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
城市动态网络交通流分配模型：事件影响分析与疏导策略
【摘要】：Yagar[55]首次提出了基于计算机模拟的动态网络配流模型。另外，依据交通流分配原则的不同，可将DTA 模型分为两种类型：动态系统最优模型和动态用户最优模型。
依据研究方法的不同，动态网络交通流分配模型主要可以划分为以下两种类型：
1.计算机模拟方法
在动态网络交通流分配模型中，计算机模拟方法可以模拟路网中（尤其是信号控制路网）复杂的动态交通流现象，把握交通流状态及时空的交互作用，从而克服解析数学模型难以解决的问题。
Yagar[55]（1971）首次提出了基于计算机模拟的动态网络配流模型。该模型以用户最优原则为基础，并充分考虑了时变交通需求及排队的形成。
Mahmassani 等[56]（1993）通过对Greenshields 模型进行修正，得到了新的速度-流量关系，并采用此关系式对个体车辆的运行加以描述，提出了应用于先进道路远程信息处理的动态网络分配仿真模型。Abdelghany 与Mahmassani[57]（2001）通过增加对公交行为的建模及对路径选择算法的改进，对此模型作了进一步扩展。
Ben-Akiva 等[58]（1994）为了实时评估当前并预测未来的交通条件，提出了一个基于计算机模拟的DTA 模型——DYNAMIT。该模型由一个需求模型与一个供应模型组成，它们可以使出行在受控时域内达到动态用户平衡。其中，需求模型在同时考虑了历史数据及出行者对提供信息的反馈的基础上，采用卡尔曼滤波算法进行构建；供应模型则是基于需求对交通流量进行计算的。
Ziliaskopoulos 与Waller[59]（2000）开发了一种针对交通分配算法的可视化交互式系统——VISTA。此系统的核心特征主要体现在以下三方面：①驾驶行为由DTA 模型进行处理；②基于地理信息系统启用空间数据库；③用户可以通过网络访问算法、数据集及结果，并实现查询及编辑网络的工作。另外，此模型是采用元胞传输模型对交通流传播过程进行模拟的。
2.解析模型方法
用于动态网络交通流分配模型的解析方法，主要有数学规划建模、变分不等式理论建模等方法。
数学规划模型具有分析能力强，易于分析解的收敛性以及分析精度等，因此受到许多专家学者的青睐。Carey 与Subrahmanian[60]（2000）使用线性规划的方法，采用路段性能函数来描述路段交通流与路段阻抗之间的关系，提出了基于系统最优原则的DTA 模型。Li 等[61]（2003）针对这种基于线性规划的SODTA 模型提出了一种分解算法，用以解决更多有意义的分级路网的分配问题。Waller 及Ziliaskopoulos[62]（2006）对确定性线性规划模型进行了扩展，他们通过使用一个机会约束随机规划模型对随机需求进行描述，并为其提供技术解决方案。
基于变分不等式理论构建的DTA 模型相较于上述模型而言更为简洁，并更易于求解。Lo 与Szeto[63]（2002）通过采用变分不等式，提出了一种满足理想动态用户最优原则的DTA 模型，并采用了一种由强制单调变分不等式问题所得的交替方向法对此模型进行求解。Bliemer 与Bovy[64]（2003）将单一用户层次的宏观DTA 模型扩展为多用户层次的模型；通过考虑不同用户层次之间的相互作用，以及不同时间空间的非对称性，将该问题转化成为一个近似变分不等式问题进行求解。
另外，依据交通流分配原则的不同，可将DTA 模型分为两种类型：动态系统最优模型和动态用户最优模型。这两种模型的主要区别在于目标函数的不同，前者是以达到每个用户的出行费用最少为目的，后者则是以达到整个系统总的出行费用最少为目的。
依据出行者路径出行时间定义的不同，则可将DTA 模型分为以下两种类型：反应型（瞬时的）DTA 模型及预测型（理想的）DTA 模型。反应型（瞬时的）DTA 模型是指出行者基于当时获取的交通信息（瞬时的出行成本），选择总的瞬时出行成本为最小的路径。预测型（理想的）DTA 模型则是指基于过去一段时间内获取的实际交通信息，选择总的实际出行成本为最小的路径。
有关城市道路交通事件影响分析与疏导策略的文章
- 详细阅读
-
城市道路交通事件疏导策略与影响分析详细阅读
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
-
城市道路交通事件影响分析及疏导策略详细阅读
T. Nagatani[6]提出了采用元胞自动机模型对交通事故引起的交通阻塞进行模拟，并探讨了在交通流模型中，交通事故的发生对动态阻塞相变的影响。钱勇生等[16]在 NaSh 模型的基础上，通过对交通事故和养护路段等意外事件对高速公路交通流的影响之研究，建立了意外事件影响的车道管制条件下的高速公路交通流元胞自动机模型，并通过数值模拟得出了意外事件的发生位置、堵塞时间和堵塞路段长度对交通流的影响。......
2023-09-26
-
城市道路交通事件影响分析与疏导策略：处置区疏详细阅读
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
-
基于元胞传输模型的交通事件影响分析与疏导策略详细阅读
本书的主要创新点可归纳如下：基于元胞传输模型，以交通流密度作为状态变量，针对交通事件发生的不同位置，调整了元胞的划分方式，将特征差异较大的事发路段与正常运行路段进行区别分析，重新确定了事件影响下各个元胞的发送函数及接受函数，并以实际采集的交通事件下的检测器数据为依据，构建了交通事件影响下的网络交通流模型，真实描述了事件发生后各路段的交通流状态，有效弥补了CTM 模型精度较低的固有缺陷。......
2023-09-26
-
城市道路交通事件疏导策略及影响分析详细阅读
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
-
城市道路交通事件影响及疏导策略分析详细阅读
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
-
城市交通事件的影响和疏导策略详细阅读
在传统的CTM 模型中，交通事件对交通流的影响主要通过折减事发路段所在元胞的通行能力来反映，其折减系数则仅取决于事件影响下的阻塞车道数。因此，为了更加充分、真实地反映事发后元胞的交通流状态，本节将考虑包括通行能力、阻塞密度、临界密度及激波速度在内的多个主要特征参数的变化情况。另外，为了提高模型的准确性，本节将以实际采集的交通事件下的检测器数据为依据，对事发后的主要特征参数进行标定。......
2023-09-26
相关推荐