拥挤流向自由流转变的临界车流密度
ρf:自由流向拥挤流转变的临界车流密度
ρi (k):第k 个时段元胞i 的车流密度
ρiJ:元胞i 的阻塞密度
v:自由流速度
vli:元胞i 处的限速值
vi (k):第k 个时段元胞i 的平均车速
v:控制区内元胞i 的期望运行速度
w:激波速度
qM:最大流量
Δt:时间步长
ni (k):元胞i 中所包含的车辆数
yi (k):在(k, k+1)时段元胞i-1 流入元胞i 的车辆数
Qi (k):在(k, k+1)时段流入元胞i 的最大车辆数
Ni (k):在(k, k+1)时段元胞i 所能承载的最大车辆数
Si-1 (k):在(k, k+1)时段元胞i-1 在自由流状态下所能提供的最大流量
S (k): 在(k, k+1)时段优先于路径j 的其他路径从元胞i-1 驶出的最大流量
S1, j (k): 第k 个时段上游路段a 的渠化元胞i-1 能提供给下游路段j 的最大流量
S m (k):末端元胞的允许流出量
Ri (k):在(k, k+1)时段元胞i 在拥挤流状态下所能接收的最大流量
Ri, j (k):第k 时段下游路段j 混行元胞i 所能接受的最大流量
p1, j (k): 第k 时段由上游路段a 的渠化元胞i-1 驶入下游路段j 混行元胞i的流量占驶入元胞i 的总流量的比例
ρi (k):第k 时段元胞i 的车流密度
:路段a 中元胞i 的长度
j:控制区内元胞i 距离处置区的长度
qi,in (k):(k, k+1)时段内单位时间所有进入元胞i 的车辆数
qi,out (k):(k, k+1)时段内单位时间所有离开元胞i 的车辆数
′:元胞i 折减后的通行能力
ca (k):k 时段内进入路段a 的不同出行者在路段a 上的平均行程时间
i (k):第h 位出行者经过路段a 第i 个元胞的行程时间
(k):k 时段内进入路段a 第i 个元胞的出行者数
yi,out (k):元胞i 的总流出量
D (k):k 时段内路网G 的总延误
T:时段T 内路网G 的平均拥堵延误
UT:时段T 内累计进入路网G 的总车辆数
:路段a的平均行程速度
IL (k):交通事件发生后k 时刻的影响长度
ILmax:路段交通流恢复自由流状态前所能达到的最大事件影响长度
+1 (k):第k 时段由路段开口进入元胞i+1 的预估流量
υi (k):第k 时段元胞i 进入路段开口的流量占总流出量的比例
yi+1, j (k):在第k 时段由混行元胞i 驶入流向j 的渠化元胞i+1 的流量
yi,out (k):在第k 时段驶出元胞i-1 的所有车辆数
ym (k):第k 时段驶出末端元胞的流量
θj:混行元胞i 进入流向j 的渠化元胞i+1 的流量占元胞i 总流出量的比例
j (k): k 时段由上游路段a 的渠化元胞i-1 流入下游路段j 元胞i 的最大车辆数
:路段a 去往路段j 的车流所占车道数占渠化区总车道数的比例
: 路段a 去往路段j 的车流由于车辆转弯、重型车比例、路段坡度等原因而导致输出能力下降的折减系数
-1, j:路段a 的末端元胞分配给去往路段j 的饱和流率
Di (k):第k 时段起始元胞i 的交通需求
Zi (k):第k 时段元胞i 的车流状态
rm,i+1 (k):入口匝道i+1 的实测流量
(t):t 时刻路段a 上要去往终点s 的流量
xa (t):t 时刻路段a 上的流量
(t):t 时刻进入路段a 要去往终点s 的流入率
(t):t 时刻离开路段a 要去往终点s 的流出率
(t):t 时刻节点l 产生的要去往终点s 的流率
ca (t):t 时刻路段a 上的瞬时阻抗
(t):t 时刻第h 位出行者经过路段a 所需要的时间
ca (0):初始时刻出行者以自由流速度通过路段a 所需的时间
Z:路网的总行程时间
Na:t 时刻路段a 上的出行者数
τij:路段(i, j)上的信息素量
∂:路径上信息素的挥发系数
Δτ:OD 对(r, s)间路段(i, j)上信息素的增量
(t):t 时刻蚂蚁k 在节点i 处选择转移至节点j 的概率
ηij:路段长度dij 的倒数
εij:路段流量qij 的倒数
rj (k): 第k 时段事发路段所在元胞j 上游的多个入口匝道的累计交通需求量
Dz:纵向车距
Dh:横向车距
f:车辆与路面之间的纵向摩擦系数
有关城市道路交通事件影响分析与疏导策略的文章
基于上述考虑,本书提出了结合蚁群算法及正交试验设计的动态交通网络配流模型,快速生成交通事件疏导配流方案,达到及时疏导、抑制拥堵的目的。因此,为了有效弥补上述两个主要缺陷,本书将通过采用正交试验设计的方法生成初始解,并改进信息素的更新方式及状态转移概率的确定方法,以实现对蚁群算法的优化。......
2023-09-26
G:路网T:时段k:时刻q:交通流量q j (k):元胞j 在(k, k+1)时段的交通流量ρ:交通密度ρJ:阻塞密度ρo, j:元胞j 的临界密度值ρc:拥挤流向自由流转变的临界车流密度ρf:自由流向拥挤流转变的临界车流密度ρi (k):第k 个时段元胞i 的车流密度ρiJ:元胞i 的阻塞密度v:自由流速度vli:元胞i 处的限速值vi (k):第k 个时段元胞i 的平均车速v:控制区内元胞i......
2023-09-26
交通事件主要通过两种方式对交通流状态产生直接影响:其一,减少可用车道数;其二,导致驾驶人作出观望、减速、换道及更改出行路径等行为。调查发现,交通事件是引起交通拥堵的最重要的原因之一。因此,为了明确描述交通事件的影响,本书结合偶发性交通拥堵的特征,并基于疏导策略的需要,采用以下指标构建交通事件影响评价指标体系。......
2023-09-26
之后,Roberg[39]又利用仿真模型研究分析了在理想网络中以转弯禁限为主的交通事件疏导策略。之后,Sheu 等[45]又提出了一种基于实时交通事件响应匝道协调控制的随机最优控制方法,并借助微观交通仿真手段对各种模拟事件引起的拥塞情况进行了数值研究,相应的数值结果均表明该方法的可行性。......
2023-09-26
快速路交通事件的拥堵扩散特性相较于普通城市道路而言有较大不同,究其原因,这主要缘于其区别于普通城市道路的一些主要特征。因此,出入口处也成为快速路交通事件的高发区域,继而导致拥堵现象的频发。因此,快速路对其沿线的交通需求具有极大的吸引效应,尤其是对于一些以快速路为主要交通通道的城市则更甚。也正因为此,快速路上的交通事件相比于普通城市道路而言,往往会造成更大程度的影响。......
2023-09-26
依据处置区的交通拥堵疏导策略,此区域内的路段主要应采取主线控制及入口匝道控制等措施。图6-5处置区示意图限速值的确定方法:若元胞i 处发生了一起交通事件,在此处则形成了一动态瓶颈,此时疏导的主要目的则是使尽可能多的车辆尽快通过此处瓶颈,以缓解车辆阻塞。......
2023-09-26
事件影响范围可以直接反映交通事件发生后交通拥堵的扩散程度,它也是评价交通事件影响的最重要的指标。另外,为了具体描述交通事件引发的拥堵规模,将ILmax 定义为路段交通流恢复自由流状态前所能达到的最大事件影响长度,而该影响长度值对应的时刻即为最大影响时刻kmax。......
2023-09-26
本书的主要研究内容如下:1.构建交通事件影响下的城市道路网络交通流模型结合交通事件对城市道路交通流的影响,通过对事发路段元胞通行能力、阻塞密度、激波速度等主要交通流参数的变化,元胞长度的可变设计以及事件发生位置对元胞划分方式的影响之研究,对传统的元胞传输模型进行改进,构建交通事件影响下基于CTM 的道路网络交通流模型。......
2023-09-26
相关推荐